Histogram
SinksDer Histogram-Block sammelt kontinuierliche oder zeitdiskrete Signalabtastwerte im Verlauf einer Simulation und stellt deren empirische Wahrscheinlichkeitsdichte oder Häufigkeitsverteilung als interaktives Balkendiagramm dar. Eintreffende Messwerte werden in diskrete Klassen (Bins) über einen benutzerdefinierten oder automatisch ermittelten Wertebereich einsortiert. Er dient als grundlegendes Analysewerkzeug für stochastische Prozesse, Sensorrauschcharakterisierung, Monte-Carlo-Toleranzanalysen und den Nachweis von Gauß- oder Gleichverteilungen.
Mathematisches Modell
Gegeben sei eine Folge von skalierten Abtastwerten über das Simulationsintervall . Der Wertebereich wird in aneinandergrenzende Klassen unterteilt:
wobei die Klassenbreite über binMode festgelegt wird:
Die absolute Häufigkeit der Klasse berechnet sich durch:
wobei die Indikatorfunktion ist. Die normierte empirische Wahrscheinlichkeitsdichte der Klasse lautet:
Bei rangeMode = "auto" passen sich und dynamisch an alle erfassten Messwerte an. Im Modus rangeMode = "manual" werden Werte außerhalb von in den Randklassen erfasst.
Ein- & Ausgänge
| Direction | ID | Label | Typ | Status |
|---|---|---|---|---|
| → In | in |
Input | array | Required |
Parameter
| Parameter | Label | Typ | Standardwert | Beschreibung |
|---|---|---|---|---|
rangeMode |
Range | select | auto |
Auto fits the axis to the data; Manual uses the Min/Max below. |
minValue |
Min Value | number | -5 |
Lower bound (Manual range only). |
maxValue |
Max Value | number | 5 |
Upper bound (Manual range only). |
binMode |
Binning | select | count |
How bins are sized: a fixed number, a fixed step width, or auto. |
bins |
Bin count | number | 20 |
Number of bins (Bin count mode). |
binWidth |
Bin width | number | 1 |
Width/step of each bin (Fixed width mode). |
Anwendungsbeispiele
Beispiel 1: Charakterisierung des Sensorrauschens einer Trägheitsmesseinheit (IMU)
Validierung des Messrauschens eines MEMS-Beschleunigungssensors im Ruhezustand. Das Signal wird an einen Histogram-Block mit rangeMode = "auto", binMode = "count" und bins = 30 angeschlossen. Die resultierende Glockenkurve über 10 Sekunden Laufzeit ermöglicht die Überprüfung auf Gaußsche Normalverteilung, die Bestimmung der Standardabweichung sowie die Erkennung von Nullpunktsoffsets.
Beispiel 2: Monte-Carlo-Toleranzanalyse von Ausregelzeiten
Untersuchung der Streuung von Regelkreis-Ausregelzeiten bei statistischen Bauteiltoleranzen. Über einen RandomNumber-Block werden Fertigungsschwankungen simuliert und die resultierenden Ausregelzeiten in ein Histogramm mit rangeMode = "manual", minValue = 0.0, maxValue = 2.0 s und binWidth = 0.1 s eingespeist. Die Verteilung zeigt unmittelbar, ob der Exemplare die Spezifikation einhalten.
Hinweise & Best Practices
- Akkumulierendes Analyseinstrument: Im Gegensatz zu transienten Oszilloskopen summiert das Histogramm alle Abtastwerte seit Simulationsbeginn. Mit fortschreitender Laufzeit konvergiert das Histogramm gegen die wahre Wahrscheinlichkeitsdichtefunktion.
- Verhalten bei Bereichsüberschreitung: Im manuellen Modus werden Werte außerhalb von in den äußeren Randklassen gesammelt, statt verworfen zu werden.
- Optimale automatische Klassenbreite: Die Freedman-Diaconis-Regel im
auto-Modus verhindert sowohl eine Überglättung dichter Datensätze als auch statistisches Rauschen bei geringer Probenzahl. - Verzögerungsfreie Auswertung: Sehr performant direkt in WebAssembly über schnelle ganzzahlige Indexberechnung () implementiert.
Verwandte Blöcke
- ScatterPlot: Analysiert gemeinsame statistische Verteilungen zweier Signale im Punktdiagramm.
- RandomNumber: Erzeugt gleich- und normalverteilte Zufallsvariablen.
- uPlotDisplay: Stellt Signalverläufe kontinuierlich über der Zeit dar.
- NumericDisplay: Numerische Echtzeitanzeige für Skalarwerte.