قاب

Boxplot (x) یک طرح جعبه داده ها را در x ایجاد می کند. اگر X یک بردار است ، Boxplot یک جعبه را ترسیم می کند. اگر X یک ماتریس است ، Boxplot یک جعبه را برای هر ستون x ترسیم می کند.

در هر جعبه ، علامت مرکزی میانه را نشان می دهد ، و لبه های پایین و بالای جعبه به ترتیب صدک های 25 و 75 را نشان می دهد. ویسک ها به شدیدترین نقاط داده ای که در نظر گرفته نمی شوند ، گسترش می یابد و قسمتهای خارج از خانه با استفاده از نماد نشانگر "+" به صورت جداگانه ترسیم می شوند.

Boxplot (x ، g) با استفاده از یک یا چند متغیر گروه بندی موجود در g یک طرح جعبه ایجاد می کند. Boxplot برای هر مجموعه از مقادیر X یک جعبه جداگانه تولید می کند که دارای مقدار G یا مقادیر یکسان هستند.

Boxplot (AX ، ___) با استفاده از محورهای مشخص شده توسط محورهای Axes Graphic Axatic Ax ، با استفاده از هر یک از نحوهای قبلی ، یک طرح جعبه ایجاد می کند.

Boxplot (___ ، نام ، مقدار) یک طرح جعبه با گزینه های اضافی که توسط یک یا چند نام ، آرگومان جفت ارزش مشخص شده است ، ایجاد می کند. به عنوان مثال ، می توانید سبک یا سفارش جعبه را مشخص کنید.

مثال ها

یک طرح جعبه ایجاد کنید

داده های نمونه را بارگیری کنید.

اندازه گیری جعبه از مایل در هر گالن (MPG) ایجاد کنید. یک عنوان اضافه کنید و محورها را برچسب بزنید.

Boxplot نشان می دهد که مایل در هر گالن برای کلیه وسایل نقلیه موجود در داده های نمونه تقریباً 24 است. حداقل مقدار حدود 9 و حداکثر مقدار حدود 44 است.

برای داده های گروهی توطئه های جعبه ایجاد کنید

داده های نمونه را بارگیری کنید.

اندازه گیری جعبه از مایل در هر گالن (MPG) از داده های نمونه ایجاد کنید ، که توسط کشور مبداء وسایل نقلیه (Origin) گروه بندی شده است. یک عنوان اضافه کنید و محورها را برچسب بزنید.

هر جعبه بصری داده MPG را برای اتومبیل های کشور مشخص نشان می دهد."جعبه" ایتالیا به عنوان یک خط واحد ظاهر می شود زیرا داده های نمونه فقط یک مشاهده برای این گروه دارند.

توطئه های جعبه شکاف ایجاد کنید

دو مجموعه از داده های نمونه ایجاد کنید. نمونه اول ، X1 ، حاوی اعداد تصادفی است که از توزیع عادی با MU = 5 و Sigma = 1 تولید می شود. نمونه دوم ، X2 ، حاوی اعداد تصادفی است که از توزیع عادی با MU = 6 و Sigma = 1 تولید می شود.

توطئه های جعبه ای از x1 و x2 ایجاد کنید. هر جعبه را با مقدار MU مربوطه خود برچسب بزنید.

Boxplot نشان می دهد که تفاوت بین میانه دو گروه تقریباً 1 است. از آنجا که شکاف های موجود در طرح جعبه با هم همپوشانی ندارند ، می توانید با اطمینان 95 ٪ نتیجه بگیرید که واسطه های واقعی متفاوت هستند.

شکل زیر طرح جعبه را برای همان داده ها با حداکثر طول ویسکر مشخص شده به عنوان 1. 0 برابر محدوده interquartile نشان می دهد. نقاط داده فراتر از ویسک ها با استفاده از + نمایش داده می شوند.

با استفاده از ویسکرهای کوچکتر ، Boxplot نقاط داده بیشتری را به عنوان Outliers نشان می دهد.

توطئه های جعبه جمع و جور ایجاد کنید

یک ماتریس 100 در 25 از اعداد تصادفی تولید شده از یک توزیع عادی استاندارد ایجاد کنید تا به عنوان داده های نمونه استفاده شود.

دو قطعه جعبه برای داده ها در X در همان شکل ایجاد کنید. از قالب بندی پیش فرض برای طرح بالا و قالب بندی جمع و جور برای طرح پایین استفاده کنید.

هر طرح داده های یکسانی را ارائه می دهد ، اما قالب بندی جمع و جور ممکن است خوانایی برای توطئه ها با جعبه های زیادی را بهبود بخشد.

توطئه های جعبه برای بردارهای با طول مختلف

با استفاده از متغیر گروه بندی ، توطئه های جعبه را برای بردارهای داده با طول مختلف ایجاد کنید.

به طور تصادفی سه بردار ستون با طول مختلف تولید کنید: یکی از طول 5 ، یکی از طول 10 و یکی از طول 15. داده ها را در یک بردار ستون واحد از طول 30 ترکیب کنید.

یک متغیر گروه بندی ایجاد کنید که همان مقدار را به ردیف هایی اختصاص می دهد که با همان بردار در x مطابقت دارد. به عنوان مثال ، پنج ردیف اول G یک مقدار یکسان دارند ، اول ، زیرا پنج ردیف اول X همه از یک بردار یکسان ، x1 آمده اند.

توطئه های جعبه را ایجاد کنید.

استدلال های ورودی

X - وکتور عددی داده ورودی |ماتریس عددی

داده های ورودی ، به عنوان یک بردار عددی یا ماتریس عددی مشخص شده است. اگر X یک بردار است ، Boxplot یک جعبه را ترسیم می کند. اگر X یک ماتریس است ، Boxplot یک جعبه را برای هر ستون x ترسیم می کند.

در هر جعبه ، علامت مرکزی میانه را نشان می دهد ، و لبه های پایین و بالای جعبه به ترتیب صدک های 25 و 75 را نشان می دهد. ویسک ها به شدیدترین نقاط داده ای که در نظر گرفته نمی شوند ، گسترش می یابد و قسمتهای خارج از خانه با استفاده از نماد نشانگر "+" به صورت جداگانه ترسیم می شوند.

انواع داده ها: مجرد |دو برابر

G - متغیرهای گروه بندی وکتور عددی |آرایه شخصیت |آرایه رشته |آرایه سلول |آرایه طبقه بندی شده

متغیرهای گروه بندی ، به عنوان یک بردار عددی ، آرایه کاراکتر ، آرایه رشته ، آرایه سلول یا آرایه طبقه بندی شده مشخص شده است. با استفاده از آرایه سلول از این انواع متغیر یا یک ماتریس می توانید متغیرهای گروه بندی چندگانه را در G مشخص کنید. اگر متغیرهای گروه بندی چندگانه را مشخص کنید ، همه آنها باید یکسان باشند.

اگر X یک بردار باشد ، متغیرهای گروه بندی باید برای هر عنصر x یک ردیف داشته باشند. اگر X یک ماتریس باشد ، متغیرهای گروه بندی باید برای هر ستون X یک ردیف داشته باشند. گروه هایی که حاوی یک مقدار گمشده (NAN) ، یک بردار کاراکتر خالی ، یک رشته خالی یا رشته یا یک مقدار در یک متغیر گروه بندی هستند ، حذف می شوند و در تعداد گروه هایی که توسط پارامترهای دیگر در نظر گرفته می شوند ، شمارش نمی شوند.

به طور پیش فرض ، BoxPlot متغیرهای گروه بندی و گروه بندی رشته را به ترتیب در ابتدا در داده ها ، متغیرهای گروه بندی طبقه بندی به ترتیب سطح آنها و متغیرهای گروه بندی عددی به ترتیب عددی نشان می دهد. برای کنترل ترتیب گروه ها ، یکی از موارد زیر را انجام دهید:

از متغیرهای طبقه بندی شده در G استفاده کنید و ترتیب سطح آنها را مشخص کنید.

از آرگومان جفت ارزش نام "GroupOrder" استفاده کنید.

داده های خود را از قبل مرتب کنید.

انواع داده ها: مجرد |دوتایی |چار |رشته |سلول |مقفد

تبر - محورهایی که برای ترسیم محورهای شیء گرافیکی روی آن قرار می گیرند

محورهایی که برای ترسیم ، به عنوان یک شیء گرافیکی محور مشخص شده اند. اگر AX را مشخص نکنید ، پس Boxplot با استفاده از محور فعلی طرح را ایجاد می کند. برای کسب اطلاعات بیشتر در مورد ایجاد یک شیء گرافیکی محورها ، به خصوصیات محورها و محورها مراجعه کنید.

استدلال های ارزش نام

جفت آرگومان های اختیاری را به عنوان Name1 = Value1 مشخص کنید. namen = valuen ، که در آن نام نام و مقدار آرگومان است مقدار مربوطه است. آرگومان های ارزش نام باید پس از سایر استدلال ها ظاهر شوند ، اما ترتیب جفت ها اهمیتی ندارند.

قبل از R2021A ، از کاما برای جدا کردن هر نام و مقدار استفاده کنید و نام را در نقل قول ها محصور کنید.

مثال: 'notch' ، 'on' ، 'Labels' ، یک طرح جعبه شکاف ایجاد می کند و دو جعبه mu = 5 و mu = 6 را از چپ به راست برچسب می زند

Boxstyle - Box Style 'Outline' |"پر"

سبک جعبه ، به عنوان یکی از موارد زیر مشخص شده است.

مثال: "Boxstyle" ، "پر"

رنگ ها - جعبه های جعبه RGB Triplet |بردار کاراکتر یا مقیاس رشته ای از نام های رنگ

رنگ های جعبه ، به عنوان یک سه گانه RGB ، بردار کاراکتر یا مقیاس رشته مشخص شده است. یک سه گانه RGB یک وکتور ردیف سه عنصر است که عناصر آن به ترتیب شدت اجزای قرمز ، سبز و آبی رنگ را مشخص می کند. هر شدت باید در محدوده باشد [0،1].

در جدول زیر شخصیت های رنگی موجود و مقادیر سه گانه RGB معادل آنها ذکر شده است.

شما می توانید چندین رنگ را به عنوان یک بردار کاراکتر یا مقیاس رشته ای از نام های رنگ (به عنوان مثال "RGBM") یا یک ماتریس سه ستونی از مقادیر RGB مشخص کنید. دنباله مطابق نیاز تکرار یا کوتاه می شود ، بنابراین به عنوان مثال ، "RB" جعبه هایی را ارائه می دهد که قرمز و آبی متناوب هستند.

اگر جفت ارزش نام "ColorGroup" را مشخص نکنید ، پس Boxplot از همان طرح رنگی برای همه جعبه ها استفاده می کند. اگر "ColorGroup" را مشخص کنید ، پیش فرض یک Colormap HSV اصلاح شده است.

مثال: "رنگ" ، "rgbm"

MEDIANSTYLE - سبک متوسط "خط" |'هدف'

سبک متوسط ، به عنوان یکی از موارد زیر مشخص شده است.

مثال: "متوسط" ، "هدف"

Notch - نشانگر برای فواصل مقایسه "خاموش" (پیش فرض) |'ON' |"نشانگر"

نشانگر برای فواصل مقایسه ، به عنوان یکی از موارد زیر مشخص شده است.

اگر فواصل آنها با هم همپوشانی نداشته باشند ، دو میانه در سطح اهمیت 5 ٪ تفاوت معنی داری دارند. Boxplot نشانگر نقاط پایانی فاصله با استفاده از افراط و تفریط شکافها یا مراکز نشانگرهای مثلثی است. افراط و تفریط با q مطابقت دارد₂- 1. 57 (س₃- س.₁)/sqrt (n) و q₂+ 1. 57 (س₃- س.₁)/sqrt (n) ، جایی که q₂میانه (صدک 50) است ، q₁و س₃صدک های 25 و 75 به ترتیب هستند و N تعداد مشاهدات بدون هیچ گونه مقادیر NAN است. اگر اندازه نمونه کوچک باشد ، شکاف ها ممکن است فراتر از انتهای جعبه باشد.

برای یک مثال برچسب زده شده از توطئه های جعبه با شکاف ، به جعبه طرح مراجعه کنید.

مثال: 'notch' ، 'on'

Outliersize - اندازه نشانگر برای ارزشهای مثبت عددی مثبت

اندازه نشانگر برای Outliers ، به عنوان یک مقدار عددی مثبت مشخص شده است. مقدار مشخص شده نشان دهنده اندازه نشانگر در نقاط است.

اگر "Plotstyle" "سنتی" باشد ، پس مقدار پیش فرض برای Outliersize 6 است. اگر "Plotstyle" جمع و جور است ، پس مقدار پیش فرض برای Outliersize 4 است.

مثال: 'Outliersize' ، 8

انواع داده ها: مجرد |دو برابر

PlotStyle - سبک طرح "سنتی" (پیش فرض) |'فشرده - جمع و جور'

سبک طرح ، به عنوان یکی از موارد زیر مشخص شده است.

مثال: "Plotstyle" ، "جمع و جور"

نماد - نشانگر و رنگ برای بردار شخصیت Outliers |مقیاس پذیر

نشانگر و رنگ برای Outliers ، که به عنوان یک بردار کاراکتر یا مقیاس رشته ای حاوی نمادها برای نشانگر و رنگ مشخص شده است. نمادها می توانند به هر ترتیب ظاهر شوند. اگر نماد نشانگر را حذف کنید ، Outliers نامرئی است. اگر نماد رنگ را حذف کنید ، پس از آن به همان رنگ جعبه ظاهر می شود.

اگر "Plotstyle" "سنتی" باشد ، مقدار پیش فرض "+R" است ، که هر یک از آنها را با استفاده از یک نماد نشانگر قرمز به علاوه علامت "+" ترسیم می کند.

اگر "Plotstyle" "جمع و جور" باشد ، مقدار پیش فرض "O" است که هر یک از آنها را با استفاده از یک نماد نشانگر دایره "O" به همان رنگ جعبه مربوطه ترسیم می کند.

مثال: "نماد" را مشخص کنید ، تا دور بی نظیر را نامرئی کنید.

عرض - جعبه عددی عرض جعبه |بردار عددی

عرض جعبه ، به عنوان یک وکتور عددی یا عددی مشخص شده است. اگر تعداد جعبه ها با تعداد مقادیر عرض مشخص شده برابر نباشد ، لیست مقادیر در صورت لزوم تکرار یا کوتاه می شود.

این آرگومان جفت ارزش نام فاصله بین جعبه ها را تغییر نمی دهد. بنابراین ، اگر مقدار زیادی را برای "عرض" مشخص کنید ، جعبه ها ممکن است با هم همپوشانی داشته باشند.

عرض جعبه پیش فرض برابر است با نیمی از حداقل جدایی بین جعبه ها ، که 0. 5 است که آرگومان جفت ارزش نام "موقعیت" مقدار پیش فرض خود را می گیرد.

مثال: "عرض" ، 0. 3

انواع داده ها: مجرد |دو برابر

ColorGroup - متغیر گروه بندی برای تغییر رنگ جعبه [] (پیش فرض) |بردار عددی |آرایه شخصیت |آرایه رشته |آرایه سلول |آرایه طبقه بندی شده

متغیر گروه بندی برای تغییر رنگ جعبه ، به عنوان متغیر گروه بندی مشخص شده است. متغیر گروه بندی یک بردار عددی ، آرایه کاراکتر ، آرایه رشته ، آرایه سلول یا آرایه طبقه بندی شده است. هنگامی که متغیر گروه بندی مشخص شده تغییر می کند ، رنگ جعبه تغییر می کند. مقدار پیش فرض [] نشان می دهد که رنگ جعبه بر اساس گروه تغییر نمی کند.

انواع داده ها: مجرد |دوتایی |چار |رشته |سلول |مقفد

FACTORDIRECTION - ترتیب عوامل در نقشه "داده ها" (پیش فرض) |"لیست" |'خودکار'

ترتیب فاکتورها در طرح ، به عنوان یکی از موارد زیر مشخص شده است.

مثال: "FactordIrection" ، "Auto"

FullFactors - تمام عوامل گروهی "خاموش" (پیش فرض) را ترسیم کنید |'بر'

همه عوامل گروهی را که به عنوان "خاموش" یا "روشن" مشخص شده اند ، ترسیم کنید. اگر "خاموش" است ، سپس Boxplot یک جعبه را برای هر ردیف منحصر به فرد از متغیرهای گروه بندی قرار می دهد. اگر "روشن" ، سپس Boxplot یک جعبه را برای هر ترکیب احتمالی مقادیر متغیر گروه بندی ، از جمله ترکیبی که در داده ها ظاهر نمی شوند ، قرار می دهد.

مثال: "Fullfactors" ، "ON"

FACTORGAP - فاصله بین عوامل گروه بندی مختلف [] |ارزش عددی مثبت |وکتور مقادیر عددی مثبت |'خودکار'

فاصله بین عوامل گروه بندی مختلف ، به عنوان یک مقدار عددی مثبت ، یک بردار از مقادیر عددی مثبت یا "خودکار" مشخص شده است. اگر یک بردار را مشخص کنید ، طول بردار باید کمتر یا برابر با تعداد متغیرهای گروه بندی باشد.

"FactorGap" فاصله فاصله بین عوامل مختلف متغیر گروه بندی را نشان می دهد ، که به عنوان درصد از عرض طرح بیان شده است. به عنوان مثال ، اگر [3،1] را مشخص کنید ، شکاف سه درصد از عرض طرح بین گروه ها با مقادیر مختلف متغیر گروه بندی اول است و یک درصد بین گروه هایی با همان مقدار متغیر گروه بندی اول امامقادیر مختلف برای دوم.

اگر "خودکار" را مشخص کنید ، سپس BoxPlot فاصله شکاف را به طور خودکار انتخاب می کند. مقدار [] نشان دهنده تغییر در اندازه شکاف بین عوامل مختلف است.

اگر "Plotstyle" "سنتی" باشد ، مقدار پیش فرض FactorGap [] است. اگر "plotstyle" "جمع و جور" باشد ، مقدار پیش فرض "خودکار" است.

مثال: "FactorGap" ، [3،1]

انواع داده ها: مجرد |دوتایی |چار |رشته

FactorseParator - جدایی بین عوامل گروه بندی [] |عدد صحیح مثبت |بردار اعداد صحیح مثبت |'خودکار'

جدایی بین فاکتورهای گروه بندی ، که به عنوان یک عدد صحیح مثبت یا یک بردار عدد صحیح مثبت یا "خودکار" مشخص شده است. اگر یک بردار را مشخص کنید ، طول بردار باید کمتر یا مساوی با تعداد متغیرهای گروه بندی باشد. مقادیر عدد صحیح باید در محدوده [1 ، g] باشد ، جایی که G تعداد متغیرهای گروه بندی است.

"FactorseParator" مشخص می کند که چه عواملی باید مقادیر خود را با یک خط شبکه از هم جدا کنند. به عنوان مثال ، [1،2] وقتی متغیر گروهی اول یا دوم مقدار تغییر می کند ، یک خط جداکننده اضافه می کند.

اگر "Plotstyle" "سنتی" باشد ، پس مقدار پیش فرض FactorseParator [] است. اگر "plotstyle" "جمع و جور" باشد ، مقدار پیش فرض "خودکار" است.

مثال: "FactorseParator" ، [1،2]

انواع داده ها: مجرد |دوتایی |چار |رشته

GroupOrder - ترتیب طرح گروه ها [] (پیش فرض) |آرایه رشته |آرایه سلول

ترتیب طرح گروهها ، به عنوان یک آرایه رشته یا آرایه سلول حاوی نام متغیرهای گروه بندی مشخص شده است. اگر متغیرهای گروه بندی چندگانه دارید ، مقادیر جداگانه با کاما. همچنین می توانید از آرایه های طبقه بندی شده به عنوان متغیرهای گروه بندی برای کنترل ترتیب جعبه ها استفاده کنید. مقدار پیش فرض [] جعبه ها را مرتب نمی کند.

انواع داده ها: رشته |سلول

Datalim-محدودیت داده های شدید [-inf ، Inf] (پیش فرض) |بردار عددی دو عنصر

محدودیت داده های شدید ، به عنوان یک بردار عددی دو عنصر که به ترتیب حاوی محدودیت های پایین و فوقانی است ، مشخص شده است. مقادیر مشخص شده برای "datalim" توسط "ExtremeMode" برای تعیین اینکه کدام نقاط داده شدید است استفاده می شود.

انواع داده ها: مجرد |دو برابر

ExtremeMode - روش حمل و نقل برای "کلیپ" داده های شدید (پیش فرض) |'فشرده کردن'

روش دستیابی به داده های شدید ، که به عنوان یکی از موارد زیر مشخص شده است.

اگر هر نقطه داده خارج از حد مشخص شده توسط "Datalim" باشد ، محدودیت با یک خط نقطه مشخص می شود. اگر هر نقطه داده فشرده شود ، دو خط خاکستری منطقه فشرده سازی را نشان می دهند. مقادیر در inf یا Inf می توانند بریده یا فشرده شوند ، اما مقادیر NAN در طرح ظاهر نمی شوند. شکاف های جعبه به مقیاس کشیده می شوند و اگر میانه در حد مجاز باشد ، ممکن است فراتر از مرزها باشد. اگر میانه خارج از محدوده باشد ، شکاف های جعبه ترسیم نمی شوند.

مثال: "ExtremeMode" ، "Compress"

jitter - حداکثر مقدار عددی فاصله جابجایی دورتر

حداکثر فاصله جابجایی دورتر ، به عنوان یک مقدار عددی مشخص شده است. Jitter حداکثر فاصله برای جابجایی مسافت های دور در امتداد محور فاکتور با یک مقدار تصادفی یکنواخت است ، تا نقاط تکراری قابل مشاهده باشد. اگر "jitter" را برابر با 1 مشخص کنید ، مناطق لرزش فقط بین نزدیکترین گروه های مجاور لمس می کنند.

اگر "plotstyle" "سنتی" باشد ، پس مقدار پیش فرض برای jitter 0 است. اگر "plotstyle" جمع و جور است ، مقدار پیش فرض 0. 5 است.

مثال: 'jitter' ، 1

انواع داده ها: مجرد |دو برابر

Whisker - ضرب برای حداکثر طول ویسکر 1. 5 (پیش فرض) |ارزش عددی مثبت

چند برابر برای حداکثر طول ویسکر ، به عنوان یک مقدار عددی مثبت مشخص شده است. حداکثر طول ویسکر محصول Whisker و دامنه interquartile است.

Boxplot اگر از Q بیشتر باشد ، امتیازاتی را به عنوان مسافر جلب می کند₃+ w × (q₃- س.₁) یا کمتر از q₁- W × (س₃- س.₁) ، جایی که W ضرب و شتم چند برابر است ، و q₁و س₃صدک های 25 و 75 به ترتیب داده های نمونه هستند.

در صورت توزیع داده ها به طور معمول ، مقدار پیش فرض برای "Whisker" با پوشش تقریباً +/ -2. 7σ و 99. 3 درصد پوشش است. ویسکر ترسیم شده به مقدار مجاور گسترش می یابد ، که شدیدترین مقدار داده است که یک چیز مهم نیست.

"Whisker" را به عنوان 0 مشخص کنید تا هیچ گونه سوت زدن نداشته باشد و هر نقطه ای را در خارج از Q قرار دهید₁و س₃یک دور

برای یک نمونه برچسب زده شده از توطئه های جعبه با ویسک ، به جعبه طرح مراجعه کنید.

مثال: 'Whisker' ، 0

انواع داده ها: مجرد |دو برابر

برچسب ها - برچسب های جعبه آرایه شخصیت |آرایه رشته |آرایه سلول |بردار عددی |ماتریس عددی

برچسب های جعبه ، به عنوان یک آرایه کاراکتر ، آرایه رشته ، آرایه سلول یا وکتور عددی حاوی نام برچسب جعبه مشخص شده است. در هر گروه یک برچسب در هر مقدار x یا یک برچسب را مشخص کنید. برای مشخص کردن چندین متغیر برچسب ، از یک ماتریس عددی یا آرایه سلول حاوی هر یک از انواع داده های پذیرفته شده استفاده کنید.

برای حذف برچسب ها از یک طرح ، از دستور زیر استفاده کنید: Set (GCA ، 'Xticklabel' ،).

انواع داده ها: char |رشته |سلول |تک |دو برابر

Labelorientation - جهت گیری برچسب "Inline" |"افقی"

جهت گیری برچسب ، به عنوان یکی از موارد زیر مشخص شده است.

اگر برچسب ها در محور Y قرار دارند ، هر دو تنظیم برچسب ها را افقی می گذارند.

مثال: "labelorientation" ، "inline"

Labelverbosity - برچسب هایی برای نمایش در طرح "All" |"جزئی" |'majorminor'

برچسب هایی برای نمایش در طرح ، که به عنوان یکی از موارد زیر مشخص شده است.

برای هر متغیر گروه بندی ، مقدار مربوط به جعبه J را فقط در صورتی که این مقدار با مقدار مربوط به جعبه متفاوت باشد (J - 1) نمایش دهید.

برای هر متغیر گروه بندی G (: ، i) ، مقدار مربوط به جعبه J را نمایش دهید ، فقط در صورتی که این مقدار با مقدار G (: ، i) مربوط به جعبه (J - 1) متفاوت باشد ، یا اگر شرط فوق برای آن وجود داشته باشدحداقل یکی از متغیرهای گروه بندی g (: ، 1) ،… ، g (: ، i-1). این پیش فرض است که "Plotstyle" "جمع و جور" است.

مثال: "Labelverbosity" ، "جزئی"

جهت گیری - جهت گیری طرح "عمودی" (پیش فرض) |"افقی"

جهت گیری طرح ، به عنوان یکی از موارد زیر مشخص شده است.

مثال: "جهت گیری" ، "افقی"

موقعیت ها - موقعیت جعبه وکتور عددی

موقعیت های جعبه ، به عنوان یک بردار عددی حاوی یک ورودی برای هر گروه یا مقدار x مشخص شده است. پیش فرض 1: numgroups است ، جایی که تعداد گروه ها تعداد گروه ها هستند.

انواع داده ها: مجرد |دو برابر

بیشتر در مورد

طرح

یک طرح جعبه تجسم آمار خلاصه برای داده های نمونه را ارائه می دهد و شامل ویژگی های زیر است:

پایین و بالای هر جعبه به ترتیب صدک های 25 و 75 نمونه از نمونه هستند. فاصله بین پایین و بالای هر جعبه دامنه بین قشر است.

خط قرمز در وسط هر جعبه میانه نمونه است. اگر میانه در جعبه محور نباشد ، طرح نمونه ای را نشان می دهد.

ویسک ها خطوطی هستند که در بالا و پایین هر جعبه امتداد دارند. ویسک ها از انتهای محدوده بین قشر به دورترین مشاهده در طول ویسکر (مقدار مجاور) می روند.

مشاهدات فراتر از طول ویسک به عنوان مسافت ها مشخص شده است. به طور پیش فرض ، یک Outler مقداری است که بیش از 1. 5 برابر محدوده بین قشر دور از پایین یا بالای جعبه است. با این حال ، می توانید این مقدار را با استفاده از آرگومان های ورودی اضافی تنظیم کنید. یک دور به عنوان یک علامت قرمز + ظاهر می شود.

شکافها تنوع متوسط بین نمونه ها را نشان می دهد. عرض یک شکاف به گونه ای محاسبه می شود که جعبه هایی که شکاف آنها با هم همپوشانی ندارند ، در سطح اهمیت 5 ٪ از میانه های مختلف برخوردار هستند. سطح اهمیت مبتنی بر یک فرض توزیع عادی است ، اما مقایسه میانه برای سایر توزیع ها از نظر منطقی قوی است. مقایسه میانه های طرح جعبه مانند یک آزمون فرضیه بصری است ، مشابه آزمایش T که برای وسایل استفاده می شود. در بعضی موارد ، شکافها می توانند در خارج از جعبه ها گسترش یابد.

Boxplot یک نمایش بصری از داده ها ایجاد می کند ، اما مقادیر عددی را بر نمی گرداند. برای محاسبه آمار خلاصه مربوطه برای داده های نمونه ، از توابع زیر استفاده کنید:

حداقل - حداقل مقدار را در داده های نمونه پیدا کنید.

حداکثر - حداکثر مقدار را در داده های نمونه پیدا کنید.

میانه - مقدار متوسط را در داده های نمونه پیدا کنید.

Quantile - مقادیر کمی را در داده های نمونه پیدا کنید. به عنوان مثال ، برای محاسبه صدک های 25 و 75 از x ، کمی تعیین کنید (x ، [0. 25 0. 75]).

IQR - دامنه بین Quartile را در داده های نمونه پیدا کنید.

GRPSTATS - آمار خلاصه را برای داده های نمونه ، که توسط گروه سازماندهی شده است ، محاسبه کنید.

می توانید مقادیر داده و نام گروه را با استفاده از مکان نما در پنجره شکل مشاهده کنید. مکان نما مقادیر اصلی هر نقطه تحت تأثیر پارامتر Datalim را نشان می دهد. شما می توانید گروهی را که یک دور از آن با استفاده از عملکرد GNAME تعلق دارد ، برچسب بزنید.

برای اصلاح خصوصیات گرافیکی یک مؤلفه طرح جعبه ، از FindoBJ با ویژگی TAG برای یافتن دسته مؤلفه استفاده کنید. مقادیر برچسب برای مؤلفه های طرح جعبه به تنظیمات پارامتر بستگی دارد و در جدول زیر ذکر شده است.< Pan> حداکثر - حداکثر مقدار را در داده های نمونه پیدا کنید.