ฉันจะเลือกจำนวนถัง (bins) ที่เหมาะสมสำหรับฮิสโตแกรมได้อย่างไร?

จำนวนถังที่เหมาะสมขึ้นอยู่กับขนาดและการกระจายของข้อมูล วิธีการทั่วไป ได้แก่: กฎของ Sturges (k = 1 + 3.322 log₁₀(n)) สำหรับการกระจายแบบปกติ, กฎของ Scott โดยใช้ส่วนเบี่ยงเบนมาตรฐาน และกฎของ Freedman-Diaconis โดยใช้พิสัยระหว่างควอไทล์สำหรับข้อมูลที่เบ้ เครื่องคำนวณของเราสามารถกำหนดจำนวนถังที่เหมาะสมที่สุดให้โดยอัตโนมัติโดยใช้วิธีเหล่านี้

ความเบ้และความโด่งบอกอะไรเกี่ยวกับฮิสโตแกรมของฉัน?

ความเบ้ (Skewness) วัดความไม่สมมาตร: ความเบ้เป็นบวกหมายถึงหางลากไปทางขวา (ค่าเฉลี่ย > มัธยฐาน), ความเบ้เป็นลบหมายถึงหางลากไปทางซ้าย (ค่าเฉลี่ย < มัธยฐาน) และศูนย์บ่งบอกถึงความสมมาตร ความโด่ง (Kurtosis) วัดลักษณะหาง: ความโด่งเป็นบวก (leptokurtic) มีหางหนาและยอดแหลม, ความโด่งเป็นลบ (platykurtic) มีหางบางและยอดแบน และศูนย์ (mesokurtic) จะคล้ายกับการกระจายแบบปกติ

ความแตกต่างระหว่างความถี่และความหนาแน่นในฮิสโตแกรมคืออะไร?

ความถี่ (Frequency) แสดงจำนวนดิบของข้อมูลในแต่ละถัง ส่วนความหนาแน่น (Density หรือความถี่สัมพัทธ์) คำนวณจากความถี่หารด้วย (จำนวนทั้งหมด × ความกว้างของถัง) ซึ่งจะทำให้พื้นที่ทั้งหมดใต้ฮิสโตแกรมเท่ากับ 1 ความหนาแน่นมีประโยชน์เมื่อเปรียบเทียบฮิสโตแกรมที่มีขนาดกลุ่มตัวอย่างหรือความกว้างของถังที่แตกต่างกัน

เครื่องมือสร้างฮิสโตแกรม

Q: ฮิสโตแกรมคืออะไร?

ฮิสโตแกรมคือการนำเสนอข้อมูลในรูปแบบกราฟิกที่จัดระเบียบข้อมูลเป็นช่วงๆ เรียกว่า ถัง (bins) หรือช่วง (intervals) ต่างจากแผนภูมิแท่งที่แสดงข้อมูลเชิงหมวดหมู่ ฮิสโตแกรมจะแสดงการกระจายความถี่ของข้อมูลตัวเลขที่ต่อเนื่องกัน ช่วยให้คุณเห็นภาพว่าข้อมูลกระจายตัวอย่างไรในช่วงค่าต่างๆ

Q: ความแตกต่างระหว่างความถี่และความหนาแน่นในฮิสโตแกรมคืออะไร?

ความถี่ (Frequency) แสดงจำนวนดิบของข้อมูลในแต่ละถัง ส่วนความหนาแน่น (Density หรือความถี่สัมพัทธ์) คำนวณจากความถี่หารด้วย (จำนวนทั้งหมด × ความกว้างของถัง) ซึ่งจะทำให้พื้นที่ทั้งหมดใต้ฮิสโตแกรมเท่ากับ 1 ความหนาแน่นมีประโยชน์เมื่อเปรียบเทียบฮิสโตแกรมที่มีขนาดกลุ่มตัวอย่างหรือความกว้างของถังที่แตกต่างกัน

Q: ฉันจะตีความรูปร่างของฮิสโตแกรมได้อย่างไร?

รูปร่างฮิสโตแกรมที่พบบ่อย ได้แก่: รูปทรงระฆังคว่ำ/ปกติ (สมมาตรรอบค่าเฉลี่ย), เบ้ขวา (หางยาวไปทางขวา พบบ่อยในข้อมูลรายได้), เบ้ซ้าย (หางยาวไปทางซ้าย เช่น อายุเมื่อเกษียณ), สองยอด (Bimodal มีสองยอด บ่งบอกถึงการมีสองกลุ่ม), สม่ำเสมอ (ความถี่ใกล้เคียงกันทุกช่วง) และหลายยอด (Multimodal มีหลายยอดบ่งบอกถึงกลุ่มย่อยที่แตกต่างกัน)

สร้างฮิสโตแกรมที่สวยงามทางออนไลน์พร้อมการวิเคราะห์ทางสถิติที่ครอบคลุม ทั้งค่าเฉลี่ย มัธยฐาน ฐานนิยม ความโด่ง ความเบ้ และการตรวจหาลักษณะการกระจาย รองรับการคำนวณช่วงชั้น (Bin) อัตโนมัติและการส่งออกเป็นไฟล์ PNG

เครื่องมือสร้างฮิสโตแกรม

ชุดข้อมูลตัวอย่างที่รวดเร็ว

กรอกข้อมูลของคุณ แยกตัวเลขด้วยจุลภาค ช่องว่าง หรือการขึ้นบรรทัดใหม่

จำนวนถัง (Bins)

ความแม่นยำทศนิยม

Embed เครื่องมือสร้างฮิสโตแกรม Widget

เกี่ยวกับ เครื่องมือสร้างฮิสโตแกรม

ยินดีต้อนรับสู่ เครื่องมือสร้างฮิสโตแกรม เครื่องมือสร้างภาพข้อมูลระดับมืออาชีพที่สร้างฮิสโตแกรมแบบโต้ตอบที่สวยงามสำหรับการวิเคราะห์ทางสถิติ ไม่ว่าคุณจะเป็นนักเรียนที่กำลังเรียนสถิติ นักวิจัยที่วิเคราะห์ข้อมูลการทดลอง หรือนักวิทยาศาสตร์ข้อมูลที่สำรวจการกระจายตัว เครื่องมือนี้มีความสามารถในการแสดงภาพและการวิเคราะห์ที่ครอบคลุมเพื่อช่วยให้คุณเข้าใจข้อมูลของคุณได้อย่างรวดเร็ว

ฮิสโตแกรมคืออะไร?

ฮิสโตแกรม คือการนำเสนอข้อมูลในรูปแบบกราฟิกที่จัดระเบียบข้อมูลตัวเลขที่ต่อเนื่องกันเป็นถัง (ช่วง) และแสดงความถี่ของจุดข้อมูลที่ตกลงในแต่ละถัง ต่างจากแผนภูมิแท่งที่เปรียบเทียบข้อมูลเชิงหมวดหมู่ ฮิสโตแกรมจะเผยให้เห็นรูปแบบการกระจายพื้นฐานของข้อมูลตัวเลข โดยแสดงให้เห็นว่าค่าต่างๆ กระจายตัวอย่างไรในช่วงนั้นๆ

ฮิสโตแกรมเป็นเครื่องมือพื้นฐานในสถิติพรรณนาและการวิเคราะห์ข้อมูลเชิงสำรวจ ช่วยตอบคำถามเช่น: ข้อมูลของฉันมีการกระจายแบบปกติหรือไม่? มีค่าผิดปกติหรือไม่? การกระจายเบ้หรือไม่? มีข้อมูลหลายกลุ่มรวมกันอยู่หรือไม่ (multimodal)?

ลักษณะสำคัญที่ฮิสโตแกรมเปิดเผย

แนวโน้มเข้าสู่ส่วนกลาง: จุดที่ข้อมูลส่วนใหญ่กระจุกตัวอยู่ (ยอดของฮิสโตแกรม)
การแพร่กระจาย/ความแปรปรวน: ความกว้างของการกระจายข้อมูล
ความเบ้: ความไม่สมมาตรในรูปร่างของการกระจาย
ฐานนิยม (Modality): จำนวนยอด (ยอดเดียว, สองยอด, หลายยอด)
ค่าผิดปกติ (Outliers): ค่าที่ผิดปกติซึ่งอยู่ห่างจากกลุ่มข้อมูลหลัก

วิธีใช้งานเครื่องมือสร้างฮิสโตแกรมนี้

กรอกข้อมูลของคุณ: ใส่ค่าตัวเลขแยกตามจุลภาค ช่องว่าง หรือการขึ้นบรรทัดใหม่ ใช้ปุ่มตัวอย่างเพื่อทดสอบกับชุดข้อมูลตัวอย่าง
ตั้งค่าจำนวนถัง (Bins): เลือก "อัตโนมัติ" สำหรับการคำนวณอัตโนมัติที่เหมาะสมที่สุด หรือระบุจำนวนที่ต้องการเอง (1-100) ถังที่มากขึ้นจะแสดงรายละเอียดที่ละเอียดกว่า ถังที่น้อยกว่าจะแสดงรูปแบบที่กว้างกว่า
เลือกความแม่นยำทศนิยม: เลือกจำนวนตำแหน่งทศนิยมที่จะแสดงในสถิติ (2-10)
สร้างฮิสโตแกรม: คลิกปุ่มเพื่อสร้างภาพประกอบพร้อมสถิติที่ครอบคลุม
วิเคราะห์ผลลัพธ์: ตรวจสอบรูปร่างการกระจาย สรุปสถิติ และตารางความถี่ ดาวน์โหลดแผนภูมิเป็น PNG หากต้องการ

ทำความเข้าใจผลลัพธ์

มาตรวัดทางสถิติ

ค่าเฉลี่ย (Mean): ค่าเฉลี่ยเลขคณิตของจุดข้อมูลทั้งหมด ไวต่อค่าผิดปกติ
มัธยฐาน (Median): ค่าที่อยู่ตรงกลางเมื่อเรียงข้อมูลจากน้อยไปมาก ทนทานต่อค่าผิดปกติ
ฐานนิยม (Mode): ค่าที่เกิดขึ้นบ่อยที่สุดในชุดข้อมูล
ส่วนเบี่ยงเบนมาตรฐาน (Standard Deviation): วัดการกระจายรอบค่าเฉลี่ย ค่าที่มากขึ้นบ่งบอกถึงความแปรปรวนที่มากขึ้น
ความแปรปรวน (Variance): กำลังสองของส่วนเบี่ยงเบนมาตรฐาน ใช้ในการคำนวณทางสถิติหลายอย่าง
พิสัย (Range): ความแตกต่างระหว่างค่าสูงสุดและค่าต่ำสุด
ความเบ้ (Skewness): วัดความไม่สมมาตร (บวก = หางขวา, ลบ = หางซ้าย, ศูนย์ = สมมาตร)
ความโด่ง (Kurtosis): วัดลักษณะความหนาของหาง (บวก = หางหนา, ลบ = หางบาง)

รูปร่างการกระจายตัว

ปกติ (รูปทรงระฆัง): สมมาตรรอบค่าเฉลี่ย โดยมีข้อมูลส่วนใหญ่อยู่ใกล้จุดศูนย์กลาง พบบ่อยในปรากฏการณ์ธรรมชาติ เช่น ความสูง, คะแนนสอบ
เบ้ขวา (บวก): หางยาวลากไปทางขวา ค่าเฉลี่ย > มัธยฐาน พบบ่อยในข้อมูลรายได้, ราคาบ้าน, เวลารอคอย
เบ้ซ้าย (ลบ): หางยาวลากไปทางซ้าย ค่าเฉลี่ย < มัธยฐาน พบบ่อยในอายุเมื่อเสียชีวิต, คะแนนสอบที่ข้อสอบง่าย
สองยอด (Bimodal): มียอดที่แตกต่างกันสองยอด บ่งบอกว่ามีกลุ่มย่อยสองกลุ่มในข้อมูลของคุณ
สม่ำเสมอ (Uniform): ค่าทั้งหมดเกิดขึ้นด้วยความถี่ที่ใกล้เคียงกัน

การเลือกจำนวนถัง (Bins) ที่เหมาะสม

จำนวนถังมีผลอย่างมากต่อลักษณะของฮิสโตแกรมและรูปแบบที่มองเห็น ถังที่น้อยเกินไปจะบดบังรายละเอียด ส่วนถังที่มากเกินไปจะสร้างสัญญาณรบกวน

กฎของ Sturges

k = 1 + 3.322 × log₁₀(n) ทำงานได้ดีสำหรับข้อมูลที่มีการกระจายแบบปกติโดยที่ n < 200

กฎของ Scott

h = 3.49 × σ × n^(-1/3) โดยที่ h คือความกว้างของถัง และ σ คือส่วนเบี่ยงเบนมาตรฐาน เหมาะสมที่สุดสำหรับการกระจายแบบปกติ

กฎของ Freedman-Diaconis

h = 2 × IQR × n^(-1/3) โดยที่ IQR คือพิสัยระหว่างควอไทล์ ทนทานต่อการกระจายข้อมูลที่เบ้

การตั้งค่า "อัตโนมัติ" ของเราจะเลือกวิธีเหล่านี้อย่างชาญฉลาดตามลักษณะข้อมูลของคุณ

สูตรฮิสโตแกรม

ความถี่ (Frequency)

$$f_i = \text{จำนวนค่าในถังที่ } i$$

ความถี่สัมพัทธ์ (Relative Frequency)

$$\text{Relative Frequency} = \frac{f_i}{n}$$

ความหนาแน่น (Density)

$$\text{Density} = \frac{f_i}{n \times w}$$

โดยที่ w = ความกว้างของถัง ทำให้พื้นที่ทั้งหมด = 1

ความเบ้ (Skewness)

$$\gamma_1 = \frac{n}{(n-1)(n-2)} \sum \left(\frac{x_i - \bar{x}}{s}\right)^3$$

ความโด่ง (Kurtosis)

$$\gamma_2 = \frac{n(n+1)}{(n-1)(n-2)(n-3)} \sum \left(\frac{x_i - \bar{x}}{s}\right)^4 - \frac{3(n-1)^2}{(n-2)(n-3)}$$

การประยุกต์ใช้ฮิสโตแกรม

การควบคุมคุณภาพ

ในภาคการผลิต ใช้ฮิสโตแกรมเพื่อตรวจสอบความแปรปรวนของกระบวนการ ระบุข้อบกพร่อง และตรวจสอบให้แน่ใจว่าผลิตภัณฑ์เป็นไปตามข้อกำหนด ฮิสโตแกรมที่แคบและอยู่ตรงกลางบ่งบอกถึงคุณภาพที่สม่ำเสมอ

การเงินและเศรษฐศาสตร์

นักวิเคราะห์ใช้ฮิสโตแกรมเพื่อแสดงภาพการกระจายของผลตอบแทน การกระจายรายได้ และการประเมินความเสี่ยง ความเบ้และความโด่งมีความสำคัญอย่างยิ่งต่อการเข้าใจความเสี่ยงที่หางของการกระจาย (tail risks)

การดูแลสุขภาพและชีววิทยา

นักวิจัยทางการแพทย์ใช้ฮิสโตแกรมเพื่อวิเคราะห์การกระจายข้อมูลของผู้ป่วย เวลาตอบสนองต่อยา และการวัดค่าทางชีววิทยาต่างๆ

การศึกษา

ครูใช้ฮิสโตแกรมเพื่อแสดงภาพการกระจายคะแนนสอบ ช่วยระบุว่าข้อสอบง่ายเกินไป (เบ้ซ้าย) ยากเกินไป (เบ้ขวา) หรือท้าทายอย่างเหมาะสม (ปกติ)

คำถามที่พบบ่อย

ฮิสโตแกรมคืออะไร?

ฮิสโตแกรมคือการนำเสนอข้อมูลในรูปแบบกราฟิกที่จัดระเบียบจุดข้อมูลเป็นช่วงๆ เรียกว่า ถัง (bins) หรือช่วง (intervals) ต่างจากแผนภูมิแท่งที่แสดงข้อมูลเชิงหมวดหมู่ ฮิสโตแกรมจะแสดงการกระจายความถี่ของข้อมูลตัวเลขต่อเนื่อง ช่วยให้คุณเห็นภาพว่าข้อมูลกระจายตัวอย่างไรในช่วงค่าต่างๆ

ฉันจะเลือกจำนวนถังที่เหมาะสมได้อย่างไร?

จำนวนถังที่เหมาะสมขึ้นอยู่กับขนาดและการกระจายตัวของข้อมูล วิธีการทั่วไป ได้แก่ กฎของ Sturges, กฎของ Scott และกฎของ Freedman-Diaconis เครื่องคำนวณของเราสามารถกำหนดจำนวนถังที่เหมาะสมที่สุดให้โดยอัตโนมัติโดยใช้หลักการเหล่านี้

ความเบ้และความโด่งบอกอะไรฉันได้บ้าง?

ความเบ้วัดความไม่สมมาตร: เบ้บวกหางลากขวา (mean > median), เบ้ลบหางลากซ้าย (mean < median), และศูนย์คือสมมาตร ความโด่งวัดความหนาของหาง: โด่งเป็นบวกมีหางหนาและยอดแหลม, โด่งเป็นลบมีหางบางและยอดแบน, และศูนย์มีลักษณะคล้ายการกระจายปกติ

ความถี่และความหนาแน่นต่างกันอย่างไร?

ความถี่แสดงจำนวนดิบของจุดข้อมูลในแต่ละถัง ส่วนความหนาแน่นคือความถี่หารด้วย (จำนวนทั้งหมด × ความกว้างของถัง) ซึ่งทำให้พื้นที่ใต้กราฟรวมเป็น 1 มีประโยชน์มากเมื่อเปรียบเทียบข้อมูลที่ขนาดกลุ่มตัวอย่างไม่เท่ากัน

ฉันจะตีความรูปร่างของฮิสโตแกรมได้อย่างไร?

รูปร่างทั่วไป ได้แก่: รูปทรงระฆังคว่ำ (ปกติ), เบ้ขวา (หางยาวไปทางขวา), เบ้ซ้าย (หางยาวไปทางซ้าย), สองยอด (มีสองกลุ่มข้อมูล), สม่ำเสมอ (ความถี่เท่ากันหมด) และหลายยอด (มีหลายกลุ่มย่อยที่แตกต่างกัน)

แหล่งข้อมูลเพิ่มเติม

อ้างอิงเนื้อหา หน้าหรือเครื่องมือนี้ว่า:

"เครื่องมือสร้างฮิสโตแกรม" ที่ https://MiniWebtool.com/th/เครองมอสรางฮสโตแกรม/ จาก MiniWebtool, https://MiniWebtool.com/

โดยทีมงาน miniwebtool อัปเดตเมื่อ: 22 ม.ค. 2026

มี Developer API ให้ใช้งาน: เรียกใช้เครื่องมือนี้จากแอป ระบบอัตโนมัติ หรือเอเจนต์ของคุณด้วยคำขอ JSON HTTP หนึ่งครั้ง ดูเอกสาร API

คุณสามารถลองใช้ AI แก้ปัญหาคณิตศาสตร์ GPT ของเรา เพื่อแก้ไขปัญหาทางคณิตศาสตร์ของคุณผ่านคำถามและคำตอบด้วยภาษาธรรมชาติ.

เครื่องมือสร้างฮิสโตแกรม

ชุดข้อมูลตัวอย่างที่รวดเร็ว

เกี่ยวกับ เครื่องมือสร้างฮิสโตแกรม

ฮิสโตแกรมคืออะไร?

ลักษณะสำคัญที่ฮิสโตแกรมเปิดเผย

วิธีใช้งานเครื่องมือสร้างฮิสโตแกรมนี้

ทำความเข้าใจผลลัพธ์

มาตรวัดทางสถิติ

รูปร่างการกระจายตัว

การเลือกจำนวนถัง (Bins) ที่เหมาะสม

กฎของ Sturges

กฎของ Scott

กฎของ Freedman-Diaconis

สูตรฮิสโตแกรม

การประยุกต์ใช้ฮิสโตแกรม

การควบคุมคุณภาพ

การเงินและเศรษฐศาสตร์

การดูแลสุขภาพและชีววิทยา

การศึกษา

คำถามที่พบบ่อย

ฮิสโตแกรมคืออะไร?

ฉันจะเลือกจำนวนถังที่เหมาะสมได้อย่างไร?

ความเบ้และความโด่งบอกอะไรฉันได้บ้าง?

ความถี่และความหนาแน่นต่างกันอย่างไร?

ฉันจะตีความรูปร่างของฮิสโตแกรมได้อย่างไร?

แหล่งข้อมูลเพิ่มเติม

สถิติและการวิเคราะห์ข้อมูล:

เครื่องมือเด่น: