Как boxplot помогает выявлять выбросы и аномалии в данных?

Boxplot помогает выявлять выбросы и аномалии в данных следующим образом: он компактно показывает ключевые статистические характеристики, позволяя мгновенно оценить центральную тенденцию, разброс значений и наличие выбросов в данных. 1

Основные элементы boxplot:

• Медиана — центральная линия внутри «ящика», показывающая значение, делящее выборку на две равные части. 1
• Ящик (Box) — прямоугольник, ограниченный первым (Q1) и третьим (Q3) квартилями, содержащий 50% всех наблюдений. 1
• Усы (Whiskers) — линии, простирающиеся от ящика до крайних точек в пределах 1.5 × IQR (межквартильный размах). 1
• Выбросы (Outliers) — точки за пределами усов, представляющие аномальные значения. 1

Выбросы — это значения, которые сильно отличаются от основного массива данных. 2 Они отображаются за пределами «усов» и требуют внимания. 2 Причинами выбросов могут быть ошибки в данных, редкие события или аномально успешные действия. 2

Например, если на диаграмме размаха для рекламных кампаний выбросом будет день с высокой конверсией, это может быть связано с вирусной активностью или успешной акцией. 2