Capitolul 11
Diagrama boxplot
Diagrama bloxpot este un instrument deosebit de util pentru studiul distribuiei
variabilelor continue, i mai ales pentru detectarea rapid a outlierilor unei serii de date (valori
extreme sau aberante). Ea mai este denumit i diagrama box-and-whisker (cutie i musti).
Vom exemplifica modul de creare a unui grafic de tip boxplot pentru variabila salary din
fiierul Employee data (figura 4.1). Mai precis, vom compara distribuiile acestei variabile pe
cele trei categorii de angajai (funcionari, ageni de paz i manageri)..
Modalitatea de construire a unui grafic boxplot nu se deosebete cu nimic, n esen, de
cea folosit la crearea altor tipuri de grafice. Dup ce deschidem modulul Chart Builder (vezi
figura 8.1), selectm opiunea Boxplot din meniul din stnga jos i tragem prima icoan din
stnga n fereastra de previzualizare. Apoi introducem n fereastr variabilele din lista din stnga
sus: pe axa categoriilor variabila nominal (jobcat), iar pe axa valorilor variabila continu
(salary). nainte de a apsa OK, caseta Chart Builder trebuie s arate astfel:
Fig. 11.1. Definirea unei diagrame boxplot
Ct despre graficul nostru, el se prezint n felul urmtor:
Fig. 11.2. Diagram boxplot
Este posibil ca cititorul s cunoasc deja modul de interpretare a unei diagrame boxplot.
Totui, pentru cei mai puin familiarizai cu acest tip de grafic, l vom prezenta pe scurt n cele ce
urmeaz.
Parametrii de baz folosii pentru reprezentarea unei distribuii printr-o diagram boxplot
sunt cuartilele. Linia groas din interiorul cutiei este mediana distribuiei (cuartila a doua), iar
marginile inferioar i superioar a cutiei sunt cuartilele 1 i 3, respectiv. Aadar, nlimea cutiei
nu este altceva dect intervalul intercuartilic iq (diferena dintre a treia i prima cuartil).
Cele dou liniue deasupra i dedesubtul cutiei (numite i musti) au urmtoarele
valori:
Mustaa inferioar: q1 1.5 * iq
Mustaa superioar: q3 + 1.5 * iq
unde q1 i q3 sunt, desigur, cuartilele 1 i 3.
Se consider c valorile aflate ntre cele dou musti sunt valori normale, tipice pentru
seria de date respectiv. Celelalte valori, care au un caracter atipic (n fapt, valorile extreme) sunt
reprezentate individual pe grafic, prin cerculee i asteriscuri (vom reveni asupra lor n capitolul
18, unde vom discuta despre identificarea i analiza outlierilor).
Poziia medianei n interiorul cutiei, precum i a cutiei ntre musti, ne aduc informaii
importante privitoare la simetria distribuiei. Astfel:
- dac distribuia este (aproximativ) simetric, diagrama va fi de asemenea simetric,
cu alte cuvinte cutia se va situa la mijlocul distanei dintre musti, iar mediana la
mijocul cutiei
- dac distribuia este asimetric la dreapta (predomin scorurile mici), cutia va fi
apropiat de mustaa inferioar, iar mediana va fi i ea situat n partea inferioar a
cutiei (aproape de prima cuartil)
- n sfrit, dac distribuia este asimetric la stnga (predomin scorurile mari), cutia
este apropiat de mustaa superioar, iar mediana de latura superioar a cutiei (a treia
cuartil).
De exemplu, n graficul de mai sus se poate observa c distribuia salariilor este una
asimetric la dreapta, att pe segmentul funcionarilor ct i pe cel al managerilor. Pentru ambele
distribuii, cutia este situat mai aproape de mustaainferioar.
n ceea ce privete nlimea cutiei, ea ne poate oferi indicii cu privire la boltirea
(aplatizarea) distribuiei. O cutie foarte subire (avnd o nlime redus) ne spune c
distribuia respectiv este extrem de ascuit: marea majoritate a valorilor tind a se grupa n jurul
medianei. Este cazul distribuiei salariilor pe segmentul agenilor de paz, n diagrama din figura
11.2. Invers, cu ct cutia este mai nalt, cu att distribuia este mai plat (cazul managerilor, de
exemplu).
Desigur, exist indicatori statistici care ne dau informaii mult mai precise cu privire la
caracteristicile unei distribuii. Despre generarea n programul SPSS a acestor indicatori va fi
vorba n seciunile ce urmeaz.