编制频数分布表
- 求全距：最大值 − 最小值。
- 确定组数：通常为5到20组。斯特奇斯（1926）提出，对n个观测值取 k ≈ 1 + log₂n（n = 100时约为8组）。
- 确定组距：用全距 ÷ 组数，并向上取整为便于使用的数值。各组不得重叠，且须覆盖全部数据（例如：60及以上、70以下）。
- 统计频数：统计每组中的观测值个数，并记下组中值（区间的中点）。
相对频数与累积频数
相对频数是频数除以观测值总数，用于比较规模不同的群体。累积频数是从第一组累加到某一组的频数；通过其图形（累积频数曲线）可以大致读出中位数和百分位数。
直方图与条形图的区别
直方图表示连续定量数据的区间，因此矩形条彼此相接，每个条的面积与频数（或比例）成正比。组距不等时，纵轴应表示密度（相对频数 ÷ 组距）而不是频数。相反，条形图表示分类（定性）数据的各个类别，因此条与条之间是分开的，顺序也可以调换。“直方图”一词被认为出自卡尔·皮尔逊，他在1891年的一次讲座中使用了这个词。
选择组距的规则
组数太少会模糊分布的特征，组数太多则会使图形参差不齐。斯特奇斯公式假定数据大致服从正态分布，对于大数据集往往给出过少的组数。斯科特（1979）提出了基于标准差的组距（约 3.49·s·n−1/3），弗里德曼和迪亚科尼斯（1981）则提出了基于四分位距、对异常值不太敏感的组距（2·IQR·n−1/3）。
解读形状
从直方图可以看出数据是对称还是向右（正）或向左（负）偏斜，有一个峰还是多个峰，以及是否存在异常值。在收入这类右偏分布中，平均数大于中位数。同一组数据会因组距和起点不同而呈现不同的形状，因此最好用几种组距分别作图。
参考文献
- Pearson, K. (1895). Contributions to the mathematical theory of evolution. II. Skew variation in homogeneous material. Philosophical Transactions of the Royal Society of London A, 186, 343-414.
- Sturges, H. A. (1926). The choice of a class interval. Journal of the American Statistical Association, 21(153), 65-66.
- Scott, D. W. (1979). On optimal and data-based histograms. Biometrika, 66(3), 605-610.
- Freedman, D., & Diaconis, P. (1981). On the histogram as a density estimator: L2 theory. Zeitschrift für Wahrscheinlichkeitstheorie und verwandte Gebiete, 57(4), 453-476.