Interpretar os principais resultados para Boxplot

Segure o ponteiro sobre o boxplot para exibir uma dica de ferramenta que mostra estas estatísticas. Por exemplo, este boxplot de frequência cardíaca em repouso mostra que a frequência cardíaca média é de 71. A maioria dos indivíduos têm frequência cardíaca em repouso na faixa entre 64 e 80, mas alguns indivíduos têm frequência cardíaca tão baixos quanto 48 e tão elevadas quanto 100.

Investigue qualquer característica indesejável ou surpreendente no boxplot. Por exemplo, um boxplot pode mostrar que o comprimento mediano das placas de madeira é muito menor do que o tamanho alvo de 8 pés.

O tamanho de amostra pode afetar a aparência do gráfico.

Por exemplo, apesar de estes boxplots parecerem diferentes, ambos foram criados usando amostras selecionadas aleatoriamente dos dados da mesma população.

n = 15

n = 500

Um boxplot funciona melhor quando o tamanho amostral é de pelo menos 20. Se o tamanho amostral for muito pequeno, os quartis e outliers demonstrados pelo boxplot podem não ser significantes. Se o tamanho amostral for menor do que 20, você pode usar um gráfico de valores individuais.

Quando os dados são assimétricos, a maior parte dos dados está localizada no lado superior ou inferior do gráfico. A assimetria indica que os dados podem não ser normalmente distribuídos.

Estes boxplots ilustram dados assimétricos. O boxplot com dados assimétricos à direita mostra os tempos de espera. A maioria dos tempos de espera são relativamente curtos e apenas alguns tempos de espera são longos. O boxplot com dados assimétricos à esquerda mostra os dados de tempos de falha. Alguns itens falham imediatamente e muitos outros itens falham posteriormente.

Assimétricos à direita

Assimétricos à esquerda

Se você sabe que seus dados não são naturalmente assimétricos, investigue as possíveis causas. Se você desejar analisar dados severamente assimétricos, leia o tópico de considerações de dados para análise para garantir que você pode usar dados que não são normais.

Outliers, que são valores de dados que estão distantes dos outros valores de dados, podem afetar fortemente seus resultados. Geralmente, outliers são a maneira mais fácil de identificar em um boxplot.

Em um boxplot, os outliers são identificados por asteriscos (*).

Tente identificar a causa de qualquer outliers. Corrija os erros de entrada de dados ou de medição. Considere a remoção de valores de dados que estejam associados a eventos anormais que ocorrem somente uma vez (causas especiais). Em seguida, repita a análise.

Procure por diferenças entre os centros dos grupos.

Por exemplo, este boxplot mostra a espessura do fio produzido por quatro fornecedores. As espessuras das medianas para alguns grupos parecem ser diferentes.

Procure por diferenças entre as dispersões dos grupos.

Por exemplo, este boxplot mostra os pesos de enchimento de caixas de cereais de quatro linhas de produção. Os pesos medianos dos grupos de caixas de cereais são semelhantes, mas os pesos de alguns grupos são mais variáveis do que outros.