直方图与正态分布图怎么进行分析

直方图(Histogram)又称质量分布图。是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据类型，纵轴表示分布情况。直方图是一种图表的呈现形式，是一种图的类型，如曲线图、面积图、箱型图等等。如下图： 正态分布图是根据正态分布的分布函数画出的，是数学或统计学上的概念，只有符合正态分布的图才叫正态分布图。根据不同的均值和方差，图形有所区别。如下图： 以上，答毕。

导语： 相机的预览照片中，会显示直方图，很多人不了解这些曲线代表着什么意思，其实这是对你曝光的程度的直观反应，下面我们来看看如何通过直方图了解曝光情况，一起来看看吧!

照片太亮还是太暗

无论是DC数码相机还是DSLR数码单反大家有没有经历过在阳光下看不清LCD上的相片，常常怀疑照片是否曝光不正确(太亮或太暗)

解决方法

现在便让我向大家介绍一个在数码摄影中很重要和很方便的工具-直方图(Histogram)。对于初学摄影的朋友来说这可算是一个很新和比较"技术"的东西吧，但其实一旦明白了个中的意义便会发现它实在是太好用了!现在便向大家简单的介绍一下。

在一个直方图内，X轴代表由暗到亮的信息，Y轴则代表该信息的数量，以下是三种最常见的曝光情况：

1过曝(Overexposed)

大部份信息偏向右边，左边基本上没有任何信息。

2正常曝光(Average)

信息很平均地由左至右分布，中间的信息比较多。

3曝光不足(Underexposed)

大部份信息偏向左边，右边基本上没有任何信息。

以下是一些例子，让大家更清楚照片的曝光情况与直方图的关系：

左图为过曝，右图为欠曝

从上两张可以看出如果你拍摄一幅相片后发现直方图有偏左(曝光不足)或偏右(过曝)的情况，那么你最好做EV的加减(EV+/-)或调整一下快门光圈组合了。

正确直方图的迷思

是否每一张照片也需要调整成正常曝光的直方图呢当然不是，摄影讲求的是技术和意境的配合，一张过曝或曝光不足的照片也能成为一张好照片，看看以下的例子：

很明显这幅月光的照片是曝光不足(右边完全没有信息)的，但这样反而是拍摄者想拍出的效果。

而这幅雪地树木的照片是过曝(左边完全没有信息)的，但更能反映出雪地的效果。

结论

直方图其实只是一个真实反映出相片暗部和亮部分布情况，没有对和错的图表。但如果你希望拍摄出一个曝光正常的照片(如旅行摄影，普通人像，正常的风景等等)，直方图是非常有参考价值的，因此建议大家拍摄后不要只看相片，也要多参考直方图来了解不同的光圈、快门、ISO组合在不同环境下对曝光的影响，当然最重要的是可以确保照片有心目中"正确"的曝光吧!

　在数据分析的时候，经常需要对连续性变量数据进行分段分布展现，当然可以通过分段然后进行分类汇总、数据透视表、或者直接数据库中统计完成，然后制作柱形图（非直方图，分类分开的）并设置，在数据量不是很大的情况下，在Excel里面利用数据分析功能制作直方图可以比较快捷的满足你的需求。
接下来我们讲讲在Excel2007中完成直方图的制作。
一、案例场景
某一批用户的消费记录，需要统计各段的频数和累计频数以及直方图的制作。
二、 *** 作步骤
1、有如下一份数据，用户ID、消费金额、以及我们设置的分段
2、选择“数据”——“数据分析”——“直方图”后，出现设置框
（注：本功能需要使用Excel扩展功能）
输入区域：原始数据区域;
接受区域：数据接受序列;
如果选择“输出区域”，则新对象直接插入当前表格中;
选中“柏拉图”，此复选框可在输出表中按降序来显示数据;
若选择“累计百分率”，则会在直方图上叠加累计频率曲线;
输入完毕后，则可立即生成相应的直方图，接下来为了达到柱型图之间无缝的紧密排列，需要将“数据系列格式”中的“选项”中“分类间距”调整为“0”。其余细节，请双击要调整的对象按照常规方法进行调整，这里不再赘述。

如何从直方图看数据服从什么分布？
可以用SPSS中QQ图或PP图大致看出服从什么概率分布,菜单的选项中有十几中常见的概率分布。
直方图的轮廓如果是中间高两头低的话那就是服从正态分布，如果左边高右边低的话就是偏态分布（或不服从任何分布）。
直方图只是大体描绘了轮廓和趋势，从直方图判断分部是不科学的，缺乏足够的依据。
同意3楼的说法 更合理的应该用雅克贝拉统计量检验
可以用SPSS中QQ图或PP图大致看出服从什么概率分布,菜单的选项中有十几中常见的概率分布!
用非参数检验吧 可以检验单样本的总体分布 还可以检验多独立样本的总体分布差异是否显著等等 平常做分布检验都是用的这个

直方图就是一种照片的分析方式，横向代表亮度，纵向代表像素数量。

首先分析出照片中所有像素的亮度，然后计算出具体数值，再把它们映射到横轴上。这样的话，越高，这个亮度上的像素就越多。

直方图的观看规则就是“左黑右白”，左边代表暗部，右边代表亮部，而中间则代表中间调。

纵向上的高度代表像素密集程度，越高，代表的就是分布在这个亮度上的像素很多。

直方图(Histogram)，又称质量分布图，是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据类型，纵轴表示分布情况。

直方图是数值数据分布的精确图形表示。 这是一个连续变量（定量变量）的概率分布的估计，并且被卡尔·皮尔逊（Karl Pearson）首先引入。它是一种条形图。 为了构建直方图，第一步是将值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值。

这些值通常被指定为连续的，不重叠的变量间隔。 间隔必须相邻，并且通常是（但不是必须的）相等的大小。

直方图也可以被归一化以显示“相对”频率。 然后，它显示了属于几个类别中的每个案例的比例，其高度等于1。

1、方法一：正态曲线直方图。在分析选项卡下，选择描述--频率，在频率页面，在绘图选项选择带正态曲线的直方图。绘制带正态曲线的直方图通过对比直方图与正态曲线的拟合程度，判定数据序列的分布形态是否接近正态分布。我们以家庭总收入为例，根据直方图，判断是否符合正太分布，很明显曲线是偏向一侧的，所以不符合正太分布。

2、方法二：Q-Q图和P-P图。在分析选项卡下，选择“分析”-“描述统计”-“P-P图或Q-Q图”。P-P图与Q-Q图的判断原理相同，区别在于横纵坐标的单位不同，P是累积比例，Q是分位数。还是以家庭总收入为例。散点能够与斜线很好的吻合，则说明该数据序列符合正态分布，明显点分散在两侧，没有集中在一条直线上，所有不成正态分布。

3、方法三：K-S正态检验。这是在不确定数据分布是否成正态性分布经常用的检验方法，在分析选项卡下，选择：分析-非参数检验-旧对话框-样本K-S。用K-S作正态性检验则是通过对比数据序列与标准正态分布有没有显著性差异来判断序列是否满足正态分布。通过比较检测P值，P>005（具体值自己设定），说明与正态性没有显著差异，成正态性分布。图中分析结构，为0，说明不成正态性分布。

---