Plot Kotak dan Gambarajah Whisker: Visualisasi Taburan Data dalam Penyelidikan

Diterbitkan 20 Jun 2026 | Kemas kini terakhir 11 Oktober 2026

Tahukah anda bahawa satu plot kotak boleh memberitahu anda lebih banyak tentang data anda berbanding banyak nombor? Plot kotak ialah alat yang ampuh untuk penyelidik. Ia membantu memahami tingkah laku data ^1. Visual ini menunjukkan sebaran nombor, membantu mengenal pasti ciri-ciri penting seperti nilai tengah, sebaran, kecondongan dan outlier ¹.

Mengetahui bagaimana data anda tersebar adalah penting dalam penyelidikan . Plot kotak adalah bagus untuk membandingkan data merentasi kumpulan atau set data yang berbeza ^1. Ia membolehkan penyelidik melihat corak, mengenal pasti kecondongan atau outlier dengan cepat dan membuat keputusan yang lebih baik ¹.

Artikel ini akan meneroka plot kotak dan gambar rajah misai . Kami akan merangkumi definisinya, cara ia dibuat, faedahnya dan bagaimana ia digunakan dalam penyelidikan . Panduan ini adalah untuk sesiapa sahaja, daripada penganalisis data yang berpengalaman hingga pemula dalam grafik statistik . Ia akan menunjukkan kepada anda cara menggunakan plot kotak dalam penyelidikan anda.

Poin-poin utama

• Plot kotak menyediakan cara yang ringkas dan bermaklumat untuk menggambarkan taburan data berangka.
• Mereka menggambarkan ringkasan lima nombor (minimum, kuartil pertama, median, kuartil ketiga, maksimum) dan kenal pasti outlier.
• Plot kotak adalah berharga untuk membandingkan taburan data merentas berbilang kumpulan atau set data.
• Mereka menawarkan cerapan tentang kecenderungan memusat, sebaran, kecondongan dan simetri data.
• Plot kotak boleh dijana dan ditafsir menggunakan perpustakaan Python seperti Matplotlib, Pandas dan Seaborn.

Apakah Plot Kotak?

Plot kotak, juga dikenali sebagai gambar rajah kotak-dan-kumis, menunjukkan bagaimana data tersebar. Ia menggunakan ringkasan lima nombor : minimum, kuartil pertama (S1), median, kuartil ketiga (S3), dan maksimum ^{2 3} . Plot kotak menunjukkan kotak di antara kuartil pertama dan ketiga , dengan garis untuk median. Kumis memanjang dari kotak ke nilai minimum dan maksimum, melainkan jika ia terlalu jauh ^{2 3 4}.

Definisi dan Pembinaan

Plot kotak adalah bukan parametrik, menunjukkan variasi data tanpa mengandaikan taburan tertentu ^2. Ia merangkumi kuartil minimum, maksimum, median, kuartil pertama dan kuartil ketiga data ^2. Julat antara kuartil (IQR) ialah jarak antara kuartil atas dan bawah ^2. Plot kotak boleh dilukis secara menegak atau mendatar, dengan misai menunjukkan kebolehubahan data ².

Kotak dalam plot kotak bermula dari kuartil pertama (Q1) ke kuartil ketiga (Q3), dengan garis untuk median ^2. Misai ditetapkan oleh nilai minimum dan maksimum, atau 1.5 kali ganda IQR ^{2 3}.

Plot kotak meringkaskan data pada skala selang, menunjukkan bentuk taburan, nilai pusat dan kebolehubahan ^3. Ia memaparkan data daripada ringkasan lima nombor : minimum, S1, median, S3 dan maksimum. Plot kotak membantu mengenal pasti taburan dan outlier yang condong ³.

Plot kotak merangkumi minimum, Q1, median, Q3 dan maksimum. IQR ialah perbezaan antara Q1 dan Q3 ^3. Outlier ialah titik data yang jauh daripada median dan kuartil , di luar 1.5 darab IQR ³.

Plot kotak boleh menunjukkan taburan data condong positif, condong negatif atau simetri ^3. Dalam plot kotak, kotak menunjukkan IQR, garis menandakan median dan misai memanjang hingga ke nilai tertinggi dan terendah ³.

Plot kotak digunakan untuk memaparkan data berterusan dalam penyelidikan ^4. Ia juga dikenali sebagai plot kotak-dan-kumis, plot kotak outlier atau plot kotak kuantil ^4. Bahagian utama plot kotak ialah median, persentil ke-25 dan ke-75, IQR dan kumis ⁴.

Misai memanjangkan 1.5 kali ganda IQR dari kotak, dan outlier ditunjukkan sebagai titik data di luar misai ^4. Plot kotak membantu mencari outlier dan titik data yang jauh daripada variasi yang dijangkakan ⁴.

Plot kotak sangat bagus untuk menunjukkan data berterusan seperti umur, tekanan darah, berat, suhu dan kelajuan ^4. Ia tidak sesuai untuk data kategori atau nominal, yang lebih baik dengan carta bar ⁴.

Perisian seperti JMP boleh membuat plot kotak secara automatik dan anda boleh menambah lebih banyak butiran seperti min berlian atau anotasi min statistik ⁴.

Menganalisis plot kotak membantu mengenal pasti kecondongan data, persentil, outlier dan perbezaan kumpulan dengan berkesan ⁴.

Kapsyen yang Betul untuk Angka Kertas Perubatan &

Kelebihan Plot Kotak

Plot kotak sangat bagus untuk menunjukkan taburan data. Ia memberikan ringkasan ringkas tentang perkara utama set data: pusat, sebaran dan julat. Ini memudahkan untuk melihat bagaimana kumpulan yang berbeza membandingkan ^5. Ia berfungsi dengan baik dengan data yang tidak mengikut bentuk normal, dengan memberi tumpuan kepada kuartil dan julat antara kuartil dan bukannya min dan sisihan piawai ^5. Plot kotak juga menunjukkan outlier, yang merupakan kunci dalam meneroka data ⁵.

Plot kotak menunjukkan bagaimana data berangka tersebar merentasi kumpulan yang berbeza ^6. Kotak tersebut menunjukkan 50% tengah data, dengan garis pada median ^6. Kuartil membahagikan data kepada empat bahagian, dan julat antara kuartil (IQR) menetapkan panjang misai ⁶.

Misai meregang sehingga 1.5 kali ganda IQR dari hujung kotak, menunjukkan titik data. Outlier ditanda dengan titik ^6. Takik pada kotak menunjukkan nilai median yang mungkin untuk sampel, membantu melihat sama ada kumpulan berbeza secara statistik ^6. Plot kotak adalah lebih baik daripada histogram bertindan untuk perbandingan yang jelas antara kumpulan ⁶.

Plot kotak merupakan alat yang ampuh untuk menggambarkan taburan data, meringkaskan data pada tahap tinggi dan membandingkan kumpulan. Plot kotak berguna dalam banyak situasi penyelidikan dan analisis.

Komponen Plot Kotak

Plot kotak, juga dikenali sebagai gambar rajah misai , merupakan alat utama untuk meringkaskan data. Ia menunjukkan statistik utama set data dengan cara yang mudah. ​​Kotak mewakili 50% tengah data, yang dikenali sebagai julat antara kuartil (IQR). Misai menjangkau ke nilai minimum dan maksimum, atau 1.5 kali ganda IQR jika lebih dekat dengan kotak. John Tukey mula memperkenalkan plot kotak.

Julat Kuartil dan Antara Kuartil

Plot kotak dibahagikan kepada empat bahagian mengikut garisan pada median dan kuartil. Median, atau kuartil kedua (Q2), berada di tengah. Kuartil pertama dan ketiga (Q1 dan Q3) menandakan bahagian bawah dan atas kotak. Julat antara kuartil (IQR), atau Q3 – Q1, menunjukkan sebaran 50% tengah data. Ia penting untuk menetapkan panjang misai ⁷.

IQR untuk taburan A ialah 0.30, untuk B ialah 0.21, dan untuk C ialah 0.26 ^8. Ini memberitahu kita tentang sebaran dan penyebaran dalam setiap taburan.

Taburan A condong ke kanan dengan median 0.11. B secara kasarnya simetri, dengan kedua-dua belah hampir sama. C condong ke kiri dengan median 0.88 ^8. Ini dilihat dari kedudukan median relatif kepada kuartil dalam plot kotak.

Plot kotak sangat bagus untuk mengesan purata, kecondongan, sebaran dan outlier dalam data ^7. Median menunjukkan nilai purata dan kecondongan dilihat oleh kedudukan median pada kuartil ⁷.

"Membandingkan plot kotak melibatkan analisis ciri seperti median, serakan, outlier dan kecondongan antara kategori yang berbeza."

Mungkin terdapat dua outlier dalam taburan A, berdasarkan definisi R ^8. Plot kotak ialah cara yang berkesan untuk melihat bagaimana data tersebar, menjadikannya penting untuk menganalisis dan memahami data.

Plot Kotak dan Gambarajah Whisker: Visualisasi Taburan Data

Plot kotak, juga dikenali sebagai gambar rajah kotak dan misai , sangat bagus untuk menunjukkan bagaimana data tersebar ^9. Ia memberikan gambaran ringkas pada data, menunjukkan perkara penting seperti median dan kuartil ^9. Plot ini menunjukkan lima nombor utama dalam data dan sejauh mana penyebaran data ^9. Ini membantu penyelidik melihat bahagian tengah, penyebaran dan bentuk data ⁹ dengan cepat.

Templat plot kotak dalam Flourish memudahkan untuk melihat kuartil pertama dan ketiga, bersama-sama dengan median ^9. Anda juga boleh memilih untuk menunjukkan plot secara menegak atau mendatar ^9. Misai boleh meregang sehingga 1.5 kali ganda IQR, membantu mengenal pasti outlier ⁹.

Plot kotak boleh dijadikan lebih menarik dengan penapis, membolehkan pengguna membandingkan kumpulan yang berbeza dengan mudah ^9. Anda juga boleh memecahkannya kepada lebih banyak carta untuk melihat data dengan lebih dekat ^9. Contohnya, Piala Dunia Qatar 2022 menunjukkan bagaimana umur mempengaruhi peranan pemain, seperti pemain yang lebih muda lebih biasa dalam serangan ⁹.

"Plot kotak merupakan alat yang ampuh untuk menggambarkan taburan data , memberikan ringkasan ringkasan lima nombor dan menonjolkan statistik utama seperti median dan kuartil."

Penggunaan plot kotak dan gambar rajah misai membantu penyelidik memahami data mereka dengan lebih baik, mengenal pasti perkara yang luar biasa dan berkongsi keputusan mereka dengan jelas ^9. Alatan ini adalah kunci untuk meneroka data dan menjadikan penyelidikan lebih baik dan berkesan ⁹.

Mentafsir Plot Kotak

Plot kotak mudah difahami dan memberi kita pandangan penting tentang taburan data . Kedudukan garis median memberitahu kita tentang simetri data . Jika ia berada di tengah, data berkemungkinan genap. Tetapi jika ia berada di luar pusat, data condong ke satu sisi ¹⁰.

Panjang misai juga menunjukkan kecondongan. Misai yang lebih panjang di satu sisi bermakna ekor yang lebih panjang ke arah itu ¹⁰.

Kecondongan dan Simetri

Plot kotak sangat bagus untuk menunjukkan kecondongan dan simetri dalam data. Ia membahagikan data kepada kuartil ^11. Kotak menunjukkan dua kuartil tengah dan median. Misai memanjang untuk menunjukkan julat data ¹¹.

Pencilan, yang ditunjukkan sebagai titik tunggal, memberitahu kita lebih lanjut tentang bentuk dan sebaran data ^10. Dengan melihat plot kotak, kita dapat melihat serakan, kecondongan dan simetri. Ini membantu kita memahami data dengan lebih baik dan membuat keputusan termaklum ¹¹.

Plot kotak memberikan pandangan yang cepat tetapi berkesan pada taburan data . Mengetahui cara membaca plot kotak ¹¹ membantu kita mencari corak penting dalam data kompleks. Ini membawa kepada keputusan dan hasil penyelidikan yang lebih baik ^{10 11}.

Variasi Plot Kotak

Plot kotak gaya Tukey standard adalah jenis yang paling terkenal, tetapi terdapat banyak variasi. Visualisasi plot kotak boleh disesuaikan untuk menunjukkan lebih lanjut tentang data. Ia memberi kita pandangan yang berbeza melangkaui sekadar kuartil ¹².

Satu cara untuk menyesuaikannya adalah dengan menukar misai. Anda boleh melanjutkannya ke persentil ke-2 dan ke-98 atau persentil ke-9 dan ke-91. Ini menunjukkan simetri data dengan lebih baik ^12. Pilihan lain ialah plot kotak bertakuk. Ia mempunyai takik di sekeliling median untuk menunjukkan selang keyakinan 95%. Ini membolehkan kita melihat sama ada median berbeza secara signifikan ¹².

Plot nilai huruf merupakan kaedah yang lebih maju. Ia menunjukkan lebih banyak persentil daripada sekadar kuartil standard. Ini bagus untuk set data yang besar dan mencari corak atau outlier yang halus dalam data ^12. Ini boleh menjadi sangat berguna apabila menganalisis set data yang kompleks ¹³.

Dengan melihat variasi plot kotak ini , kita dapat memahami data kita dengan lebih baik. Kita dapat menemui pandangan tersembunyi dan membuat keputusan yang lebih baik ¹².

“Plot kotak lebih sukar difahami berbanding jenis carta asas lain dan juga jenis carta kompleks seperti plot serakan atau histogram.” ¹²

Bila Menggunakan Plot Kotak

Plot kotak sangat bagus untuk membandingkan bagaimana kumpulan atau sampel yang berbeza mengendalikan data berangka ^14. Ia sesuai apabila anda ingin melihat perbezaan dalam nilai tengah, sebaran dan outlier ^6. Plot ini memberikan pandangan yang cepat tetapi terperinci pada data, membantu mencari corak dan keanehan ¹⁴.

Plot kotak lebih berkesan apabila berurusan dengan set data kecil (n ≥ 5) ^6. Plot kotak lebih baik daripada histogram untuk membandingkan kumpulan, bukan untuk melihat bentuk data yang terperinci ^6. Plot kotak merupakan alat utama untuk membuat pilihan berasaskan data ¹⁴.

• Plot kotak menunjukkan statistik asas set data: min, kuartil pertama, median, kuartil ketiga dan maks¹⁴.
• John Tukey memperkenalkan "Kotak dan Petak Whisker" pada tahun 1969 untuk menunjukkan secara visual ringkasan lima nombor set data¹⁴.
• Sejak tahun 1969, plot ini telah menjadi ruji dalam statistik dan analisis data¹⁴.
• Mereka sangat bagus untuk melihat perbandingan kumpulan yang berbeza¹⁴.

Plot kotak sangat bagus untuk membandingkan data , menganalisis berbilang kumpulan dan mencari outlier ^14. Ia memudahkan persembahan taburan data dan merupakan satu kemestian dalam analisis data ⁶.

“Plot kotak adalah cekap untuk menunjukkan taburan statistik dan mudah dibuat dalam Chartio hasil daripada Perpustakaan Carta.” ¹⁴

Variasi Plot Kotak

Terdapat banyak jenis plot kotak, setiap satunya menawarkan pandangan unik ^6. Anda boleh menambah takuk untuk menunjukkan julat median yang mungkin, melaraskan misai atau memasukkan min untuk maklumat tambahan ^6. Jenis plot kotak yang betul bergantung pada apa yang anda cuba pelajari daripada data ⁴.

Visualisasi Outliers

Plot kotak sangat bagus dalam menunjukkan statistik data penting dan mengenal pasti titik terpencil ^15. Titik terpencil ialah titik data yang tidak sesuai dengan corak biasa. Ia menonjol sebagai titik tunggal melepasi misai plot kotak ^16. Titik terpencil ini memberitahu kita banyak tentang bentuk data dan jika terdapat titik yang luar biasa.

Mengesan outlier membantu penyelidik memahami data mereka dengan lebih baik ^16. Perkara-perkara ini adalah penting untuk analisis, menunjukkan kepada kita perbezaan besar atau kemungkinan kesilapan ¹⁶.

Plot kotak juga menunjukkan sama ada data condong ke kiri atau kanan dengan garis median ialah ^16. Ini, bersama-sama dengan mencari outlier, memberi kita pandangan yang mendalam tentang data. Ia membantu penyelidik membuat pilihan yang lebih bijak semasa analisis mereka.

Jadi, plot kotak merupakan alat yang ampuh untuk mengenal pasti outlier dalam analisis data ^15. Ia membantu penyelidik memahami data mereka dengan lebih baik dan membuat keputusan yang lebih baik tentang perkara yang luar biasa ^{15 16}.

Pelaksanaan Perisian

Memvisualisasikan taburan data adalah kunci dalam penyelidikan bioperubatan. Plot kotak merupakan alat yang ampuh untuk ini. Plot kotak boleh dibuat dengan mudah menggunakan pelbagai alat visualisasi data dan pengaturcaraan ^17. R merupakan pilihan utama untuk ini, kerana pelbagai fungsinya.

R membolehkan pengguna mencipta plot kotak tersuai. Anda boleh melaraskan panjang kumis , paparan takuk dan lebar kotak untuk menunjukkan saiz sampel ¹⁷.

Bahasa R sangat bagus untuk membuat plot kotak dan menambahkannya ke analisis data dan laporan terperinci. BoxPlotR ialah alat khas untuk membuat plot kotak tersuai daripada data anda ^17. Ia sumber terbuka dan membolehkan anda melabel plot, menukar warna dan saiz serta mengeksport dalam format seperti EPS, PDF dan SVG ¹⁷.

Menyesuaikan Plot Kotak dengan R

Apabila membuat plot kotak dalam R, anda boleh menggunakan ciri-ciri lanjutan untuk meningkatkan visual anda. Lebar kotak menunjukkan saiz sampel dan takuk memberikan tahap keyakinan tentang median ¹⁷.

Misai mengikuti idea Spear dan Tukey, dan anda boleh menggunakan plot biola dan kacang untuk butiran lanjut ^17. Anda juga boleh melabel dan menyesuaikan plot anda dan menyimpannya dalam format yang berbeza ¹⁷.

BoxPlotR telah dikemas kini dengan ciri-ciri baharu seperti gegaran titik yang konsisten dan pilihan warna ^17. Anda juga boleh memaparkan nama sampel dan menggunakan skala log. Ia juga menawarkan petua untuk mengedit fail dalam format seperti EPS, PDF dan SVG ¹⁷.

Bagi mereka yang ingin mencuba BoxPlotR, mesin maya tersedia untuk dimuat turun ^17. Ia mudah untuk disediakan dan digunakan, menjadikannya sesuai untuk penyelidik.

Aplikasi dalam Penyelidikan

Plot kotak digunakan dalam pelbagai bidang penyelidikan, daripada sains semula jadi hinggalah sains sosial. Ia membantu dalam analisis data penerokaan dengan menunjukkan corak, outlier dan perbezaan dalam data. Ini menjadikannya sesuai untuk kajian perbandingan bagi melihat sama ada median sampel adalah berbeza ^18. Ia juga menjadikan data kompleks mudah dikongsi dengan orang lain, seperti penyelidik, pembuat dasar atau orang awam ¹⁸.

Dalam analisis data , plot kotak membantu menunjukkan bagaimana pembolehubah tersebar, mencari outlier dan membandingkan kumpulan ^18. Dalam psikologi, ia menunjukkan penyebaran dan simetri data, membantu penyelidik memahami corak dengan lebih baik ¹⁸.

Plot kotak juga merupakan kunci dalam pembelajaran mesin dan penyelidikan kecerdasan buatan . Ia membantu meneroka set data kompleks seperti set data Iris ^19. Dengan melihat panjang sepal, lebar sepal, panjang kelopak dan lebar kelopak, penyelidik boleh mempelajari banyak perkara tentang tumbuhan Iris ¹⁹.

Plot kotak merupakan alat yang ampuh untuk penyelidik. Ia memudahkan untuk mengenal pasti corak, outlier dan perbezaan dalam data ^18. Inilah sebabnya ia begitu popular dalam banyak bidang penyelidikan ¹⁸.

Kesimpulan

Plot kotak dan gambar rajah kumis adalah kunci untuk menunjukkan bagaimana data berangka tersebar. Ia penting untuk penganalisis data. Plot ini memberikan gambaran ringkas tentang statistik penting seperti median dan kuartil. Ia juga membantu mengenal pasti outlier, menunjukkan tengah, sebaran dan bentuk data ²⁰.

Plot kotak sangat bagus untuk membandingkan data merentasi kumpulan yang berbeza. Ia membantu dalam meneroka data dan berkongsi keputusan ^{20 21.} Ini menjadikannya sangat membantu dalam analisis data dan perkongsian dapatan ^{20 21}.

Apabila data menjadi lebih kompleks, plot kotak kekal berguna untuk memahami semuanya ^{20 21.} Ia penting untuk melihat bagaimana pembolehubah tersebar dan untuk mengenal pasti titik data ganjil dalam pembelajaran mesin ²⁰.

Kami menjangkakan plot kotak akan terus menjadi lebih baik, dengan jenis baharu seperti plot bertakuk dan lebar boleh ubah ^21. Ketika kami menangani data yang lebih sukar, plot kotak akan terus menjadi alat utama untuk meneroka dan berkongsi data.

Pautan Sumber

1. https://builtin.com/data-science/boxplot
2. https://en.wikipedia.org/wiki/Box_plot
3. https://byjus.com/maths/box-plot/
4. https://www.jmp.com/en_be/statistics-knowledge-portal/exploratory-data-analysis/box-plot.html
5. https://www.coursera.org/articles/what-is-a-box-plot
6. https://www.atlassian.com/data/charts/box-plot-complete-guide
7. https://www.geeksforgeeks.org/box-plot/
8. https://www150.statcan.gc.ca/n1/edu/power-pouvoir/ch12/5214889-eng.htm
9. https://flourish.studio/blog/make-a-box-plot/
10. https://wellbeingatschool.org.nz/information-sheet/understanding-and-interpreting-box-plots
11. https://inforiver.com/boxplots-in-power-bi-guide/
12. https://nightingaledvs.com/ive-stopped-using-box-plots-should-you/
13. https://news.ycombinator.com/item?id=40765183
14. https://chartio.com/resources/tutorials/what-is-a-box-plot/
15. https://www.spsanderson.com/steveondata/posts/2023-08-18/index.html
16. https://www.linkedin.com/pulse/visualize-data-insights-box-plots-learn-lean-sigma-yjtze
17. http://shiny.chemgrid.org/boxplotr/
18. https://www.verywellmind.com/box-plots-in-psychology-7558907
19. https://www.fusioncharts.com/blog/visualizing-distributions-of-machine-learning-data-via-box-and-whiskers-plot/
20. https://medium.com/mlpoint/box-plot-box-and-whiskers-plot-what-does-it-tell-you-99e827fac158
21. https://wpdatatables.com/box-plots/