- 統計教程
- 首頁
- 調整後的R方
- 方差分析
- 算術平均數
- 算術中位數
- 算術眾數
- 算術極差
- 條形圖
- 最佳點估計
- 貝塔分佈
- 二項分佈
- 布萊克-斯科爾斯模型
- 箱線圖
- 中心極限定理
- 切比雪夫定理
- 卡方分佈
- 卡方表
- 圓排列
- 整群抽樣
- 科恩 Kappa 係數
- 組合
- 可重複組合
- 比較圖表
- 連續均勻分佈
- 連續數列算術平均數
- 連續數列算術中位數
- 連續數列算術眾數
- 累積頻率
- 變異係數
- 相關係數
- 累積圖
- 累積泊松分佈
- 資料收集
- 資料收集 - 問卷設計
- 資料收集 - 觀察法
- 資料收集 - 案例研究法
- 資料模式
- 十分位數統計
- 離散數列算術平均數
- 離散數列算術中位數
- 離散數列算術眾數
- 點圖
- 指數分佈
- F分佈
- F檢驗表
- 階乘
- 頻率分佈
- 伽馬分佈
- 幾何平均數
- 幾何機率分佈
- 擬合優度
- 總平均數
- Gumbel 分佈
- 調和平均數
- 調和數
- 諧振頻率
- 直方圖
- 超幾何分佈
- 假設檢驗
- 個體數列算術平均數
- 個體數列算術中位數
- 個體數列算術眾數
- 區間估計
- 逆伽馬分佈
- Kolmogorov-Smirnov檢驗
- 峰度
- 拉普拉斯分佈
- 線性迴歸
- 對數伽馬分佈
- 邏輯迴歸
- McNemar 檢驗
- 平均差
- 均值差異
- 多項分佈
- 負二項分佈
- 正態分佈
- 奇排列和偶排列
- 單比例Z檢驗
- 異常值函式
- 排列
- 可重複排列
- 餅圖
- 泊松分佈
- 合併方差(r)
- 功效計算器
- 機率
- 機率加法定理
- 機率乘法定理
- 機率貝葉斯定理
- 機率密度函式
- 過程能力(Cp)和過程效能(Pp)
- 過程Sigma
- 二次迴歸方程
- 定性資料與定量資料
- 四分位差
- 經驗法則
- 瑞利分佈
- 迴歸截距置信區間
- 相對標準偏差
- 信度係數
- 所需樣本量
- 殘差分析
- 殘差平方和
- 均方根
- 樣本計劃
- 抽樣方法
- 散點圖
- Shannon-Wiener 多樣性指數
- 信噪比
- 簡單隨機抽樣
- 偏度
- 標準差
- 標準誤(SE)
- 標準正態表
- 統計顯著性
- 統計公式
- 統計符號
- 莖葉圖
- 分層抽樣
- 學生t檢驗
- 平方和
- t分佈表
- TI 83 指數迴歸
- 轉換
- 截尾均值
- I型和II型錯誤
- 方差
- 維恩圖
- 大數弱定律
- Z表
- 統計有用資源
- 統計 - 討論
統計 - 箱線圖
箱線圖是一種標準化的顯示資料分佈的方法,它基於以下五數概括。
最小值
第一四分位數
中位數
第三四分位數
最大值
對於均勻分佈的資料集,在箱線圖中,中心矩形跨越第一四分位數到第三四分位數(或四分位數間距,IQR)。矩形內的線顯示中位數,“須”顯示最小值和最大值的位置。這種箱線圖顯示了從最小值到最大值的全部變異範圍、可能的變異範圍、IQR和中位數。
問題陳述
為以下兩個資料集建立一個箱線圖。
| 0.22 |
| -0.87 |
| -2.39 |
| -1.79 |
| 0.37 |
| -1.54 |
| 1.28 |
| -0.31 |
| -0.74 |
| 1.72 |
| 0.38 |
| -0.17 |
| -0.62 |
| -1.10 |
| 0.30 |
| 0.15 |
| 2.30 |
| 0.19 |
| -0.50 |
| -0.09 |
| -5.13 |
| -2.19 |
| -2.43 |
| -3.83 |
| 0.50 |
| -3.25 |
| 4.32 |
| 1.63 |
| 5.18 |
| -0.43 |
| 7.11 |
| 4.87 |
| -3.10 |
| -5.81 |
| 3.76 |
| 6.31 |
| 2.58 |
| 0.07 |
| 5.76 |
| 3.50 |
解決方案
這裡兩個資料集都圍繞零均勻平衡,所以均值大約為零。在第一個資料集中,變異範圍大約從-2.5到2.5,而在第二個資料集中,變異範圍大約從-6到6。繪製如下所示的圖表。
廣告