Заиста не постоји правило колико часова треба да буде. Постоји неколико ствари које треба размотрити о броју часова. Да постоји само једна класа, сви подаци би спадали у ову класу. Наш хистограм би једноставно био један правоугаоник чија је висина дата бројем елемената у нашем скупу података. Ово не би било од велике користи или користан хистограм.
С друге стране, могли бисмо имати мноштво часова. То би резултирало мноштвом барова, од којих ниједан не би могао бити висок. Било би врло тешко одредити било какве карактеристике разликовања од података користећи ову врсту хистограма.
Да бисмо се заштитили од ове две крајности, имамо правило за утврђивање броја класа хистограма. Када имамо релативно мали скуп података, обично користимо само око пет класа. Ако је скуп података релативно велик, тада користимо око 20 класа.
Опет, треба нагласити да је ово правило, а не апсолутни статистички принцип. Може постојати добар разлог за различит број часова за податке. Примјер овога ћемо видјети у наставку.
Пре него што размотримо неколико примера, видећемо како да утврдимо шта су заправо класе. Овај процес започињемо проналажењем домет наших података. Другим речима, одузмемо најнижу вредност података од највише вредности.
Кад је скуп података релативно мали, распон дијелимо са пет. Квоцијент је ширина класа за наш хистограм. У овом процесу ћемо вероватно морати да извршимо неко заокруживање, што значи да укупан број часова не може завршити на пет.
Кад је скуп података релативно велик, распон дијелимо са 20. Као и раније, овај проблем подели даје нам ширину класа за наш хистограм. Такође, као што смо претходно видели, наше заокруживање може резултирати са нешто више или нешто мање од 20 часова.
У било којем од великих или малих случајева скупа података, направимо прву класу у тачки нешто мањој од најмање вредности података. То морамо учинити на такав начин да прва вредност података падне у прву класу. Остале класе одређују се ширином која је постављена када смо поделили распон. Знамо да смо у последњој класи када та класа садржи нашу највишу вредност података.
За пример ћемо одредити одговарајућу ширину класе и класе за скуп података: 1.1, 1.9, 2.3, 3.0, 3.2, 4.1, 4.2, 4.4, 5.5, 5.5, 5.6, 5.7, 5.9, 6.2, 7.1, 7.9, 8.3, 9.0, 9.2, 11.1, 11.2, 14.4, 15.5, 15.5, 16.7, 18.9, 19.2.
Видимо да у нашем скупу постоји 27 тачака података. Ово је релативно мали сет па ћемо распон подијелити са пет. Распон је 19,2 - 1,1 = 18,1. Поделимо 18,1 / 5 = 3,62. То значи да би била одговарајућа ширина класе од 4. Наша најмања вредност података је 1,1, тако да започињемо прву класу у тачки мањој од ове. Будући да се наши подаци састоје од позитивних бројева, било би смислено да прва класа крене са 0 на 4.
Претпоставимо да постоји пример вишеструког избора са 35 питања о њему, а 1000 ученика у средњој школи полаже тест. Желели бисмо да формирамо хистограм који показује број ученика који су постигли одређене резултате на тесту. Видимо да је 35/5 = 7 и да је 35/20 = 1,75. Упркос томе што нам правило даје избор класа ширине 2 или 7 који ћемо користити за наш хистограм, можда је боље имати класе ширине 1. Ова настава би одговарала сваком питању на које је студент правилно одговорио на тесту. Први од њих био би центриран на 0, а последњи у 35.