📊

Histogram

Sinks
Live-Beispiel starten Kostenlos · ohne Anmeldung · läuft im Browser

Der 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 NN skalierten Abtastwerten {u1,u2,…,uN}\{u_1, u_2, \dots, u_N\} über das Simulationsintervall [0,t][0, t]. Der Wertebereich [xmin⁡,xmax⁡][x_{\min}, x_{\max}] wird in BB aneinandergrenzende Klassen unterteilt:

Ij=[xj,xj+1),j=0,1,…,B−1I_j = [x_j, x_{j+1}), \quad j = 0, 1, \dots, B-1

wobei die Klassenbreite ww über binMode festgelegt wird:

w={xmax⁡−xmin⁡B,binMode=countbinWidth,binMode=width2⋅IQR⁡(u)⋅N−1/3,binMode=auto (Freedman-Diaconis)w = \begin{cases} \frac{x_{\max} - x_{\min}}{B}, & \text{binMode} = \text{count} \\ \text{binWidth}, & \text{binMode} = \text{width} \\ 2 \cdot \operatorname{IQR}(u) \cdot N^{-1/3}, & \text{binMode} = \text{auto (Freedman-Diaconis)} \end{cases}

Die absolute Häufigkeit cjc_j der Klasse IjI_j berechnet sich durch:

cj=∑k=1N1Ij(uk)c_j = \sum_{k=1}^N \mathbf{1}_{I_j}(u_k)

wobei 1Ij(u)\mathbf{1}_{I_j}(u) die Indikatorfunktion ist. Die normierte empirische Wahrscheinlichkeitsdichte f^(x)\hat{f}(x) der Klasse jj lautet:

f^(x)=cjN⋅wfu¨r x∈Ij\hat{f}(x) = \frac{c_j}{N \cdot w} \quad \text{für } x \in I_j

Bei rangeMode = "auto" passen sich xmin⁡x_{\min} und xmax⁡x_{\max} dynamisch an alle erfassten Messwerte an. Im Modus rangeMode = "manual" werden Werte außerhalb von [vmin⁡,vmax⁡][v_{\min}, v_{\max}] 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 σ\sigma 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 99%99\% 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 [vmin⁡,vmax⁡][v_{\min}, v_{\max}] 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 (j=⌊(u−xmin⁡)/w⌋j = \lfloor (u - x_{\min}) / w \rfloor) 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.