boxplot

R.graph

boxplot

• boxplot
• その意味するもの
• なぜ、平均と標準偏差ではないか
• 例１（データの型　その１）
• 1) データは、以下の形式（タブ区切り）でテキストファイル保存
• 2) Rで読み込む
• 3) 各グループの値だけを取り出す
• 例２（データの型　その２）
• 1) データは、以下の形式（タブ区切り）でテキストファイル保存
• 2) Rで読み込む
• 3) 各グループの値だけを取り出す
• 4) 箱ひげ図を描く
• 図に説明を足す
• 5) メニューのファイルから「別名で保存」で、PDFファイルで保存できる。
• 外れ値は具体的に何なのか？　boxplotの中身を見てみる。
• stripchart()と組み合わせる

 その意味するもの

• データの分布を見る（比較する）
• 真ん中の太い線：中央値 Median（50%）、平均ではないので注意
• 箱の範囲：25%から75%の範囲（これを四分範囲と呼ぶ）（つまり、半分のデータはこの範囲に入る）
• ひげの範囲：箱の端から箱の長さの1.5倍以内にある「実際の」数値の最大のもの最小のもの
• 外れている○印：外れ値（ひげの範囲外のもの）

金先生による図解

なぜ、平均と標準偏差ではないか

• データのばらつき具合（分布）は多様。（さまざまな分布がある）
• 平均（相加平均）（Mean）と標準偏差は、「正規分布」（normal distribution）を前提としている。
• 正規分布を前提としていないデータも、これ一つでばらつき具合を見て取れるところが便利。

 例１（データの型　その１）

• 二種類のデータを比較できるように箱ひげ図を描いてみる。

1) データは、以下の形式（タブ区切り）でテキストファイル保存

2) Rで読み込む

items <- read.table(choose.files(), header=T, sep="\t")

3) 各グループの値だけを取り出す

hi <- c(items$ms[items$group=="High"])

li <- c(items$ms[items$group=="Low"])

 例２（データの型　その２）

1) データは、以下の形式（タブ区切り）でテキストファイル保存

2) Rで読み込む

hilo <- read.table(choose.files(), header=T, sep="\t")

3) 各グループの値だけを取り出す

hi <- hilo$Hi

lo <- hilo$Lo

4) 箱ひげ図を描く

boxplot(hi, lo)

 図に説明を足す

• mainでタイトル
• ylabでｙ軸のラベル
• names=c(" ", " ") で各箱の名前
• ylim=c(下限値, 上限値)
• yaxp=c(下限値, 上限値, 目盛の数)

boxplot(hi, lo, main="High vs. Low", ylab="ms", names=c("High","Low"))

5) メニューのファイルから「別名で保存」で、PDFファイルで保存できる。

• もしくは、以下のコマンドでファイル保存。

png("J1boxplot.png")
boxplot(J1, main="Japanese all data", ylab="freq.")
dev.off()

 外れ値は具体的に何なのか？　boxplotの中身を見てみる。

• boxplotのコマンドの結果を変数に入れてしまう！

j1 <- boxplot(J1, main="Japanese all data", ylab="sentence length")

• 変数jiの中身が、boxplotの中身
• 中身のうち、箱ひげの図の基本的な数値は、$statで出る。

> j1$stat
     [,1]
[1,]    2
[2,]    4
[3,]    7
[4,]   10
[5,]   19
attr(,"class")
       V1 
"integer" 

• 上記の、[5, ]が箱ひげの「ひげ」の最大値。それより上が「外れ値」となる。
• 外れ値は、$out

> j1$out
 [1] 21 21 25 29 20 22 20 20 22 20 23 21 20 24 21 21 24 22 22 20 23 22 25 20 20
[26] 23 21 22 21 23 22 24 20 36 21 21 29 22 24 27 25 20 22 23 29 20 21 24 24 21
[51] 20 22 29 22 23 23 20 23 22 27

 stripchart()と組み合わせる