Boksplot, histogrammer, sumkurver

Matematik A · STX · A-niveau · Statistik og sandsynlighed

🧮 Boksplot, histogrammer, sumkurver

Visualisering af data er afgørende for at forstå og kommunikere statistik. Tre vigtige plot-typer dækker forskellige formål: boksplot til sammenligning, histogram til fordelingsform, og sumkurve til percentiler.

Boksplot (Box plot)

Udviklet af John Tukey i 1977. Visualiserer 5-tals-sammenfatning:

| Element | Definition |

|---|---|

| Min | Mindste værdi (eller laveste ikke-outlier) |

| Q₁ | 1. kvartil = 25%-percentil |

| Median (Q₂) | 50%-percentil |

| Q₃ | 3. kvartil = 75%-percentil |

| Max | Største værdi (eller højeste ikke-outlier) |

| IQR | Interkvartilafstand = $Q_3 - Q_1$ |

Konstruktion:

• Boks fra Q₁ til Q₃
• Horisontal linje i boksen for median
• Whiskers strækker til min/max inden for 1,5·IQR fra boks
• Outliere markeret som prikker uden for whiskers

Hvornår bruges boksplot?

• Sammenligne flere fordelinger (klasse A vs. B karakterer)
• Spotte skævhed (median tæt på Q₁ = højreskæv)
• Identificere outliere automatisk
• Robust mod ekstreme værdier (modsat middelværdi)

Histogram

Søjlediagram for kontinuerte data.

• X-akse: intervaller (bins)
• Y-akse: hyppighed eller relativ hyppighed
• Areal under søjler = sandsynlighed (for tæthedshistogram)

Hvor mange intervaller?

| Regel | Formel |

|---|---|

| Sturges\'s regel | $k = 1 + \\log_2(n)$ |

| Scott\'s regel | $h = 3{,}5 \\sigma / n^{1/3}$ |

| Freedman-Diaconis | $h = 2 \\cdot IQR / n^{1/3}$ |

Histogram-former

| Form | Tolkning |

|---|---|

| Unimodal | Én top |

| Bimodal | To toppe — to populationer blandet! |

| Normalfordelt | Symmetrisk klokkeform |

| Højre-skæv | Lang hale til højre (fx indkomst) |

| Venstre-skæv | Lang hale til venstre (fx levetid) |

| Uniform | Flad — alle værdier lige sandsynlige |

Sumkurve (CDF)

Kumuleret frekvens eller Cumulative Distribution Function:

$$F(x) = P(X \\leq x)$$

• Monotont voksende fra 0 til 1 (eller 0% til 100%)
• Aflæs percentiler direkte:

| y-værdi | Aflæs |

|---|---|

| 0,25 | Q₁ (25%-percentil) |

| 0,50 | Median |

| 0,75 | Q₃ |

| 0,90 | 90%-percentil |

| 0,99 | 99%-percentil |

Frekvenstabel

| Interval | Frekvens | Relativ | Kumuleret |

|---|---|---|---|

| 0-10 | 5 | 10% | 10% |

| 10-20 | 15 | 30% | 40% |

| 20-30 | 20 | 40% | 80% |

| 30-40 | 10 | 20% | 100% |

Skævhed (skewness)

• Højre-skæv (positiv skævhed): lang hale til højre, median < middelværdi. Eksempel: indkomstfordeling
• Venstre-skæv (negativ skævhed): lang hale til venstre, median > middelværdi. Eksempel: levetid
• Mål: $\\gamma_1 = E[(X-\\mu)^3]/\\sigma^3$

Anvendelse — eksempler

• Skole-karakterer: boksplot pr. klasse for at sammenligne
• Højde-undersøgelse: histogram for at se normalfordeling
• Indkomstfordeling: sumkurve for at finde percentiler
• Kvalitetskontrol: outliere i boksplot indikerer fejl

Vidste du at...

📊 John Tukey opfandt også begreberne bit (binary digit) og software — han var én af det 20. århundredes største statistikere

📈 Indkomstfordelinger er typisk højre-skæve — få meget rige trækker middelværdien op, men medianen er mere repræsentativ

🎯 Outliere kan både være interessante (fejl, sjældne hændelser) eller problematiske (dominerer statistik) — derfor er boksplot så nyttige

Læringsmål

• Konstruere et boksplot ud fra min, Q₁, median, Q₃, max og identificere outliere
• Vælge passende antal intervaller til et histogram og genkende fordelingsformer
• Aflæse percentiler og median fra en sumkurve (CDF)
• Bestemme om en fordeling er højre- eller venstreskæv ud fra plot
• Sammenligne flere datasæt visuelt vha. boksplot

Sådan kan du arbejde med emnet

• Lav et boksplot for et datasæt og identificér eventuelle ekstreme observationer
• Lav et histogram for et datasæt og diskutér, hvordan valget af klassebredde påvirker udseendet
• Aflæs medianen og kvartilerne for et datasæt ud fra en sumkurve

Træningsforslag

• Tegn et boksplot for to klassers karakterer og sammenlign median og spredning.
• Lav et histogram for et datasæt og bestem om det er unimodalt, bimodalt eller skævt.
• Tegn en sumkurve og aflæs Q₁, median og Q₃ direkte fra grafen.
• Brug outlier-reglen [Q₁ − 1,5·IQR, Q₃ + 1,5·IQR] til at identificere outliere i et datasæt.

Brobygning

Visualisering er broen mellem rådata og fortolkning — det forbereder direkte til lineær regression (spredningsdiagrammer) og hypoteseprøvning (fordelingens form).