5.9
Boîtes à moustaches modifiées
Un diagramme en boîte à moustaches standard nous renseigne sur la dispersion des données dans un échantillon donné. On peut identifier la valeur minim…
Rappelez-vous qu’un ensemble de données peut être représenté à l’aide d’un résumé à cinq chiffres et visualisé à l’aide d’une boîte à moustaches ayant une valeur minimale, le premier quartile, le deuxième quartile, le troisième quartile et la valeur maximale.
La boîte à moustaches est légèrement modifiée pour produire une boîte à moustaches modifiée qui fournit des informations plus visuelles sur l’emplacement des valeurs aberrantes et la répartition des données à partir du centre.
Tout d’abord, soustrayez 1,5 fois IQR de Q1 et ajoutez 1,5 fois IQR à Q3 pour obtenir les nouvelles valeurs minimale et maximale. Les valeurs au-delà de ces limites sont considérées comme des valeurs aberrantes et marquées d’un astérisque.
Modifiez maintenant les moustaches pour ne joindre que les valeurs comprises dans la plage de 1,5 fois IQR.
Cela génère une boîte à moustaches modifiée avec des valeurs aberrantes clairement identifiées.
Q1: How do you calculate the adjusted minimum and maximum values for a modified boxplot?
The adjusted minimum equals Q1 minus 1.5 times the interquartile range (IQR). The adjusted maximum equals Q3 plus 1.5 times the IQR. These calculated values replace the standard minimum and maximum, creating boundaries that help identify outliers beyond the typical data spread.
Q2: What is the main difference between a standard boxplot and a modified boxplot?
A standard boxplot displays the five-number summary but doesn't identify outliers. A modified boxplot uses adjusted minimum and maximum values based on the IQR to clearly mark values beyond these limits as outliers with asterisks, providing better visual insight into data distribution and what are outliers.
Q3: How are whiskers modified in a modified boxplot compared to a standard boxplot?
In a modified boxplot, whiskers are shortened and repositioned to extend only to the adjusted minimum and maximum values calculated using the 1.5 times IQR formula. This contrasts with standard boxplots where whiskers extend to the actual minimum and maximum data values.
Q4: Why is the 1.5 times IQR rule used to identify outliers in modified boxplots?
The 1.5 times IQR rule establishes a consistent statistical boundary for detecting unusual values that deviate significantly from the central data cluster. Values falling outside this range are marked with asterisks, making outliers visually distinct and helping analysts recognize extreme or anomalous data points.
Q5: What information does a modified boxplot reveal that a standard boxplot does not?
A modified boxplot explicitly identifies and marks outliers with asterisks, showing which values lie far from the center. It also visualizes the actual spread of typical data by adjusting whisker positions, providing clearer insight into data distribution patterns and the presence of extreme values.
Q6: How do you determine if a data value is an outlier using the modified boxplot method?
A value is classified as an outlier if it falls below the adjusted minimum (Q1 minus 1.5 times IQR) or above the adjusted maximum (Q3 plus 1.5 times IQR). These outliers are plotted individually with asterisks rather than included within the whisker range.
Q7: What role does the interquartile range play in constructing a modified boxplot?
The interquartile range (IQR) is the foundation for calculating adjusted boundaries in a modified boxplot. Multiplying the IQR by 1.5 and adding or subtracting from Q3 and Q1 respectively determines the whisker endpoints and defines which values qualify as outliers.