(데이터 분석 공부 1편) Box Plot 읽기

안녕하세요? mangoseed3434입니다.

 

이번에는 지난 포스팅에서 다룬 Box Plot을 해석하는 방법에 대해 공부했습니다.

 

일상에서 Box Plot을 쉽게 볼 수 있는 분야는 주식차트에요.

흔히 캔들차트라고 부르기도 하더라고요.

1개의 Box Plot에도 많은 정보를 담고 있기 때문에, Box Plot 읽는 방법에 대해 정리하겠습니다.

 

---

 

1. Box Plot은 뭘까?

 

Box Plot은 데이터의 분포와 이상치(Anomaly)를 동시에 보여주는 데이터 시각화 유형이에요.

다른 말로는 다섯-숫자-요약(Five-Number-Summary)이라는 통계적 개념으로 데이터를 가공하고 시각화하는 유형입니다.

 

내가 그린 Box Plot

 

---

 

2. 다섯-숫자-요약 (Five-Number-Summary)은 뭘까?

 

다섯-숫자-요약은 데이터를 5가지 통계로 처리하는 방법입니다.

 

다섯-숫자-요약의 구성 5개

1. 최솟값 (Minimum)

2. 최댓값 (Maximum)

3. 제1사분위수 (Q1)

4. 제2사분위수 (Q2, 중앙값)

5. 제3사부위수 (Q3)

 

다시 말해, Box Plot은 다섯-숫자-요약의 구성 5개를 기반으로 Raw Data를 시각화하는 그래프입니다.

 

 

이전에 실습 중 제작한 Box Plot에 빨간색으로 다섯-숫자-요약을 표시했습니다.

 

검정색으로 작성한 내용도 중요합니다.

최댓값보다 크거나, 최솟값보다 작은 값은 이상치(Anomaly)와 극단치(Extreme)도 표시했어요.

 

---

 

3. 사분위수(Quartile)는 뭘까?

 

사분위수(Quartile)는 Raw Data를 크기수능로 정렬해서 4등분 했을 때의 경계값입니다.

 

제1사분위수(Q1) = 하위 25%의 값

제2사분위수(Q2) = 하위 50%의 값 = 중앙값

제3사분위수(Q3) = 하위 75%의 값

 

일반적으로 제2사분위수(Q2)가 중요한 수치입니다.

Q2를 기준으로 아래위로 데이터의 50%가 분포하고 있기 때문이에요.

Q2를 기준으로 상하위 25% 지점에 있는 데이터의 범위가 Box Plot에 표시됩니다.

 

또한, Q1과 Q3 사이의 거리인 IQR (Inter-Quartile Range)를 통해 중앙값 50% 데이터의 분산 정도를 파악할 수 있어요.

 

---

 

4. 수염(Whisker)은 뭘까?

 

수염은 최댓값-Box-최솟값이 연결된 선이에요.

수염의 길이는 상자의 길이(IQR)의 1.5배만큼 떨어진 지점을 의미합니다.

수염이 길다는 건, 편차가 크다는 의미를 갖습니다.

반대로 수염이 짧다는 건, 편차가 작다는 의미를 갖습니다.

 

최댓값 = Q3 + 1.5 x IQR

최솟값 = Q1 - 1.5 x IQR

 

위 공식으로 지정된 최댓값과 최솟값을 벗어나는 데이터는 이상치(Anomaly)로 간주합니다.

이상치(Anomaly) 중에서 가장 큰 값은 극단치(Extreme)이고, 극단치는 이상치 중에서도 유독 압도적인 값을 가져요.

 

---

 

5. Box Plot의 장점은 뭘까?

 

이상치가 포함된 Raw Data를 이용해 평균, 표준편차 등 통계처리를 하면 분석결과가 왜곡될 가능성이 있어요.

따라서, Raw Data에 이상치가 있는지 확인할 필요가 있고 Box Plot을 이용해 Raw Data 내 이상치의 유무를 판단할 수 있어요.

 

단, Box Plot이 내포하는 의미가 많기 때문에 Box Plot을 읽는 방법을 알고있어야 합니다.

Box Plot은 각 집단의 분포와 이상치를 한눈에 파악할 수 있기 때문에 서로 다른 데이터 집단을 비교할 때 유용합니다.

 

---

 

오늘은 Box Plot에 대해 학습했어요.

 

다음에는 음...

아직 공부할 내용을 못 정했어요.

아마 모집단, 표준편차, 신뢰구간과 같은 통계의 개요에 대해 공부하고 포스팅을 해보겠습니다.