5.7
Wykres pudełkowy
Wykresy pudełkowe (zwane także wykresami ramkowymi lub wykresami skrzynkowymi) dają doskonały graficzny obraz koncentracji danych. Pokazują także, jak…
Wykres pudełkowy lub diagram pudełkowo-wąsowy jest wizualną reprezentacją podsumowania składającego się z 5 liczb. Wykres pudełkowy przedstawia wartość minimalną, pierwszy kwartyl, drugi kwartyl, trzeci kwartyl i wartość maksymalną. Dostarcza również informacji o rozkładzie danych, a także o wartościach odstających.
Weźmy pod uwagę dziesięciu najlepszych strzelców bramek z meczów Mistrzostw Świata.
Aby skonstruować wykres pudełkowy, najpierw posortuj liczbę bramek od najniższej do wysokiej i znajdź 5-cyfrowe podsumowanie.
Utwórz wykres skrzynkowy, rysując prostokąt rozciągający się od kwartyla pierwszego do kwartyla trzeciego, a następnie linię przechodzącą przez pole w drugim kwartylu oraz linię łączącą wartości minimalne i maksymalne.
Wykresy pudełkowe rozkładów normalnych zazwyczaj pokazują medianę w środku każdego pola, podczas gdy w rozkładzie skośnym mediana przesuwa się do przodu lub do tyłu.
Wykresy skrzynkowe są często pomocne w porównywaniu dwóch lub więcej różnych zestawów danych. Na przykład porównanie liczby bramek strzelonych przez mistrzowską drużynę w dwóch seriach meczów mistrzostw świata ujawniłoby, jak wyniki zespołu zmieniały się w czasie.
Q1: What five values make up a boxplot?
A boxplot is constructed from five values: the minimum value, first quartile, median (second quartile), third quartile, and maximum value. These values create a 5 number summary that visually represents the distribution and spread of your data, showing both central tendency and extreme values at a glance.
Q2: How do you construct a boxplot step by step?
First, sort your data from low to high and find the 5-number summary. Draw a horizontal or vertical number line with a rectangular box extending from the first quartile to the third quartile. Place a line through the box at the median, then draw whiskers connecting the box ends to the minimum and maximum values.
Q3: What does the position of the median line reveal about data distribution?
In normal distributions, the median typically appears centered within the box. In skewed distributions, the median line shifts forward or backward within the box, indicating the direction and degree of skewness. This visual positioning quickly shows whether data is symmetrically distributed or leans toward higher or lower values.
Q4: What information do boxplot whiskers provide?
The whiskers extend from the box ends to the smallest and largest data values, showing the full range of your dataset. They reveal how far extreme values are from the central 50 percent of data contained in the box, helping identify the overall spread and potential what are outliers in your distribution.
Q5: Why are boxplots useful for comparing multiple datasets?
Boxplots allow side-by-side visual comparison of different datasets' distributions, medians, and spreads. For example, comparing goal-scoring performance across multiple World Cup seasons reveals how a team's performance changed over time, making patterns and differences immediately apparent without detailed numerical analysis.
Q6: What percentage of data falls inside a boxplot's box?
Approximately the middle 50 percent of data falls inside the box, bounded by the first and third quartiles. This central box region represents the interquartile range, showing where half your data concentrates and providing a clear picture of data concentration around the median.
Q7: How does a boxplot show data concentration and extreme values?
A boxplot gives a quick graphical image of data concentration by showing how tightly data clusters in the central box region. The whiskers simultaneously display how far extreme values extend from this concentration, allowing you to assess both typical data behavior and the presence of unusually distant observations.