Kutu Grafikleri ve Bıyık Diyagramları: Araştırmada Veri Dağıtımını Görselleştirme

Yayınlanma tarihi: 20 Haziran 2026 | Son güncelleme tarihi: 11 Ekim 2026

Tek bir kutu grafiğinin verileriniz hakkında birçok sayıdan daha fazla bilgi verebileceğini biliyor muydunuz? Kutu grafikleri araştırmacılar için güçlü bir araçtır. Verilerin davranışını anlamaya yardımcı olurlar¹ ^. Bu görseller sayıların dağılımını göstererek orta değer, dağılım, çarpıklık ve aykırı değerler gibi önemli özellikleri belirlemeye yardımcı olur¹^.

Verilerinizin nasıl dağıldığını bilmek araştırmada çok önemlidir . Kutu grafikleri, farklı gruplar veya veri kümeleri arasında verileri karşılaştırmak için harika araçlardır¹ ^. Araştırmacıların kalıpları hızlıca görmelerini, çarpıklığı veya aykırı değerleri tespit etmelerini ve daha iyi kararlar almalarını sağlar¹^.

Bu makale, kutu grafikleri ve bıyık diyagramlarını inceleyecektir . Tanımlarını, nasıl oluşturulduklarını, faydalarını ve araştırmalarda nasıl kullanıldıklarını ele alacağız. Bu kılavuz , deneyimli veri analistlerinden istatistiksel grafiklere yeni başlayanlara kadar herkes içindir. Araştırmalarınızda kutu grafiklerini nasıl kullanacağınızı gösterecektir.

Önemli Noktalar

• Kutu grafikleri sayısal verilerin dağılımını görselleştirmenin kısa ve bilgilendirici bir yolunu sağlar.
• Onlar tasvir ediyor beş numaralı özet (minimum, ilk çeyrek, medyan, üçüncü çeyrek, maksimum) ve aykırı değerleri tanımlayın.
• Kutu grafikleri, birden çok grup veya veri kümesindeki veri dağılımlarını karşılaştırmak için değerlidir.
• Verilerin merkezi eğilimine, yayılmasına, çarpıklığına ve simetrisine ilişkin bilgiler sunarlar.
• Kutu grafikleri Matplotlib, Pandas ve Seaborn gibi Python kütüphaneleri kullanılarak oluşturulabilir ve yorumlanabilir.

Kutu Çizimi nedir?

Kutu grafiği, verilerin nasıl dağıldığını gösterir. Beş sayılık bir özet kullanır : minimum, birinci çeyrek (Q1), medyan, üçüncü çeyrek (Q3) ve maksimum ^{2 3.} Kutu grafiği, birinci ve üçüncü çeyrekler arasında bir kutu ve medyan için bir çizgi gösterir. Bıyıklar, çok uzakta olmadıkları sürece kutudan minimum ve maksimum değerlere kadar uzanır ^{2 3 4}.

Tanım ve Yapı

Kutu grafikleri, belirli bir dağılım varsaymadan veri varyasyonunu gösteren parametrik olmayan grafiklerdir² ^. Verilerin minimum, maksimum, medyan, birinci çeyrek ve üçüncü çeyrek değerlerini içerirler² ^. Çeyrekler arası aralık ( IQR) , üst ve alt çeyrekler arasındaki mesafedir² ^. Kutu grafikleri dikey veya yatay olarak çizilebilir ve bıyıklar veri değişkenliğini gösterir²^.

Kutu grafiğindeki kutu, birinci çeyrekten (Q1) üçüncü çeyreğe (Q3) kadar uzanır ve medyan için bir çizgi bulunur² ^{. Bıyıklar, minimum ve maksimum değerler veya çeyrekler arası aralığın ( IQR ) 1.5} katı ile belirlenir²³.

Kutu grafikleri, aralık ölçeğinde verileri özetleyerek dağılım şeklini, merkezi değeri ve değişkenliği gösterir³ ^. Beş sayılık bir özet üzerinden verileri gösterirler : minimum, Q1, medyan, Q3 ve maksimum. Kutu grafikleri, çarpık dağılımları ve aykırı değerleri belirlemeye yardımcı olur³^.

^{Kutu grafiği minimum, Q1, medyan, Q3 ve maksimum değerleri içerir. Çeyrekler arası aralık (IQR), Q1 ve Q3} arasındaki farktır³ . Aykırı değerler, medyan ve çeyreklerden uzak , IQR'nin 1.5 katının dışında kalan ^veri noktalarıdır³.

Kutu grafikleri pozitif çarpık, negatif çarpık veya simetrik veri dağılımlarını gösterebilir ^3. Bir kutu grafiğinde, kutu çeyrekler arası aralığı (IQR) gösterir, çizgi medyanı işaretler ve bıyıklar en yüksek ve en düşük değerlere kadar uzanır ³.

Kutu grafikleri, araştırmalarda sürekli verileri göstermek için kullanılır⁴ ^. Bunlar ayrıca kutu ve bıyık grafikleri, aykırı değer kutu grafikleri veya kantil kutu grafikleri⁴ olarak da bilinir ^. Bir kutu grafiğinin ana bileşenleri medyan, 25. ve 75. yüzdelikler, çeyrekler arası aralık (IQR) ve ^{bıyıklardır⁴}.

Bıyıklar, kutudan IQR'nin 1.5 katı kadar uzanır ve aykırı değerler bıyıkların dışındaki veri noktaları olarak gösterilir⁴ ^. Kutu grafikleri , aykırı değerleri ve beklenen varyasyondan uzak veri noktalarını bulmaya yardımcı olur⁴^.

Kutu grafikleri, yaş, kan basıncı, ağırlık, sıcaklık ve hız gibi sürekli verileri göstermek için harikadır ^4. Kategorik veya nominal veriler için uygun değildirler; bu tür veriler için çubuk grafikler daha iyidir ⁴.

JMP gibi yazılımlar kutu grafiklerini otomatik olarak oluşturabilir ve ortalamalar, elmas şekiller veya istatistiksel ortalama açıklamaları gibi daha fazla ayrıntı ekleyebilirsiniz ⁴.

Kutu grafiklerinin analizi, veri çarpıklığını, yüzdelik dilimleri, aykırı değerleri ve grup farklılıklarını etkili bir şekilde tespit etmeye yardımcı olur ⁴.

Tıbbi Makale Şekilleri İçin Uygun Altyazılar &

Kutu Grafiklerin Avantajları

Kutu grafikleri, veri dağılımlarını göstermek için harika araçlardır. Bir veri kümesinin ana noktalarının (merkez, yayılım ve aralık) hızlı bir özetini sunarlar. Bu, farklı grupların nasıl karşılaştırıldığını görmeyi kolaylaştırır⁵ ^. Normal dağılıma uymayan verilerle iyi çalışırlar ve ortalama ve standart sapma yerine çeyrekler ve çeyrekler arası aralığa odaklanırlar⁵ . Kutu grafikleri ^ayrıca aykırı değerleri de gösterir ki bu da verileri keşfetmede çok önemlidir⁵^.

Kutu grafikleri, sayısal verilerin farklı gruplar arasında nasıl dağıldığını gösterir⁶ ^. Kutu, verilerin orta %50'sini gösterir ve ortanca değerde bir çizgi bulunur⁶ ^. Çeyrekler, verileri dört parçaya ayırır ve çeyrekler arası aralık (IQR), bıyık uzunluğunu ^belirler⁶.

Bıyıklar, kutunun uçlarından çeyrekler arası aralığın (IQR) 1.5 katına kadar uzanarak veri noktalarını gösterir. Aykırı değerler noktalarla işaretlenir⁶ ^. Kutudaki çentikler, örnekler için olası medyan değerlerini göstererek grupların istatistiksel olarak farklı olup olmadığını görmeye yardımcı olur⁶ ^. Kutu grafikleri , gruplar arasında net karşılaştırmalar için yığılmış histogramlardan daha iyidir⁶^.

Kutu grafikleri, veri dağılımlarını görselleştirmek, verileri yüksek düzeyde özetlemek ve grupları karşılaştırmak için güçlü bir araçtır. Birçok araştırma ve analiz durumunda faydalıdırlar.

Kutu Grafiğinin Bileşenleri

Kutu grafikleri, diğer adıyla bıyık diyagramları , verileri özetlemek için önemli bir araçtır. Bir veri kümesinin temel istatistiklerini basit bir şekilde gösterirler. Kutu, verilerin orta %50'sini temsil eder ve bu da çeyrekler arası aralık (IQR) olarak bilinir. Bıyıklar, minimum ve maksimum değerlere veya kutuya daha yakınsa IQR'nin 1.5 katına kadar uzanır. Kutu grafiğini ilk olarak John Tukey tanıtmıştır.

Çeyrekler ve Çeyrekler Arası Aralık

Kutu grafiği, medyan ve çeyrek değerlerdeki çizgilerle dört parçaya ayrılır. Medyan veya ikinci çeyrek değer (Q2), ortadadır. Birinci ve üçüncü çeyrek değerler (Q1 ve Q3), kutunun alt ve üst kenarlarını işaretler. Çeyrekler arası aralık (IQR) veya Q3 – Q1, verilerin orta %50'sinin yayılımını gösterir. Bu, bıyık uzunluklarını ayarlamak için önemlidir ⁷.

A dağılımının çeyrekler arası aralığı (IQR) 0.30, B'nin 0.21 ve C'nin 0.26'dır ^. Bu, her dağılımdaki yayılım ve dağılım hakkında bilgi verir.

A dağılımı, medyanı 0.11 olan sağa doğru çarpıktır. B dağılımı kabaca simetriktir ve her iki taraf neredeyse eşittir. C dağılımı ise medyanı 0.88 olan sola doğru çarpıktır ^. Bu durum, kutu grafiğindeki medyanın çeyrek değerlere göre konumundan görülebilir.

Kutu grafikleri, verilerdeki ortalamayı, çarpıklığı, yayılımı ve aykırı değerleri belirlemek için harika araçlardır ^7. Medyan, ortalama değeri gösterir ve çarpıklık, medyanın çeyreklere göre konumundan görülür ⁷.

"Kutu grafiklerini karşılaştırmak, medyanlar, dağılımlar, aykırı değerler ve farklı kategoriler arasındaki çarpıklık gibi özelliklerin analiz edilmesini içerir."

^{R'nin tanımı 8'e} göre, A dağılımında iki aykırı değer olabilir . Kutu grafikleri, verilerin nasıl dağıldığını görmenin güçlü bir yoludur ve bu da onları verilerin analiz edilmesi ve anlaşılması için vazgeçilmez kılar.

Kutu Grafikleri ve Bıyık Diyagramları: Veri Dağıtımını Görselleştirme

Kutu grafikleri, diğer adıyla kutu ve bıyık diyagramları , verilerin nasıl dağıldığını göstermek için harika araçlardır⁹ ^. Verilere hızlı bir bakış sağlarlar ve medyan ve çeyrekler gibi önemli noktaları gösterirler⁹ ^. Bu grafikler, verilerdeki beş ana sayıyı ve verilerin ne kadar dağıldığını gösterir⁹ ^. Bu, araştırmacıların verilerin ortasını, dağılımını ve şeklini hızlı bir şekilde görmelerine yardımcı olur⁹^.

Flourish'teki kutu grafiği şablonu, medyanla birlikte birinci ve üçüncü çeyrekleri görmeyi kolaylaştırır⁹ ^. Grafikleri dikey veya yatay olarak göstermeyi de seçebilirsiniz⁹ ^. Bıyıklar , çeyrekler arası aralığın 1.5 katına kadar uzayabilir ve aykırı değerleri belirlemeye yardımcı olur⁹^.

Kutu grafikleri, kullanıcıların farklı grupları kolayca karşılaştırmasına olanak tanıyan filtrelerle daha ilgi çekici hale getirilebilir ^9. Ayrıca, verilere daha yakından bakmak için bunları daha fazla grafiğe bölebilirsiniz ^9. Örneğin, 2022 Katar Dünya Kupası, yaşın oyuncu rollerini nasıl etkilediğini, örneğin genç oyuncuların hücumda daha yaygın olduğunu gösteriyor ⁹.

“Kutu grafikleri, veri dağılımını görselleştirmek için güçlü bir araçtır ; beş sayılık özetin özlü bir özetini sunar ve medyan ve çeyrekler gibi temel istatistikleri vurgular.”

Kutu grafikleri ve bıyık diyagramları kullanmak, araştırmacıların verilerini daha iyi anlamalarına, olağandışı noktaları tespit etmelerine ve sonuçlarını net bir şekilde paylaşmalarına yardımcı olur ^9. Bu araçlar, verileri keşfetmek ve araştırmayı daha iyi ve daha etkili hale getirmek için çok önemlidir ⁹.

Kutu Grafiklerini Yorumlama

Kutu grafikleri anlaşılması kolaydır ve bize veri dağılımı hakkında önemli bilgiler verir . Ortanca çizginin konumu bize veri simetrisi hakkında bilgi verir . Eğer ortadaysa, verilerin muhtemelen eşit olduğu anlamına gelir. Ancak merkezden uzaksa, veriler bir tarafa doğru eğilim ^gösterir.

Bıyıkların uzunluğu da çarpıklığı gösterir. Bir taraftaki daha uzun bıyık, o yönde daha uzun bir kuyruk anlamına gelir ¹⁰.

Çarpıklık ve Simetri

Kutu grafikleri, verilerdeki çarpıklığı ve simetriyi göstermek için harikadır . Verileri ^çeyrek dilimlere ayırırlar¹¹ . Kutu, ortadaki iki çeyrek dilimi ve medyanı gösterir. Bıyıklar, veri aralığını göstermek için ^uzanır¹¹.

Tek nokta olarak gösterilen aykırı değerler, verilerin şekli ve yayılımı hakkında bize daha fazla bilgi verir ^10. Kutu grafiğine bakarak dağılımı, çarpıklığı ve simetriyi görebiliriz. Bu, verileri daha iyi anlamamıza ve bilinçli kararlar almamıza yardımcı olur ¹¹.

Kutu grafikleri, veri dağılımına hızlı ama güçlü bir bakış sağlar . ^Kutu grafiklerini okumayı bilmek, karmaşık verilerdeki önemli kalıpları bulmamıza yardımcı olur. Bu da daha iyi kararlar ve araştırma sonuçlarına ^{yol açar}.

Kutu Grafiği Varyasyonları

Standart Tukey tarzı kutu grafiği en bilinen türdür, ancak birçok varyasyonu vardır. Kutu grafiği görselleştirmeleri, veriler hakkında daha fazla bilgi göstermek için özelleştirilebilir. Bize sadece çeyrek değerlerin ötesinde farklı bakış açıları sunarlar¹²^.

Özelleştirmenin bir yolu bıyıkları değiştirmektir. Bunları 2. ve 98. yüzdelik dilimlere veya 9. ve 91. yüzdelik dilimlere kadar uzatabilirsiniz. Bu, verilerin simetrisini daha iyi gösterir ^12. Başka bir seçenek ise çentikli kutu grafiğidir. %95 güven aralığını göstermek için medyanın etrafında çentikler bulunur. Bu, medyanların anlamlı derecede farklı olup olmadığını görmemizi sağlar ¹².

Harf -değer grafiği daha gelişmiş bir yöntemdir. Standart çeyrek değerlerden daha fazla yüzdelik dilim gösterir. Bu, büyük veri kümeleri ve verilerdeki ince kalıpları veya aykırı değerleri bulmak için harika bir yöntemdir ^12. Karmaşık veri kümelerini analiz ederken çok faydalı olabilir ¹³.

Bu kutu grafiği varyasyonlarına bakarak verilerimizi daha iyi anlayabiliriz. Gizli içgörüler bulabilir ve daha iyi kararlar alabiliriz ¹².

“Kutu grafikleri, diğer temel grafik türlerinden ve hatta dağılım grafikleri veya histogramlar gibi karmaşık grafik türlerinden bile daha anlaşılması zordur.” ¹²

Kutu Grafikleri Ne Zaman Kullanılır?

Kutu grafikleri, farklı grupların veya örneklerin sayısal verileri nasıl işlediğini karşılaştırmak için harika bir araçtır ^14. Orta değerdeki, yayılımdaki ve aykırı değerlerdeki farklılıkları tespit etmek istediğinizde mükemmeldirler ^6. Bu grafikler, verilere hızlı ancak ayrıntılı bir bakış sağlayarak kalıpları ve anormallikleri bulmaya yardımcı olur ¹⁴.

Kutu grafikleri, küçük veri kümeleriyle (n ≥ 5) uğraşırken öne çıkar ^6. Grupları karşılaştırmak için histogramlardan daha iyidirler, ancak verilerin ayrıntılı şeklini görmek için değil ^6. Veriye dayalı seçimler yapmak için önemli bir araçtırlar ¹⁴.

• Kutu grafikleri bir veri kümesinin temel istatistiklerini gösterir: minimum, ilk çeyrek, medyan, üçüncü çeyrek ve maksimum¹⁴.
• John Tukey, bir veri kümesinin beş rakamlı özetini görsel olarak göstermek için 1969'da “Kutu ve Bıyık Grafiği”ni tanıttı.¹⁴.
• 1969'dan beri bu grafikler istatistiklerde temel bir konu olmuştur ve veri analizi¹⁴.
• Özellikle farklı grupların nasıl karşılaştırıldığını görmek açısından iyiler¹⁴.

Kutu grafikleri, verileri karşılaştırmak , birden fazla grubu analiz etmek ve aykırı değerleri bulmak için harika araçlardır ^14. Veri dağılımını göstermeyi kolaylaştırırlar ve veri analizinde olmazsa olmazdırlar ⁶.

“Kutu grafikleri, istatistiksel dağılımları göstermek için etkilidir ve Chartio'da Grafik Kütüphanesi sayesinde kolayca oluşturulabilir.” ¹⁴

Kutu Grafiği Varyasyonları

Birçok kutu grafiği türü vardır ve her biri benzersiz bilgiler sunar ^6. Medyanın olası aralığını göstermek için çentikler ekleyebilir, bıyıkları ayarlayabilir veya ek bilgi için ortalamayı dahil edebilirsiniz ^6. Doğru kutu grafiği türü, verilerden ne öğrenmeye çalıştığınıza bağlıdır ⁴.

Aykırı Değerleri Görselleştirme

Kutu grafikleri, önemli veri istatistiklerini göstermede ve aykırı değerleri tespit etmede harikadır ^15. Aykırı değerler, olağan kalıba uymayan veri noktalarıdır. Kutu grafiğinin bıyıklarının ötesinde tek noktalar olarak göze çarparlar ^16. Bu aykırı değerler, verilerin şekli ve olağandışı noktalar olup olmadığı hakkında bize çok şey anlatır.

Aykırı değerleri tespit etmek, araştırmacıların verilerini daha iyi anlamalarına yardımcı olur ^16. Bu noktalar analiz için çok önemlidir ve bize büyük farklılıkları veya olası hataları gösterir ¹⁶.

^{Kutu grafikleri ayrıca, medyan çizgisinin 16} olduğu noktaya göre verilerin sola veya sağa doğru çarpık olup olmadığını da gösterir . Bu, aykırı değerleri bulmanın yanı sıra, veriler hakkında derinlemesine bilgi edinmemizi sağlar. Araştırmacıların analizleri sırasında daha akıllıca seçimler yapmalarına yardımcı olur.

Dolayısıyla, kutu grafikleri veri analizinde aykırı değerleri tespit etmek için güçlü bir araçtır ^15. Araştırmacıların verilerini daha iyi anlamalarına ve olağandışı noktalar hakkında daha iyi kararlar almalarına yardımcı olurlar ^{15 16}.

Yazılım Uygulaması

Biyomedikal araştırmalarda veri dağılımını görselleştirmek çok önemlidir. Kutu grafikleri bunun için güçlü bir araçtır. Kutu grafikleri, çeşitli veri görselleştirme araçları ve programlama dilleriyle kolayca oluşturulabilir ^17. R, birçok fonksiyonu sayesinde bunun için en iyi seçeneklerden biridir.

^{R ,} kullanıcıların özel kutu grafikleri oluşturmasına olanak tanır. Örneklem büyüklüğünü göstermek için bıyık uzunluğunu , çentik gösterimini ve kutu genişliğini ayarlayabilirsiniz.

R dili, kutu grafikleri oluşturmak ve bunları ayrıntılı veri analizine ve raporlara eklemek için harika bir dildir. BoxPlotR, verilerinizden özel kutu grafikleri oluşturmak için özel bir araçtır ^17. Açık kaynaklıdır ve grafikleri etiketlemenize, renkleri ve boyutları değiştirmenize ve EPS, PDF ve SVG gibi formatlarda dışa aktarmanıza olanak tanır ¹⁷.

R ile Kutu Grafiklerini Özelleştirme

R'de kutu grafikleri oluştururken, görsellerinizi iyileştirmek için gelişmiş özelliklerden yararlanabilirsiniz. Kutu genişliği örneklem boyutunu gösterir ve çentikler medyanlar hakkındaki güven düzeyini verir ¹⁷.

Bıyık grafikleri Spear ve Tukey'nin fikirlerini takip eder ve daha fazla ayrıntı için keman ve fasulye grafikleri kullanabilirsiniz ^17. Ayrıca grafiklerinizi etiketleyebilir, özelleştirebilir ve farklı formatlarda kaydedebilirsiniz ¹⁷.

BoxPlotR, tutarlı nokta titremesi ve renk seçenekleri gibi yeni özelliklerle güncellendi ^17. Ayrıca örnek adlarını görüntüleyebilir ve logaritmik ölçekler kullanabilirsiniz. Hatta EPS, PDF ve SVG gibi formatlardaki dosyaları düzenlemek için ipuçları bile sunuyor ¹⁷.

BoxPlotR'ı denemek isteyenler için sanal makine indirilmeye hazır ^{17 numaralı} bağlantıda mevcuttur . Kurulumu ve kullanımı kolay olduğundan araştırmacılar için idealdir.

Araştırma Uygulamaları

Kutu grafikleri, doğa bilimlerinden sosyal bilimlere kadar birçok araştırma alanında kullanılır. Verilerdeki kalıpları, aykırı değerleri ve farklılıkları göstererek keşifsel veri analizine yardımcı olurlar. Bu da onları, örnek medyanlarının farklı olup olmadığını görmek için karşılaştırmalı çalışmalar için mükemmel kılar ^18. Ayrıca karmaşık verilerin araştırmacılar, politika yapıcılar veya kamuoyu gibi diğerleriyle paylaşılmasını kolaylaştırırlar ¹⁸.

Veri analizinde , kutu grafikleri değişkenlerin nasıl dağıldığını göstermeye, aykırı değerleri bulmaya ve grupları karşılaştırmaya yardımcı olur ^18. Psikolojide ise verilerin dağılımını ve simetrisini göstererek araştırmacıların kalıpları daha iyi anlamalarına yardımcı olur ¹⁸.

Kutu grafikleri, makine öğrenimi ve yapay zeka araştırmalarında da kilit öneme sahiptir. Iris veri seti ¹⁹ gibi karmaşık veri setlerini keşfetmeye yardımcı olurlar . Araştırmacılar, çanak yaprağı uzunluğu, çanak yaprağı genişliği, taç yaprağı uzunluğu ve taç yaprağı genişliğine bakarak Iris bitkisi hakkında çok şey öğrenebilirler ¹⁹.

Kutu grafikleri araştırmacılar için güçlü bir araçtır. Verilerdeki kalıpları, aykırı değerleri ve farklılıkları kolayca tespit etmeyi sağlarlar ^18. Bu nedenle birçok araştırma alanında çok popülerdirler ¹⁸.

Sonuç

Sayısal verilerin nasıl yayıldığını göstermek için kutu grafikleri ve bıyık diyagramları çok önemlidir. Veri analistleri için hayati öneme sahiptirler. Bu grafikler ^, medyan ve çeyrekler gibi önemli istatistiklere hızlı bir bakış sağlar. Ayrıca, verilerin ortasını, yayılımını ve şeklini göstererek aykırı değerleri tespit etmeye de yardımcı olurlar.

^{Kutu grafikleri , farklı gruplar arasındaki verileri karşılaştırmak için harika bir} araçtır. Verileri keşfetmeye ve sonuçları paylaşmaya yardımcı olurlar . Bu ^da onları veri analizinde ve bulguların paylaşımında büyük bir yardımcı haline ^getirir.

Veriler daha karmaşık hale geldikçe, kutu grafikleri tüm bunları anlamlandırmak için kullanışlı olmaya devam ediyor ^{20 21.} Değişkenlerin nasıl dağıldığını görmek ve makine öğreniminde garip veri noktalarını tespit etmek için çok önemlidirler ²⁰.

Kutu grafiklerinin, çentikli ve değişken genişlikli grafikler gibi yeni türlerle birlikte daha da iyileşmeye devam etmesini bekliyoruz ^21. Daha zorlu verilerle uğraşırken, kutu grafiği verileri keşfetmek ve paylaşmak için önemli bir araç olmaya devam edecektir.

Kaynak Bağlantılar

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/