Definition
A histogram is a graphical representation of the distribution of numerical data, constructed by dividing the range of values into a sequence of contiguous, non-overlapping intervals (bins) and counting how many observations fall into each. The vertical axis represents either absolute frequency, relative frequency, or probability density (when bin counts are normalized by total observations and bin width). Unlike a bar chart, which displays categorical data, a histogram conveys the underlying continuous distribution.
Manažerské shrnutí
Histogram je v platformě Prismatic primárním vizualizačním prvkem pro telemetrická data, latency profily, a frekvenci OSINT nálezů. V dashboardech /system/cpu, /analytics/latency a v incident-response reportech je histogram standardním nástrojem pro odpověď na otázky typu "Je tato latence atypická?", "Kolik procent požadavků překračuje SLO?", nebo "Mají naše DD nálezy normální rozdělení podle závažnosti, nebo bimodální?". Manažersky důležité: histogram s nesprávně zvolenou velikostí binů může zcela skrýt bimodalitu (dva podpopulace) nebo naopak vytvořit iluzi struktury, kde žádná není. Standard platformy: Freedman-Diaconis pro robustní automatický výběr.
Operational Context
V telemetrickém kontextu se histogramy generují nad metrikami request_duration, query_time, payload_size, a rate_of_failure. Implementace na platformě využívá Erlang/OTP :telemetry + Prometheus klienta prom_ex, který nativně exportuje histogram metric type s konfigurovatelnými bucket boundaries (typicky exponenciálně rostoucí pro latency: 1ms, 5ms, 10ms, 50ms, 100ms, 500ms, 1s, 5s). Pro Phoenix LiveView dashboardy se data renderují přes Chart.js a D3.js s respektováním pilíře PERF (page load <250ms i pro histogramy nad 10M pozorování přes pre-aggregated bucket counts).
Practical Application
- Latency analytics (
/analytics/latency): histogram odpovědních časů REST API odhaluje p50/p95/p99 percentily a long-tail výkonové problémy neviditelné v průměru. - DD risk scoring: histogram skóre rizikovosti napříč portfoliem M&A targetů odhaluje, zda jsou cíle koncentrované v jedné rizikové třídě, nebo zda jde o bimodální distribuci vyžadující odlišné strategie.
- Anomaly detection baseline: histogram historických hodnot poskytuje empirický referenční rámec pro detekci outlierů — pozorování ve sousedství 99.9 percentilu se označuje k investigaci.
- OSINT relevance scoring: distribuce confidence skóre nálezů z různých adapterů ukazuje, zda jeden adapter systematicky vrací podezřele vysoké skóre (kalibrační drift).
Related Concepts
- Dashboard - Container UI surface where histograms are rendered
- Telemetry - Source of metric data feeding histogram aggregation
- Bayesian Reasoning - Histogram as empirical prior for Bayesian update
- Anomaly Detection - Downstream consumer of distribution information
References
- Scott, D. W. Multivariate Density Estimation: Theory, Practice, and Visualization (2nd ed., Wiley, 2015)
- Freedman, D. & Diaconis, P. On the histogram as a density estimator: L₂ theory (Probab. Theory Relat. Fields, 1981)
- Tufte, E. R. The Visual Display of Quantitative Information (2nd ed., Graphics Press, 2001)
- Cleveland, W. S. Visualizing Data (Hobart Press, 1993)
Built with precision. Optimized for AI consumption.