{
  "id": "box-plot",
  "title": "箱线图",
  "lang": "zh-Hans",
  "source_lang": "en",
  "summary": "箱线图通过四分位数、中位数、须线，以及许多绘图惯例中单独标出的极端观测值，概括数值数据。",
  "category": "mathematics",
  "subcategory": "probability-statistics",
  "type": "concept",
  "aliases": [
    "箱形图",
    "盒须图",
    "箱须图"
  ],
  "generated_at": "2026-11-05",
  "model": "pro/gpt-6.1-sol",
  "url": "https://aiwiki.page/zh/box-plot/",
  "translations": {
    "en": {
      "url": "https://aiwiki.page/en/box-plot/",
      "json": "https://aiwiki.page/en/box-plot.json"
    }
  },
  "sections": [
    {
      "heading": "",
      "text": "箱线图是一种统计图形，利用箱体、标示中位数的线，以及称为须线的延伸线，概括数值数据的位置、离散程度和某些特征。箱体通常从下四分位数延伸至上四分位数，包含位于中间的大约一半观测值。须线的定义并不统一：它们可以延伸至最小值和最大值，也可以延伸至指定界限内最极端的观测值，而超出界限的观测值则单独绘出。箱线图尤其适合比较不同组的数据分布。"
    },
    {
      "heading": "组成与绘制",
      "text": "箱线图沿一条数值轴展示数据，既可以纵向绘制，也可以横向绘制。其主要组成部分如下：\n\n- **箱体下边缘：**第一四分位数 \\(Q_1\\)，对应第25百分位数。\n- **箱体内的线：**第二四分位数 \\(Q_2\\)，即中位数，对应第50百分位数。\n- **箱体上边缘：**第三四分位数 \\(Q_3\\)，对应第75百分位数。\n- **须线：**从箱体延伸至按绘图惯例确定的端点的线。\n- **独立点：**在所用绘图惯例将须线以外的观测值单独区分时，表示这些观测值的点。\n\n四分位数是特定的分位数。箱体的长度为四分位距：\n\n\\[\\operatorname{IQR}=Q_3-Q_1.\\]\n\n四分位距描述数据中间一半的离散程度。与极差不同，它并不直接由最小和最大的观测值决定。\n\n样本四分位数并没有唯一且普遍采用的计算定义。不同方法在如何定位非整数秩次、如何在观测值之间插值，以及将样本分成两半时如何处理中位数等方面有所不同。图基最初的构造使用铰链值，它们与四分位数密切相关，但并不与所有现代四分位数算法的结果一致。因此，不同软件包根据同一组数据绘出的箱体和须线可能略有差异，尤其是在小样本情况下。\n\n1.5倍四分位距规则\n\n一种广泛采用的绘制方法定义了两个内围栏：\n\n\\[L=Q_1-1.5\\operatorname{IQR}, \\qquad U=Q_3+1.5\\operatorname{IQR}.\\]\n\n下须线的端点是不小于 \\(L\\) 的最小观测值，上须线的端点是不大于 \\(U\\) 的最大观测值。超出这些围栏的观测值单独绘出。\n\n围栏是数值阈值，通常并非须线端点本身。须线一般终止于一个实际观测值，而不是恰好位于距箱体 \\(1.5\\operatorname{IQR}\\) 的位置。\n\n某些实现还会用不同的符号，区分超出以下外围栏的观测值：\n\n\\[Q_1-3\\operatorname{IQR} \\quad\\text{and}\\quad Q_3+3\\operatorname{IQR},\\]\n\n其他须线规则\n\n其他箱线图会将须线延伸至：\n\n- 样本最小值和最大值；\n- 指定的百分位数，例如第5和第95百分位数；\n- 根据某种专门规则确定的端点。\n\n因此，应在图注或配套说明中交代须线的定义。仅凭“箱线图”这一名称，无法唯一确定须线的含义。"
    },
    {
      "heading": "计算示例",
      "text": "考虑以下已排序的观测值：\n\n\\[1,\\;2,\\;3,\\;4,\\;5,\\;6,\\;7,\\;8,\\;20.\\]\n\n将数据分为两半，分别取中位数，且两半均不包含总体中位数，得到：\n\n\\[Q_1=2.5,\\qquad Q_2=5,\\qquad Q_3=7.5.\\]\n\n因此，\n\n\\[\\operatorname{IQR}=5,\\]\n\n内围栏为：\n\n\\[L=-5,\\qquad U=15.\\]\n\n按照1.5倍四分位距规则，箱体从 \\(2.5\\) 延伸至 \\(7.5\\)，中位数线位于 \\(5\\)，须线端点分别为 \\(1\\) 和 \\(8\\)。观测值 \\(20\\) 单独显示为一个点。如果采用须线延伸至最小值和最大值的规则，上须线则会延伸至 \\(20\\)。"
    },
    {
      "heading": "解读",
      "text": "位置与离散程度\n\n中位数表示观测值的中心位置。箱体长度衡量数据中间部分的离散程度，而须线和独立点则提供有关尾部的部分信息。\n\n当箱线图采用相同的数值刻度时，可以快速比较：\n\n- 中位数的差异；\n- 四分位距的差异；\n- 分布下半部分与上半部分之间的不对称性；\n- 是否存在远离中心箱体的观测值。\n\n箱线图通常不显示样本均值、方差或标准差。某些变体会添加均值标记，但必须将其与中位数线区分开来。\n\n不对称性与尾部\n\n中位数靠近箱体的一端，或某一侧的须线明显更长，都可能提示分布不对称。然而，这些特征并不能完整刻画数据背后的概率分布。截然不同的分布也可能产生完全相同的箱线图。\n\n尤其需要注意，箱线图可能掩盖箱体内部的多个聚集区域、空隙或密集区域。箱体和须线看起来对称，并不能证明数据服从正态分布。\n\n单独绘出的观测值\n\n离群值标记表示某个观测值符合绘图规则所规定的条件，并不意味着它一定是记录错误、测量失误或科学意义上的异常事件。\n\n对于正态分布，按总体四分位数计算的1.5倍四分位距围栏位于均值两侧约 \\(2.70\\) 个标准差处。该分布约有 \\(0.7\\%\\) 的取值位于这些围栏之外。实际样本的围栏会有所变化，而偏态分布或重尾分布可能有大得多的观测值比例落在围栏之外。\n\n因此，这一规则是一种描述性的筛查惯例，而不是普遍适用的统计假设检验，也不是删除观测值的依据。"
    },
    {
      "heading": "主要变体",
      "text": "缺口箱线图\n\n缺口箱线图在中位数附近收窄箱体。一种常用的近似缺口区间为：\n\n\\[Q_2\\pm1.58\\frac{\\operatorname{IQR}}{\\sqrt{n}},\\]\n\n其中 \\(n\\) 为样本量。\n\n缺口为中位数的不确定性提供了近似的视觉参考。缺口不重叠通常被解释为两个中位数存在差异的证据，但这种判断的准确性取决于所作假设和具体实现。缺口不能替代明确规定的统计推断程序。在小样本情况下，缺口可能超出箱体范围。\n\n也可以改为显示通过自助采样获得的中位数置信区间，并明确说明所用方法。\n\n变宽箱线图\n\n在变宽箱线图中，箱体宽度表示各组的样本量，通常与 \\(\\sqrt{n}\\) 成正比。普通的等宽箱体并不表示观测值数量。由于不同绘图惯例有所区别，必须说明宽度与样本量之间的关系。\n\n组合展示\n\n箱线图可以叠加单个观测值，也可以与展示估计分布形状的小提琴图结合。这些组合既保留了中位数和四分位数的概括，又能揭示传统箱线图所隐藏的特征。"
    },
    {
      "heading": "历史与应用",
      "text": "约翰·W. 图基将现代箱线图作为探索性数据分析的一部分加以发展和推广。他于1977年出版的《探索性数据分析》一书推动了箱线图的广泛应用。更早的统计图形也曾展示极差和基于分位数的概括，因此，现代箱线图是图形化描述这一更悠久历史的一部分。\n\n箱线图广泛应用于科学研究、工程、教育、经济学和质量监测。其紧凑的形式尤其适合并列展示多个组，例如不同生产线、实验处理或时间段的测量结果。\n\n分组箱线图描述观测到的差异，却不能确定这些差异的成因。其解读取决于抽样方式、实验设计，以及观测值之间是相互独立还是存在关联。"
    },
    {
      "heading": "局限性与报告注意事项",
      "text": "箱线图的紧凑性是以损失部分信息为代价的：\n\n- 分布细节被省略。直方图或展示单个观测值的图形，可以揭示四分位数无法呈现的峰和空隙。\n- **样本量可能无法看出。**相同的箱体既可能代表少数几个观测值，也可能代表数千个观测值。\n- **小样本的概括结果不稳定。**四分位数的计算规则可能显著影响图形。\n- **重复值和离散取值可能使箱体退化。**如果 \\(Q_1=Q_3\\)，四分位距为零，标准围栏规则可能会将所有不等于该共同值的观测值都标记出来。\n- **点的重叠可能掩盖数量。**围栏外的多个观测值可能看起来只有一个标记。\n- **坐标轴变换会影响解读。**先在原始尺度上计算围栏，再用对数坐标轴展示，并不等同于先进行对数变换，再计算围栏。\n- **是否重叠并不是统计推断检验。**箱体重叠不能证明分布相同，箱体分离本身也无法量化统计不确定性。\n\n为使结果可复现，应在说明中明确四分位数的计算方法、须线规则、附加符号的含义、样本量，以及所作的任何变换。比较不同子图时，还需要注意它们是否采用相同的数值刻度。"
    }
  ],
  "links": [
    "median",
    "quantile",
    "interquartile-range",
    "sample-mean",
    "variance",
    "standard-deviation",
    "probability-distribution",
    "normal-distribution",
    "statistical-hypothesis-testing",
    "sample-size",
    "bootstrap-sampling",
    "confidence-interval",
    "exploratory-data-analysis",
    "experimental-design",
    "histogram"
  ],
  "sources": [],
  "license": "https://creativecommons.org/licenses/by/4.0/"
}