ヒストグラムとは何か
連続型変数の度数分布を視覚的に表す代表的な方法がヒストグラム(histogram)です。ヒストグラムでは、横軸に連続型変数の階級をとり、それぞれの階級に対応する長方形を隣り合うように並べます。各階級は連続した区間を表しているため、通常、長方形の間に隙間は設けません。
階級幅がすべて等しい場合には、各長方形の高さをその階級の度数または相対度数に対応させることによって分布の特徴を視覚的に把握できます。どの範囲に観測値が多いか、分布が左右のどちらに偏っているか、山が1つか複数かといった特徴は、度数分布表だけを見る場合よりもヒストグラムの方が把握しやすいことがあります。
150\leq x<155 & 2 & 0.05 \\ \hline 155\leq x<160 & 4 & 0.10 \\ \hline 160\leq x<165 & 8 & 0.20 \\ \hline 165\leq x<170 & 12 & 0.30 \\ \hline 170\leq x<175 & 9 & 0.225 \\ \hline 175\leq x<180 & 5 & 0.125 \\ \hline \text{合計} & 40 & 1.00 \\ \hline \end{array}$$ すべての階級幅は5cmであるため、各階級に対応する長方形の高さをそれぞれ\(2,4,8,12,9,5\)とすれば、度数にもとづくヒストグラムを作成できます。
このヒストグラムを見ると、\(165\leq x<170\)の階級に属する学生が最も多く、その前後の階級にも比較的多くの学生が分布していることを視覚的に確認できます。
度数と相対度数のヒストグラム
ヒストグラムでは、長方形の大きさを度数にもとづいて表すことも、相対度数にもとづいて表すこともできます。すべての階級幅が等しい場合には、度数を用いたヒストグラムと相対度数を用いたヒストグラムでは縦軸の尺度だけが異なり、分布の形は同じになります。
観測単位の総数を\(n\in \mathbb{N} \)とし、異なる階級の個数を\(k\in \mathbb{N} \)とし、第\(i\)階級の度数を\(f_{i}\in \mathbb{Z} _{+}\ \left( i=1,\cdots ,k\right) \)とすると、第\(i\)階級の相対度数は、\begin{equation*} r_{i}=\frac{f_{i}}{n}
\end{equation*}と定義されます。ここで、\(n\)はすべての階級に共通する一定の値であるため、相対度数\(r_{i}\)は度数\(f_{i}\)に比例します。すなわち、任意の\(i,j\in \left\{ 1,\cdots ,k\right\} \)について、\begin{equation*} f_{i}<f_{j}\Leftrightarrow r_{i}<r_{j}
\end{equation*}が成り立ちます。したがって、すべての階級幅が等しい場合には、長方形の高さとして度数を用いても相対度数を用いても、各階級の相対的な高さの関係は変わりません。そのため、縦軸の尺度は異なりますが、ヒストグラム全体の形は同じになります。
150\leq x<155 & 2 & 0.05 \\ \hline 155\leq x<160 & 4 & 0.10 \\ \hline 160\leq x<165 & 8 & 0.20 \\ \hline 165\leq x<170 & 12 & 0.30 \\ \hline 170\leq x<175 & 9 & 0.225 \\ \hline 175\leq x<180 & 5 & 0.125 \\ \hline \text{合計} & 40 & 1.00 \\ \hline \end{array}$$ 先ほどは度数にもとづくヒストグラムを作成しましたが、今度は相対度数にもとづくヒストグラムを作成します。各階級に対応する長方形の高さをそれぞれ\(0.05,0.10,0.20,0.30,0.225,0.125\)とすれば、相対度数にもとづくヒストグラムを作成できます。
度数にもとづくヒストグラムと比べると縦軸の値は異なりますが、各階級の相対的な高さと分布の形は同じです。
異なる大きさの標本について分布の形を比較する場合には、度数よりも相対度数を用いた方が比較しやすいことがあります。度数は標本の大きさに依存しますが、相対度数は各階級に属する観測値の割合を表すためです。
階級幅が異なる場合
すべての階級幅が等しい場合には、長方形の高さを度数または相対度数に対応させても問題ありません。しかし、階級幅が異なる場合には、単純に度数を長方形の高さとすると、幅の広い階級が視覚的に過大に表現される可能性があります。そのような場合には、長方形の面積がその階級の度数または相対度数に比例するように高さを定めます。そのために用いる量が度数密度(frequency density)です。
異なる階級の個数を\(k\in \mathbb{N} \)とし、第\(i\ \left( =1,\cdots ,k\right) \)階級の度数を\(f_{i}\in \mathbb{Z} _{+}\)、階級幅を\(w_{i}\in \mathbb{R} _{++}\)とします。第\(i\)階級に対応する長方形の横幅は階級幅\(w_{i}\)です。長方形の面積がその階級の度数\(f_{i}\)に一致するようにするため、その高さを\(h_{i}\)とすると、\begin{equation*} w_{i}h_{i}=f_{i}
\end{equation*}を満たす必要があります。したがって、\begin{equation*}
h_{i}=\frac{f_{i}}{w_{i}}
\end{equation*}です。そこで、これを階級\(i\)の度数密度と呼び、\begin{equation*} d_{i}=\frac{f_{i}}{w_{i}}
\end{equation*}で表記します。\(d_{i}\in \mathbb{R} _{+}\)です。繰り返しになりますが、階級\(i\)の度数密度\(d_{i}\)とは、階級\(i\)の長方形の面積を度数\(f_{i}\)と一致させる場合の長方形の高さです。
度数密度を用いてヒストグラムを作成する場合には、まず横軸に変数の値をとり、それぞれの階級をその実際の区間の幅に対応させます。続いて、縦軸に度数密度をとり、第\(i\)階級の区間の上に高さが度数密度\(d_{i}\)となる長方形を描きます。したがって、第\(i\)階級の下端を\(a_{i}\)とし、上端を\(b_{i} \)とすると、第\(i\)階級に対応する長方形は、横方向には\(a_{i}\)から\(b_{i}\)まで、縦方向には\(0\)から\(d_{i}\)までの範囲を占めます。
0\leq x<10 & 10 & 20 & 2 \\ \hline 10\leq x<20 & 10 & 30 & 3 \\ \hline 20\leq x<40 & 20 & 40 & 2 \\ \hline \text{合計} & & 90 & \\ \hline \end{array}$$ したがって、ヒストグラムの長方形の高さを\(2,3,2\)とすれば、それぞれの面積は\(20,30,40\)となり、各階級の度数を正しく反映します。
単純に度数\(20,30,40\)を高さとして用いると、最後の階級は幅も広いため、面積が実際の度数以上に大きく見えてしまいます。
観測単位の総数を\(n\in \mathbb{N} \)とし、異なる階級の個数を\(k\in \mathbb{N} \)とし、第\(i\)階級の度数を\(f_{i}\in \mathbb{Z} _{+}\ \left( i=1,\cdots ,k\right) \)とすると、第\(i\)階級の相対度数は、\begin{equation*} r_{i}=\frac{f_{i}}{n}
\end{equation*}と定義されます。さらに、第\(i\)階級の階級幅が\(w_{i}\in \mathbb{R} _{++}\)である場合、第\(i\)階級の相対度数密度(relative frequency density)は、\begin{equation*} q_{i}=\frac{r_{i}}{w_{i}}=\frac{f_{i}}{nw_{i}}
\end{equation*}と定義されます。相対度数密度を用いてヒストグラムを作成する場合には、横軸に階級をとり、縦軸に相対度数密度をとります。第\(i\)階級の長方形の横幅は\(w_{i}\)、高さは\(q_{i}\)であるため、その面積は、\begin{equation*} w_{i}q_{i}=w_{i}\frac{r_{i}}{w_{i}}=r_{i}
\end{equation*}となります。つまり、それぞれの長方形の面積は、その階級の相対度数、すなわちその階級に属する観測値の割合と一致します。また、すべての階級の相対度数の合計は\(1\)であるため、ヒストグラム全体の長方形の面積の合計も、\begin{equation*} \sum_{i=1}^{k}r_{i}=1
\end{equation*}となります。この点が、相対度数密度を用いたヒストグラムの重要な特徴です。
度数密度を用いる場合には長方形の面積が各階級の度数を表すのに対して、相対度数密度を用いる場合には長方形の面積が各階級の相対度数を表します。したがって、縦軸の尺度は異なりますが、同じ階級区分を用いる限り、両者のヒストグラムの形は同じになります。
0\leq x<10 & 10 & 20 & 2 & \frac{2}{9} & \frac{1}{45} \\ \hline 10\leq x<20 & 10 & 30 & 3 & \frac{1}{3} & \frac{1}{30} \\ \hline 20\leq x<40 & 20 & 40 & 2 & \frac{4}{9} & \frac{1}{45} \\ \hline \text{合計} & & 90 & & 1 & \\ \hline \end{array}$$ なお、各階級の相対度数は、\begin{eqnarray*}
r_{1} &=&\frac{f_{1}}{n}=\frac{20}{90}=\frac{2}{9} \\
r_{2} &=&\frac{f_{2}}{n}=\frac{30}{90}=\frac{1}{3} \\
r_{3} &=&\frac{f_{3}}{n}=\frac{40}{90}=\frac{4}{9}
\end{eqnarray*}として得られ、相対度数密度は、\begin{eqnarray*}
q_{1} &=&\frac{r_{1}}{w_{1}}=\frac{\frac{2}{9}}{10}=\frac{1}{45} \\
q_{2} &=&\frac{r_{2}}{w_{2}}=\frac{\frac{1}{3}}{10}=\frac{1}{30} \\
q_{3} &=&\frac{r_{3}}{w_{3}}=\frac{\frac{4}{9}}{20}=\frac{1}{45}
\end{eqnarray*}として得られます。ヒストグラムの長方形の高さを\(\frac{1}{45},\frac{1}{30},\frac{1}{45}\)とすれば、それぞれの面積は\(\frac{10}{45},\frac{10}{30},\frac{20}{45}\)となり、それらの総和は\(1\)になります。
度数密度を用いた場合と比べると縦軸の尺度は異なりますが、各長方形の相対的な高さとヒストグラム全体の形は同じです。
ヒストグラムを作成するときには、階級の境界、階級幅、縦軸の意味を明確にする必要があります。特に、階級幅が異なる場合には、縦軸が度数そのものではなく度数密度または相対度数密度であることを明示することが重要です。
階級幅とヒストグラムの形
ヒストグラムの形は、元のデータだけでなく、階級の区切り方や階級幅にも影響されます。同じデータであっても、階級幅を細かくしすぎると細かな凹凸が目立ち、全体的な分布の特徴を把握しにくくなることがあります。反対に、階級幅を広くしすぎると、分布に含まれる重要な特徴が失われる可能性があります。
したがって、階級幅の選択には唯一の正解があるわけではありません。標本の大きさやデータの散らばり方、分析の目的などを考慮しながら、分布の主要な特徴を把握しやすい階級幅を選ぶことが重要です。
階級幅を5cmとすると、1cm幅の場合に見られた細かな凹凸の一部がならされる一方で、10cm幅の場合ほど情報がまとめられすぎることもありません。そのため、どの範囲に観測値が多く分布しているかを把握しつつ、分布の形もある程度詳しく確認できます。
階級幅を10cmとすると、150cm台、160cm台、170cm台という大きなまとまりだけが表示されるため、分布のおおまかな位置は把握しやすくなりますが、各範囲の内部に存在する細かな変動は失われます。
このように、ヒストグラムの見え方は階級幅によって変化します。
ヒストグラムから読み取れる特徴
ヒストグラムからは、観測値がどの範囲に集中しているかだけでなく、分布全体の形についても多くの情報を読み取ることができます。例えば、分布の中心がおおよそどこにあるか、どの程度広がっているか、左右がおおむね対称であるか、一方に長く伸びているか、複数の山が存在するか、といった特徴です。
ただし、ヒストグラムは階級にまとめられたデータを表示するため、個々の観測値そのものは失われます。また、前述のように階級幅や階級の開始位置によって見え方が変化するため、ヒストグラムの形だけから細かな特徴を断定することには注意が必要です。特定の印象を与えるために恣意的に階級幅や階級境界を選ぶことは避け、データの特徴を適切に表現できる区切り方を選ぶ必要があります。
棒グラフとヒストグラムの違い
棒グラフとヒストグラムは、いずれも長方形を用いてデータを視覚化しますが、その意味は異なります。棒グラフでは、それぞれの棒が互いに異なるカテゴリーまたは離散的な値に対応しており、通常、棒の間には間隔を設けます。これに対してヒストグラムでは、それぞれの長方形が連続型変数の階級に対応し、隣り合う階級は連続した区間を表すため、通常、長方形を隙間なく並べます。
さらに、棒グラフでは基本的に棒の高さによって数量を比較しますが、ヒストグラムでは、特に階級幅が異なる場合、長方形の面積が度数または相対度数を表すように作成することが重要です。この違いを理解しておくと、外見の似た2種類のグラフを混同せずに使い分けることができます。
演習問題
- 度数にもとづくヒストグラムを作成してください。
- 各階級の相対度数を求め、相対度数にもとづくヒストグラムを作成してください。
- この分布から読み取れる特徴を簡潔に述べてください。
- 各階級の階級幅を求めてください。
- 各階級の度数密度を求めてください。
- 度数密度を高さとするヒストグラムを作成してください。
- 横軸が表すもの
- 隣り合う長方形または棒の間隔
- 階級幅が異なる場合の高さの意味
