Kutu Grafiği Hesaplama
Kutu Grafiği Hesaplama, bir veri setinin dağılımını tek bir görselde özetlemenin en pratik yoludur. Bu yöntem; medyan, çeyrekler, uç değerler ve yayılım hakkında hızlı bir fikir verir. Özellikle keşifsel veri analizinde ilk adım olarak sıkça tercih edilir.
Kutu Grafiği (Box Plot) Hesaplama
Bu rehberde kutu grafiğinin nasıl hesaplandığını adım adım ele alıyoruz. Ayrıca elle yapılan hesaplamalarda sık düşülen hataları ve sonuçların nasıl yorumlanacağını da açıklıyoruz. Böylece hem temel istatistik bilginizi hem de görselleştirme becerinizi güçlendirebilirsiniz.
Kutu Grafiği Hesaplama Nedir?
Kutu grafiği (box plot), bir veri setinin beş temel özet değerini gösteren bir grafiktir. Bu değerler minimum, birinci çeyrek (Q1), medyan (Q2), üçüncü çeyrek (Q3) ve maksimumdur. Kutu grafiği hesaplama süreci bu beş değeri bulur ve ardından aykırı gözlemleri işaretler.
Grafiğin ortasındaki kutu, verinin ortadaki %50'sini temsil eder. Kutunun alt kenarı Q1, üst kenarı Q3 değeridir. Kutunun içindeki çizgi ise medyanı gösterir. Bıyıklar (whiskers) verinin yayılımını, ayrı noktalar da aykırı değerleri temsil eder.
Kutu Grafiğinin Temel Bileşenleri
Her bileşen, veri seti hakkında farklı bir bilgi sunar. Örneğin medyan, verinin merkezini gösterirken çeyrekler arası açıklık yayılımı ortaya koyar. Aykırı değerler ise dikkat edilmesi gereken uç gözlemleri işaretler.
- Minimum: Bıyığın alt sınırındaki en küçük gözlem.
- Q1 (Birinci çeyrek): Verinin %25'inin altında kaldığı değer.
- Medyan (Q2): Verinin tam ortasındaki değer.
- Q3 (Üçüncü çeyrek): Verinin %75'inin altında kaldığı değer.
- Maksimum: Bıyığın üst sınırındaki en büyük gözlem.
Kutu Grafiği Hesaplama Adımları
Kutu grafiği hesaplama süreci sistematik bir sıra izler. Veriyi küçükten büyüğe sıralamak ilk ve en önemli adımdır. Ardından çeyrekler ve medyan bulunur, son olarak aykırı değerler belirlenir.
1. Veriyi Sıralama
Öncelikle tüm gözlemleri artan sıraya dizin. Bu adım, çeyreklerin doğru konumunu bulmak için zorunludur. Sıralama yapılmadan hesaplanan çeyrekler hatalı sonuç verir.
2. Medyanı Bulma
Veri sayısı tek ise ortadaki değer doğrudan medyandır. Veri sayısı çift ise ortadaki iki değerin aritmetik ortalaması medyanı verir. Bu nedenle veri sayısını önce kontrol etmek gerekir.
3. Çeyrekleri Hesaplama
Q1, medyanın altındaki verinin medyanıdır. Q3 ise medyanın üstündeki verinin medyanıdır. Bu yöntem yaygın olarak kullanılır ve çoğu istatistik yazılımı bu yaklaşımı benimser.
4. Çeyrekler Arası Açıklığı Bulma
Çeyrekler arası açıklık (IQR), Q3 ile Q1 arasındaki farktır. Formül kısaca IQR = Q3 − Q1 şeklindedir. Bu değer, verinin orta %50'sinin ne kadar yayıldığını gösterir.
5. Aykırı Değer Sınırlarını Belirleme
Alt sınır Q1 − 1,5 × IQR, üst sınır ise Q3 + 1,5 × IQR formülüyle bulunur. Bu sınırların dışında kalan gözlemler aykırı değer sayılır. Ayrıca 3 × IQR dışındaki değerler aşırı aykırı olarak sınıflandırılır.
6. Bıyıkları Çizme
Bıyıklar, aykırı olmayan en küçük ve en büyük gözleme kadar uzanır. Bu noktada minimum ve maksimum değerler, aykırı sınırlara göre yeniden belirlenir. Böylece grafik veriyi doğru biçimde yansıtır.
Örnek Hesaplama
Aşağıdaki veri setini ele alalım: 4, 7, 9, 12, 15, 18, 21, 25, 30, 45. Bu veri seti üzerinden adımları uygulayalım.
Veri sayısı 10 olduğu için medyan, 5. ve 6. değerlerin ortalamasıdır. Yani (15 + 18) / 2 = 16,5. Bu değer kutunun içindeki çizgiyi oluşturur.
Alt yarıdaki veriler 4, 7, 9, 12, 15'tir. Bunların medyanı 9'dur, dolayısıyla Q1 = 9. Üst yarıdaki veriler 18, 21, 25, 30, 45'tir ve bunların medyanı 25'tir, yani Q3 = 25.
IQR = 25 − 9 = 16 olur. Alt sınır 9 − 1,5 × 16 = −15, üst sınır ise 25 + 1,5 × 16 = 49 olarak bulunur. 45 değeri üst sınırın altında kaldığı için aykırı değildir.
Bu örnekte bıyıklar 4 ile 45 arasında uzanır. Kutu ise 9 ile 25 arasında yer alır. Medyan çizgisi 16,5 noktasında durur. Sonuç olarak grafik, verinin sağa çarpık olduğunu açıkça gösterir.
Kutu Grafiği Hesaplama Yöntemleri Arasındaki Farklar
Çeyrekleri bulmak için birden fazla yöntem vardır. Bu yöntemler farklı Q1 ve Q3 değerleri üretebilir. Bu nedenle aynı veri seti için farklı yazılımlar küçük farklılıklar gösterebilir.
En yaygın yöntemler Tukey, Moore ve McCabe ile Minitab yaklaşımlarıdır. Örneğin Tukey yöntemi medyanı dışarıda bırakır. Diğer yandan Moore ve McCabe yöntemi medyanı dahil eder.
Pratikte bu fark genellikle küçüktür ve yorumu değiştirmez. Ancak büyük veri setlerinde veya sınır durumlarda fark belirginleşebilir. Bu noktada kullandığınız yöntemi tutarlı biçimde uygulamak önemlidir.
Sonuçları Yorumlama
Kutu grafiği hesaplama kadar yorumlama da kritik bir adımdır. Kutunun genişliği verinin yayılımını gösterir. Dar bir kutu, verinin merkezde yoğunlaştığını işaret eder.
Medyanın kutunun ortasında olması simetrik bir dağılıma işaret eder. Medyan alta yakınsa dağılım sağa çarpıktır. Üste yakınsa sola çarpık bir yapı söz konusudur.
Bıyıkların uzunluğu uç değerlerin dağılımı hakkında bilgi verir. Bir bıyık diğerinden belirgin biçimde uzunsa veri o yönde yayılmıştır. Ayrıca çok sayıda aykırı nokta, veri kalitesi sorununa da işaret edebilir.
Sık Yapılan Hatalar
Kutu grafiği hesaplama sırasında en sık yapılan hata veriyi sıralamayı atlamaktır. Bu durumda çeyrekler yanlış konumdan okunur ve grafik yanıltıcı olur.
Bir diğer hata, IQR çarpanını yanlış uygulamaktır. Standart çarpan 1,5'tir; ancak bazı analizlerde 3,0 da kullanılır. Bu nedenle hangi çarpanı kullandığınızı açıkça belirtmeniz gerekir.
Ayrıca medyanı hesaplarken çift ve tek veri sayısını karıştırmak yaygın bir sorundur. Son olarak aykırı değerleri doğrudan silmek yerine nedenlerini araştırmak gerekir. Böylece analiz daha güvenilir hale gelir.
Kutu Grafiği Hesaplama Araçları
Elle hesaplama öğretici olsa da büyük veri setlerinde araç kullanmak gerekir. Excel, Python (matplotlib, seaborn) ve R (ggplot2) yaygın seçeneklerdir. Bu araçlar çeyrekleri otomatik hesaplar ve grafiği hızla çizer.
Ancak araçların varsayılan çeyrek yöntemini bilmek önemlidir. Örneğin Excel ile Python farklı sonuçlar verebilir. Bu nedenle raporlarınızda kullandığınız yöntemi belirtmeniz önerilir.
Kısaca doğru araç, doğru yöntem ve doğru yorumlama bir arada kullanıldığında kutu grafiği güçlü bir analiz aracına dönüşür.