Boxplot

Boxplot – Definition, Anwendung und Interpretation

Was ist ein Boxplot?

Ein Boxplot (auch Box-and-Whisker-Plot genannt) ist ein grafisches Werkzeug zur Darstellung der Verteilung von Daten. Er bietet eine kompakte Übersicht über zentrale Lage- und Streuungsmaße wie Median, Quartile, Spannweite und Ausreißer.

Besonders hilfreich ist der Boxplot für:
✔ Visuelle Darstellung großer Datenmengen
✔ Identifikation von Ausreißern und Anomalien
✔ Vergleich mehrerer Datensätze auf einen Blick

Boxplots werden in vielen Bereichen genutzt, z. B. in Statistik, Qualitätsmanagement (Six Sigma, FMEA), Finanzanalyse und Wissenschaft.

Aufbau eines Boxplots

Ein Boxplot besteht aus mehreren Elementen, die zusammen eine umfassende Übersicht über die Datenverteilung geben:

1. Box (Interquartilsabstand, IQR – Interquartile Range)

• Die Box repräsentiert die mittleren 50 % der Daten.
• Sie reicht von Q1 (unteres Quartil, 25 %) bis Q3 (oberes Quartil, 75 %).
• Die Breite der Box ist der Interquartilsabstand (IQR), berechnet als Q3 – Q1.
• Ein größerer IQR bedeutet eine größere Streuung der Daten.

2. Median (Q2, 50 % der Daten)

• Der Median ist die mittlere Linie in der Box und trennt die Daten in zwei gleich große Hälften.
• Liegt der Median genau in der Mitte der Box → symmetrische Verteilung.
• Ist der Median näher an Q1 oder Q3 → asymmetrische oder schiefe Verteilung.

3. Whiskers (Antennen oder „Schnurrhaare“) – Minimum und Maximum

• Die Whiskers zeigen die Minimal- und Maximalwerte, die innerhalb der 1,5-fachen IQR-Spannweite liegen.
• Alles darüber hinaus gilt als Ausreißer.

4. Ausreißer (Extremwerte)

• Datenpunkte außerhalb der Whiskers gelten als Ausreißer.
• Sie werden oft als einzelne Punkte oder Kreise markiert.
• Ausreißer deuten auf mögliche Fehler oder ungewöhnliche Datenwerte hin.

Interpretation eines Boxplots

Ein Boxplot liefert wertvolle Informationen über eine Datenverteilung.

1. Symmetrie und Schiefe

• Median mittig in der Box: Symmetrische Verteilung
• Median näher an Q1 (links): Rechtsschiefe (positive Schiefe)
• Median näher an Q3 (rechts): Linksschiefe (negative Schiefe)

2. Streuung der Daten

• Breite der Box (IQR): Zeigt die Variabilität der mittleren 50 % der Daten.
• Lange Whiskers: Hohe Gesamtstreuung
• Kurze Whiskers: Geringe Gesamtstreuung

3. Identifikation von Ausreißern

• Einzelne Punkte außerhalb der Whiskers zeigen extreme Werte oder Anomalien.
• Diese müssen überprüft werden, um zu entscheiden, ob sie auf Fehler oder natürliche Schwankungen hinweisen.

Vorteile eines Boxplots

Ein Boxplot ist ein leistungsstarkes Werkzeug zur Analyse von Datenverteilungen.

✔ Einfache Interpretation: Klare Darstellung von Median, Quartilen und Ausreißern.
✔ Robust gegenüber Ausreißern: Im Gegensatz zum Mittelwert ist der Median weniger anfällig für extreme Werte.
✔ Kompakte Darstellung großer Datenmengen: Eine Vielzahl von Werten wird auf kleinem Raum visualisiert.
✔ Vergleich mehrerer Gruppen: Mehrere Boxplots nebeneinander ermöglichen den Vergleich unterschiedlicher Datensätze.
✔ Hervorhebung von Schiefe und Streuung: Zeigt schnell, ob eine Verteilung asymmetrisch ist oder ob die Daten stark streuen.

Anwendungsbereiche eines Boxplots

📊 Statistik & Datenanalyse: Untersuchung der Verteilung von Messwerten.
🏭 Qualitätsmanagement (Six Sigma, FMEA): Identifikation von Prozessschwankungen.
📈 Finanzanalyse: Visualisierung von Kursverläufen oder Renditeverteilungen.
🧪 Wissenschaft & Forschung: Analyse experimenteller Daten und Variabilität.
📦 Lieferkettenmanagement: Ermittlung der Schwankungen in Lieferzeiten.

Beispiel für einen Boxplot

Ein Unternehmen analysiert die Lieferzeiten in Tagen:

• Q1 (25 % der Daten): 3 Tage
• Median (50 % der Daten): 5 Tage
• Q3 (75 % der Daten): 8 Tage
• Min: 2 Tage, Max: 12 Tage
• Ausreißer: 20 Tage (extreme Lieferverzögerung)

📌 Interpretation:

• Der Median liegt näher bei Q1, also gibt es eine Rechtsschiefe.
• Die lange obere Whisker und ein Ausreißer (20 Tage) deuten auf sporadische Lieferverzögerungen hin.
• Die optimale Maßnahme wäre eine Verbesserung der Lieferkette, um die Variabilität zu verringern.

Beispiel für die Analyse von Lieferzeiten mit einem Boxplot

In diesem Beispiel werden die Lieferzeiten von fünf verschiedenen Produkten analysiert. Der Boxplot visualisiert die Verteilung der Lieferzeiten in Tagen, wobei die Datenpunkte die Minimalwerte, Quartile und Maximalwerte für jedes Produkt darstellen.

• Produkt A hat eine breite Streuung, mit einer minimalen Lieferzeit von 2 Tagen und einem Ausreißer von 12 Tagen, was auf sporadische Verzögerungen hinweist.
• Produkt B zeigt eine ähnliche Verteilung, jedoch mit einer kleineren Spannweite.
• Produkt C und D weisen höhere Maximalwerte auf, was auf mögliche Herausforderungen in der Lieferkette hinweist.
• Produkt E hat die geringste Variabilität, was auf einen stabilen Lieferprozess hindeutet.

Durch diese Darstellung können Entscheidungsträger schnell erkennen, welche Produkte möglicherweise Verbesserungen in den Lieferzeiten benötigen und wo die größte Variabilität besteht. Dies ist besonders wichtig für das Qualitätsmanagement und die Prozessoptimierung in der Logistik.

Fazit

Der Boxplot ist eine effektive Methode zur Visualisierung und Analyse von Datenverteilungen. Er hilft dabei, zentrale Tendenzen, Streuungen und Ausreißer schnell zu identifizieren und ist besonders wertvoll für statistische Analysen, Prozessoptimierung und Qualitätskontrolle. Durch seine kompakte Darstellung ermöglicht er einen schnellen Vergleich mehrerer Datensätze und liefert eine klare Basis für datengetriebene Entscheidungen.