​

What is Boxplot?

데이터 분석을 진행하면서 다른 분들의 분석 레퍼런스를 보며 공부하다보니 많은 분들이 boxplot을 사용하는 것을 보았습니다. 다만, 저는 그 박스가 어떤 경우에 사용하는 것인지? 어떤 의미로 그려지는 것인지? 어떻게 해석하면 좋은지? 개념이 약했기 때문에 내용을 정리해보겠습니다.

​

​

Box Plot

최댓값, 최솟값, 중앙값, 사분편차를 사용하여 자료의 측정값들이 어떤 모양으로 분포되어 있으며, 극단값들은 어떠한지 등을 쉽게 알 수 있도록 하는 그림이다. 자료들이 비대칭으로 분포되어 있을 경우에는 상자그림을 그려 극단값의 개수, 비대칭 여부 등을 파악할 수 있으므로 측정값들의 중심위치와 산포도의 척도로 사용할 수 있다.

출처 : [네이버 지식백과] 상자그림 [box plot, box and whisker plot] (교육평가용어사전, 2004. 5. 31., 한국교육평가학회)

👉 박스로 표현한 데이터에 4분위 값들의 분포와 특이값을 표현한 그림

​

​

어떤 경우에 Box Plot을 사용할까?

데이터 분포에 관한 정보를 얻고 싶을 때 사용.

​

​

​

Box Plot은 어떻게 해석해야 하는가?

​

​

사분위수?

자료를 크기 순으로 배열하고, 누적 백분율을 4 등분한 각 점에 해당하는 값을 말한다.
제1사분위수는 누적 백분율이 25%에 해당하는 점수이고, 제2사분위수는 누적 백분율이 50%, 제3사분위수는 75%, 제4사분위수는 100%에 해당하는 점수이다.
특히 제2사분위수는 누적 백분율이 50%이므로 개념적으로 중앙값과 동일하다.

출처: [네이버 지식백과] 사분위수 [quartile] (교육평가용어사전, 2004. 5. 31., 한국교육평가학회)

​

​

중앙값?

자료를 크기 순서대로 배열했을 때, 중앙에 위치하게 되는 값이다.
중앙값을 기준으로 자료의 반은 중앙값보다 큰 값을 갖고, 나머지 반은 중앙값보다 작은 값을 갖는다.
자료가 (4, 5, 7, 8, 10)으로 구성되어 있다면, 7보다 작은 값이 2개, 7보다 큰 값이 2개 있으므로 7이 중앙값이 된다.

자료가 (1, 3, 5, 7, 8, 9)와 같이 짝수로 구성되어 있는 경우, 가운데 있는 두 값인 5와 7의 평균으로 중앙값이 결정된다. 자료에 중복된 값이 있는 경우 중앙값 계산은 복잡해지며, 이 경우는 누적 백분율이 50%인 점을 계산하는 공식을 활용하여 중앙값을 산출할 수 있다.

출처: [네이버 지식백과] 중앙값 [median] (교육평가용어사전, 2004. 5. 31., 한국교육평가학회)

​

​

​