data <- data.frame(
  name=c( rep("A",50), rep("B",50)),
  value=c( rnorm(50, 12, 6), rnorm(50, 19, 10))
)
#View(data)

Defintion

Der Box-Plot (auch Whisker-Plot genannt) zählt zu den grafischen Darstellungsmöglichkeiten in der deskriptiven Statistik. In erster Linie werden die Lagedaten dargestellt.

Beschreibung

Der Box-Plot (auch Whisker-Plot genannt) zählt zu den grafischen Darstellungsmöglichkeiten in der deskriptiven Statistik. In ihm werden in komprimierter Form verschiedene Verteilungsparameter dargestellt. So sind neben den gängigen Lagemaßen (Median, Quartilswerte) auch Streuungsmaße (Spannweite, Interquartilsabstand) und die Form der Verteilung (linkssteil, symmetrisch oder rechtssteil) ablesbar (Grafik Nr…). Gleichfalls lassen sich mit ihm die Existenz von Ausreißern grafisch darstellen und dazugehörige Aussagen treffen. Eine noch größere Informationsdichte kann durch das Nebeneinanderstellen mehrerer Box-Plots erzielt werden (Grafik Nr…).

Lagemaße

Median Der Median wird durch die fettgedruckte Linie in der Box angezeigt. Die eine Hälfte der beobachteten Werte ist kleiner oder gleich dem Wert, die andere Hälfte der beobachteten Werte ist größer oder gleich dem Wert. Weitere Infos unter Zentralmaße.

Box für Interquartilsbereich

Die Box für den Interquartilsbereich stellt die mittleren 50 % der Daten dar. Sie gibt den Abstand zwischen dem ersten und dem dritten Quartil (Q3–Q1) an.

Minimum- und Maximalwert (Whisker)

Der Minimum- und Maximalwert gehen von beiden Seiten der Box aus. Sie stellen die Bereiche für die unteren 25 % und die oberen 25 % der Datenwerte dar.

Ausreißer

Übersteigt ein Wert das 1,5-Fache der Boxlänge plus dem oberen Quartil, so ist dieser Wert ein oberer Ausreißer. Analog dazu verfährt man mit unteren Ausreißern. Sind Ausreißer vorhanden, zeigen die Whiskerlinien diese Grenze, anstatt des Minumums und Maximums, an.

Voraussetzung

✓ Die Daten sollen min. ordinalskaliert sein - besser metrisch.

Gestaltung

• unterschiedliche Farben pro Boxplot
• Benennung
• Boxplot - bunt

Code

Base

boxplot(data$value,                    # Daten
        main = "Ich bin ein Boxplot",  # Überschrift
        xlab = "Zufallswerte",         # x-Achse
        col = "lightblue"              # Farbe
        )

boxplot(data$value ~ data$name,        # Daten aufteilen zwischen A und B
       main = "Ich bin ein Boxplot",   # Überschrift
        xlab = "Zufallswerte",         # x-Achse
        ylab = "Ausprägung",           # y-Achse
        col = c("lightblue", "blue")   # Farbe
        )

Mittelwerte hinzufügen

means <- aggregate(value ~  name, data, mean) # Mittelwerte errechnen
means

boxplot(data$value ~ data$name,        # Daten aufteilen zwischen A und B
       main = "Ich bin ein Boxplot",   # Überschrift
        xlab = "Zufallswerte",         # x-Achse
        ylab = "Ausprägung",           # y-Achse
        col = c("lightblue", "blue")   # Farbe

        )
text(1:2, means$value, labels = means$value) 

ggplot2

ggplot(data, aes(x = name, y = value)) + geom_boxplot()

ggplot(data, aes(x=name, #Teilen der Daten
                 y=value, #Metrische Var.
                 fill=name)) + #Teilen für die Legende
                geom_boxplot(
                             outlier.color="blue",#Ausreißer in Blau
                             outlier.shape=23, # Form
                             outlier.size=4) # Größe 

ggplot(data, aes(x=name, #Teilen der Daten
                 y=value, #Metrische Var.
                 fill=name)) + #Teilen für die Legende
                geom_boxplot(
                             outlier.color="blue",#Ausreißer in Blau
                             outlier.shape=23, # Form
                             outlier.size=4)+ # Größe 
                coord_flip() #Drehen

ggplot(data, aes(x=name, #Teilen der Daten
                 y=value, #Metrische Var.
                 fill=name)) + #Teilen für die Legende
                geom_boxplot(
                             outlier.color="blue",#Ausreißer in Blau
                             outlier.shape=23, # Form
                             outlier.size=4)+ # Größe 
                stat_summary(fun=mean, # Mittelwert
                             geom="point", #Punkt
                             shape=17, # Schwarze Dreiecke
                             size=4)  #Größe

ggplot(data, aes(x=name, #Teilen der Daten
                 y=value, #Metrische Var.
                 fill=name)) + #Teilen für die Legende
                stat_boxplot(
                             geom = "errorbar", #Wiskers
                             width = 0.2)  +   #Breite
                geom_boxplot()

NA
NA
NA

means <- aggregate(value ~  name, data, mean)
means

library(ggplot2)

ggplot(data = data, aes(x=name, #Teilen der Daten
                 y=value, #Metrische Var.
                 fill=name)) + #Teilen für die Legende
                geom_boxplot()+ #Erstelle ein Boxplot
                stat_summary(fun=mean,  # Setze Mittelwert
                             colour="darkred", #Farbe
                             geom="point",  #Punkt
                             shape=18, # Form des Punktes
                             size=3) + #Größe
                geom_text(data = means, #Setze Text aus der "means"
                          aes(label = value, #Label
                              y = value+ 2.00)) #Ort + 2.0 Punkte

https://rstudio-pubs-static.s3.amazonaws.com/118161_a330bf4914434f52a084b6aed451c7bd.html