Boxplot: Como interpretar? 

Valeu, José! Ficamos muito felizes com isso, obrigado pelo elogio! 🥰

Ficou perfeita mesma!!!! Parabéns pelo trabalho

Obrigado, Marcos! Ficamos felizes com seu comentário 😁😁

Vídeo excelente,demonstra a descrepancia dos elementos que compõem o blox pot

Agradecemos muito pelo elogio, Guilherme! 😄😄

Valeu, Daniel! Ficamos muito felizes que o nosso vídeo te ajudou a entender o assunto! 😀😀

Ficamos muito felizes com o elogio!! 🥰

Valeu, Laura!! Ficamos muito felizes que o nosso vídeo está ajudando muitas pessoas! 😀😀

Valeu, Caio!!

Nossa, sim, pra quê

Agradecemos muito! 🥰

Valeu, Robson!!

Oi Amaurí, que ótimo saber que não ficou nenhuma dúvida! 😁😁

Valeu, Alexandre, ficamos muito felizes com o comentário!!

Valeu, Vitor!!

Valeu, Jailson!!

Valeu, Jonathan!!

Valeu, Gabriel!

Valeu, Wilson!!

Obrigado, Anna! Ficamos muito felizes com seu comentário!❤️

Valeu, Edleide!!

Valeu, Mauri!!

Que bom que gostou, Priscila!! Ficamos muito felizes 😁😁

Valeu, Thiago!!

Nós agradecemos muito pelo comentário! (((:

Que bom que gostou do vídeo! Ficamos felizes com seu comentário

Que bom, Renato! Se tiver alguma dúvida ficamos felizes em responder! 😁😁

Obrigado! Ficamos contentes com o seu comentário e por ter gostado do conteúdo!

Muito obrigada, Danielle!! 😃😃

Obrigado, Nicolas! 😁😁

Valeu, Lucas! 🚀

A gente que agradece, Alex! 😁

Obrigado! Ficamos contentes com o seu comentário e por ter gostado do conteúdo!

Agradecemos muito o comentário!

Valeu, michel!! Ficamos muito felizes com comentários assim!

@@Statplace eu que agradeço, que trabalho incrível que vocês fazem aqui...vou divulgar o trabalho de vocês pra que chegue a outras pessoas! Obrigado! 🙏🏽

@@michelcesar85 tentamos sempre levar conteúdos complexos de maneira mais simples possível! Temos instagram e lá postamos conteúdo toda semana também, além de lembrar quando sai novos vídeos aqui! E fique ligado que mês que vêm lançaremos mais um vídeo animado! 😁💙

Valeu, Davi! 🚀🚀

Bom dia! Em um boxplot, a área entre o limite inferior (ou mínimo) e o primeiro quartil (Q1) não representa o próprio Q1. O limite inferior, ou mínimo, é o menor valor da distribuição que não é considerado um outlier, sendo indicado pela extremidade inferior da linha que se estende a partir da caixa. O primeiro quartil (Q1), por sua vez, é o valor abaixo do qual estão 25% dos dados. Ele marca o ponto onde termina o primeiro quarto da distribuição. Os valores entre o limite inferior e o Q1 fazem parte da distribuição, mas não são o Q1. O Q1 é um ponto específico que representa o valor no qual 25% dos dados estão abaixo dele. Resumindo: o Q1 delimita a primeira parte da distribuição, mas os valores entre o mínimo e o Q1 não devem ser confundidos com o próprio quartil.

@@Statplace perfeito, eu vi algum outro canal em inglês explicando que o limite calculado baseado na diferença inter quartil não deve ser considerado como o limite em si mas sim o ultimo valor nesse intervalo, faz sentido? E tudo que esta fora dos limites sao outliers mas se o limite inferior e superior necessariamente precisa ser um ponto (amostra) algo assim. Eu to muito confuso se foi isso que entendi. Obrigado!

@@hflx No boxplot, o "limite" a que você se refere é baseado na amplitude interquartil (AIQ), que é a diferença entre o terceiro quartil (Q3) e o primeiro quartil (Q1), ou seja, AIQ = Q3 − Q1. A partir disso, os limites inferior e superior são definidos para ajudar na identificação de outliers. No entanto, esses limites não correspondem necessariamente ao menor e maior valor observados no conjunto de dados. Eles servem como referências para identificar potenciais outliers. Assim, o "limite" visível no boxplot não é exatamente o valor calculado, mas sim o último valor dentro desse intervalo. Valores fora desses limites, se existirem, são exibidos como pontos, representando os outliers.

Valeu!! 😁😁

Que bom que gostou! Ficamos felizes com o comentário!

Obrigado, George!

Valeu, Gabriel!!

Oi, gustavo! O vídeo foi feito pelo After Effects. 😀

Oi, Roberta! Pode ser construído o gráfico boxplot para identificar algumas informações como a distribuição dos dados (mínimo, primeiro quartil, mediana, terceiro quartil e máximo). E a partir disso você poderá ter uma noção dessas informações e realizar análise para identificar se são outliers ou valores extremos (nem todo valor extremo é um outlier). Uma possibilidade é verificar quais variáveis ou dados possuem 3 desvios-padrão (ou 6 ou 9 a depender) maiores ou menores do que a média.

Oi Roberta! Quando a linha da mediana está próxima ao primeiro quartil, os dados são assimétricos positivos e quando a posição da linha da mediana é próxima ao terceiro quartil, os dados são assimétricos negativos. O valor do 3 quartil é o valor que delimita os 25% maiores valores. Ou seja, 75% dos valores estão abaixo desse valor, enquanto que 25% estão acima.

Oi Fabio, tudo bem? Os outliers são dados que se diferenciam dos demais no conjunto de dados, ou seja, é um valor atípico e que pode enviesar os resultados obtidos através das análises. Se tivermos um conjunto de dados pequeno, é fácil de identificar esse valor atípico, basta verificar o valor que se difere dos demais. Entretanto, no caso de um conjunto de dados grande, essa maneira não é recomendável. Diante disso, o uso da análise gráfica é fundamental, pois ao plotarmos o boxplot conseguimos observar se há ou não possíveis outliers. Antes de tentar remover um outlier, é preciso verificar se esse valor atípico se dá por erro de digitação ou qualquer outro erro (amostragem, medida, processamento de dados, etc). Usando a função (summary()) para obter os resultados referentes as medidas de tendência central (média, mediana, mínimo, máximo, etc,) é possível encontrar o valor máximo e mínimo e verificar se são esses valores que estão como outliers. Caso seja apenas um único valor e o conjunto de dados seja grande o suficiente, é possível a remoção desse valor atípico (removendo de acordo com a coluna e linha do conjunto de dados) e a realização novamente das análises, sendo feita a comparação dos resultados para entender se a remoção desse outlier prejudica ou não na pesquisa. Entretanto, caso a quantidade de outliers seja relativamente grande, será necessário o uso de outras análises com ênfase nesse valores, como por exemplo modelagem e a verificação de valores extremos, transformação logarítmica (se fizer sentido para a pesquisa e se for possível) e entre outros métodos.

Se tiver ficado mais alguma dúvida fique a vontade para perguntar!