Data ontrafeld: datavisualisaties die verdelingen vastleggen

In deel 10 van Data ontrafeld duiken we diep in de wereld van datavisualisatie, met visualisaties die verdelingen vastleggen.

Richie Cotton

Bijgewerkt 2 okt 2026 · 8 min lezen

Verken met AI

ChatGPT Claude Perplexity

Welkom bij deel tien van onze maandlange serie Data ontrafeld. Als onderdeel van Data Literacy Month verduidelijkt deze serie kernbegrippen uit de wereld van data, beantwoordt ze vragen die je misschien niet durfde te stellen en hebben we onderweg ook nog wat plezier. Wil je bij het begin beginnen? Lees dan onze eerste aflevering in de serie: Wat is een dataset?

Deze week behandelen we veelvoorkomende datavisualisaties en hoe je ze interpreteert. Datavisualisatie wordt vaak de gateway drug naar data science genoemd; in deze blogpost bekijken we datavisualisaties die verdelingen vastleggen en hoe je ze uitleest.

Visualisaties die een verdeling vastleggen

Een belangrijk toepassingsgebied van datavisualisatie is het vastleggen van de verdeling van een variabele. Door verdelingen vast te leggen, kun je cruciale statistische eigenschappen van de data die je visualiseert begrijpen en help je je publiek om weloverwogen, data-gedreven beslissingen te nemen over belangrijke uitkomsten. Voordat we erin duiken, zijn dit een paar aandachtspunten om in gedachten te houden bij het visualiseren van verdelingen:

Wat is de vorm van de verdeling? Is de verdeling symmetrisch of niet?
Wat is de spreiding van de verdeling? Dus het verschil tussen de kleinste en de grootste waarde in de dataset.
Zitten er uitschieters in de verdeling?
Is er een patroon in de verdeling? Is de verdeling willekeurig, of is er een duidelijke vorm?
Wat is de gemiddelde waarde (gemiddelde, modus, mediaan)?

De vier visualisaties hieronder helpen ons deze punten vast te leggen.

Histogrammen

Een histogram is een grafiek die de verdeling van een numerieke variabele met balken weergeeft. Het is een handige manier om de belangrijkste kenmerken van de verdeling te illustreren, vooral wanneer de dataset groot is. Belangrijke voorbeelden waarbij histogrammen uitblinken, zijn het vastleggen van de salarisverdeling van werknemers in een bedrijf of de bloedsuikerspiegels van een cohort patiënten.

Een histogram dat de overlijdensleeftijd van Australische mannen in 2022 weergeeft (Bron: Oosterbaan)

Om een histogram te maken, wordt de numerieke data eerst opgedeeld in verschillende bereiken of bins, en wordt de frequentie van voorkomen per bereik geteld. De horizontale as toont het bereik, terwijl de verticale as de frequentie of het percentage van voorkomen van een bereik weergeeft. Histogrammen laten direct zien hoe de verdeling van een variabele scheef is of waar de pieken liggen. Hier zijn voorbeelden uit onze cursus Data Visualization for Everyone.

Een histogram kan symmetrisch, links-scheef of rechts-scheef zijn. (Bron: DataCamp)

Een histogram kan meerdere modi hebben (Bron: DataCamp)

Hoewel histogrammen en staafdiagrammen op elkaar lijken, hebben ze verschillende functies en moeten ze daarom niet worden verward. Dit zijn de belangrijkste verschillen.

	Histogram	Staafdiagram
Functioneel verschil	Om de verdeling van een numerieke variabele weer te geven.	Om waarden over categorieën te vergelijken.
Visueel verschil	Er zit geen ruimte tussen de balken.	Er zit meestal ruimte tussen de balken. Ook

Dichtheidsplots

Net als een histogram geeft een dichtheidsplot de verdeling van een numerieke variabele weer. In tegenstelling tot een histogram gebruikt een dichtheidsplot een vloeiende lijn in plaats van balken. De horizontale as van een dichtheidsplot is de numerieke variabele, terwijl de verticale as de kansdichtheidsfunctie is. De kans dat de variabele binnen een bereik ligt, is de oppervlakte onder de grafiek.

De kans dat een muis een geboortegewicht tussen 1,0 en 1,2 gram heeft, is de oppervlakte onder de dichtheidsplot (Bron: SPSS)

Een dichtheidsplot kan de vorm van de verdeling effectiever laten zien dan een histogram. Een histogram met te weinig of te veel bins kan de werkelijke vorm van de onderliggende verdeling verbergen. Een dichtheidsplot vereist daarentegen geen binning en toont vloeiende verdelingscurves.

De keuze voor het aantal bins in een histogram is cruciaal. (Bron: Laerd Statistics)

Een dichtheidsplot is ook beter in het vergelijken van meerdere verdelingen dan een histogram.

Verdelingen vergelijken met dichtheidsplots versus histogrammen (Bron: Koehrsen Will)

Boxplots

Histogrammen zijn geschikt om de algehele verdeling van de data te tonen, maar boxplots zijn uitstekend in het samenvatten van een verdeling.

De anatomie van een boxplot (Bron: Galarnyk)

Data visualiseren met een boxplot laat het volgende zien:

De mediaan: De middelste waarde van een dataset, waarbij 50% van de data lager is dan de mediaan en 50% hoger dan de mediaan.
Het derde kwartiel (bovenkwartiel): De 75e percentiel van een dataset, waarbij 75% van de data lager is dan het bovenkwartiel en 25% hoger.
Het eerste kwartiel (onderkwartiel): De 25e percentiel van een dataset, waarbij 25% van de data lager is dan het onderkwartiel en 75% hoger.
Het interkwartielafstand (IQR): Het bovenkwartiel min het onderkwartiel
De bovenste aangrenzende waarde: Ook wel de "maximum" genoemd. Dit is het bovenkwartiel plus 1,5 keer de interkwartielafstand.
De onderste aangrenzende waarde: Ook wel de "minimum" genoemd. Dit is het onderkwartiel min 1,5 keer de interkwartielafstand.
Uitschieters: Alle waarden boven het "maximum" of onder het "minimum".

Violin plot

Een violin plot is een kruising tussen een boxplot en een dichtheidsplot.

Een violin plot die de verdeling van de totale rekening toont (Bron: DataCamp)

Net als in een dichtheidsplot toont een violin plot een dichtheidsverdeling. Net als in een boxplot laat een violin plot ook samenvattende statistieken zien. Violin plots zijn een effectief hulpmiddel om de verdeling van een numerieke variabele tegelijk weer te geven én samen te vatten.

De anatomie van een violin plot (Bron: Hintze en Nelson)

Vandaag nog beginnen met datavisualisatie

We hopen dat je deze korte introductie tot datavisualisatie leuk vond. In de volgende aflevering kijken we naar hoe AI in het nieuws wordt behandeld en hoe je een gezonde scepsis ontwikkelt rond de nieuwste ontwikkelingen op dit gebied. Wil je vandaag nog aan je data-leren beginnen? Bekijk dan de volgende bronnen.