نمودار جعبه‌ای: نموداری که کمترین مقدار، چارک اول، میانه، چارک سوم و بیشترین مقدار داده‌ها را هم‌زمان نشان می‌دهد.

نمودار جعبه‌ای: کلید درک توزیع داده از کمترین تا بیشترین مقدار

۱. آناتومی نمودار جعبه‌ای: سفری به درون یک جعبه

نمودار جعبه‌ای از دو بخش اصلی تشکیل شده است: یک جعبه (Box) و دو خط کشیده شده از آن به نام سبیل (Whiskers). هر بخش نماینده یک یا چند شاخص آماری مهم است. برای درک بهتر، مجموعه داده‌ی زیر را در نظر بگیرید که نمرات یک امتحان از 20 دانش‌آموز است:

• کمترین مقدار (Minimum): کوچک‌ترین عدد در مجموعه داده. در مثال ما، این مقدار 10 است. این نقطه، انتهای سبیل پایینی را مشخص می‌کند.
• بیشترین مقدار (Maximum): بزرگ‌ترین عدد در مجموعه داده. در مثال ما، این مقدار 30 است. این نقطه، انتهای سبیل بالایی را مشخص می‌کند.
• میانه (Median یا Q2): مقداری که داده‌ها را به دو نیمه مساوی تقسیم می‌کند. به عبارت دیگر، 50% داده‌ها از میانه کمتر و 50% بیشتر هستند. میانه، خطی درون جعبه است. برای داده‌های ما، میانه میانگین دو داده‌ی دهم و یازدهم (19 و 20) است: 19.5.
• چارک اول (First Quartile یا Q1): میانه‌ی نیمه‌ی پایینی داده‌ها است. یعنی 25% از داده‌ها از Q1 کمتر هستند. در مثال ما، Q1 برابر با داده‌ی پنجم (16) است.
• چارک سوم (Third Quartile یا Q3): میانه‌ی نیمه‌ی بالایی داده‌ها است. یعنی 75% از داده‌ها از Q3 کمتر هستند. در مثال ما، Q3 برابر با داده‌ی پانزدهم (23) است.

بنابراین، جعبه از Q1 شروع و به Q3 ختم می‌شود و میانه آن را به دو بخش تقسیم می‌کند. سبیل‌ها نیز از جعبه به سمت کمترین و بیشترین مقدار کشیده می‌شوند.

۲. دامنه بین چارکی (IQR) و تشخیص داده‌های پرت

یکی از مهم‌ترین مفاهیم در نمودار جعبه‌ای، دامنه بین چارکی (Interquartile Range) است. این دامنه نشان‌دهنده‌ی محدوده‌ای است که 50% میانی داده‌ها در آن قرار دارند و پراکندگی آن‌ها را بدون تأثیر داده‌های پرت نشان می‌دهد.

در مثال نمرات، دامنه بین چارکی برابر است با: $IQR = 23 - 16 = 7$. این عدد می‌گوید که نمرات 50% میانی دانش‌آموزان، تنها 7 نمره با هم اختلاف دارند.

کاربرد اصلی IQR در تشخیص داده‌های پرت (Outliers) است. داده‌های پرت، مقادیری هستند که به طور غیرعادی از بقیه داده‌ها فاصله دارند. معمولاً هر داده‌ای که بیشتر از 1.5 برابر IQR از چارک‌ها فاصله داشته باشد، به عنوان داده پرت در نظر گرفته می‌شود. برای تشخیص:

• حد پایین پرت: مقادیر کمتر از $Q_1 - 1.5 \times IQR$
• حد بالای پرت: مقادیر بیشتر از $Q_3 + 1.5 \times IQR$

اگر داده‌ای خارج از این محدوده‌ها باشد، به صورت یک نقطه‌ی مجزا در نمودار نشان داده می‌شود و سبیل‌ها تا بزرگ‌ترین و کوچک‌ترین داده‌ای که پرت نیستند، کشیده می‌شوند. در داده‌های ما، حد پایین پرت $16 - (1.5 \times 7) = 5.5$ و حد بالای پرت $23 + (1.5 \times 7) = 33.5$ است. از آنجا که همه داده‌های ما بین 10 و 30 هستند، داده‌ی پرتی نداریم.

۳. کاربرد عملی: مقایسه نمرات دو کلاس با نمودار جعبه‌ای

تصور کنید که نمرات دو کلاس دیگر (B و C) را نیز در همان امتحان داریم. می‌خواهیم با یک نگاه، عملکرد این سه کلاس را با هم مقایسه کنیم. جدول زیر، پنج‌عدد خلاصه‌ی هر کلاس را نشان می‌دهد:

با داشتن این جدول، می‌توانیم نتیجه‌گیری‌های زیر را داشته باشیم:

• کلاس A گسترده‌ترین دامنه نمرات (10 تا 30) و کلاس C فشرده‌ترین دامنه (15 تا 28) را دارد.
• بالاترین میانه متعلق به کلاس C (20) است، یعنی نیمی از دانش‌آموزان این کلاس نمره‌ای بالاتر از 20 کسب کرده‌اند.
• کلاس B دارای پایین‌ترین نمره (5) است که می‌تواند یک داده پرت باشد یا نشان‌دهنده افت تحصیلی در این کلاس.

این مقایسه که با یک جدول ساده انجام شد، اگر با نمودارهای جعبه‌ای در کنار هم دیده شود، بسیار گویاتر خواهد بود.

۴. چالش‌های مفهومی در درک نمودار جعبه‌ای

۵. مزایا و محدودیت‌های این ابزار بصری

نمودار جعبه‌ای علیرغم سادگی، اطلاعات ارزشمندی را در خود نهفته دارد، اما مانند هر ابزار دیگری، محدودیت‌هایی نیز دارد.

پاورقی

¹ چارک (Quartile): هر یک از سه نقطه (Q1, Q2, Q3) که یک مجموعه داده مرتب‌شده را به چهار بخش مساوی تقسیم می‌کنند.

² دامنه بین چارکی (Interquartile Range - IQR): تفاوت بین چارک سوم و چارک اول که پراکندگی 50% میانی داده‌ها را نشان می‌دهد.

³ داده پرت (Outlier): مشاهده‌ای که به طور قابل توجهی از سایر مشاهدات فاصله دارد و می‌تواند ناشی از خطای اندازه‌گیری یا تغییرپذیری طبیعی جامعه باشد.

⁴ چولگی (Skewness): معیاری برای اندازه‌گیری عدم تقارن در توزیع داده‌ها. چولگی مثبت به معنای کشیدگی دم سمت راست و چولگی منفی به معنای کشیدگی دم سمت چپ است.