Excel - Understanding distribution charts for a series of values Tutorial

8:31
243 views

00:00:02

This tutorial is based on understanding

00:00:05

distribution charts for a series of values

00:00:08

To summarize the distribution

00:00:09

of a numeric value,

00:00:11

you may use the histogram chart,

00:00:13

or the box and whisker chart, or both.

00:00:15

Let's start with the histogram chart.

00:00:17

What is it used for?

00:00:19

This popular graphing tool is used to

00:00:21

summarize discrete or continuous data

00:00:23

that are measured on an interval scale.

00:00:26

It is often used to illustrate the major

00:00:28

features of the distribution of the

00:00:30

data in a convenient form, a histogram

00:00:32

Basically shows frequencies for intervals

00:00:34

of values of a metric variable.

00:00:37

Such intervals is known as bins

00:00:39

and they all have the same widths.

00:00:41

In this example before us it uses 4

00:00:44

to 5 centimeter as it's been widths.

00:00:47

On the Y axis we have the number of

00:00:50

people and on the X axis we have the

00:00:52

range of heights for each group.

00:00:55

Basically it shows or marks the

00:00:57

number of people in each height range.

00:00:59

Here the highest shows the largest

00:01:02

Number of people there are between the

00:01:05

height of 1 meter 78 to 1 meter 83.

00:01:08

The tiniest group less than two over

00:01:12

here displays the tallest people between

00:01:15

1 meter 87 to 1 meter 92 roughly.

00:01:19

So it goes from the shortest to the tallest.

00:01:22

But the largest group that has this

00:01:24

range of height is located here.

00:01:26

So what is the difference between

00:01:28

bar graph and histogram?

00:01:30

In our previous tutorials we saw that a bar.

00:01:33

Graph is the graphical representation of

00:01:36

categorical data using rectangular bars,

00:01:39

where the length of each bar is

00:01:41

proportional to the value they represent.

00:01:43

A histogram on the other hand is the

00:01:46

graphical representation of data,

00:01:47

where data is grouped into continuous

00:01:50

number ranges and each range

00:01:53

corresponds to a vertical bar.

00:01:56

So what are the disadvantages of a histogram?

00:01:58

Well,

00:01:59

some of the demerits are that

00:02:01

we cannot read exact values.

00:02:03

Because data is grouped into categories,

00:02:06

it is also more difficult to

00:02:08

compare 2 datasets.

00:02:10

And we can only use this

00:02:12

chart with continuous data.

00:02:14

So now let's move on to box and Whisker.

00:02:17

So what is a box and whisker chart?

00:02:19

It shows the distribution of

00:02:21

data for a continuous variable.

00:02:22

How are these charts used?

00:02:24

They help you see the center

00:02:26

and spread of data.

00:02:27

You can also use them as a visual

00:02:29

tool to check for normality or to

00:02:31

identify points that may be outliers.

00:02:34

The dots would be outliers.

00:02:36

Here we have two boxes,

00:02:37

the blue one represent the men population,

00:02:40

the orange one represents the

00:02:42

women population,

00:02:42

the Y axis still showing the

00:02:44

height and I imagine the X axis

00:02:47

which show the number of people.

00:02:49

So each box shows the largest

00:02:52

group of people that are between

00:02:54

a range of height and.

00:02:57

So inside the box you have a median line,

00:02:59

not the average,

00:03:00

it just says how many are the

00:03:02

largest group that is between.

00:03:04

Will say 1 meter is 78 to 1 meter

00:03:09

79 and then the smallest part

00:03:12

of this group that is closer to 1 meter 80.

00:03:17

We have the whiskers,

00:03:18

the upper whisker and the lower whisker.

00:03:21

So basically that would be the

00:03:23

minimal point and the maximum point.

00:03:25

Anything that is out of the norm are

00:03:27

represented by outliers which are the dots.

00:03:30

This type of visual is not

00:03:32

very common is a box plot.

00:03:34

The same as a box and whisker plot.

00:03:36

Yes, box plots may also be called

00:03:39

outlier box plots or quantile box plots.

00:03:42

Each is a variation on

00:03:43

how the box plot is drawn.

00:03:45

So what are some issues to think

00:03:47

about when using a box plot?

00:03:48

Check your data for extreme values.

00:03:50

Be careful if you have a very small data set.

00:03:53

If you have categorical or nominal variables,

00:03:57

use a bar chart instead.

00:03:58

Now let's see what are the

00:04:00

basic parts of a box plot.

00:04:02

Here we have a box plot with percentile.

00:04:04

Tables. In this graph,

00:04:05

the median is near the middle of the box,

00:04:08

which tells us that the data

00:04:10

values are roughly symmetrical.

00:04:11

So we have the green area box in the middle,

00:04:15

the median line roughly the middle.

00:04:17

But you see everything is

00:04:19

divided into quarters.

00:04:20

So we have the minimal,

00:04:22

which is represented by a lower whisker,

00:04:24

and then we have the maximal which

00:04:26

is represented by the upper whisker.

00:04:28

Now inside the box would be the focus

00:04:30

on the largest group of people.

00:04:33

For instance,

00:04:33

the median line does not show an average.

00:04:35

It basically shows from here to here

00:04:37

the number of people in that group

00:04:39

that are between such and such range,

00:04:42

and then over here the number of people

00:04:44

that would be between such and such range.

00:04:46

The bottom of the box is

00:04:47

referred as the 25th percentile,

00:04:49

the middle portion 50th percentile and

00:04:52

the top part of the box 75th percentile.

00:04:55

So links of the box is the difference

00:04:57

between the 75th and 25th percentiles and

00:05:00

it's called the IQR for interquartile range,

00:05:03

anything that is outside that.

00:05:05

Area from this bar to that bar

00:05:08

would be represented with dots,

00:05:10

and those are called the outlier boxplot.

00:05:12

So the center line in the box

00:05:14

shows the median for the data.

00:05:15

Half of the data is above this

00:05:17

value and half is below.

00:05:19

If the data are symmetrical,

00:05:20

the median will be in the center of the box.

00:05:23

If the data are skewed,

00:05:25

the median will be closer to the

00:05:28

top or the bottom of that box.

00:05:30

The bottom and top of the box

00:05:33

show the 25th and 75th quantiles.

00:05:35

Or percentiles.

00:05:36

These two quantiles are also

00:05:39

called quartiles because each cuts

00:05:42

off a quarter 25% of the data.

00:05:44

The links of the box is the difference

00:05:47

between these two percentiles and

00:05:49

it's called the inter quartile

00:05:51

range referred as the IQR.

00:05:54

The lines that extend from the

00:05:56

box are called whiskers.

00:05:57

Whiskers represent the expected

00:05:59

variation of the data.

00:06:01

The whiskers extend 1.5 times

00:06:03

the IQR from the top and bottom.

00:06:06

The box. If the data do not

00:06:07

extend to the end of the whiskers,

00:06:09

then the whiskers extend to the

00:06:12

minimum and maximum data values.

00:06:14

If there are values that all above

00:06:16

or below the end of the whiskers,

00:06:19

they are plotted as dots.

00:06:21

These points are often called

00:06:23

outliers and outlier is more

00:06:25

extreme than the expected variation.

00:06:27

These data points are worthy

00:06:29

of review to determine if they

00:06:32

are outliers or just errors.

00:06:34

The whiskers will not include these outliers.

00:06:36

Here is a case where the data

00:06:38

values are not symmetrical,

00:06:40

so this box plot is displaying

00:06:42

continuous data.

00:06:43

The cereal data in the box plots below

00:06:46

shows results from measuring calories

00:06:48

per serving 76 types of cereal,

00:06:50

so from zero to 250.

00:06:52

Here the variable calories is continuous,

00:06:56

so calories are represented here.

00:06:58

The types of cereal are represented

00:07:00

on the X axis,

00:07:01

so a box plot makes sense for this

00:07:04

type of data. This data is skewed.

00:07:06

Is the median of 102 over here is

00:07:10

much closer to the 25th percentile.

00:07:13

Remember the bottom of the box is the

00:07:15

25th percentile of 101 over here,

00:07:17

then to the 75th percentile of

00:07:20

275th percentile is the top of

00:07:22

the box close to the 200.

00:07:23

This graph is a comparison

00:07:25

between boxplot and histogram.

00:07:27

Almost

00:07:27

Box plots and histograms show the

00:07:29

shape of your data.

00:07:30

This can be used to identify

00:07:32

unusual points or outliers.

00:07:34

This figure shows precisely.

00:07:35

An outlier box plot and a histogram

00:07:38

for the same set of data.

00:07:40

In this example,

00:07:41

the histogram is vertical instead

00:07:44

of horizontal.

00:07:44

You might find it helpful to use

00:07:47

both types of graphs with your data box plot

00:07:50

and

00:07:50

you see skewness because the line

00:07:52

for the median will not be near the

00:07:55

center of the box if the data is skewed.

00:07:57

Boxplot helps identify the 25th and

00:08:01

75th percentiles better than the histogram.

00:08:03

All the histogram helps you

00:08:05

see the overall shape of your.

00:08:07

Data better than the box plot.

00:08:08

Box plots makes sense for continuous

00:08:11

data since they are measured on a

00:08:14

scale with many possible values.

00:08:16

Some examples of continuous data are age,

00:08:19

blood pressure, weight, temperature, speed.

00:08:22

For all of those examples,

00:08:24

a box plot is an appropriate

00:08:26

graphical tool to explore the

00:08:29

distribution of the data.

00:00:02

Questo tutorial si basa sulla comprensione

00:00:05

Grafici di distribuzione per una serie di valori

00:00:08

Per riassumere la distribuzione

00:00:09

di un valore numerico,

00:00:11

è possibile utilizzare il grafico dell'istogramma,

00:00:13

o il grafico a scatola e baffi, o entrambi.

00:00:15

Iniziamo con il grafico dell'istogramma.

00:00:17

A cosa serve?

00:00:19

Questo popolare strumento grafico viene utilizzato per

00:00:21

Riepilogare dati discreti o continui

00:00:23

che sono misurati su una scala di intervalli.

00:00:26

È spesso usato per illustrare i principali

00:00:28

Caratteristiche della distribuzione del

00:00:30

dati in una forma conveniente, un istogramma

00:00:32

Fondamentalmente mostra le frequenze per gli intervalli

00:00:34

di valori di una variabile metrica.

00:00:37

Tali intervalli sono noti come contenitori

00:00:39

e hanno tutti le stesse larghezze.

00:00:41

In questo esempio prima di noi utilizza 4

00:00:44

a 5 centimetri come è stato larghezze.

00:00:47

Sull'asse Y abbiamo il numero di

00:00:50

persone e sull'asse X abbiamo il

00:00:52

gamma di altezze per ogni gruppo.

00:00:55

Fondamentalmente mostra o segna il

00:00:57

numero di persone in ogni fascia di altezza.

00:00:59

Qui il più alto mostra il più grande

00:01:02

Numero di persone che ci sono tra il

00:01:05

altezza di 1 metro 78 a 1 metro 83.

00:01:08

Il gruppo più piccolo meno di due oltre

00:01:12

Qui vengono visualizzate le persone più alte tra

00:01:15

1 metro 87 a 1 metro 92 circa.

00:01:19

Quindi va dal più corto al più alto.

00:01:22

Ma il gruppo più grande che ha questo

00:01:24

gamma di altezza si trova qui.

00:01:26

Quindi qual è la differenza tra

00:01:28

grafico a barre e istogramma?

00:01:30

Nei nostri tutorial precedenti abbiamo visto che un bar.

00:01:33

Il grafico è la rappresentazione grafica di

00:01:36

dati categorici utilizzando barre rettangolari,

00:01:39

dove la lunghezza di ogni barra è

00:01:41

proporzionale al valore che rappresentano.

00:01:43

Un istogramma d'altra parte è il

00:01:46

rappresentazione grafica dei dati,

00:01:47

dove i dati sono raggruppati in continui

00:01:50

intervalli di numeri e ogni intervallo

00:01:53

corrisponde a una barra verticale.

00:01:56

Quindi quali sono gli svantaggi di un istogramma?

00:01:58

Bene

00:01:59

Alcuni dei demeriti sono che

00:02:01

Non possiamo leggere i valori esatti.

00:02:03

Poiché i dati sono raggruppati in categorie,

00:02:06

è anche più difficile

00:02:08

Confronta 2 set di dati.

00:02:10

E possiamo usare solo questo

00:02:12

grafico con dati continui.

00:02:14

Quindi ora passiamo a scatola e baffi.

00:02:17

Allora, cos'è un grafico a scatola e baffi?

00:02:19

Mostra la distribuzione di

00:02:21

dati per una variabile continua.

00:02:22

Come vengono utilizzati questi grafici?

00:02:24

Ti aiutano a vedere il centro

00:02:26

e diffusione dei dati.

00:02:27

Puoi anche usarli come oggetti visivi

00:02:29

strumento per verificare la normalità o per

00:02:31

Identificare i punti che possono essere valori anomali.

00:02:34

I punti sarebbero valori anomali.

00:02:36

Qui abbiamo due scatole,

00:02:37

quello blu rappresenta la popolazione maschile,

00:02:40

quello arancione rappresenta il

00:02:42

popolazione femminile,

00:02:42

l'asse Y mostra ancora la

00:02:44

altezza e immagino l'asse X

00:02:47

che mostrano il numero di persone.

00:02:49

Quindi ogni casella mostra il più grande

00:02:52

gruppo di persone che si trovano tra

00:02:54

una gamma di altezza e.

00:02:57

Quindi all'interno della scatola hai una linea mediana,

00:02:59

non la media,

00:03:00

dice solo quanti sono i

00:03:02

più grande gruppo che si trova tra.

00:03:04

Dirà che 1 metro è 78 a 1 metro

00:03:09

79 e poi la parte più piccola

00:03:12

di questo gruppo che è più vicino a 1 metro 80.

00:03:17

Abbiamo i baffi,

00:03:18

il baffo superiore e il baffo inferiore.

00:03:21

Quindi fondamentalmente questo sarebbe il

00:03:23

punto minimo e punto massimo.

00:03:25

Tutto ciò che è fuori dalla norma è

00:03:27

rappresentati da valori anomali che sono i punti.

00:03:30

Questo tipo di oggetto visivo non è

00:03:32

Molto comune è una trama di scatola.

00:03:34

Lo stesso di una trama di scatole e baffi.

00:03:36

Sì, i box plot possono anche essere chiamati

00:03:39

Grafici a scatola anomali o grafici a scatola di quantili.

00:03:42

Ognuno è una variazione di

00:03:43

come viene disegnato il box plot.

00:03:45

Quindi quali sono alcuni problemi da pensare

00:03:47

Informazioni su quando si utilizza un box plot?

00:03:48

Controlla i tuoi dati per i valori estremi.

00:03:50

Fai attenzione se hai un set di dati molto piccolo.

00:03:53

Se si dispone di variabili categoriali o nominali,

00:03:57

Utilizzare invece un grafico a barre.

00:03:58

Ora vediamo quali sono i

00:04:00

Parti di base di una trama di scatola.

00:04:02

Qui abbiamo un box plot con percentile.

00:04:04

Tabelle. In questo grafico,

00:04:05

la mediana è vicino al centro della scatola,

00:04:08

che ci dice che i dati

00:04:10

I valori sono approssimativamente simmetrici.

00:04:11

Quindi abbiamo la casella dell'area verde nel mezzo,

00:04:15

la linea mediana approssimativamente al centro.

00:04:17

Ma si vede che tutto è

00:04:19

diviso in quarti.

00:04:20

Quindi abbiamo il minimo,

00:04:22

che è rappresentato da un baffo inferiore,

00:04:24

e poi abbiamo il massimo che

00:04:26

è rappresentato dal baffo superiore.

00:04:28

Ora all'interno della scatola ci sarebbe il focus

00:04:30

sul più grande gruppo di persone.

00:04:33

Per esempio

00:04:33

La linea mediana non mostra una media.

00:04:35

Fondamentalmente mostra da qui a qui

00:04:37

il numero di persone in quel gruppo

00:04:39

che si trovano tra tale e tale intervallo,

00:04:42

e poi qui il numero di persone

00:04:44

che sarebbe tra tale e tale intervallo.

00:04:46

La parte inferiore della scatola è

00:04:47

indicato come 25° percentile,

00:04:49

la porzione centrale 50° percentile e

00:04:52

La parte superiore del 75° percentile della casella.

00:04:55

Quindi i link della scatola sono la differenza

00:04:57

tra il 75° e il 25° percentile e

00:05:00

si chiama IQR per intervallo interquartile,

00:05:03

tutto ciò che è al di fuori di questo.

00:05:05

Area da questa barra a quella barra

00:05:08

sarebbe rappresentato con punti,

00:05:10

E quelli sono chiamati boxplot anomali.

00:05:12

Quindi la linea centrale nella casella

00:05:14

Mostra la mediana dei dati.

00:05:15

La metà dei dati è al di sopra di questo

00:05:17

valore e la metà è sotto.

00:05:19

Se i dati sono simmetrici,

00:05:20

La mediana sarà al centro della scatola.

00:05:23

Se i dati sono distorti,

00:05:25

La mediana sarà più vicina al

00:05:28

in alto o in fondo alla scatola.

00:05:30

Il fondo e la parte superiore della scatola

00:05:33

Mostra il 25° e il 75° quantile.

00:05:35

O percentili.

00:05:36

Questi due quantili sono anche

00:05:39

chiamato quartili perché ogni taglio

00:05:42

su un quarto del 25% dei dati.

00:05:44

I link del box fanno la differenza

00:05:47

tra questi due percentili e

00:05:49

Si chiama Inter Quartile

00:05:51

gamma denominata IQR.

00:05:54

Le linee che si estendono dal

00:05:56

scatola sono chiamati baffi.

00:05:57

I baffi rappresentano l'atteso

00:05:59

variazione dei dati.

00:06:01

I baffi si estendono 1,5 volte

00:06:03

l'IQR dall'alto e dal basso.

00:06:06

La scatola. Se i dati non lo fanno

00:06:07

estendere fino alla fine dei baffi,

00:06:09

quindi i baffi si estendono al

00:06:12

valori minimi e massimi dei dati.

00:06:14

Se ci sono valori che tutti sopra

00:06:16

o sotto l'estremità dei baffi,

00:06:19

Sono tracciati come punti.

00:06:21

Questi punti sono spesso chiamati

00:06:23

valori anomali e valori anomali è più

00:06:25

estrema rispetto alla variazione prevista.

00:06:27

Questi punti dati sono degni

00:06:29

di revisione per determinare se

00:06:32

sono valori anomali o solo errori.

00:06:34

I baffi non includeranno questi valori anomali.

00:06:36

Ecco un caso in cui i dati

00:06:38

i valori non sono simmetrici,

00:06:40

Quindi questa trama della scatola viene visualizzata

00:06:42

dati continui.

00:06:43

I dati sui cereali nei grafici della scatola qui sotto

00:06:46

mostra i risultati della misurazione delle calorie

00:06:48

per porzione 76 tipi di cereali,

00:06:50

quindi da zero a 250.

00:06:52

Qui le calorie variabili sono continue,

00:06:56

Quindi le calorie sono rappresentate qui.

00:06:58

I tipi di cereali sono rappresentati

00:07:00

sull'asse X,

00:07:01

Quindi una trama a scatola ha senso per questo

00:07:04

tipo di dati. Questi dati sono distorti.

00:07:06

La mediana di 102 qui è

00:07:10

molto più vicino al 25 ° percentile.

00:07:13

Ricorda che la parte inferiore della scatola è il

00:07:15

25° percentile di 101 qui,

00:07:17

quindi al 75° percentile di

00:07:20

Il 275° percentile è il massimo di

00:07:22

la scatola vicino al 200.

00:07:23

Questo grafico è un confronto

00:07:25

tra boxplot e istogramma.

00:07:27

Quasi

00:07:27

I box plot e gli istogrammi mostrano il

00:07:29

forma dei tuoi dati.

00:07:30

Questo può essere usato per identificare

00:07:32

Punti insoliti o valori anomali.

00:07:34

Questa figura mostra con precisione.

00:07:35

Un grafico anomalo e un istogramma

00:07:38

per lo stesso set di dati.

00:07:40

In questo esempio,

00:07:41

l'istogramma è invece verticale

00:07:44

di orizzontale.

00:07:44

Potresti trovarlo utile da usare

00:07:47

Entrambi i tipi di grafici con il grafico Data Box

00:07:50

vedi asimmetria perché la linea

00:07:52

per la mediana non sarà vicino al

00:07:55

centro della casella se i dati sono distorti.

00:07:57

Boxplot aiuta a identificare il 25 ° e

00:08:01

75 ° percentili meglio dell'istogramma.

00:08:03

Tutto l'istogramma ti aiuta

00:08:05

Vedi la forma complessiva del tuo.

00:08:07

Dati migliori del box plot.

00:08:08

Box plot ha senso per continuo

00:08:11

dati poiché sono misurati su un

00:08:14

scala con molti valori possibili.

00:08:16

Alcuni esempi di dati continui sono l'età,

00:08:19

pressione sanguigna, peso, temperatura, velocità.

00:08:22

Per tutti questi esempi,

00:08:24

Una trama a scatola è appropriata

00:08:26

strumento grafico per esplorare il

00:08:29

Distribuzione dei dati.

00:00:02

このチュートリアルは理解に基づいています

00:00:05

一連の値の分布図

00:00:08

分布を要約するには

00:00:09

数値の、

00:00:11

ヒストグラムチャートを使用できますが、

00:00:13

またはボックスとウィスカー管理図、あるいはその両方。

00:00:15

ヒストグラムチャートから始めましょう。

00:00:17

それは何のために使われますか?

00:00:19

この人気のあるグラフ作成ツールは、

00:00:21

不連続データまたは連続データを要約する

00:00:23

間隔スケールで測定されます。

00:00:26

メジャーを説明するためによく使用されます

00:00:28

の分布の特徴

00:00:30

便利な形式のデータ、ヒストグラム

00:00:32

基本的に間隔の頻度を表示します

00:00:34

メトリック変数の値の。

00:00:37

このような間隔はビンと呼ばれます

00:00:39

そしてそれらはすべて同じ幅を持っています。

00:00:41

私たちの前のこの例では、4を使用しています

00:00:44

幅が5センチに。

00:00:47

Y軸には、

00:00:50

人とX軸には

00:00:52

各グループの高さの範囲。

00:00:55

基本的には、

00:00:57

各高さ範囲の人数。

00:00:59

ここで最高は最大のものを示しています

00:01:02

の間にいる人数

00:01:05

1メートル78から1メートル83の高さ。

00:01:08

2オーバー未満の最も小さなグループ

00:01:12

ここでは、間の最も背の高い人が表示されます

00:01:15

1メートル87から1メートル92大まかに。

00:01:19

したがって、それは最短から最高になります。

00:01:22

しかし、これを持っている最大のグループ

00:01:24

高さの範囲はここにあります。

00:01:26

だから違いは何ですか

00:01:28

棒グラフとヒストグラム?

00:01:30

前のチュートリアルでは、バーを見ました。

00:01:33

グラフは、

00:01:36

長方形の棒を使用したカテゴリデータ、

00:01:39

ここで、各バーの長さは

00:01:41

それらが表す値に比例します。

00:01:43

一方、ヒストグラムは

00:01:46

データのグラフィカル表現、

00:01:47

データが連続にグループ化されている場合

00:01:50

数値範囲と各範囲

00:01:53

垂直バーに対応します。

00:01:56

では、ヒストグラムの欠点は何ですか?

00:01:58

まぁ

00:01:59

デメリットのいくつかは、

00:02:01

正確な値を読み取ることはできません。

00:02:03

データはカテゴリにグループ化されているため、

00:02:06

また、より困難です

00:02:08

2つのデータセットを比較します。

00:02:10

そして、私たちはこれしか使うことができません

00:02:12

連続データを含むグラフ。

00:02:14

それでは、ボックスとウィスカーに移りましょう。

00:02:17

では、ボックスアンドウィスカーチャートとは何ですか?

00:02:19

の分布を示しています

00:02:21

連続変数のデータ。

00:02:22

これらのチャートはどのように使用されますか?

00:02:24

彼らはあなたが中心を見るのを助けます

00:02:26

そしてデータの広がり。

00:02:27

ビジュアルとして使用することもできます

00:02:29

正規性をチェックするツール、または

00:02:31

外れ値である可能性があるポイントを特定します。

00:02:34

ドットは外れ値になります。

00:02:36

ここに2つの箱があります、

00:02:37

青いものは男性の人口を表し、

00:02:40

オレンジ色のものは、

00:02:42

女性人口、

00:02:42

Y軸はまだ表示しています

00:02:44

高さと私はX軸を想像します

00:02:47

人数を示しています。

00:02:49

したがって、各ボックスには最大が表示されます

00:02:52

間にある人々のグループ

00:02:54

高さの範囲と。

00:02:57

したがって、ボックス内には中央線があり、

00:02:59

平均ではなく、

00:03:00

それはただいくつであるかを言います

00:03:02

その間にある最大のグループ。

00:03:04

1メートルは78から1メートルであると言うでしょう

00:03:09

79 そして最小の部分

00:03:12

1メートル80に近いこのグループの。

00:03:17

私たちはひげを持っています、

00:03:18

上のひげと下のひげ。

00:03:21

だから基本的にそれは

00:03:23

最小点と最大点。

00:03:25

標準から外れたものはすべて

00:03:27

ドットである外れ値で表されます。

00:03:30

このタイプのビジュアルは

00:03:32

非常に一般的なのは箱ひげ図です。

00:03:34

箱ひげ図と同じです。

00:03:36

はい、箱ひげ図は呼ばれることもあります

00:03:39

外れ値ボックスプロットまたは分位点ボックスプロット。

00:03:42

それぞれがのバリエーションです

00:03:43

箱ひげ図の描画方法。

00:03:45

それで、考えるべきいくつかの問題は何ですか

00:03:47

箱ひげ図を使用する場合について?

00:03:48

データの極値を確認します。

00:03:50

データセットが非常に小さい場合は注意してください。

00:03:53

カテゴリ変数または名義変数がある場合、

00:03:57

代わりに棒グラフを使用してください。

00:03:58

それでは、何であるかを見てみましょう

00:04:00

箱ひげ図の基本部分。

00:04:02

ここに、パーセンタイルの箱ひげ図があります。

00:04:04

テーブル。このグラフでは、

00:04:05

中央値はボックスの中央近くにあります。

00:04:08

これは、データが

00:04:10

値はほぼ対称です。

00:04:11

真ん中に緑色の領域ボックスがあります。

00:04:15

中央線はほぼ中央です。

00:04:17

しかし、あなたはすべてが

00:04:19

四半期に分割されています。

00:04:20

だから私たちは最小限のものを持っています、

00:04:22

これはより低いウィスカーによって表されます、

00:04:24

そして、私たちは最大値を持っています

00:04:26

上部ウィスカーで表されます。

00:04:28

今、ボックスの内側が焦点になります

00:04:30

最大の人々のグループに。

00:04:33

例えば

00:04:33

中央値の線は平均を示していません。

00:04:35

基本的にここからここまで表示されます

00:04:37

そのグループの人数

00:04:39

そのような範囲とそのような範囲の間にあること、

00:04:42

そしてここで人の数

00:04:44

それはそのような範囲とそのような範囲の間でしょう。

00:04:46

箱の底は

00:04:47

25パーセンタイルと呼ばれる、

00:04:49

中間部の50パーセンタイルと

00:04:52

ボックスの上部は75パーセンタイルです。

00:04:55

だからボックスのリンクは違いです

00:04:57

75パーセンタイルと25パーセンタイルの間

00:05:00

それは四分位範囲のIQRと呼ばれます、

00:05:03

その外にあるものなら何でも。

00:05:05

このバーからそのバーまでのエリア

00:05:08

ドットで表され、

00:05:10

そしてそれらは外れ値箱ひげ図と呼ばれます。

00:05:12

したがって、ボックスの中心線

00:05:14

データの中央値を示します。

00:05:15

データの半分はこれより上にあります

00:05:17

値と半分は以下です。

00:05:19

データが対称の場合、

00:05:20

中央値はボックスの中央になります。

00:05:23

データが歪んでいる場合は、

00:05:25

中央値は

00:05:28

そのボックスの上部または下部。

00:05:30

箱の底と上

00:05:33

25番目と75番目の分位数を表示します。

00:05:35

またはパーセンタイル。

00:05:36

これらの2つの分位数も

00:05:39

各カットが四分位数と呼ばれる

00:05:42

データの4分の25%オフ。

00:05:44

ボックスのリンクは違いです

00:05:47

これらの2つのパーセンタイルと

00:05:49

それは四分位数間と呼ばれます

00:05:51

範囲を IQR と呼びます。

00:05:54

から伸びる線

00:05:56

箱はひげと呼ばれます。

00:05:57

ひげは期待されるものを表します

00:05:59

データのバリエーション。

00:06:01

ひげは1.5倍に伸びます

00:06:03

上下からのIQR。

00:06:06

ボックス。データがそうでない場合

00:06:07

ひげの端まで伸びる

00:06:09

その後、ひげは

00:06:12

最小および最大のデータ値。

00:06:14

上記のすべての値がある場合

00:06:16

またはひげの端より下

00:06:19

それらはドットとしてプロットされます。

00:06:21

これらのポイントはしばしば呼ばれます

00:06:23

外れ値と外れ値はもっと

00:06:25

予想される変動よりも極端です。

00:06:27

これらのデータポイントは価値があります

00:06:29

彼らがかどうかを判断するためのレビューの

00:06:32

外れ値または単なるエラーです。

00:06:34

ひげにはこれらの外れ値は含まれません。

00:06:36

ここでは、データが

00:06:38

値は対称的ではなく、

00:06:40

したがって、この箱ひげ図は表示されています

00:06:42

連続データ。

00:06:43

箱の中の穀物データは下にプロットされています

00:06:46

カロリー測定の結果を表示します

00:06:48

一食当たり76種類のシリアル

00:06:50

したがって、ゼロから250まで。

00:06:52

ここでは、可変カロリーは連続的です、

00:06:56

したがって、カロリーはここに表されます。

00:06:58

穀物の種類が表されます

00:07:00

X軸上、

00:07:01

したがって、ボックスプロットはこれに意味があります

00:07:04

データのタイプ。このデータは歪んでいます。

00:07:06

ここの102の中央値は

00:07:10

25パーセンタイルにはるかに近い。

00:07:13

箱の底は

00:07:15

101の25パーセンタイル、

00:07:17

その後、の75パーセンタイルに

00:07:20

275パーセンタイルはのトップです

00:07:22

200に近いボックス。

00:07:23

このグラフは比較です

00:07:25

箱ひげ図とヒストグラムの間。

00:07:27

殆ど

00:07:27

箱ひげ図とヒストグラムは、

00:07:29

データの形状。

00:07:30

これは、識別するために使用できます

00:07:32

異常な点または外れ値。

00:07:34

この図は正確に示しています。

00:07:35

外れ値ボックスプロットとヒストグラム

00:07:38

同じデータセットに対して。

00:07:40

この例では、

00:07:41

代わりにヒストグラムは垂直です

00:07:44

水平の。

00:07:44

使用すると役立つ場合があります

00:07:47

データボックスプロットを使用した両方のタイプのグラフ

00:07:50

そして

00:07:50

歪度が見えるのは、線が

00:07:52

中央値は近くにないからです

00:07:55

データが歪んでいる場合はボックスの中央。

00:07:57

箱ひげ図は、25番目と

00:08:01

ヒストグラムよりも75パーセンタイル優れています。

00:08:03

すべてのヒストグラムが役立ちます

00:08:05

あなたの全体的な形を見てください。

00:08:07

箱ひげ図よりも優れたデータ。

00:08:08

箱ひげ図は連続的に意味があります

00:08:11

それらはで測定されるためのデータ

00:08:14

多くの可能な値でスケーリングします。

00:08:16

連続データのいくつかの例は年齢です、

00:08:19

血圧、体重、体温、速度。

00:08:22

これらすべての例について、

00:08:24

箱ひげ図は適切です

00:08:26

探索するためのグラフィカルツール

00:08:29

データの配布。

00:00:02

이 튜토리얼은 이해를 기반으로합니다

00:00:05

일련의 값에 대한 분포 차트

00:00:08

분포를 요약하려면

00:00:09

숫자 값의,

00:00:11

히스토그램 차트를 사용할 수 있습니다.

00:00:13

또는 상자 및 수염 차트 또는 둘 다.

00:00:15

히스토그램 차트부터 시작하겠습니다.

00:00:17

그것은 무엇을 위해 사용됩니까?

00:00:19

이 인기있는 그래프 도구는

00:00:21

불연속 또는 연속형 데이터 요약

00:00:23

간격 척도로 측정됩니다.

00:00:26

전공을 설명하는 데 자주 사용됩니다.

00:00:28

배포의 특징

00:00:30

편리한 형태의 데이터, 히스토그램

00:00:32

기본적으로 간격에 대한 빈도를 표시합니다.

00:00:34

메트릭 변수의 값입니다.

00:00:37

이러한 간격을 빈이라고 합니다.

00:00:39

그리고 그들은 모두 같은 너비를 가지고 있습니다.

00:00:41

이 예에서는 4

00:00:44

너비가 5 센티미터 인 것처럼.

00:00:47

Y 축에는

00:00:50

사람과 X 축에는

00:00:52

각 그룹의 높이 범위.

00:00:55

기본적으로 표시하거나 표시합니다.

00:00:57

각 높이 범위의 사람 수입니다.

00:00:59

여기서 가장 높은 것이 가장 큰 것을 보여줍니다.

00:01:02

사이에 있는 사람의 수

00:01:05

1 미터 78에서 1 미터 83의 높이.

00:01:08

2 명 미만의 가장 작은 그룹

00:01:12

여기에 가장 키가 큰 사람들이 표시됩니다.

00:01:15

1 미터 87에서 1 미터 92 대략.

00:01:19

그래서 가장 짧은 것에서 가장 높은 것으로 이동합니다.

00:01:22

그러나 이것을 가진 가장 큰 그룹

00:01:24

높이 범위는 여기에 있습니다.

00:01:26

그래서 차이점은 무엇입니까

00:01:28

막대 그래프와 히스토그램?

00:01:30

우리의 이전 튜토리얼에서 우리는 그 막대를 보았다.

00:01:33

그래프는 의 그래픽 표현입니다.

00:01:36

직사각형 막대를 사용하는 범주형 데이터,

00:01:39

여기서 각 막대의 길이는

00:01:41

그들이 나타내는 가치에 비례합니다.

00:01:43

반면에 히스토그램은

00:01:46

데이터의 그래픽 표현,

00:01:47

데이터가 연속으로 그룹화되는 위치

00:01:50

숫자 범위 및 각 범위

00:01:53

세로 막대에 해당합니다.

00:01:56

그렇다면 히스토그램의 단점은 무엇입니까?

00:01:58

잘

00:01:59

단점 중 일부는

00:02:01

정확한 값을 읽을 수 없습니다.

00:02:03

데이터는 범주로 그룹화되어 있기 때문에

00:02:06

또한 더 어렵습니다.

00:02:08

2개의 데이터 세트를 비교합니다.

00:02:10

그리고 우리는 이것만 사용할 수 있습니다

00:02:12

연속 데이터가 있는 차트입니다.

00:02:14

이제 상자와 수염으로 넘어 갑시다.

00:02:17

그렇다면 상자와 수염 차트는 무엇입니까?

00:02:19

의 분포를 보여줍니다.

00:02:21

계량형 변수에 대한 데이터입니다.

00:02:22

이 차트는 어떻게 사용됩니까?

00:02:24

그들은 당신이 중심을 볼 수 있도록 도와줍니다

00:02:26

그리고 데이터의 확산.

00:02:27

시각적 개체로 사용할 수도 있습니다.

00:02:29

정규성을 확인하는 도구 또는

00:02:31

특이치일 수 있는 점을 식별합니다.

00:02:34

점은 이상치입니다.

00:02:36

여기에 두 개의 상자가 있습니다.

00:02:37

파란색은 남성 인구를 나타냅니다.

00:02:40

주황색은

00:02:42

여성 인구,

00:02:42

Y 축은 여전히

00:02:44

높이와 X 축을 상상합니다.

00:02:47

사람들의 수를 보여줍니다.

00:02:49

따라서 각 상자는 가장 큰

00:02:52

사이에 있는 사람들의 그룹

00:02:54

높이의 범위와.

00:02:57

상자 안에는 중간 선이 있습니다.

00:02:59

평균이 아니라

00:03:00

그것은 단지 몇 개인지 말합니다.

00:03:02

그 사이에 있는 가장 큰 그룹입니다.

00:03:04

1 미터는 78에서 1 미터라고 말할 것입니다.

00:03:09

79 그리고 가장 작은 부분

00:03:12

이 그룹의 1 미터 80에 가깝습니다.

00:03:17

우리는 수염을 가지고 있습니다.

00:03:18

상부 수염과 하부 수염.

00:03:21

그래서 기본적으로 그것은

00:03:23

최소 지점과 최대 지점.

00:03:25

규범에서 벗어난 것은

00:03:27

점인 이상값으로 표시됩니다.

00:03:30

이러한 유형의 시각적 개체는

00:03:32

매우 일반적인 것은 상자 그림입니다.

00:03:34

상자 및 수염 플롯과 동일합니다.

00:03:36

예, 상자 그림이라고도 할 수 있습니다.

00:03:39

특이치 상자 그림 또는 분위수 상자 그림.

00:03:42

각각은 변형입니다.

00:03:43

상자 플롯이 그려지는 방법.

00:03:45

그래서 생각해야 할 몇 가지 문제는 무엇입니까?

00:03:47

상자 그림을 사용할 때?

00:03:48

데이터에 극단값이 있는지 확인합니다.

00:03:50

데이터 집합이 매우 작은 경우 주의해야 합니다.

00:03:53

범주형 또는 명목 변수가 있는 경우,

00:03:57

대신 막대 차트를 사용하십시오.

00:03:58

이제 무엇인지 봅시다

00:04:00

상자 그림의 기본 부분.

00:04:02

여기에 백분위수가 있는 상자 그림이 있습니다.

00:04:04

테이블. 이 그래프에서,

00:04:05

중앙값은 상자의 중간 근처에 있습니다.

00:04:08

이는 데이터가

00:04:10

값은 대략 대칭입니다.

00:04:11

그래서 우리는 중간에 녹색 영역 상자를 가지고 있습니다.

00:04:15

중앙선은 대략 중간입니다.

00:04:17

하지만 모든 것이

00:04:19

분기로 나뉩니다.

00:04:20

그래서 우리는 최소한의 것을 가지고 있습니다.

00:04:22

더 낮은 수염으로 표현되는

00:04:24

그리고 우리는 최대값을 가지고 있습니다.

00:04:26

위쪽 수염으로 표시됩니다.

00:04:28

이제 상자 안에 초점이 맞춰질 것입니다.

00:04:30

가장 큰 그룹의 사람들에게.

00:04:33

예컨대

00:04:33

중앙값 선에는 평균이 표시되지 않습니다.

00:04:35

기본적으로 여기에서 여기로 표시됩니다.

00:04:37

해당 그룹의 사용자 수

00:04:39

그러한 범위와 그러한 범위 사이에있는

00:04:42

그리고 여기 사람들의 수

00:04:44

그것은 그러한 범위와 그러한 범위 사이에있을 것입니다.

00:04:46

상자의 바닥은

00:04:47

25번째 백분위수라고 하며,

00:04:49

중간 부분은 50번째 백분위수 및

00:04:52

상자의 상단 부분 75번째 백분위수.

00:04:55

그래서 상자의 링크가 차이입니다

00:04:57

75번째 백분위수와 25번째 백분위수 사이 및

00:05:00

사분위수 범위에 대한 IQR이라고합니다.

00:05:03

그 밖에있는 모든 것.

00:05:05

이 바에서 저 바까지의 영역

00:05:08

점으로 표시됩니다.

00:05:10

그리고 그것들을 특이치 상자 그림이라고 합니다.

00:05:12

그래서 상자의 중심선

00:05:14

데이터의 중앙값을 표시합니다.

00:05:15

데이터의 절반이 이 위에 있습니다.

00:05:17

값과 절반은 아래에 있습니다.

00:05:19

데이터가 대칭이면

00:05:20

중앙값은 상자 중앙에 있습니다.

00:05:23

데이터가 치우친 경우,

00:05:25

중앙값은

00:05:28

해당 상자의 상단 또는 하단.

00:05:30

상자의 하단 및 상단

00:05:33

25번째 및 75번째 분위수를 표시합니다.

00:05:35

또는 백분위 수.

00:05:36

이 두 분위수는 또한

00:05:39

사분위수라고 불리는 이유는 각각이 절단되기 때문입니다.

00:05:42

데이터의 25 %를 벗어났습니다.

00:05:44

상자의 링크가 차이입니다

00:05:47

이 두 백분위수 사이와

00:05:49

사분위수라고 합니다.

00:05:51

IQR이라고하는 범위.

00:05:54

에서 연장되는 선

00:05:56

상자는 수염이라고합니다.

00:05:57

수염은 예상되는 것을 나타냅니다.

00:05:59

데이터의 변형.

00:06:01

수염은 1.5 배 연장됩니다.

00:06:03

위와 아래에서 IQR.

00:06:06

상자. 데이터가 그렇지 않은 경우

00:06:07

수염의 끝까지 확장하고,

00:06:09

그런 다음 수염이

00:06:12

최소 및 최대 데이터 값.

00:06:14

위의 모든 값이있는 경우

00:06:16

또는 수염 끝 아래,

00:06:19

점으로 표시됩니다.

00:06:21

이 점들은 종종

00:06:23

이상치와 이상값이 더 많습니다.

00:06:25

예상되는 변동보다 극단적입니다.

00:06:27

이 데이터 포인트는 가치가 있습니다.

00:06:29

그들이 여부를 결정하기 위해 검토의

00:06:32

이상치 또는 오류입니다.

00:06:34

수염에는 이러한 이상값이 포함되지 않습니다.

00:06:36

다음은 데이터가

00:06:38

값은 대칭이 아닙니다.

00:06:40

따라서이 상자 플롯은

00:06:42

연속 데이터.

00:06:43

상자의 시리얼 데이터는 아래 플롯입니다.

00:06:46

칼로리 측정 결과를 보여줍니다.

00:06:48

서빙 당 76 종류의 시리얼,

00:06:50

그래서 0에서 250까지.

00:06:52

여기서 가변 칼로리는 연속적입니다.

00:06:56

그래서 칼로리가 여기에 표시됩니다.

00:06:58

시리얼의 종류가 표시됩니다.

00:07:00

X 축에서,

00:07:01

그래서 상자 플롯이 이것에 의미가 있습니다.

00:07:04

데이터 유형. 이 데이터는 왜곡되어 있습니다.

00:07:06

여기서 102의 중앙값은

00:07:10

25번째 백분위수에 훨씬 더 가깝습니다.

00:07:13

상자의 바닥이

00:07:15

여기 101의 25번째 백분위수,

00:07:17

그런 다음 75번째 백분위수로

00:07:20

275번째 백분위수는

00:07:22

상자는 200에 가깝습니다.

00:07:23

이 그래프는 비교입니다.

00:07:25

상자 그림과 히스토그램 사이.

00:07:27

거의

00:07:27

상자 그림과 히스토그램은

00:07:29

데이터의 셰이프.

00:07:30

이를 식별하는 데 사용할 수 있습니다.

00:07:32

비정상적인 점 또는 이상값.

00:07:34

이 그림은 정확하게 보여줍니다.

00:07:35

특이치 상자 그림과 히스토그램

00:07:38

동일한 데이터 집합에 대해.

00:07:40

이 예에서

00:07:41

히스토그램은 대신 수직입니다.

00:07:44

수평의.

00:07:44

사용하는 것이 도움이 될 수 있습니다.

00:07:47

데이터 상자 그림이 있는 두 가지 유형의 그래프

00:07:50

그리고

00:07:50

선이 왜곡되어 있기 때문에 왜곡이 보입니다.

00:07:52

중앙값은 근처에 있지 않기 때문입니다.

00:07:55

데이터가 치우친 경우 상자의 가운데에 있습니다.

00:07:57

상자 그림은 25번째와

00:08:01

히스토그램보다 75번째 백분위수가 더 좋습니다.

00:08:03

모든 히스토그램이 도움이됩니다.

00:08:05

우르의 전체적인 모양을 볼 수 있습니다.

00:08:07

상자 그림보다 데이터가 더 좋습니다.

00:08:08

상자 그림은 연속에 적합합니다.

00:08:11

데이터

00:08:14

가능한 많은 값으로 스케일링합니다.

00:08:16

연속 데이터의 몇 가지 예는 나이,

00:08:19

혈압, 체중, 온도, 속도.

00:08:22

이러한 모든 예에 대해,

00:08:24

상자 그림이 적절합니다.

00:08:26

그래픽 도구를 탐색하는

00:08:29

데이터 배포.

00:00:02

本教程基於理解

00:00:05

一系列值的分布圖

00:00:08

匯總分佈

00:00:09

的數值，

00:00:11

您可以使用直方圖，

00:00:13

或箱須圖，或兩者兼而有之。

00:00:15

讓我們從直方圖開始。

00:00:17

它的用途是什麼？

00:00:19

這個流行的圖形工具用於

00:00:21

匯總離散或連續數據

00:00:23

以間隔刻度測量。

00:00:26

它通常用於說明專業

00:00:28

分佈特點

00:00:30

數據以方便的形式，直方圖

00:00:32

基本上顯示間隔的頻率

00:00:34

指標變數的值。

00:00:37

這樣的間隔稱為箱

00:00:39

它們都具有相同的寬度。

00:00:41

在我們面前的這個例子中，它使用 4

00:00:44

到5釐米，因為它的寬度。

00:00:47

在Y軸上，我們有

00:00:50

人和在X軸上我們有

00:00:52

每組的高度範圍。

00:00:55

基本上它顯示或標記

00:00:57

每個身高範圍內的人數。

00:00:59

這裡最高的顯示最大的

00:01:02

人數在

00:01:05

身高1米78至1米83。

00:01:08

最小的一組少於兩個

00:01:12

這裏顯示最高的人之間

00:01:15

大約1米87到1米92。

00:01:19

所以它從最短到最高。

00:01:22

但是擁有這個的最大群體

00:01:24

高度範圍位於此處。

00:01:26

那麼兩者之間有什麼區別

00:01:28

條形圖和直方圖？

00:01:30

在我們之前的教程中，我們看到了一個條形圖。

00:01:33

圖形是圖形表示

00:01:36

使用矩形條的分類數據，

00:01:39

其中每根柱線的長度為

00:01:41

與它們所代表的值成正比。

00:01:43

另一方面，直方圖是

00:01:46

數據的圖形表示，

00:01:47

其中數據分組為連續數據

00:01:50

數位範圍和每個範圍

00:01:53

對應於豎線。

00:01:56

那麼直方圖的缺點是什麼？

00:01:58

井

00:01:59

一些缺點是

00:02:01

我們無法讀取確切的值。

00:02:03

由於數據按類別分組，

00:02:06

也更難

00:02:08

比較 2 個數據集。

00:02:10

我們只能使用這個

00:02:12

包含連續數據的圖表。

00:02:14

所以現在讓我們繼續討論盒子和晶須。

00:02:17

那麼什麼是箱須圖呢？

00:02:19

它顯示了

00:02:21

連續變數的數據。

00:02:22

如何使用這些圖表？

00:02:24

他們説明你看到中心

00:02:26

以及數據的傳播。

00:02:27

還可以將它們用作視覺物件

00:02:29

用於檢查正態性或

00:02:31

確定可能是異常值的點。

00:02:34

這些點將是異常值。

00:02:36

這裡有兩個盒子，

00:02:37

藍色代表男性人口，

00:02:40

橙色的表示

00:02:42

女性人口，

00:02:42

Y 軸仍顯示

00:02:44

高度和我想像的X軸

00:02:47

顯示人數。

00:02:49

所以每個框顯示最大的

00:02:52

介於兩者之間的人群

00:02:54

高度範圍和。

00:02:57

所以在盒子裡面你有一條中線，

00:02:59

不是平均水準，

00:03:00

它只是說有多少是

00:03:02

介於兩者之間的最大組。

00:03:04

會說 1 米是 78 到 1 米

00:03:09

79 然後是最小的部分

00:03:12

這組接近 1 米 80。

00:03:17

我們有鬍鬚，

00:03:18

上須和下須。

00:03:21

所以基本上這將是

00:03:23

最小點和最大點。

00:03:25

任何不正常的東西都是

00:03:27

由點的異常值表示。

00:03:30

這種類型的視覺物件不是

00:03:32

很常見的是箱形圖。

00:03:34

與盒須圖相同。

00:03:36

是的，箱線圖也可以稱為

00:03:39

異常值箱形圖或分位數箱形圖。

00:03:42

每個都是

00:03:43

箱形圖的繪製方式。

00:03:45

那麼有哪些問題要思考

00:03:47

關於何時使用箱線圖？

00:03:48

檢查數據的極值。

00:03:50

如果你有一個非常小的數據集，要小心。

00:03:53

如果您有分類變數或名義變數，

00:03:57

請改用條形圖。

00:03:58

現在讓我們看看什麼是

00:04:00

箱線圖的基本部分。

00:04:02

這裏我們有一個帶有百分位數的箱形圖。

00:04:04

表。在此圖中，

00:04:05

中位數靠近盒子的中間，

00:04:08

這告訴我們數據

00:04:10

值大致對稱。

00:04:11

所以我們在中間有綠色區域框，

00:04:15

中間線大致在中間。

00:04:17

但你看一切都是

00:04:19

分為四分。

00:04:20

所以我們有最小的，

00:04:22

由較低的鬍鬚表示，

00:04:24

然後我們有最大值

00:04:26

由上鬍鬚表示。

00:04:28

現在盒子裡面將是焦點

00:04:30

在最大的人群中。

00:04:33

例如

00:04:33

中線不顯示平均值。

00:04:35

它基本上顯示從這裡到這裡

00:04:37

該組中的人數

00:04:39

在這樣和那樣的範圍之間，

00:04:42

然後是這裡的人數

00:04:44

那將介於某某範圍之間。

00:04:46

盒子底部是

00:04:47

稱為第25個百分位數，

00:04:49

中間部分第50個百分位數和

00:04:52

框的頂部第75個百分位數。

00:04:55

所以盒子的連結是區別

00:04:57

在第 75 個和第 25 個百分位數之間，以及

00:05:00

它被稱為四分位距的 IQR，

00:05:03

任何超出它的東西。

00:05:05

從這個酒吧到那個酒吧的區域

00:05:08

將用點表示，

00:05:10

這些被稱為異常箱線圖。

00:05:12

所以盒子里的中心線

00:05:14

顯示數據的中位數。

00:05:15

一半的數據高於此值

00:05:17

值和一半低於。

00:05:19

如果數據是對稱的，

00:05:20

中位數將位於框的中心。

00:05:23

如果數據偏斜，

00:05:25

中位數將更接近

00:05:28

該框的頂部或底部。

00:05:30

盒子的底部和頂部

00:05:33

顯示第25個和第75個分位數。

00:05:35

或百分位數。

00:05:36

這兩個分位數也是

00:05:39

稱為四分位數，因為每個切割

00:05:42

關閉四分之一 25% 的數據。

00:05:44

盒子的連結是區別

00:05:47

在這兩個百分位數和

00:05:49

它被稱為四分位數間

00:05:51

範圍稱為 IQR。

00:05:54

從

00:05:56

盒子被稱為鬍鬚。

00:05:57

晶須代表預期

00:05:59

數據的變體。

00:06:01

晶須延伸1.5倍

00:06:03

頂部和底部的 IQR。

00:06:06

盒子。如果數據沒有

00:06:07

延伸到鬍鬚的末端，

00:06:09

然後鬍鬚延伸到

00:06:12

最小和最大數據值。

00:06:14

如果有以上所有值

00:06:16

或鬍鬚末端以下，

00:06:19

它們被繪製為點。

00:06:21

這些點通常被稱為

00:06:23

異常值和異常值更多

00:06:25

極端高於預期的變化。

00:06:27

這些數據點是值得的

00:06:29

的審查以確定他們是否

00:06:32

是異常值或只是錯誤。

00:06:34

晶須將不包括這些異常值。

00:06:36

這是數據的情況

00:06:38

值不對稱，

00:06:40

所以這個箱線圖正在顯示

00:06:42

連續數據。

00:06:43

箱形圖中的穀物數據如下所示

00:06:46

顯示測量卡路里的結果

00:06:48

每份76種穀物，

00:06:50

所以從零到 250。

00:06:52

這裡的可變卡路里是連續的，

00:06:56

所以卡路里在這裡表示。

00:06:58

代表穀物的種類

00:07:00

在 X 軸上，

00:07:01

所以箱形圖對此是有意義的

00:07:04

數據類型。此數據是傾斜的。

00:07:06

這裡的102的中位數是

00:07:10

更接近第25個百分位數。

00:07:13

請記住，框的底部是

00:07:15

這裡 101 的第 25 個百分位數，

00:07:17

然後到 75 個百分位數

00:07:20

第 275 個百分位數是

00:07:22

盒子接近200。

00:07:23

此圖是一個比較

00:07:25

在箱線圖和直方圖之間。

00:07:27

幾乎

00:07:27

箱形圖和直方圖顯示

00:07:29

數據的形狀。

00:07:30

這可用於識別

00:07:32

不尋常的點或異常值。

00:07:34

這個數位精確地顯示了。

00:07:35

異常值箱形圖和直方圖

00:07:38

對於同一組數據。

00:07:40

在此示例中，

00:07:41

直方圖改為垂直

00:07:44

的水準。

00:07:44

您可能會發現它使用起來很有説明

00:07:47

兩種類型的圖形與數據框圖

00:07:50

和

00:07:50

你看到偏斜，因為線

00:07:52

因為中位數不會接近

00:07:55

如果數據偏斜，則框的中心。

00:07:57

箱線圖有助於識別第 25 個和

00:08:01

第 75 個百分位數比直方圖好。

00:08:03

所有直方圖都可以説明您

00:08:05

查看您的整體形狀。

00:08:07

數據優於箱形圖。

00:08:08

箱線圖對於連續有意義

00:08:11

數據，因為它們是在

00:08:14

使用許多可能的值進行縮放。

00:08:16

連續數據的一些示例是年齡，

00:08:19

血壓，體重，溫度，速度。

00:08:22

對於所有這些範例，

00:08:24

箱線圖是合適的

00:08:26

用於探索的圖形工具

00:08:29

數據的分發。

00:00:02

本教程基于理解

00:00:05

一系列值的分布图。

00:00:08

汇总数字的分布

00:00:11

值，您可以使用直方图

00:00:13

或盒子和晶须图，或两者兼而有之。

00:00:15

让我们从直方图开始。

00:00:17

它的用途是什么？

00:00:19

这个流行的绘图工具用于

00:00:21

汇总离散或连续数据

00:00:23

在间隔刻度上测量。

00:00:26

它通常用于说明主要

00:00:28

分布特点

00:00:30

数据在方便的直方图。

00:00:32

基本上显示间隔的频率

00:00:34

指标变量的值。

00:00:36

此类间隔称为条柱

00:00:39

他们都有同样的智慧。

00:00:41

在这个例子中，在我们之前，它使用4到5

00:00:44

厘米，因为它是Y轴上的宽度。

00:00:48

我们有人数，

00:00:50

在X轴上，我们有范围

00:00:53

每组的高度。

00:00:55

基本上它显示或标记数字

00:00:57

每个身高范围内年份的人数。

00:00:59

最高显示

00:01:01

人数最多。

00:01:03

有1米之间的高度

00:01:06

78比1米83最小的一组，

00:01:10

不到两个在这里显示最高

00:01:15

1米87至1米之间的人，

00:01:18

大致为92。

00:01:19

所以它从最短到最高，

00:01:21

但最大的团体有这个

00:01:24

高度范围位于此处。

00:01:26

那么条形图有什么区别呢？

00:01:29

和我们之前的教程中的直方图，

00:01:31

我们看到条形图是

00:01:34

的图形表示。

00:01:35

使用矩形的分类数据

00:01:37

条形图，其中每个条形的长度为

00:01:41

与它们所代表的值成正比。

00:01:43

直方图，

00:01:44

另一方面

00:01:45

是图形表示

00:01:47

对数据进行分组的数据数量

00:01:49

进入连续数字范围，

00:01:52

并且每个范围对应于一个竖线。

00:01:56

那么直方图的缺点是什么呢？

00:01:58

虽然有些缺点是

00:02:01

我们无法读取精确的值，因为

00:02:03

数据按类别分组。

00:02:06

比较起来也比较比较难

00:02:08

2个数据集，我们只能使用

00:02:11

此图表包含连续数据。

00:02:14

所以现在让我们进入盒子和胡须。

00:02:17

那么什么是箱须图呢？

00:02:19

它显示了

00:02:21

连续变量的数据。

00:02:22

如何使用这些图表？

00:02:24

他们帮你看中心

00:02:26

和数据的传播。

00:02:27

您还可以将它们用作视觉对象

00:02:29

用于检查正常性或用于检查正常性的工具

00:02:31

识别可能是异常值的点。

00:02:33

这些点将是异常值。

00:02:36

这里有两个盒子，

00:02:37

蓝色代表主要人口，

00:02:40

橙色表示

00:02:41

妇女人口。

00:02:42

Y 轴仍显示高度，

00:02:45

我想象X轴

00:02:47

显示了一些人。

00:02:49

所以每个盒子都显示最大的

00:02:51

一群人之间有

00:02:54

高度范围和内部

00:02:56

框中你有一个中位数线，

00:02:59

不是平均水平。

00:03:00

它只是说有多少是最大的群体

00:03:04

也就是说，1米就是70米。

00:03:08

821米，

00:03:09

79，然后是这个最小的部分

00:03:13

接近 1 米的组。

00:03:16

80我们有胡须，

00:03:19

上胡须和下胡须。

00:03:21

所以基本上会有

00:03:23

最小点和最大点。

00:03:25

任何超出常态的东西

00:03:27

由异常值表示，

00:03:29

这是点。

00:03:30

这种类型的视觉对象并不常见。

00:03:33

箱形图是否与

00:03:35

盒子和胡须情节？是的。

00:03:37

箱形图也可以称为异常值

00:03:39

箱形图或分位数箱线图。

00:03:42

每个都是如何变化

00:03:43

绘制箱形图。

00:03:45

那么有哪些问题需要考虑

00:03:47

关于使用箱线图时？

00:03:48

检查数据中的极值。

00:03:50

如果您的数据集非常小，请小心。

00:03:53

如果您有分类变量或名义变量，

00:03:57

请改用条形图。

00:03:58

现在让我们看看什么是

00:04:00

箱线图的基本部分。

00:04:02

在这里我们有一个箱形图

00:04:04

带有百分位数标签。

00:04:05

在此图中，

00:04:06

中位数接近中间。

00:04:07

的盒子，它告诉我们

00:04:09

数据值大致对称，

00:04:11

所以我们中间有绿色区域框。

00:04:15

中线大致在中间，

00:04:17

但你看，

00:04:18

一切都被分成几个季度，

00:04:20

所以我们有最小的，这是

00:04:22

由下胡须和

00:04:24

然后我们有最大值，即

00:04:26

由上胡须表示。

00:04:28

现在在盒子里面将是专注

00:04:30

在最大的人群中。

00:04:32

例如

00:04:33

中位数线不显示平均值。

00:04:35

它基本上从这里到这里显示。

00:04:38

该组中的人数

00:04:40

介于这样和那样的范围内，并且

00:04:42

然后这里有多少人

00:04:44

这将是在这样和那样的范围之间。

00:04:46

盒子的底部是

00:04:47

称为第 25 百分位。

00:04:49

中间部分，

00:04:50

第 50 百分位和顶部

00:04:52

框的第 75 百分位的一部分。

00:04:55

所以盒子的链接是

00:04:57

第75和之间的差异

00:04:59

第25百分位，它被称为

00:05:01

四分位数范围的 IQR。

00:05:03

任何超出

00:05:05

从这个酒吧到那个酒吧的区域。

00:05:08

用点和那些表示

00:05:10

被称为异常值箱线图，

00:05:12

因此，框中的中心线显示

00:05:14

数据一半数据的中位数

00:05:16

高于此值，一半低于此值。

00:05:19

如果数据是对称的，

00:05:20

中位数将位于框的中心。

00:05:23

如果数据偏斜，

00:05:25

中位数将更接近

00:05:27

该框的顶部或底部。

00:05:30

盒子的底部和顶部显示一个

00:05:33

第 25 和第 75 个分位数或百分位数。

00:05:36

这两个分位数。

00:05:38

也被称为四分位数，

00:05:40

因为每个都切断了四分之一

00:05:43

盒子的25%的数据链接

00:05:45

是这些之间的区别

00:05:47

两个百分位数，称为

00:05:51

四分位距范围称为 IQR。

00:05:54

从拳击手延伸的线条，

00:05:56

称为胡须胡须代表

00:05:58

数据的预期变化。

00:06:00

晶须延伸1.5倍

00:06:02

从顶部和底部开始的 IQR

00:06:05

的框中，如果数据没有

00:06:07

扩展。到胡须的尽头，

00:06:09

然后胡须延伸到

00:06:12

最小和最大数据值。

00:06:14

如果有以上所有值

00:06:16

或胡须的D端以下，

00:06:18

它们被绘制为点。

00:06:21

这些点通常称为异常值。

00:06:24

异常值更极端

00:06:26

比他们预期的变化。

00:06:27

这些数据点是值得的

00:06:29

的审查以确定他们是否

00:06:32

是异常值或只是错误。

00:06:33

晶须不包括这些异常值。

00:06:36

下面是数据的情况。

00:06:38

值不对称，因此

00:06:40

箱形图显示连续数据。

00:06:43

下面箱形图中的串行数据显示

00:06:46

测量每份卡路里的结果。

00:06:49

76种谷物。

00:06:51

所以从0到250。

00:06:53

这里的可变卡路里是连续的，

00:06:56

所以卡路里在这里表示。

00:06:58

谷物的种类是