Построение графика функции распределения в Excel: от теории к практике

Введение: зачем нужны графики распределения в Excel

Графики функций распределения — это мощный инструмент визуализации данных, который помогает анализировать вероятностные характеристики наборов значений. В Microsoft Excel их можно построить как для дискретных (например, результаты бросков игрального кубика), так и для непрерывных (рост студентов в группе) данных. Правильно построенная диаграмма позволяет мгновенно оценить центральную тенденцию, разброс значений и даже выявить аномалии в данных.

Студенты, маркетологи, инженеры и аналитики регулярно сталкиваются с задачей визуализации распределений. К примеру, в финансах графики помогают оценить риски портфеля акций, в медицине — распределение показателей здоровья пациентов, а в производстве — вариативность качества продукции. Excel предоставляет все необходимые инструменты для этой задачи, но многие пользователи не знают, как их эффективно комбинировать. Эта статья закрывает этот пробел.

Мы разберём три ключевых подхода: построение гистограмм частот (для дискретных данных), кумулятивных кривых (функций распределения) и плотности вероятности (с использованием надстройки Анализ данных). Каждый метод подходит для своих целей — вы узнаете, когда и как их применять.

Подготовка данных: структурируем исходную таблицу

Прежде чем строить график, необходимо правильно организовать данные. Excel работает с распределениями только тогда, когда исходные значения упорядочены и сгруппированы. Рассмотрим базовые требования:

• 📊 Необработанные данные — столбец с сырыми значениями (например, рост 50 человек в сантиметрах).
• 📈 Интервалы (бины) — диапазоны, на которые вы разобьёте данные для гистограммы (например, 160–165 см, 165–170 см и т.д.).
• 🔢 Частоты — количество значений, попадающих в каждый интервал.
• 📉 Кумулятивные частоты — накопленные суммы для построения функции распределения.

Пример структуры таблицы:

Для автоматического расчёта частот используйте функцию ЧАСТОТА (в английской версии — FREQUENCY). Она требует массива данных и массива интервалов. Важно: функция возвращает массив, поэтому её нужно вводить как формулу массива (нажмите Ctrl+Shift+Enter в старых версиях Excel).

⚠️ Внимание: Если ваши данные содержат выбросы (значения, сильно отличающиеся от большинства), их стоит исключить или выделить в отдельный интервал. Например, рост 195 см в группе со средним 170 см исказит всю гистограмму.

Метод 1: Гистограмма частот (для дискретных данных)

Гистограмма — самый простой способ визуализировать распределение. Она показывает, как часто встречаются значения в каждом интервале. В Excel 2016 и новее есть встроенный тип диаграммы "Гистограмма", но мы рассмотрим универсальный метод, работающий во всех версиях.

Шаги для построения:

1. Выделите столбец с интервалами и столбец с частотами.
2. Перейдите на вкладку Вставка → Вставить столбчатую или гистограмму → Гистограмма с группировкой.
3. Уберите зазоры между столбцами: кликните правой кнопкой по любому столбцу → Формат ряда данных → установите Ширина зазора: 0%.
4. Добавьте подписи данных: выделите столбцы → Макет диаграммы → Подписи данных.

Для наглядности отформатируйте оси:

• 🔹 Горизонтальная ось (X) — интервалы значений.
• 🔹 Вертикальная ось (Y) — частоты или относительные частоты (в процентах).

Интервалы не пересекаются и покрывают весь диапазон данных|

Сумма частот равна общему количеству наблюдений|

Подписи осей четко описывают, что изображено|

Цвета столбцов контрастны и различимы при печати-->

⚠️ Внимание: Если ваши данные непрерывные (например, вес с точностью до грамма), гистограмма может получиться слишком "рваной". В этом случае увеличьте ширину интервалов или используйте метод ядерной оценки плотности (см. Метод 3).

Метод 2: График кумулятивной функции распределения (CDF)

Кумулятивная функция распределения (CDF) показывает, какая доля наблюдений попадает в интервал "меньше или равно X". Этот график полезен для оценки перцентилей (например, "какой рост имеют 90% людей в выборке?"). Построим его на основе данных из предыдущего раздела.

Алгоритм действий:

1. Добавьте столбец с кумулятивными частотами (накопленные суммы частот). Используйте формулу:

   =СУММ($C$2:C2)

   где $C$2 — первая частота, а C2 — текущая ячейка.

2. Выделите столбцы с верхними границами интервалов (например, 160, 165, 170...) и кумулятивными частотами.
3. Вставьте Вставка → Точечная диаграмма → Точечная с прямыми отрезками.
4. Добавьте вспомогательную линию для 50% (медиана) и 90% (дециль): Макет → Линии → Горизонтальная линия.

Пример того, как должен выглядеть график CDF:

Чтобы найти перцентили по графику:

• 📏 Проведите горизонтальную линию от нужного процента (например, 75%) до пересечения с кривой.
• 📐 Опустите вертикаль до оси X — это и будет искомое значение (например, рост 172 см для 75-го перцентиля).

Метод 3: График плотности распределения (с надстройкой "Анализ данных")

Для гладких кривых распределения (например, нормального распределения) гистограммы недостаточно. В этом случае используют графики плотности, которые показывают вероятность попадания значения в бесконечно малый интервал. В Excel для этого потребуется надстройка Анализ данных (в английской версии — Data Analysis Toolpak).

Инструкция по активации и использованию:

1. Включите надстройку: Файл → Параметры → Надстройки → Управление: Надстройки Excel → Перейти → Поставьте галочку "Пакет анализа" → ОК.
2. Перейдите на вкладку Данные → Анализ данных → Гистограмма.
3. Задайте:
   • 📌 Входной интервал — диапазон с исходными данными.
   • 📌 Интервал карманов — диапазон с границами интервалов.
   • 📌 Отметьте Вывод графика и Интегральный процент.

Чтобы преобразовать гистограмму в график плотности:

• 🔄 Скопируйте данные из столбца "Частота".
• 📊 Вставьте Вставка → График → График с маркерами.
• 🎨 Отформатируйте линию, чтобы она стала гладкой (клик правой кнопкой → Формат ряда данных → Сглаживание).

Продвинутые техники: комбинированные графики и динамические диапазоны

Для профессионального анализа часто требуется совмещать несколько типов графиков на одной диаграмме. Например, гистограмму частот и линию кумулятивного распределения. Вот как это сделать:

Шаги для комбинированной диаграммы:

1. Постройте гистограмму (Метод 1).
2. Кликните правой кнопкой по диаграмме → Выбрать данные → Добавить ряд.
3. Укажите:
   • 📍 Имя ряда — "Кумулятивная частота".
   • 📍 Значения X — верхние границы интервалов.
   • 📍 Значения Y — столбец с кумулятивными частотами.

Для динамических диапазонов используйте именованные диапазоны и функции СМЕЩ (OFFSET). Например, чтобы график автоматически обновлялся при добавлении новых данных:

=СМЕЩ(Лист1!$A$2;0;0;СЧЁТЗ(Лист1!$A:$A)-1;1)

Эта формула создаёт диапазон, который всегда включает все заполненные ячейки в столбце A, начиная с A2.

Типичные ошибки и как их избежать

Даже опытные пользователи Excel допускают ошибки при построении графиков распределения. Вот самые распространённые из них и способы их исправления:

• 🚫 Неправильные интервалы: слишком широкие или узкие бины искажают распределение. Решение: используйте правило Стерджеса для определения оптимального числа интервалов: k = 1 + 3,322 * log(n), где n — количество наблюдений.
• 🚫 Игнорирование выбросов: экстремальные значения смещают график. Решение: исключите выбросы или выделите их в отдельный интервал "Прочее".
• 🚫 Некорректные подписи осей: отсутствие единиц измерения или неверные легенды. Решение: всегда указывайте, что измеряет каждая ось (например, "Рост, см" и "Частота, %").
• 🚫 Использование неподходящего типа графика: например, круговая диаграмма для распределений. Решение: для распределений подходят только гистограммы, графики или точечные диаграммы.

Ещё одна частая проблема — несовпадение диапазонов при построении кумулятивных графиков. Например, если верхняя граница последнего интервала меньше максимального значения в данных, кривая CDF не достигнет 100%. Всегда проверяйте, что:

Максимум в данных ≤ Верхняя граница последнего интервала.

⚠️ Внимание: В Excel 365 и 2019 появился новый тип диаграммы — "Карта деревьев" (Treemap). Не путайте её с гистограммой! Карта деревьев показывает иерархические данные, а не распределения.

FAQ: Ответы на частые вопросы

=НОРМ.РАСП(A2; $Среднее; $Стд_откл; ЛОЖЬ)