Box- und Schnurrhaarplots, gemeinhin als Box-Plots bezeichnet, gehören zu den effizientesten grafischen Werkzeugen zur Zusammenfassung großer Datensätze. Sie bieten eine kompakte visuelle Zusammenfassung, die die Verteilung, zentrale Tendenz, Variabilität und mögliche Ausreißer eines Datensatzes auf einen Blick aufdeckt. Ursprünglich vom Statistiker John Tukey in den 1970er Jahren entwickelt, sind Box-Plots zu einem Grundnahrungsmittel in der explorativen Datenanalyse in Bereichen von Finanzen und Gesundheitswesen bis hin zu Ingenieur- und Sozialwissenschaften geworden. Dieser Artikel führt Sie durch jeden Aspekt von Box-Plots - vom Verständnis ihrer Komponenten bis hin zum Konstruieren und Interpretieren mit Zuversicht.

Was ist eine Box und Whisker Plot?

Ein Box-Plot ist eine standardisierte Methode zur Darstellung eines Datensatzes, der auf einer fünfstelligen Zusammenfassung basiert: Minimum, erstes Quartil (Q1), Median, drittes Quartil (Q3) und Maximum. Es besteht aus einem rechteckigen "Box", der den Interquartilbereich (IQR) überspannt, und "Whiskers", die sich erstrecken, um den Bereich der Daten anzuzeigen, wobei Ausreißer ausgeschlossen sind. Ausreißer, falls vorhanden, werden als einzelne Punkte über die Schnurrhaare hinaus aufgetragen. Diese einfache, aber leistungsstarke Visualisierung ermöglicht es Analysten, Verteilungen schnell zu vergleichen und ungewöhnliche Werte zu erkennen.

Anatomie einer Box Plot

Für die korrekte Interpretation ist es wichtig, die fünf Komponenten eines Box-Plots zu verstehen. Jede Komponente liefert eine spezifische Information über die Daten.

Die Fünf-Zahlen-Zusammenfassung

  • Mindestens: Der kleinste Datenpunkt, der nicht als Ausreißer betrachtet wird. In einem Standard-Box-Plot erreicht der untere Schnurrhaar diesen Wert.
  • Erstes Quartil (Q1): Der Median der unteren Hälfte der Daten. 25 % der Daten fallen unter Q1.
  • Median (Q2): Der mittlere Wert des gesamten Datensatzes, wenn er in aufsteigender Reihenfolge angeordnet ist, teilt die Daten in zwei gleiche Hälften.
  • Drittes Quartil (Q3): Der Median der oberen Hälfte der Daten. 75 % der Daten fallen unter Q3.
  • Höchstens: Der größte Datenpunkt, der kein Ausreißer ist. Der obere Schnurrhaar endet bei diesem Wert.

Interquartil Range (IQR)

Der IQR ist der Abstand zwischen Q1 und Q3 (IQR = Q3 – Q1). Er misst die Ausbreitung der mittleren 50% der Daten und ist resistent gegen extreme Werte. Die Box in einem Boxplot wird von Q1 nach Q3 gezeichnet, und ihre Höhe (oder Breite, je nach Ausrichtung) stellt den IQR visuell dar. Eine größere Box zeigt eine größere Variabilität im zentralen Teil der Daten an.

Die Whiskers

Die Flüsterer erstrecken sich von den Rändern der Box bis zu den minimalen und maximalen Werten, die innerhalb des 1,5-fachen des IQR-Wertes der Quartile liegen. Insbesondere geht der untere Schnurrhaar zum kleinsten Datenpunkt größer oder gleich Q1 – 1,5 × IQR; der obere Schnurrhaar geht zum größten Datenpunkt kleiner oder gleich Q3 + 1,5 × IQR. Alle Datenpunkte außerhalb dieses Bereichs werden berücksichtigt. Ausreißer und einzeln als Punkte, Kreise oder Sternchen aufgetragen sind.

Wie man eine Box Plot Schritt für Schritt zu konstruieren

Ein Box-Plot von Hand oder mit Software zu erstellen, erfordert einen einfachen Prozess. Hier ist eine detaillierte Anleitung mit einem Beispieldatensatz.

Schritt 1: Organisieren Sie die Daten

Betrachten Sie zum Beispiel die folgenden 20 Werte: 12, 15, 17, 20, 22, 23, 25, 27, 28, 30, 31, 33, 35, 37, 40, 42, 45, 50, 55, 60.

Schritt 2: Finden Sie den Median (Q2)

Bei einer geraden Anzahl von Beobachtungen (n = 20) ist der Median der Mittelwert des 10. und 11. Wertes, der 10. Wert ist 30 und der 11. ist 31, so dass der Median 30,5 ist.

Schritt 3: Finden Sie Q1 und Q3

Q1 ist der Median der unteren Hälfte (erste 10 Werte): 12, 15, 17, 20, 22, 23, 25, 27, 28, 30. Der Median dieses Satzes ist der Durchschnitt des 5. und 6. Wertes: (22 + 23) / 2 = 22,5. Q3 ist der Median der oberen Hälfte (letzte 10 Werte): 31, 33, 35, 37, 40, 42, 45, 50, 55, 60. Der Durchschnitt des 5. und 6.

Wertes: (40 + 42) / 2 = 41.

Schritt 4: Berechnen Sie den IQR und bestimmen Sie die Whisker-Grenzen

IQR = Q3 – Q1 = 41 – 22,5 = 18,5. Der untere Zaun ist Q1 – 1,5 × IQR = 22,5 – 27,75 = -5,25. Da sich der minimale Datenpunkt (12) über diesem Zaun befindet, erstreckt sich der untere Schnurrbart bis 12 Der obere Zaun ist Q3 + 1,5 × IQR = 41 + 27,75 = 68,75. Der maximale Datenpunkt (60) liegt unter dem Zaun, so dass sich der obere Schnurrbart bis 60 erstreckt. In diesem Datensatz sind keine Ausreißer vorhanden.

Schritt 5: Zeichnen Sie die Handlung

Zeichnen Sie eine vertikale (oder horizontale) Achse, die auf die Daten aufskaliert ist, zeichnen Sie ein Feld von Q1 (22.5) bis Q3 (41) mit einer Linie am Median (30,5), zeichnen Sie Schnurrhaare vom Feld bis zum Minimum (12) und Maximum (60) und fügen Sie bei Bedarf eine Titel- und Achsenbeschriftung hinzu.

Dolmetschen von Box und Whisker Plots

Einmal konstruiert, zeigt ein Box-Plot auf einen Blick einige Merkmale der Datenverteilung. Das Lesen zu lernen sagt mehr als nur die fünf Zahlen.

Spread und Variabilität

Länge der Box (IQR) gibt die Ausbreitung der mittleren Hälfte der Daten an. Längere Boxen bedeuten mehr Variabilität; kürzere Boxen zeigen an, dass die Daten um den Median konzentriert sind. Der Gesamtbereich (max-min), der von den Schnurrhaaren angezeigt wird, gibt auch eine Vorstellung von der Gesamtverteilung, aber bedenken Sie, dass Schnurrhaare durch die Ausreißerregel begrenzt sind, so dass extrem breite Schnurrhaare auf das Vorhandensein von Ausreißern am Rand hinweisen können.

Zentrum und Position

Die Medianlinie im Inneren des Kastens zeigt die zentrale Tendenz. Wenn der Median im Kasten zentriert ist, sind die mittleren Daten ungefähr symmetrisch. Wenn der Median näher am Boden des Kastens liegt (d.h. nahe Q1), sind die Daten positiv verzerrt - der Großteil der Daten befindet sich auf der unteren Seite, mit einem langen Schwanz nach oben. Umgekehrt, wenn der Median nahe der Oberseite des Kastens liegt, sind die Daten negativ verzerrt.

Skewness und Symmetrie

Die relative Länge der Schnurrhaare zeigt auch eine Schrägstellung an. Ein im Vergleich zum unteren Schnurrhaar längeres oberes Schnurrhaar deutet auf eine rechtsgerichtete Verteilung (positive Schrägstellung) hin, ein längeres unteres Schnurrhaar auf linksgerichtete (negative Schrägstellung). Gleiche Schnurrhaarlängen und ein zentrischer Medianpunkt zu einer symmetrischen Verteilung hin.

Ausreißer

Punkte jenseits der Schnurrhaare sind potenzielle Ausreißer. Das sind Beobachtungen, die mehr als 1,5 IQR von den Quartilen abweichen. Ausreißer können Dateneingabefehler, experimentelle Anomalien oder wirklich extreme Werte anzeigen, die weitere Untersuchungen verdienen. In einigen Kontexten werden Punkte jenseits von 3 IQR als extreme Ausreißer betrachtet und mit einem anderen Symbol aufgetragen.

Praktische Anwendungen von Box Plots

Box-Plots werden in vielen Disziplinen für eine schnelle explorative Analyse und Vergleich verwendet.

Gesundheitsversorgung und Medizin

Forscher verwenden Box-Plots, um Patientenergebnisse über Behandlungsgruppen hinweg zu vergleichen, wie Blutdruckwerte vor und nach der Medikation.

Finanzausstattung

Analysten verwenden Box-Plots, um die Verteilung von Aktienrenditen, Portfoliorisiken oder Kredit-Scores zu visualisieren. Ein Box-Plot von Renditen in verschiedenen Sektoren kann aufdecken, welche Sektoren eine höhere Volatilität (breiterer IQR) haben oder in Richtung Verluste verzerrt sind.

Bildung

Testergebnisse aus verschiedenen Klassenräumen oder Schulen können mithilfe von Box-Plots nebeneinander verglichen werden, was dazu beiträgt, Leistungsunterschiede zu erkennen und Schulen zu erkennen, in denen einige Schüler weit über oder unter der Norm liegen.

Herstellung und Qualitätskontrolle

Kastendiagramme werden zur Überwachung von Prozessleistungen verwendet, beispielsweise kann der Durchmesser von hergestellten Bolzen über die Zeit aufgetragen werden; eine plötzliche Verschiebung des Medians oder eine erhöhte IQR zeigt eine Prozessänderung an.

Häufige Fehler, die bei der Verwendung von Box Plots zu vermeiden sind

Während Box-Plots einfach sind, treten Fehlinterpretationen auf. Behalten Sie diese Fallstricke im Hinterkopf.

  • Ignorieren der Stichprobengröße: In Felddiagrammen ist die Anzahl der Beobachtungen nicht angegeben, während bei zwei Felddiagrammen mit identischen fünfstelligen Zusammenfassungen die Stichprobengröße sehr unterschiedlich sein kann, was das Vertrauen in die Schätzungen beeinträchtigt.
  • Unter der Annahme der Normalität: Box-Plots sind nicht parametrisch und machen keine Annahmen über die Verteilungsform, aber ein Box-Plot mit symmetrischem Aussehen garantiert keine Normalverteilung, sondern zeigt nur den Median und die Quartile.
  • Misidentifizierung von Ausreißern ohne Kontext: Ein Punkt außerhalb der Schnurrhaare wird als Ausreißer nach der 1,5xIQR-Regel bezeichnet, was jedoch nicht automatisch bedeutet, dass er falsch ist. In einigen Bereichen, wie z.B. Finanzen, werden extreme Werte erwartet. Untersuchen Sie Ausreißer immer im Kontext der Daten.
  • Vergleich von Box-Plots mit unterschiedlichen Skalen: Beim Vergleich mehrerer Box-Plots ist sicherzustellen, dass die Achsenskala konsistent ist, wobei Größenunterschiede die Variation übertreiben oder verbergen können.

Advanced Box Plot Variationen

Es gibt mehrere Modifikationen am Standard-Box-Plot, um zusätzliche Informationen zu übermitteln.

Kerbfeld-Plots

Notches um den Median zeigen ein Konfidenzintervall (in der Regel 95 %) für den Median an. Wenn sich die Notches von zwei Box-Plots nicht überschneiden, gibt es starke Hinweise darauf, dass ihre Mediane voneinander abweichen. Dies ist eine nützliche Ergänzung für formale Vergleiche.

Box Plots mit variabler Breite

In diesen Diagrammen ist die Breite des Feldes proportional zur Quadratwurzel der Stichprobengröße. Dies gibt die Genauigkeit der Schätzungen visuell wieder.

Box Plots mit Mean Points

Einige Analysten fügen einen Marker (z. B. einen Diamanten) für den Mittelwert innerhalb der Box hinzu, der hilft, den Mittelwert mit dem Median zu vergleichen und die Schieflage direkt zu beurteilen.

Zusammengesetzte Box-Plots

Mehrere Box-Plots werden oft nebeneinander auf derselben Achse platziert, um Verteilungen über Kategorien zu vergleichen, zum Beispiel kann ein gruppiertes Box-Plot die Hauspreise in verschiedenen Städten anzeigen.

Tools zum Erstellen von Box- und Whisker-Plots

Sie müssen nicht alles von Hand berechnen. Viele Software-Tools und Bibliotheken können Box-Plots schnell generieren.

  • Excel und Google Sheets: Beide bieten in den letzten Versionen eingebaute Box-Plot-Diagrammtypen an. Sie können sie über das Menü "Diagramm einfügen" erstellen. Microsoft Support Seite führt Sie durch den Prozess.
  • R: Die Funktion in Basis R und die des Pakets bieten eine umfangreiche Anpassung. R Graphische Galerie bietet Beispiele.
  • Python: Matplotlibs und Seaborns sind beliebt. Matplotlib-Dokumentation erläutert Parameter.
  • Online-Tools: Webseiten wie Mathe macht Spaß Bereitstellung interaktiver Box Plot Generatoren für schnelles Lernen.
  • Statistische Software: SPSS, Stata und Minitab enthalten Box-Plot-Funktionalität mit Menüs und Optionen für Kerben und variable Breiten.

Box Plots in modernen Daten-Workflows

In modernen Datenpipelines werden Box-Plots oft automatisch als Teil der Datenprofilierung vor der Modellierung generiert. Sie können in Dashboards und Berichte integriert werden, um Echtzeit-Sichtbarkeit in die Datenqualität zu bieten. Für Teams, die Headless-CMS-Plattformen wie DirectusDaten aus APIs können in benutzerdefinierten Analyseschnittstellen transformiert und visualisiert werden, die Box-Plots enthalten, die nicht-technischen Stakeholdern helfen, Datenverteilungen zu verstehen, ohne Code zu schreiben.

Schlussfolgerung

Box- und Schnurrhaarplots sind unverzichtbar, um Datensätze effizient zusammenzufassen. Indem Sie die fünfstelligen Zusammenfassungs-, IQR- und Ausreißerregeln erfassen, können Sie sie manuell oder mit Software konstruieren und interpretieren, um Verbreitung, Schieflage und Anomalien aufzudecken. Boxplots in Ihre Erkundungs-Datenanalyse-Routine aufzunehmen, wird Ihr Verständnis der Daten vertiefen und fundiertere Entscheidungen ermöglichen. Ob Sie ein Student, Wissenschaftler, Business Analyst oder Entwickler sind, ist das Beherrschen von Boxplots eine grundlegende Fähigkeit im Zeitalter datengetriebener Erkenntnisse.