Boxplot

Um boxplot, ou boxplot, é uma representação gráfica que mostra a distribuição de um conjunto de dados. Consiste em uma caixa que vai do primeiro quartil (Q1) ao terceiro quartil (Q3), com uma linha horizontal que indica a mediana da amostra.

Última revisão

Conclusão principal

Um boxplot é uma representação gráfica que mostra a distribuição de um conjunto de dados.

Nesta página
  1. O que é um boxplot?
  2. Quando usar o boxplot?
  3. Diretrizes para o uso correto do boxplot
  4. Alternativas: quando não usar o boxplot
  5. Exemplo de boxplot
  6. Como fazer um boxplot

O que é um boxplot?

Um boxplot é uma representação gráfica que mostra a distribuição de um conjunto de dados. Consiste em uma caixa que vai do primeiro quartil (Q1) ao terceiro quartil (Q3), com uma linha horizontal que indica a mediana da amostra. A amplitude interquartil (IQR) é a diferença entre Q1 e Q3. Os bigodes se estendem da caixa até os pontos de dados mais externos dentro do intervalo de Q1 - 1.5IQR a Q3 + 1.5IQR, enquanto os pontos fora desse intervalo são considerados outliers e plotados individualmente. Os boxplots são não paramétricos: ilustram a variação da amostra sem pressupor nenhuma distribuição estatística específica e funcionam melhor com tamanhos amostrais de pelo menos 20.

Quando usar o boxplot?

Os boxplots são muito usados na análise e na visualização de dados com diversas finalidades. Estas são algumas situações em que eles são especialmente úteis:

  • Para mostrar distribuições de valores numéricos, sobretudo quando se deseja compará-las entre vários grupos.
  • Comparação de distribuições: Quando você precisa comparar a distribuição de um conjunto de dados entre diferentes grupos ou categorias, os boxplots oferecem uma comparação visual clara de medianas, variabilidade e outliers.
  • Identificação de outliers: Os boxplots são eficazes para detectar outliers nos dados. Os pontos plotados além dos bigodes indicam possíveis outliers que podem exigir investigação adicional.
  • Resumo de grandes conjuntos de dados: Para grandes conjuntos de dados, os boxplots oferecem um resumo conciso da tendência central, da variabilidade e da distribuição geral, sem a poluição visual dos pontos de dados individuais.
  • Avaliação da simetria e da assimetria: A posição da linha da mediana dentro da caixa e o comprimento dos bigodes ajudam a avaliar rapidamente se os dados são simétricos ou assimétricos.
  • Comparação de vários conjuntos de dados: Quando você tem vários conjuntos de dados e deseja comparar suas distribuições lado a lado, os boxplots oferecem uma forma padronizada de apresentar essas informações com clareza e eficiência.
  • Dados não paramétricos: Os boxplots são úteis quando você não quer fazer suposições sobre a distribuição estatística subjacente dos dados, pois são não paramétricos.
  • Análise exploratória de dados (EDA): Nas etapas iniciais da análise de dados, os boxplots ajudam a entender as características gerais dos dados, como dispersão, tendência central e presença de outliers.

Diretrizes para o uso correto do boxplot

  • Se o tamanho amostral for muito pequeno, o boxplot pode não mostrar quartis e outliers significativos.
  • Para tamanhos amostrais menores que 20, considere usar um gráfico de valores individuais.
  • Os dados da amostra devem ser selecionados aleatoriamente e usados para fazer inferências sobre uma população.
  • Uma coleta de dados não aleatória pode gerar resultados que não representam a população.

Alternativas: quando não usar o boxplot

  • Histogramas: Os histogramas são mais adequados que os boxplots quando você precisa de uma visão mais detalhada da distribuição, quer analisar intervalos ou faixas específicos, detectar padrões multimodais, lidar com grandes conjuntos de dados ou entender a assimetria da distribuição.
  • Diagrama de dispersão: Os diagramas de dispersão são mais adequados que os boxplots quando você precisa analisar a relação entre duas variáveis contínuas, detectar outliers, identificar relações não lineares, revelar heterocedasticidade ou detectar padrões de agrupamento nos dados.
  • Gráficos de barras: Os gráficos de barras são mais adequados que os boxplots quando você precisa exibir dados categóricos ou dados ordinais em que os intervalos entre as categorias não são significativos. Simplificam a visualização para públicos sem formação estatística.

Exemplo de boxplot

O objetivo de um fabricante de fertilizantes para plantas é desenvolver uma fórmula que maximize o crescimento em altura das plantas. Para testar diferentes fórmulas de fertilizante, um cientista prepara três conjuntos de 50 mudas idênticas. Esses conjuntos incluem um grupo de controle sem fertilizante, um grupo tratado com o fertilizante do fabricante, chamado GrowFast, e um grupo tratado com o fertilizante de um concorrente, chamado SuperPlant. Depois de três meses em uma estufa com ambiente controlado, o cientista mede a altura das plantas.

Como parte da investigação inicial, o cientista constrói um boxplot que representa as alturas das plantas dos três grupos. Esse boxplot é usado para avaliar as variações no crescimento das plantas entre o grupo sem fertilizante, o grupo tratado com o fertilizante do fabricante e o grupo tratado com o fertilizante do concorrente. As etapas são as seguintes:

  1. Coletou os dados necessários.
  2. Em seguida, analise os dados no Zometric Statistical Software em https://statsai.zometric.com/.
  3. Para encontrar o boxplot, escolha Statistical module> Graphical analysis> Boxplot Chart.
  4. Na ferramenta, insira os dados e as demais entradas da seguinte forma:
  5. Depois de usar a ferramenta mencionada acima, obtém-se a saída a seguir:
Box Plot — figure 1Box Plot — figure 2Box Plot — figure 3

Como fazer um boxplot

O guia é o seguinte:

  1. Faça login no Zometric Statistical Software em https://statsai.zometric.com/
  2. Na página inicial, escolha Statistical Tool> Graphical analysis >Boxplot Chart.
  3. Em seguida, atualize os dados manualmente ou copie todos os dados (Ctrl+C) de uma planilha do Excel e cole-os (Ctrl+V); outra opção é Load Example, que carrega os dados de exemplo.
  4. Em seguida, você precisa mapear as colunas para os parâmetros.
  5. Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.

No painel (dashboard) do Boxplot, a janela é dividida em duas partes.

Box Plot — figure 4

Na parte esquerda fica o painel de dados (Data Pane). No Data Pane, cada linha forma um subgrupo. Os dados podem ser inseridos manualmente, ou você pode copiar todos os dados (Ctrl+C) de uma planilha do Excel e colá-los (Ctrl+V) aqui.

Load example:  Os dados de exemplo serão carregados.

Load File: É usado para carregar diretamente os dados do Excel.

Na parte direita, há várias opções, descritas a seguir:

Y-axis column: Representa uma variável numérica. Essa variável numérica costuma ser uma medição ou uma contagem que você deseja analisar ou comparar entre diferentes categorias ou grupos.

X-axis column: Representa variáveis categóricas ou grupos. Essas categorias geralmente não são numéricas e representam diferentes grupos ou níveis dos seus dados que você deseja comparar.

Color-category column: A forma categórica será exibida com base em cores.

Points displayed: Exibe os pontos dos outliers, dos possíveis outliers ou de ambos ao mesmo tempo.

Notched: Indica o quão densa é a parte central dos seus dados.

Discrete color sequence: Serve para diferenciar vários grupos ou categorias, facilitando a comparação de suas distribuições. Melhora a clareza e a legibilidade ao distinguir visualmente cada grupo. A codificação por cores também pode destacar pontos de dados ou subgrupos específicos, fornecendo informações adicionais. Essa abordagem torna o gráfico visualmente mais atraente e facilita interpretações mais rápidas e precisas.

Label:  Define os rótulos de dados e contém três opções:

  • Outlier: Valores de dados muito distantes dos demais, que podem afetar fortemente os seus resultados.
  • All quartiles: Os quartis são valores que dividem uma amostra de dados em quatro partes iguais. Permitem avaliar rapidamente a dispersão e a tendência central de um conjunto de dados.
  • Mean: A média no boxplot fornece informações adicionais sobre a tendência central dos dados.

Choose label: Contém duas opções:

  • Use Y value labels: rotula o valor Y no boxplot.
  • Use labels from selected column: rotula a coluna selecionada no boxplot.

Interquartile range box: A caixa da amplitude interquartil representa os 50% centrais dos dados. Mostra a distância entre o primeiro e o terceiro quartis (Q3-Q1).

Range box: Vai do valor mínimo ao valor máximo. Também conhecida como caixa da amplitude interquartil (IQR).

Median Line: As linhas da mediana são rotuladas com as medianas (valores de y).

Mean Line: Fornece pontos de referência no gráfico.

Mean Symbol: Representa a média dos dados.

Median Symbol: Representa a mediana dos dados.

X-axis line(low): A linha do eixo X (low) em um boxplot, ou bigode inferior, indica o menor valor dentro de 1.5 vez a amplitude interquartil (IQR) abaixo do primeiro quartil (Q1) e ajuda a identificar outliers abaixo desse limite. Fornece informações sobre a cauda inferior da distribuição e auxilia na análise comparativa da dispersão dos dados entre grupos.

X-axis line (low & high): A linha do eixo X (low e high) em um boxplot representa o seguinte:

  • Valor baixo (low): É o valor mínimo do conjunto de dados, excluindo os outliers.
  • Valor alto (high): É o valor máximo do conjunto de dados, excluindo os outliers.

Y-axis line(low): Representa o valor mínimo do conjunto de dados, excluindo os outliers. Ajuda a visualizar o ponto mais baixo dentro da faixa normal dos dados.

Y-axis line (low & high): As linhas do eixo Y (low e high) representam a amplitude dos dados, indicando os valores mínimo e máximo (excluindo os outliers). Ajudam a visualizar a dispersão e a variabilidade do conjunto de dados, oferecendo um resumo rápido da sua distribuição.

X-axis tick(low): Rotula a extremidade inferior do eixo X. Fornece contexto para a distribuição dos pontos de dados na faixa inferior.

Y-axis tick(low): Exibe o valor mínimo do conjunto de dados. Identifica possíveis outliers ao mostrar o ponto de dados mais baixo dentro do bigode.

X-axis tick labels(low): É usado para indicar as categorias ou grupos que estão sendo comparados. Garante a identificação clara de cada categoria quando o espaço é limitado, melhorando a legibilidade.

Y-axis tick labels(low): É usado para marcar e exibir os valores mínimos dos conjuntos de dados plotados. Ajuda a identificar os pontos de dados mais baixos em cada categoria ou grupo, oferecendo uma compreensão clara da distribuição dos dados e dos outliers.

Gridlines on X-axis ticks: Mostra as linhas de referência nos valores de X.

Gridlines on Y-axis ticks: Mostra as linhas de referência nos valores de Y.

Download as Excel: Exibe o resultado em formato Excel, que pode ser facilmente editado e recarregado para os cálculos por meio da opção load file.

Perguntas frequentes

O que é um boxplot?

Um boxplot mostra a distribuição de um conjunto de dados. A caixa vai do primeiro quartil (Q1) ao terceiro quartil (Q3), com uma linha na mediana. Os bigodes se estendem até os pontos mais externos dentro de Q1 - 1.5 IQR e Q3 + 1.5 IQR, em que IQR é Q3 - Q1, e os pontos além deles são plotados individualmente como outliers.

Como interpretar um boxplot?

A caixa contém os 50% centrais dos dados, e a linha dentro dela é a mediana. Caixas e bigodes mais longos indicam maior dispersão. A posição da mediana dentro da caixa e o comprimento dos bigodes mostram se os dados são simétricos ou assimétricos. Os pontos além dos bigodes são possíveis outliers que merecem investigação.

Quantos pontos de dados são necessários para um boxplot?

Os boxplots funcionam melhor com tamanhos amostrais de pelo menos 20. Com poucos pontos, os quartis e os outliers podem não ser significativos; para amostras menores que 20, considere usar um gráfico de valores individuais. Os dados devem ser selecionados aleatoriamente para que o gráfico represente a população.

Quando usar um histograma em vez de um boxplot?

Use um histograma quando precisar de uma visão mais detalhada da distribuição, quiser examinar intervalos específicos ou precisar detectar padrões multimodais. Use um diagrama de dispersão para estudar a relação entre duas variáveis contínuas. Os boxplots são mais indicados para comparar medianas, dispersão e outliers de vários grupos lado a lado.