boxplot
Visualizar estadísticas descriptivas con una gráfica de caja
Descripción
boxplot( crea una gráfica de caja de los datos en x)x. Si x es un vector, boxplot representa una caja. Si x es una matriz, boxplot representa una caja para cada columna de x.
En cada caja, la marca central indica la mediana, y los extremos inferior y superior de la caja indican los percentiles 25 y 75, respectivamente. Los bigotes se extienden hasta los puntos de datos más extremos que no se consideran valores atípicos, y los valores atípicos se representan individualmente mediante el símbolo del marcador '+'.
boxplot( crea una gráfica de caja mediante los ejes especificados por el objeto gráfico de ejes ax,___)ax, con cualquiera de las sintaxis anteriores.
boxplot(___, crea una gráfica de caja con más opciones especificadas por uno o más argumentos de par Name,Value)Name,Value. Por ejemplo, puede especificar el estilo o el orden de las cajas.
Ejemplos
Cargue los datos de muestra.
load carsmallCree una gráfica de caja de las medidas de millas por galón (MPG). Añada un título y etiquete los ejes.
boxplot(MPG) xlabel('All Vehicles') ylabel('Miles per Gallon (MPG)') title('Miles per Gallon for All Vehicles')
La gráfica de caja muestra que la mediana de millas por galón de todos los vehículos en los datos de muestra es de aproximadamente 24. El valor mínimo es de unas 9 y el valor máximo es de unas 44.
Cargue los datos de muestra.
load carsmallCree una gráfica de caja con las medidas de millas por galón (MPG) de los datos de muestra, agrupados por el país de origen de los vehículos (Origin). Añada un título y etiquete los ejes.
boxplot(MPG,Origin) title('Miles per Gallon by Vehicle Origin') xlabel('Country of Origin') ylabel('Miles per Gallon (MPG)')
Cada caja representa visualmente los datos de MPG de los coches del país especificado. La "caja" de Italia aparece como una sola línea porque los datos de muestra solo contienen una observación en este grupo.
Genere dos conjuntos de datos de muestra. La primera muestra, x1, contiene números aleatorios generados a partir de una distribución normal con mu = 5 y sigma = 1. La segunda muestra, x2, contiene números aleatorios generados a partir de una distribución normal con mu = 6 y sigma = 1.
rng default % For reproducibility x1 = normrnd(5,1,100,1); x2 = normrnd(6,1,100,1);
Cree gráficas de caja con muescas de x1 y x2. Etiquete cada caja con su valor mu correspondiente.
figure boxplot([x1,x2],'Notch','on','Labels',{'mu = 5','mu = 6'}) title('Compare Random Data from Different Distributions')
La gráfica de caja muestra que la diferencia entre la mediana de los dos grupos es de aproximadamente 1. Dado que las muescas de la gráfica de caja no se solapan, se puede concluir, con un 95% de confianza, que las verdaderas medianas son diferentes.
La siguiente figura muestra la gráfica de caja de los mismos datos con la longitud máxima de los bigotes especificada como 1,0 veces el rango intercuartil. Los puntos de datos que están más allá de los bigotes se muestran con +.
figure boxplot([x1,x2],'Notch','on','Labels',{'mu = 5','mu = 6'},'Whisker',1) title('Compare Random Data from Different Distributions')
Con los bigotes más pequeños, boxplot muestra más puntos de datos como valores atípicos.
Cree una matriz de 100 por 25 de números aleatorios generados a partir de una distribución normal estándar para utilizarlos como datos de muestra.
rng default % For reproducibility x = randn(100,25);
Cree dos gráficas de caja para los datos de x en la misma figura. Utilice el formato predeterminado para la gráfica superior y el formato compacto para la gráfica inferior.
figure subplot(2,1,1) boxplot(x) subplot(2,1,2) boxplot(x,'PlotStyle','compact')
Cada gráfica presenta los mismos datos, pero el formato compacto puede mejorar la legibilidad de las gráficas con muchas cajas.
Cree gráficas de caja para vectores de datos de longitud variable con una variable de agrupación.
Genere tres vectores columna de longitud variable aleatoriamente: uno de longitud 5, otro de longitud 10 y otro de longitud 15. Combine los datos en un único vector columna de longitud 30.
rng('default') % For reproducibility x1 = rand(5,1); x2 = rand(10,1); x3 = rand(15,1); x = [x1; x2; x3];
Cree una variable de agrupación que asigne el mismo valor a las filas que corresponden al mismo vector de x. Por ejemplo, las cinco primeras filas de g tienen el mismo valor, First, porque las cinco primeras filas de x provienen todas del mismo vector, x1.
g1 = repmat({'First'},5,1);
g2 = repmat({'Second'},10,1);
g3 = repmat({'Third'},15,1);
g = [g1; g2; g3];Cree las gráficas de caja.
boxplot(x,g)
Argumentos de entrada
Argumentos de par nombre-valor
Especifique pares de argumentos opcionales Name1=Value1,...,NameN=ValueN, donde Name es el nombre del argumento y Value es el valor correspondiente. Los argumentos nombre-valor deben aparecer después de otros argumentos, pero el orden de los pares no importa.
En versiones anteriores a R2021a, use comas para separar cada nombre y valor y encierre Name entre comillas.
Ejemplo: 'Notch','on','Labels',{'mu = 5','mu = 6'} crea una gráfica de caja con muescas y etiqueta las dos cajas mu = 5 y mu = 6, de izquierda a derecha
Apariencia de la caja
El estilo de la caja, especificado como uno de los siguientes.
| Nombre | Valor |
|---|---|
'outline' | Representa las cajas con una caja sin llenar con bigotes discontinuos. Esta es la opción predeterminada si 'PlotStyle' es 'traditional'. |
'filled' | Representa las cajas con una caja estrecha rellena con líneas para los bigotes. Esta es la opción predeterminada si 'PlotStyle' es 'compact'. |
Ejemplo: 'BoxStyle','filled'
Los colores de la caja, especificados como triplete RGB, vector de caracteres o escalar de cadena. Un triplete RGB es un vector fila de tres elementos, cuyos elementos especifican las intensidades de los componentes rojo, verde y azul del color, respectivamente. Las intensidades deben estar en el rango [0,1].
En la siguiente tabla se enumeran los caracteres de color disponibles y sus valores de triplete RGB equivalentes.
| Nombre largo | Nombre corto | Triplete RGB |
|---|---|---|
| Amarillo | 'y' | [1 1 0] |
| Magenta | 'm' | [1 0 1] |
| Cian | 'c' | [0 1 1] |
| Rojo | 'r' | [1 0 0] |
| Verde | 'g' | [0 1 0] |
| Azul | 'b' | [0 0 1] |
| Blanco | 'w' | [1 1 1] |
| Negro | 'k' | [0 0 0] |
Puede especificar varios colores como un vector de caracteres o un escalar de cadena de nombres de colores (por ejemplo, 'rgbm'), o una matriz de tres columnas de valores RGB. La secuencia se replica o se trunca según sea necesario, de modo que, por ejemplo, 'rb' da cajas que alternan el rojo y el azul.
Si no se especifica el par nombre-valor 'ColorGroup', boxplot utiliza el mismo esquema de color para todas las cajas. Si se especifica 'ColorGroup', el valor predeterminado es un hsv colormap modificado.
Ejemplo: 'Colors','rgbm'
El estilo de la mediana, especificado como uno de los siguientes.
| Nombre | Valor |
|---|---|
'line' | Dibuja una línea para representar la mediana en cada caja. Esta es la opción predeterminada cuando 'PlotStyle' es 'traditional'. |
'target' | Dibuja un punto negro dentro de un círculo blanco para representar la mediana en cada caja. Esta es la opción predeterminada cuando 'PlotStyle' es 'compact'. |
Ejemplo: 'MedianStyle','target'
El marcador de los intervalos de comparación, especificado como uno de los siguientes.
| Nombre | Valor |
|---|---|
'off' | Omite los intervalos de comparación de la visualización de la caja. |
'on' | Si 'PlotStyle' es 'traditional', dibuja los intervalos de comparación mediante muescas. Si 'PlotStyle' es 'compact', dibuja los intervalos de comparación mediante marcadores triangulares. |
'marker' | Dibuja los intervalos de comparación mediante marcadores triangulares. |
Dos medianas son significativamente diferentes al nivel de significación del 5% si sus intervalos no se solapan. boxplot representa los puntos finales del intervalo utilizando los extremos de las muescas o los centros de los marcadores triangulares. Los extremos de las muescas corresponden a q2 – 1.57(q3 – q1)/sqrt(n) y q2 + 1.57(q3 – q1)/sqrt(n), donde q2 es la mediana (percentil 50), q1 y q3 son los percentiles 25 y 75, respectivamente, y n es el número de observaciones sin ningún valor NaN. Si el tamaño de la muestra es pequeño, las muescas pueden sobrepasar el extremo de la caja.
Para ver un ejemplo etiquetado de gráficas de caja con muescas, consulte Gráfica de caja.
Ejemplo: 'Notch','on'
El tamaño del marcador de los valores atípicos, especificado como valor numérico positivo. El valor especificado representa el tamaño del marcador en puntos.
Si 'PlotStyle' es 'traditional', el valor predeterminado de OutlierSize es 6. Si 'PlotStyle' es 'compact', el valor predeterminado de OutlierSize es 4.
Ejemplo: 'OutlierSize',8
Tipos de datos: single | double
El estilo de la gráfica, especificado como uno de los siguientes.
| Nombre | Valor |
|---|---|
'traditional' | Representa las cajas con un estilo de caja tradicional. |
'compact' | Representa las cajas con un estilo de caja más pequeño diseñado para gráficas con muchos grupos. Este estilo cambia los valores predeterminados de algunos de los otros parámetros. |
Ejemplo: 'PlotStyle','compact'
El marcador y el color de los valores atípicos, especificados como vector de caracteres o escalar de cadena que contiene símbolos de marcador y color. Los símbolos pueden aparecer en cualquier orden. Si se omite el símbolo de marcador, los valores atípicos se vuelven invisibles. Si se omite el color de símbolo, los valores atípicos aparecen del mismo color que la caja.
Si 'PlotStyle' es 'traditional', el valor predeterminado es '+r', que representa cada valor atípico usando un símbolo de marcador con forma de signo de más '+' rojo.
Si 'PlotStyle' es 'compact', el valor predeterminado es 'o', que representa cada valor atípico usando un símbolo de marcador con forma de círculo 'o' del mismo color que la caja correspondiente.
| Marcador | Descripción | Marcador resultante |
|---|---|---|
"o" | Círculo |
|
"+" | Signo de más |
|
"*" | Asterisco |
|
"." | Punto |
|
"x" | Cruz |
|
"_" | Línea horizontal |
|
"|" | Línea vertical |
|
"square" | Cuadrado |
|
"diamond" | Diamante |
|
"^" | Triángulo hacia arriba |
|
"v" | Triángulo hacia abajo |
|
">" | Triángulo hacia la derecha |
|
"<" | Triángulo hacia la izquierda |
|
"pentagram" | Pentagrama |
|
"hexagram" | Hexagrama |
|
| Color | Descripción |
|---|---|
| Amarillo |
| Magenta |
| Cian |
| Rojo |
| Verde |
| Azul |
| Blanco |
| Negro |
Ejemplo: Especifique 'Symbol','' para que los valores atípicos se vuelvan invisibles.
El ancho de la caja, especificado como escalar numérico o vector numérico. Si el número de cajas no es igual al número de valores de anchura especificados, la lista de valores se replica o se trunca según sea necesario.
Este argumento de par nombre-valor no modifica el espacio entre las cajas. Por lo tanto, si especifica un valor grande de 'Widths', las cajas podrían solaparse.
El ancho de la caja predeterminado es igual a la mitad de la separación mínima entre cajas, que es 0,5 cuando el argumento del par nombre-valor 'Positions' toma su valor predeterminado.
Ejemplo: 'Widths',0.3
Tipos de datos: single | double
Apariencia del grupo
Límites de datos y distancias máximas
Apariencia de la gráfica
Más acerca de
Una gráfica de caja proporciona una visualización de las estadísticas descriptivas de los datos de muestra y contiene las siguientes funcionalidades:
La parte inferior y superior de cada caja son los percentiles 25 y 75 de la muestra, respectivamente. La distancia entre la parte inferior y superior de cada caja es el rango intercuartil.
La línea roja que está en el centro de cada caja es la mediana de la muestra. Si la mediana no está centrada en la caja, la gráfica muestra la asimetría de la muestra.
Los bigotes son líneas que se extienden por encima y por debajo de cada caja. Los bigotes van desde el final del rango intercuartil hasta la observación más lejana dentro de la longitud del bigote (el valor adyacente).
Las observaciones que superan la longitud del bigote se marcan como valores atípicos. De forma predeterminada, un valor atípico es un valor que está a más de 1,5 veces el rango intercuartil de la parte inferior o superior de la caja. Sin embargo, puede ajustar este valor utilizando más argumentos de entrada. Un valor atípico aparece como un signo + rojo.
Las muescas muestran la variabilidad de la mediana entre las muestras. La anchura de una muesca se calcula de forma que las cajas cuyas muescas no se solapan tengan medianas diferentes al nivel de significación del 5%. El nivel de significación se basa en el supuesto de una distribución normal, pero las comparaciones de las medianas son razonablemente sólidas en otras distribuciones. Comparar las medianas de las gráficas de caja es como una prueba de hipótesis visual, similar a la prueba t utilizada para las medias. En algunos casos, las muescas se extienden fuera de las cajas.
Sugerencias
boxplotcrea una representación visual de los datos, pero no devuelve valores numéricos. Para calcular las estadísticas descriptivas relevantes de los datos de muestra, utilice las siguientes funciones:min: encuentre el valor mínimo de los datos de muestra.max: encuentre el valor máximo de los datos de muestra.median: encuentre el valor de la mediana de los datos de muestra.quantile: encuentre los valores cuantílicos de los datos de muestra. Por ejemplo, para calcular los percentiles 25 y 75 dex, especifiquequantile(x,[0.25 0.75]).iqr: encuentre el rango intercuartil de los datos de muestra.grpstats: calcule las estadísticas descriptivas de los datos de muestra, organizadas por grupo.
Puede ver los valores de los datos y los nombres de los grupos mediante el cursor de datos en la ventana de la figura. El cursor muestra los valores originales de los puntos afectados por el parámetro
datalim. Puede etiquetar el grupo al que pertenece un valor atípico con la funcióngname.Para modificar las propiedades gráficas de un componente de la gráfica de caja, utilice
findobjcon la propiedadTagpara encontrar el identificador del componente. Los valoresTagde los componentes de las gráficas de caja dependen de la configuración de los parámetros y se enumeran en la siguiente tabla.Configuración de los parámetros Valores de las etiquetas Todas las configuraciones 'Box''Outliers'
Cuando 'PlotStyle'es'traditional''Median''Upper Whisker''Lower Whisker''Upper Adjacent Value''Lower Adjacent Value'
Cuando 'PlotStyle'es'compact''Whisker''MedianOuter''MedianInner'
Cuando 'Notch'es'marker''NotchLo''NotchHi'
Funcionalidad alternativa
También puede crear un objeto BoxChart mediante la función boxchart. Aunque boxchart no incluye toda la funcionalidad de boxplot, tiene algunas ventajas. A diferencia de boxplot, la función boxchart:
Permite reglas categóricas a lo largo del eje del grupo
Proporciona la opción de una leyenda
Funciona bien con el comando
hold onTiene un diseño visual mejorado que ayuda a ver las muescas más fácilmente
Para controlar la apariencia y el comportamiento del objeto, cambie BoxChart Properties.
Referencias
[1] McGill, R., J. W. Tukey, and W. A. Larsen. “Variations of Boxplots.” The American Statistician. Vol. 32, No. 1, 1978, pp. 12–16.
[2] Velleman, P.F., and D.C. Hoaglin. Applications, Basics, and Computing of Exploratory Data Analysis. Pacific Grove, CA: Duxbury Press, 1981.
[3] Nelson, L. S. “Evaluating Overlapping Confidence Intervals.” Journal of Quality Technology. Vol. 21, 1989, pp. 140–141.
[4] Langford, E. “Quartiles in Elementary Statistics”, Journal of Statistics Education. Vol. 14, No. 3, 2006.
Historial de versiones
Introducido antes de R2006a
Consulte también
anova1 | kruskalwallis | multcompare | min | max | median | quantile | iqr | grpstats
