Calcolatore di classi con la regola di Sturges

Inserisca il numero di osservazioni: verrà calcolato uno più il logaritmo in base due del valore, quindi il risultato sarà arrotondato per eccesso per ottenere un numero intero di classi. Viene mostrato anche il valore non arrotondato, così Lei può verificare esattamente come è stata ricavata la raccomandazione.

Trasformi la dimensione del campione in una scelta ripetibile

Un istogramma può assumere un aspetto molto diverso in base al numero di classi utilizzato. Con troppo poche classi si rischia di nascondere gruppi, vuoti o asimmetrie; con troppe, il normale rumore di campionamento può sembrare una struttura significativa. La regola di Sturges offre un riferimento semplice basato soltanto sul numero di osservazioni. Inserisca n, cioè la numerosità del campione, e il calcolatore valuterà 1 + log2(n). Poiché non è possibile usare una frazione di classe, il valore consigliato viene arrotondato all’intero superiore. Le potenze di due producono risultati interi esatti, mentre le altre dimensioni generano di solito un valore intermedio frazionario. La risposta comprende sia il numero finale di classi sia tale valore intermedio arrotondato a sei cifre decimali. In questo modo Lei può configurare subito il grafico e conservare una motivazione trasparente per relazioni, taccuini e verifiche. La raccomandazione è un primo criterio coerente quando più persone o processi automatici devono creare istogrammi confrontabili.

Comprenda la formula e i suoi limiti

La regola di Sturges si scrive k = 1 + log2(n), dove n è la dimensione del campione e k è il numero di classi. Ogni raddoppio del campione aggiunge una classe alla raccomandazione. Un campione di uno suggerisce quindi una classe, un campione di otto ne suggerisce quattro e uno di 128 ne suggerisce otto. Questo calcolatore applica la consueta convenzione dell’arrotondamento per eccesso, così un risultato non intero diventa utilizzabile senza perdere la parte frazionaria della raccomandazione. L’input deve essere un numero intero finito perché la dimensione campionaria conta osservazioni, e deve essere almeno uno perché il logaritmo non dà indicazioni sensate per un campione vuoto. La regola cresce lentamente con set di dati più grandi. Questa moderazione spesso offre riepiloghi leggibili, ma può nascondere dettagli in campioni grandi, molto asimmetrici, multimodali o con code pesanti. Il risultato è un suggerimento fondato su una regola, non la prova che le classi scelte mostrino ogni caratteristica importante.

Usi il risultato come riferimento e osservi la distribuzione

Inizi indicando il numero di osservazioni valide che compariranno davvero nell’istogramma. Se la tabella originale contiene valori mancanti o esclusi, conti solo le osservazioni mantenute nel grafico; altrimenti la raccomandazione descriverà un campione più grande di quello visualizzato. Applichi il numero restituito alla libreria grafica, al foglio di calcolo o al flusso di report, quindi esamini una o due alternative vicine. Confrontare il numero di Sturges con valori prossimi aiuta a capire se una forma apparente è stabile o dipende soltanto da determinati confini. Ricordi inoltre che il numero di classi non stabilisce dove iniziano i bordi: due istogrammi con lo stesso numero possono differire quando cambiano l’intervallo o la posizione dei limiti. Per dati molto variabili, confronti questo riferimento con un metodo basato sull’ampiezza, come la regola di Freedman-Diaconis. Nei flussi automatici, registri il metodo e il risultato insieme al grafico affinché i revisori possano riprodurre la scelta.