在excel中如何做直方图,电子表格用excel做直方图

1. 用excel做直方图

1、点击打开电脑上的Excel2019,软件自动新建一个空白编辑页面。

2、在编辑页面制作一个含数据的表格。

3、全部选中制作好的表格所占单元格。

4、点击顶部工具栏的插入图标。

5、进入插入扩展菜单，点击推荐的图表页面的直方图图标后面的下拉箭头。

6、再打开的选择页面中点击箭头所指的直方图。

7、软件会根据数据生成一个直方图

扩展资料：

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。

2. 用EXCEL做直方图带斜线

微信号后台有非常之多的关于回归分析的留言，作为最常见的统计分析方法，在工作生活中的应用需求量巨大，这两天已经为大家选好了案例数据，先从一元线性回归分析开始。

一元线性回归，顾名思义，仅有一个自变量的回归模型，研究的是一个因素对结果的影响，可以用于预测，也经常被称之为简单线性回归分析。它的模型表达式为：

Y=a+bX+e

回归的过程就是要确定截距a和回归系数b的具体值，当然前提条件是模型具备统计学意义。

看案例：

案例数据很好理解，是常见的销售数据，反映的是某公司太阳镜一年12个月的具体销售情况。试分析当广告费用为15万元时，预测当月的销售量值。

几乎所有的回归分析问题，首先都从一个散点图开始，散点图能够快速而且直观的看到自变量和应变量之间是否包含线性关系，如果图形上看不出明显线性关系的话，后续的分析效果也不会太好。

散点图菜单步骤：图形→旧对话框→散点图→简单算点图，自变量广告费用用作X轴，销售量用作Y轴。

由散点图可以看出，增加广告投入销售量随之上升，一个正相关线性关系，图示的作用在于让我们对预测销售量充满信心，接下来开始一元线性回归。

菜单栏中点击【分析】→【回归】→【线性】，弹出线性回归主功能面板，销售量作为因变量，广告费用作为自变量，散点图显示二者有较强的线性关系，我们将采取强制【输入】的方法要求建立一元回归模型。

默认勾选回归系数的【估算值】，要求SPSS软件为我们输出回归系数，也就是模型中的参数b，同时默认勾选【模型模拟】，要求软件帮助我们建议回归模型是否具有统计学意义。

以上这两个参数是线性回归分析必选设置，不能忽略不计。在此基础上，我们可以根据实际需要选择其他参数。

本案例勾选【德宾沃森】，要求就模型残差进行Durbin Watson检验，用于判断残差是否独立，作为一个基础条件来判断数据是否适合做线性回归。

上半部分有些复杂，允许我们定制残差的图形，作为入门理解，此处建议直接勾选底部【直方图】和【正态概率图】，要求软件输出标准化残差图，同样用于判断数据是否适合进行线性回归。

我们此处分析的目的是为了利用广告费用来预测销售量，保存按钮参数与预测和残差有关，可以勾选【未标准化】预测值。

在这个对话框上面，有许多参数可选，严谨态度出发的话，建议在这里深入学习，本例暂时不讨论。

这里建议接受软件默认选项即可。

主要参数基本设置完成，现在点击主面板下方的【确定】按钮，要求SPSS开始执行此次简单线性回归分析过程，我们坐等结果。

1、模型摘要表

第三列R方，在线性回归中也称为判定系数，用于判定线性方程拟合优度的重要指标，体现了回归模型解释因变量变异的能力，通常认为R方需达到60%，最好是80%以上，当然是接近1更好。

本例R方=0.93，初步判断模型拟合效果良好。

2、方差分析表

刚才我们建立的回归模型是不是有统计意义，增加广告费用可销售量这样的线性关系是否显著，方差分析表可以回答这些问题。

直接读取最后一列，显著性值=0.000<0.01<0.05，表明由自变量“广告费用”和因变量“销售量”建立的线性关系回归模型具有极显著的统计学意义。

3、回归系数表

这是有关此处建模的最直接结果，读取未标准化系数，我们可以轻松写出模型表达式，如下：

Y=76.407+7.662X

关键的是，自变量广告费用的回归系数通过检验，t检验原假设回归系数没有意义，由最后一列回归系数显著性值=0.000<0.01<0.05，表明回归系数b存在，有统计学意义，广告费用与销售量之间是正比关系，而且极显著。

OK，现在我们有了回归模型表达式在手里，心里总会油然沉甸甸的，因为就连小学生都知道，只要把广告费用的具体值带入回归方程式中，就可以轻松计算出对应的销售量数据。

不急，在开始预测前还有一项关键操作，我们需要检验数据是否可以做回归分析，它对数据的要求是苛刻的，有必要就残差进行分析。

1、残差正态性检验

从标准化残差直方图来看，呈一个倒扣的钟形，左右两侧不完全对称，有一定瑕疵；从标准化残差的P-P图来看，散点并没有全部靠近斜线，并不完美，综合而言，残差正态性结果不是最好的，当然在现实分析当中，理想状态的正态并不多见，接近或近似即可考虑接受。

2、模型残差独立性检验

采用Durbin Watson检验来判断，回过头来再看模型摘要表。

DW=1.464，查询 Durbin Watson table 可以发现本例DW值恰好出在无自相关性的值域之中，认定残差独立，通过检验。

实际上关于回归模型的适应性检验还有其他项目，比如异常点、共线性等检验项目，本例暂不展开，有兴趣的读者可以自行学习。

根据以上残差正态性和残差独立性检验的结果，本例认为案例数据基本满足线性回归要求（值得在其他应用中讨论，本例仅展示主要过程），所建立的模型可根据拟合质量进行预测。

通过前面的一系列分析和论证，我们现在已经得到回归模型的方程式：Y=76.407+7.662X，

我们的预测任务是当广告投入达15万元时，太阳镜的销售量，具体计算：Y=76.407+7.662*15=191.337，

至此，建立了广告和销售量之间的线性回归模型，并且实施了预测，那么模型的准确性到底如何呢，有待最终实际销售比对分析。本例结束

3. 用excel做直方图中加曲线

直方图是一种用于展示定量数据分布的常用图形。通过直方图，用户可以很直观的看出数据分布的形状、中心位置以及数据的离散程度等。很多软件也可以为直方图添加上正态曲线，进一步通过正态曲线判断数据的正态性。

直方图与柱状图的区别

需要注意的是，直方图和我们常见的柱状图可不一样。直方图用于显示定量数据的分布；而柱状图对比定类数据。在绘制时，直方图是按照数值大小进行分组排列，前后顺序不可变更；柱状图则是对分类对象进行分组，而不是根据具体数值进行分组，分组顺序可以调整。

4. 用excel做直方图的详细步骤

1、运行EXCEL软件。

2、输入数据，绘制直方图。选中“数据分析”选项，弹出“数据分析”对话框，选择“直方图”按“确定”。

3、 在弹出的“直方图”对话框中，将“输入区域”、“接收区域”用鼠标在表中选定，并选中“图表输出”，按“确定”完成。

4、完善直方图。通过上面步骤得到的直方图，分类间距太大，不符合一般的要求，需进一步完善。对准直方图的柱框，双击鼠标左键，弹出“数据系列格式”对话框，选择“选项”标签。将标签中的“分类间距”改为“0”，按“确定”完成。

5、点击横轴数据对其字体大小进行设置，就能表达的更加清晰。

6、接着对其标题，坐标抽等进行设置，进一步进行完善。

7、对直方图的尺寸、坐标的字体大小、标题、备注等做进一步的完善，可得到最终的直方图。

5. 用excel做直方图分组

工具--加载项--分析工具库--确定。

再对数据进行从小到大排序，接着给数据分组，根据实际情况把数据分成几个阶段，如50-70，70-90，并把这些各个阶段的数据最大值减1列在表格的其他位置，按50-70，70-90的分段，列出的数据应该是69、89、109……。

选择数据--数据分析--直方图，在输入区域选择排序过的数据区域，接收区域选择刚才列出的数据，在输出选项中勾选“累计百分率”和“图标输出”，点确定。

6. 用excel做直方图数据分析

一：数据处理

1.首先做直方图，效果如图所示。

2.数据处理，求出频数和频率。

二：制作频率分布直方图

1.点击图表工具——设计——选择数据。

2.如图所示，图表数据区域——选择整个图表——点击确定。

3.右击（频率的柱子）——设置数据系列格式——次坐标轴。

4.右击——更改系列图表类型。

5.把簇状柱形图改为折线图。效果如图所示。

7. 用excel做直方图和正态曲线

由直方图观察数据的稳定性，可以把各直方图上底边中点连起来（近似于正态曲线），遵循口诀“胖大瘦小”（方差）。

显得越“瘦高”的，方差小，数据稳定性越强，显得越“胖大”的，方差越大，稳定性越差

8. 用excel做直方图设置组距

频率分布直方图相关公式为：纵轴为频率/组距，横轴为各组组距，求该组频率，纵轴频率/组距×横轴组距。频率=频数/数据总数。频率之比=频数之比。

频率直方图亦称频率分布直方图。在直角坐标系中，用横轴表示随机变量的取值，横轴上的每个小区间对应一个组的组距，作为小矩形的底边。纵轴表示频率与组距的比值，并用它作小矩形的高，以这种小矩形构成的一组图称为频率直方图。

9. 用excel做直方图怎么分组

直方图的分组是自动的，根据数据的分布宽度自己计算，不需要确定。

10. 怎么用excel做直方图

Excel画直方图

步骤1：选取要统计的数据区域或者将活动单元格置于数据区域中的任意单元格。

步骤2：单击“插入”选项卡“表”组中的“数据透视图”，将“成绩”作为行标签，“学号”作为数值项，结果如下图所示。

步骤3：选取生成的数据透视表中行标签下的任意单元格，单击右键，在快捷菜单中选取命令“组合”，如下图所示。

步骤4：在弹出的对话框中，输入起始、终止、步长数据。

步骤5：单击“确定”按钮，数据透视表的结果。

步骤6：将生成的数据透视图的系列设置中分类间距设置为3%左右。

步骤7：最终生成的分数段人数分布直方图如下图所示。