箱线图中的那些神秘数字：分位数、IQR和异常值

箱线图中的那些神秘数字：分位数、IQR和异常值

引用

百度

等

12

来源

1.

https://baike.baidu.com/item/%E5%9B%9B%E5%88%86%E4%BD%8D%E6%95%B8/5040599

2.

https://baike.baidu.com/item/%E5%9B%9B%E5%88%86%E4%BD%8D%E8%B7%9D/10671363

3.

https://blog.csdn.net/qq_31239371/article/details/109769206

4.

https://zhuanlan.zhihu.com/p/235345817

5.

https://blog.csdn.net/Tracycater/article/details/103647939

6.

https://blog.csdn.net/qq_19446965/article/details/108066957

7.

https://blog.csdn.net/abcfgh/article/details/105555929

8.

https://wiki.mbalib.com/wiki/%E7%AE%B1%E7%BA%BF%E5%9B%BE

9.

https://docs.oracle.com/cloud/help/zh_CN/pbcs_common/PFUSU/insights_metrics_IQR.htm

10.

https://zh.wikipedia.org/wiki/%E5%9B%9B%E5%88%86%E4%BD%8D%E8%B7%9D

11.

https://www.cnblogs.com/hider/p/16638918.html

12.

https://www.bilibili.com/read/cv13871369/

箱线图是数据分析中常用的统计图表，通过五个关键统计量——最小值、第一四分位数（Q1）、中位数（Q2）、第三四分位数（Q3）以及最大值来展示数据分布情况。其中，分位数、IQR（四分位距）和异常值是理解箱线图的核心要素。

分位数是将数据集按照一定比例分割的数值点。最常见的是四分位数，它将数据分为四等份，每份包含25%的数据点。具体来说：

• 第一四分位数（Q1）：数据从小到大排列后处于25%位置的值
• 第二四分位数（Q2）：即中位数，处于50%位置的值
• 第三四分位数（Q3）：处于75%位置的值

计算分位数的方法有多种，但最常用的是基于数据排序后的线性插值法。例如，对于一个包含n个数据点的集合：

• Q1的位置 = (n+1) * 0.25
• Q2的位置 = (n+1) * 0.5
• Q3的位置 = (n+1) * 0.75

如果计算出的位置是整数，则直接取该位置的数值；如果是小数，则采用插值法计算。例如，如果Q1的位置是3.75，那么Q1的值将是第3个数据点的0.25倍加上第4个数据点的0.75倍。

四分位距（IQR）是Q3与Q1之差，即IQR = Q3 - Q1。这个数值反映了中间50%数据的分布范围，是衡量数据离散程度的重要指标。与方差和标准差相比，IQR更加稳健，不易受异常值的影响。

在箱线图中，IQR的作用不仅限于描述数据的分散程度，它还是识别异常值的关键参数。

异常值是指显著偏离其他数据点的观测值，它们可能源于测量误差、数据录入错误或某些特殊因素。在箱线图中，异常值的判定标准是基于IQR的：

• 下限：Q1 - 1.5 * IQR
• 上限：Q3 + 1.5 * IQR

落在这个范围之外的数据点被视为异常值。箱线图通常用“〇”表示温和异常值（在1.5到3倍IQR之间），用“＊”表示极端异常值（超过3倍IQR）。

让我们通过一个具体案例来理解这些统计量在箱线图中的应用。假设我们有一组关于某班级学生考试成绩的数据：

65, 72, 76, 80, 82, 85, 88, 90, 92, 95

1. 计算分位数：

   • Q1位置 = (10+1) * 0.25 = 2.75 → Q1 = 72 * 0.25 + 76 * 0.75 = 75
   • Q2位置 = (10+1) * 0.5 = 5.5 → Q2 = 82 * 0.5 + 85 * 0.5 = 83.5
   • Q3位置 = (10+1) * 0.75 = 8.25 → Q3 = 90 * 0.75 + 92 * 0.25 = 90.5

2. 计算IQR：

   • IQR = Q3 - Q1 = 90.5 - 75 = 15.5

3. 识别异常值：

   • 下限 = Q1 - 1.5 * IQR = 75 - 1.5 * 15.5 = 51.75
   • 上限 = Q3 + 1.5 * IQR = 90.5 + 1.5 * 15.5 = 113.75

由于所有数据都在51.75到113.75之间，因此这组数据中没有异常值。

分位数、IQR和异常值是箱线图的三大核心要素，它们共同构成了数据分布的完整图景。通过这些“神秘数字”，我们可以快速了解数据的中心趋势、离散程度和异常情况，从而为数据分析和决策提供有力支持。掌握这些统计量的含义和计算方法，能够帮助我们更准确地解读数据背后的故事。