ヒストグラム

口コミサイトでよく見る「棒グラフ」ですね。評価カテゴリ別の口コミ件数が表されていますね。

実はこれは、データの分布の可視化の1つです。分布の特徴をとらえるときの問いかけ「どんな値をとるか？」「各値の出やすさは？」に答えるグラフになっていますね。

この口コミのグラフを眺めるだけで、どんなお店なのか直感的に分かりますね。データの可視化の目的は、データとその元になる現実に対して直感的な理解を得ることです。

質的データや離散的な値（とびとびの値）をとるデータの分布を可視化するには、棒グラフが使われます。

棒グラフの考え方を、連続的な値をとるデータにも使えるように拡張したものがヒストグラムです。

ヒストグラムでやりたいことは棒グラフと基本的に同じですが、観測値をグルーピングするステップが1つ入ります。

どういうことか例で見ていきましょう。まず、先ほどの口コミサイトのように、以下のデータの棒グラフを作って見ましょうか。

横軸にカテゴリ（星の数）を書いて、
縦軸はそのカテゴリ別の観測値の数を数えてみましょう。

観測値が連続的な値をとるデータでは、少数をどこまでも細かく考えれば、観測値が厳密には全て異なります。（実際には観測の限界で丸まった数値になり同じに見えることがありますが）

そこで観測値をグルーピングする処理を入れるのです。
例えば、1cm刻みでグルーピングしましょう。16cm台、17cm台、18cm台、19cm台、20cm台の5つのグループに分かれます。

グルーピングするとは、17.2cmも17.8cmも同じ17cm台、とみなすといったように、同じグループに入った数値は同じ数値として扱うのです。

観測値が本来持っていた情報は一部失われることになりますが、その代わり棒グラフと同じようにデータの分布が描けるんです。

連続する数値に区切りを入れて、観測値をグルーピングしたあと、観測値の個数をカウントしたグラフをヒストグラムと言います。

ヒストグラムを作成する時は、注意点があることを知っておきましょう。数値のグルーピングの仕方です。

先ほど1cm刻みでグルーピングしましたが、0.1cm刻みや2cm刻みとすることもできます。

その通りです。ヒストグラムは、グルーピングのとりかたによって、グラフの形が変わるといった注意点があります。

正解はなく、分析者が自由に決めるしかないのです。データの分布について何らかヒントが得られればヒストグラムの役割は果たしたことになり、厳密さの追求は必要ありません。

そうです。そこで、データの観測値に基づいてオススメのグルーピングの仕方を自動で提案してくれるアルゴリズムがいくつかあり、統計ソフトでは簡単に使えます。

詳しくは、統計ソフトRを使ったデータの可視化の練習（別の授業）の中で見ていきましょう。

本日は、ヒストグラムの考え方と注意点だけおさえてもらったら大丈夫です。

本日はここまでにしておきましょう。データの分布の可視化として、ヒストグラムをご紹介しました。分析の出発点としてとてもよく使うグラフです。