11.2 箱线图

数学学习 · 爱知数学讲义

18
本章目录 · 1 节

本章导读

【11.2 箱线图】箱线图以少量位置统计量概括数据的中心、离散程度与尾部观察,便于并列比较。这里使用R默认的Tukey箱线图,箱体边缘为下、上铰链,粗横线为中位数,须线延至规定范围内最远的实际观察,范围以外另画离群点。铰链接近四分位数,但在某些样本容量下不等于quantile函数默认插值的四分位数,重绘时要以同一规则核对。

【例 女子组与男子组肺活量】使用第六章6.2例4的两组数据,分别画箱线图。女子组25项,单位升,为2.7,2.8,2.9,3.1,3.1,3.1,3.2,3.4,3.4,3.4,3.4,3.4,3.5,3.5,3.5,3.6,3.7,3.7,3.7,3.8,3.8,4.0,4.1,4.2,4.2。

男子组25项,单位升,为4.1,4.1,4.3,4.3,4.5,4.6,4.7,4.8,4.8,5.1,5.3,5.3,5.3,5.4,5.4,5.5,5.6,5.7,5.8,5.8,6.0,6.1,6.3,6.7,6.7。

12.74.122.84.132.94.343.14.353.14.563.14.673.24.783.44.893.44.8103.45.1113.45.3123.45.3133.55.3143.55.4153.55.4163.65.5173.75.6183.75.7193.75.8203.85.8213.862246.1234.16.3244.26.7254.26.7
全部50项原始观察,左右列分别为女子组与男子组,各自序号1至25

【可直接运行的R代码】下面代码使用英文半角标点,不包含控制台提示符;按行复制到.R脚本中执行。

female <- c(2.7,2.8,2.9,3.1,3.1,3.1,3.2,3.4,3.4,3.4,3.4,3.4,3.5,3.5,3.5,3.6,3.7,3.7,3.7,3.8,3.8,4.0,4.1,4.2,4.2)

male <- c(4.1,4.1,4.3,4.3,4.5,4.6,4.7,4.8,4.8,5.1,5.3,5.3,5.3,5.4,5.4,5.5,5.6,5.7,5.8,5.8,6.0,6.1,6.3,6.7,6.7)

boxplot(female, male, names=c("F","M"), ylab="Vital capacity (L)")

向量构造函数c表示把各个数连接在一起;“<-”把右边对象赋给左边名称。names指定图中的组别标签,不改变数据;ylab指定纵轴含义和单位。使用female、male作对象名,避免原书的F对象名覆盖常用的FALSE简写F;逻辑常量应完整写TRUE或FALSE。

LFM34567
图11-2 两组肺活量箱线图,依据R实际运行的boxplot统计结果重绘;纵轴单位升,F为女子组,M为男子组

【统计位置核验】女子组下须2.7,下铰链3.2,中位数3.5,上铰链3.7,上须4.2;男子组依次为4.1,4.7,5.3,5.8,6.7。两组均无默认规则下的离群点。箱体高度分别0.5升与1.1升,表明男子组样本中间部分的离散程度较大;中位数也较高。原图的各条线不能靠视觉估计位置,必须对应这些实际统计量。

2.74.13.24.73.55.33.75.84.26.7
箱线图五个绘图位置的实际数值;须线端点不是固定画在铰链外1.5倍箱体高度处

R默认将下铰链以下、上铰链以上超过1.5倍箱体高度的观察标为离群点,须线到仍在界限内最远的实际观察。界限本身通常不是观察,不能直接拿界限当须线端点;若有离群点,须线也不再必然到达最小值与最大值。本例恰好两组的所有观察都在界限内,故须线到达各自样本极值。

可以运行下面两行核对本例:

boxplot.stats(female)

boxplot.stats(male)

返回的stats为下须、下铰链、中位数、上铰链、上须,n为有效观察数,out为离群观察。图形中的“离群”是按这一规则标出的数据特征,不自动等于记录错误;不能为了图形整齐删掉观察。本例没有缺失值,若数据有缺失,清理规则与每组有效样本量应另行报告。

箱线图不能完整展示分布形状,也不能仅凭箱体重叠与否替代均值或中位数的正式检验。此图是对给定样本的描述,并不自动推广为所有女子或男子的总体结论。(例完)

【函数资料】R官方boxplot.stats说明:https://stat.ethz.ch/R-manual/R-devel/library/grDevices/html/boxplot.stats.html 。本节图形已与R实际运行生成的PDF输出对照,并用原始观察独立核算全部绘图位置。