เลิกใช้ Box Plot (2021)
(nightingaledvs.com)- Box plot เป็นกราฟแบบคลาสสิกที่ใช้สรุปการกระจาย แต่ต้องใช้เวลาหลายนาทีเพื่ออธิบายวิธีอ่าน ทำให้ ผลลัพธ์เมื่อเทียบกับต้นทุนการเรียนรู้ ต่ำ
- จากผู้เข้าร่วมเวิร์กช็อปหลายพันคน สัดส่วนที่อ่าน box plot เป็นอยู่แล้วมัก ต่ำกว่า 20% และมีภาระในการทำความเข้าใจมากกว่า scatter plot หรือ histogram ด้วยซ้ำ
- การออกแบบแบบดั้งเดิมมี box, whisker, เส้น median และความยาวของช่วงที่ไม่สอดคล้องกับความหมายของข้อมูลจริง จึงทำให้เกิด ความเข้าใจผิดทางสายตา ได้ง่าย
- แม้จะต้องอาศัยแนวคิดนามธรรมอย่าง quartile แต่กลับซ่อนช่องว่าง การกระจายหลายยอด และจำนวนค่าในแต่ละกลุ่ม และอาจทำให้การกระจายหลายแบบดูเหมือน รูปทรงระฆัง
- Strip plot, jittered strip plot และ distribution heatmap เข้าใจได้เร็วกว่าและแสดงรูปทรงการกระจายโดยตรง จึงอาจใช้งานได้จริงกว่าสำหรับการตัดสินใจในชีวิตประจำวัน
เหตุผลที่แทบไม่ใช้ Box Plot แล้ว
- Box plot อาจใช้เวลา มากกว่า 4 นาที เพื่ออธิบายวิธีอ่าน และการจะทำให้ต้นทุนการเรียนรู้นั้นคุ้มค่า ต้องมี insight สำคัญที่กราฟแบบง่ายไม่สามารถสื่อได้
- ในความเป็นจริง insight ส่วนใหญ่ที่ต้องการสื่อด้วย box plot สามารถสื่อด้วยกราฟที่คุ้นเคยและเรียบง่ายกว่าก็ได้
- ทั้งที่มีจุดประสงค์เพื่อแสดงการกระจาย แต่ผู้ชมต้องผ่านกฎการตีความหลายขั้นก่อนจึงจะได้ดูข้อมูล
อุปสรรคต่อความเข้าใจที่เห็นได้จากเวิร์กช็อป
- ผู้เข้าร่วมเวิร์กช็อปหลายพันคนโดยรวมมีระดับ graphicacy สูงกว่าค่าเฉลี่ย แต่สัดส่วนที่อ่าน box plot เป็นอยู่แล้วมัก ต่ำกว่า 20%
- Box plot เข้าใจยากกว่ากราฟพื้นฐานประเภทอื่น และสร้างภาระมากกว่ากราฟที่ซับซ้อนอย่าง scatter plot หรือ histogram ด้วยซ้ำ
- แม้ผู้ชมจะคุ้นเคยกับ box plot ก็ยังต้องใช้ ความพยายามทางปัญญา ในการตีความมากกว่า strip plot หรือ distribution heatmap และมีโอกาสเข้าใจผิดสูงกว่า
จุดที่การออกแบบแบบดั้งเดิมขัดกับสัญชาตญาณ
- Box plot แบบดั้งเดิมเป็นรูปแบบที่ Mary Spear เสนอครั้งแรกในปี 1952 และ John Tukey ปรับปรุงในปี 1969
- ปัญหาหลักของการออกแบบภาพมี 3 ข้อ
- box ที่หนาดูเหมือนจะแทน ค่าจำนวนมากกว่า หรือความสำคัญมากกว่า whisker ที่บาง แต่ทั้ง 4 ช่วงต่างมีจำนวนค่าเท่ากัน
- box ตรงกลางดูเหมือนเป็นก้อนเดียวที่ถูกแบ่งด้วยเส้น median ทำให้ทั้งภาพดูเหมือนมี 3 ส่วน แต่จริง ๆ แล้วเป็นช่วง quartile 4 ช่วง
- มนุษย์รับรู้รูปทรงที่ยาวว่าเป็นปริมาณที่มากกว่า แต่ใน box plot ช่วงที่ยาวไม่ได้หมายถึงมีค่ามากกว่า
- ช่วงที่สั้นในความเป็นจริงแสดงถึง ความหนาแน่นของค่า ที่สูงกว่า แต่สายตากลับมองเหมือนมีปริมาณน้อยกว่า ทำให้รูปทรงที่เห็นขัดกับความหมายของข้อมูล
- แบบออกแบบทางเลือกสามารถทำให้ชัดขึ้นว่าช่วงสั้นหมายถึงค่ากระจุกตัวสูง ไม่เน้นช่วงกลางสองช่วงโดยไม่จำเป็น และทำให้ดูเหมือนมีรูปทรง 4 ส่วนได้
- อย่างไรก็ตาม แบบออกแบบเหล่านี้ก็ยังยากจะแนะนำในสถานการณ์ส่วนใหญ่ และกราฟการกระจายที่เรียบง่ายกว่าอาจเป็นตัวเลือกที่ดีกว่า
ต้นทุนการเรียนรู้ที่เกิดจาก Quartile
- การจะเข้าใจ box plot ต้องรู้แนวคิดของ quantile และโดยเฉพาะ quartile ซึ่งเป็นการแบ่งชุดค่าที่เรียงลำดับแล้วออกเป็นช่วงที่มีจำนวนค่าเท่ากัน
- ผู้ชมจำนวนมากไม่คุ้นเคยกับแนวคิดนี้ และการทำความเข้าใจอย่างถูกต้องต้องใช้คำอธิบายนานหลายนาทีพร้อมสื่อภาพและตัวอย่าง
- การตีความกราฟให้ถูกต้องจึงมีภาระที่ต้องเข้าใจแนวคิดนามธรรมเหล่านี้ให้เพียงพอก่อน
- insight ที่มีประโยชน์หลายอย่างเกี่ยวกับการกระจายสามารถสื่อด้วยกราฟอื่นได้โดยไม่ต้องใช้ quantile หรือ quartile
ความคุ้นเคยไม่ได้รับประกันการออกแบบที่ดี
- คนที่เห็น box plot มานานอาจเรียนรู้วิธีตีความโดยหลบเลี่ยงข้อบกพร่องในการออกแบบไปแล้ว
- คนที่เจอครั้งแรกจะสับสนได้ง่ายเพราะข้อบกพร่องเดียวกัน
- ในองค์กร แม้นักวิเคราะห์จะพยายามสื่อ insight สำคัญด้วย box plot แต่หากผู้ตัดสินใจไม่อยากเรียนรู้วิธีอ่าน ก็อาจโน้มน้าวไม่สำเร็จ
- หลังจากนั้น หากนักวิเคราะห์ตัดสินว่าผู้ชมไม่เข้าใจกกราฟการกระจายทั้งหมด ก็อาจเข้าใจผิดว่าปัญหาอยู่ที่การแสดงผลการกระจายโดยรวม ไม่ใช่ที่ตัว box plot เอง
- หากใช้กราฟการกระจายที่เข้าใจง่ายกว่า ก็มีโอกาสสื่อ insight อันมีค่า ของการแสดงผลการกระจายได้ดีกว่า
Box Plot บิดเบือนการกระจายอย่างไร
- เมื่อนำข้อมูลเดียวกันมาเปรียบเทียบด้วย box plot และ jittered strip plot, box plot อาจทำให้การกระจายของกลุ่มที่ต่างกันดูแทบคล้ายกัน
- มีแนวโน้มทำให้ดูเหมือนเป็น การกระจายรูปทรงระฆัง ที่ค่ากระจุกอยู่รอบ median แล้วค่อย ๆ ลดลงไปทั้งสองด้าน
- แม้ชุดค่าจริงจะไม่ได้เป็นรูปทรงระฆัง ก็อาจดูเป็นเช่นนั้นใน box plot
- ผู้อ่านยากที่จะรู้จาก box plot เพียงอย่างเดียวว่าการกระจายทั้งหมดเป็นรูปทรงระฆังจริงหรือไม่ อย่างมากก็ต้องเดา
- ยังอาจซ่อนช่องว่างในการกระจายและจำนวนค่าในแต่ละกลุ่มด้วย
- แม้จะมี box plot แบบดัดแปลงหรือกราฟที่ประณีตกว่าซึ่งแสดงการกระจายได้แม่นยำกว่า แต่ก็ไม่ได้แก้ปัญหาหลักของ box plot คือ เรียนรู้ยาก และอาจยากกว่าเดิมด้วย
กราฟทางเลือกที่เข้าใจง่ายกว่า
- ทางเลือกที่ใช้บ่อยที่สุดคือ strip plot
- อธิบายได้ด้วยประโยคเดียว เช่น “แต่ละจุดคืออายุของผู้เข้าร่วมงานวิจัย”
- ผู้ชมส่วนใหญ่เข้าใจได้ภายในไม่กี่วินาที
- แสดงได้ว่าการกระจายสูงหรือต่ำกว่า กระจุกตัวหรือกระจายตัว เป็นปกติหรือเบ้ และมี outlier หรือไม่
- ยังเผยให้เห็นช่องว่างในการกระจาย การกระจายหลายยอด และจำนวนค่าคร่าว ๆ ของแต่ละชุด ซึ่ง box plot แสดงไม่ได้
- เมื่อมีค่ามากกว่าหลายสิบจุด จุดอาจทับซ้อนกันจน strip plot ดูเหมือนเส้น ในกรณีนี้ jittered strip plot รองรับค่าจำนวนมากกว่าได้
- หากมีค่าหลายร้อยหรือหลายล้านค่า jittered strip plot ก็อาจกลายเป็นก้อนจุดที่ทับซ้อนกัน และในกรณีนี้ distribution heatmap สามารถจัดการค่าจำนวนเท่าใดก็ได้
- Distribution heatmap เพิ่มความซับซ้อนด้วยแนวคิด bin หรือช่วง แต่ bin เข้าใจง่ายกว่า quartile มาก
- Distribution heatmap สูญเสียความสามารถในการดูจำนวนค่าแยกตามกลุ่มและมีข้อจำกัดบางอย่าง แต่ box plot ก็มีข้อจำกัดเดียวกันและมีข้อจำกัดเพิ่มเติมด้วย
- frequency polygons, violin plots, cumulative distribution plots, bee swarm plots ก็อาจมีประโยชน์ในบางสถานการณ์
- โดยทั่วไป histogram มีประโยชน์สำหรับการแสดงผลชุดค่าเดียว ส่วน box plot และทางเลือกของมันใกล้เคียงกับการใช้เปรียบเทียบชุดค่าหลายชุดมากกว่า
ข้อดีและการใช้งานที่จำกัดของ Box Plot
- สิ่งที่อาจถือเป็นข้อดีเพียงอย่างเดียวของ box plot คือการแสดง interquartile range
- แต่ในสิ่งที่ต้องการเล่าด้วยข้อมูล ไม่ได้มีหลายกรณีที่จำเป็นต้องแสดง interquartile range เสมอไป
- ในกรณีส่วนใหญ่ สิ่งที่ต้องการคือความสูงต่ำระหว่างการกระจาย การกระจุกและการกระจายตัว และการมี outlier หรือไม่ ซึ่ง insight เหล่านี้สามารถสื่อได้ด้วยกราฟที่เรียบง่ายกว่าโดยไม่ต้องใช้ interquartile range
- แม้ในกรณีที่ต้องใช้ median ก็สามารถเพิ่ม median ลงในกราฟที่เรียบง่ายกว่าได้ง่าย
- นึกสถานการณ์ที่ box plot เป็นตัวเลือกที่ดีที่สุดจริง ๆ ได้ยาก นอกจากกรณีที่ผู้ชมเรียกร้อง box plot เพราะคุ้นเคยกับมัน
เหตุผลที่ควรเลิกใช้ Box Plot
- Box plot ถูกมองว่าไม่ใช่กราฟที่เคยดีในอดีตแต่ล้าสมัยเพราะเทคโนโลยีพัฒนา หากแต่เป็นกราฟที่ไม่ได้ถูกออกแบบมาดีตั้งแต่แรก
- ข้อบกพร่องในการออกแบบบังคับให้นักเรียน ผู้บริหาร และผู้อ่านกราฟอื่น ๆ ต้องผ่านกระบวนการทำความเข้าใจที่ยุ่งยากโดยไม่จำเป็น
- ในยุคปัจจุบัน เราสร้างกราฟที่ดีกว่าได้ง่าย ดังนั้นการเลิกใช้ box plot จะช่วยลด ความลำบากทางปัญญา ที่ไม่จำเป็นให้ผู้อ่านในอนาคตได้
- แม้สำหรับผู้ชมที่คุ้นเคยกับสถิติ กราฟอื่นก็อาจเป็นตัวเลือกที่ดีกว่าในแทบทุกสถานการณ์
- ผู้ปฏิบัติงานควรพิจารณาทางเลือกอื่นโดยเฉพาะเมื่อผู้ชมไม่คุ้นเคยกับ box plot และแม้กับผู้ชมที่คุ้นเคย ก็ควรพิจารณากราฟที่เข้าใจง่ายกว่าได้
1 ความคิดเห็น
ความคิดเห็นจาก Hacker News
ดูเหมือนว่าผู้เขียนกับคนอื่น ๆ ที่นี่จะสับสนกัน แผนภาพกล่องไม่ได้ทำให้การแจกแจงเป็นรูประฆัง และไม่ได้เปลี่ยนการแจกแจง แต่สมมติว่าข้อมูลเป็นไปตาม การแจกแจงรูประฆัง/การแจกแจงแบบเกาส์
ถ้าเป็นกรณีที่ใช้ทฤษฎีบทขีดจำกัดกลางได้ก็ถูกต้อง แต่ถ้าไม่ใช่ สมมติฐานนั้นก็ผิด และค่าที่แผนภาพกล่องแสดงก็แทบไม่มีประโยชน์ แผนภาพกล่องมีการใช้งานจริงอยู่ แต่ถ้าจะใช้ก็ต้องเข้าใจพื้นฐานของสถิติ
ดังนั้นจึงวิจารณ์การใช้แผนภาพกล่องได้ เพราะทางเลือกอื่น ๆ แสดงการแจกแจงรูประฆังได้ดีเช่นกัน และยังเผยให้เห็นได้เมื่อมันไม่ใช่รูประฆัง
ผมเห็นด้วยอย่างยิ่งว่าแผนภาพกล่องควรใช้เฉพาะกับ การแจกแจงยอดเดียวที่คล้ายการแจกแจงรูประฆัง/เกาส์มากพอ เท่านั้น ถ้าการแจกแจงไม่เป็นรูประฆัง เช่น การแจกแจงสองยอด ก็จะทำให้เข้าใจผิด จึงไม่ควรใช้ และถ้าเป็นรูประฆังก็ดูไม่มีปัญหาเท่าไร
เมื่ออยากมองการแจกแจงของตัวอย่างเองเป็นตัวแทนของประชากร รูปร่างของการแจกแจงค่าเฉลี่ยตัวอย่างก็ไม่ได้ใช่น่าสนใจนัก การประมาณค่าเฉลี่ยตัวอย่างก็ไม่ใช่ตัวชี้วัดเดียวที่มีประโยชน์ และในธรรมชาติแทบไม่มีอะไรเป็นไปตามการแจกแจงปกติเลย การแจกแจงปกติมีประโยชน์ส่วนใหญ่เพราะเรารู้รูปแบบเชิงวิเคราะห์ของฟังก์ชันเกาส์และวิธีจัดการกับมันดี ไม่ใช่เพราะค่าประมาณนั้นมีประโยชน์อย่างที่ดู ตัวอย่างเช่น การแจกแจงแบบปัวซอง พบได้บ่อยกว่ามาก
ตัวอย่างเป็น การแจกแจงสองยอด ที่มียอดสองจุด แต่กลับเลือกแผนภาพกล่องซึ่งเป็นแผนภูมิสำหรับรูปแบบยอดเดียว พูดตรง ๆ คือเข้าใจได้ยากอยู่เหมือนกัน
ข้อดีเพียงอย่างเดียวของแผนภาพกล่องคือสามารถวาดด้วยมือได้ ตอนนี้คอมพิวเตอร์มีอยู่ทุกที่แล้ว คุณค่านั้นจึงหายไป
violin plot และ beeswarm plot ดีกว่า และ strip plot ที่ใส่ jitter ก็ใช้ได้ถ้าระวังบริเวณที่อิ่มตัว เพราะต่อให้เพิ่มจุดในบริเวณที่อิ่มตัว มันก็ไม่เข้มขึ้นและอาจดูเหมือนหายไป
ถ้าต้องการ ก็สามารถซ้อน จุดที่ใส่ jitter ไว้ด้านบนได้ด้วย
Angela Collier มีวิดีโอ rant ที่อธิบายได้ดีว่าทำไมไม่ใช่: https://youtu.be/_0QMKFzW9fw?si=86mRAZRnFCBfSzw0
แผนภาพกล่องค่อนข้างมีประโยชน์เพราะอ่านง่าย แต่ก็ต่อเมื่อเชื่อได้ว่าผู้ทำได้ตรวจฮิสโตแกรมจริง ๆ แล้วเท่านั้น ซึ่งโดยปกติแล้วเราไม่มีความเชื่อนั้น
ผู้คนมีเป้าหมายที่ขัดแย้งกัน ด้านหนึ่งก็อยากบีบอัดตัวเลขจำนวนมากให้เหลือสถิติสรุปหนึ่งหรือไม่กี่ค่า แต่ถ้าสรุปนั้นทำให้เข้าใจผิดแม้แต่นิดเดียว ก็จะเสียใจทันทีที่บีบอัดข้อมูล
จริง ๆ แล้วเป็นเพราะอยากได้ ความเรียบง่าย โดยเฉพาะข้อสรุปที่แน่นอน ซึ่งอาจไม่มีอยู่จริง และเกือบจะเป็นโรคทั่วไปของสภาพความเป็นมนุษย์
การแจกแจงที่แผนภาพกล่องแสดงเองก็มักเป็นเพียงการแจกแจงของ “ตัวอย่างหนึ่งชุด” เท่านั้น เมื่อมองแบบนั้น การแจกแจงก็มี ความไม่แน่นอน ในตัว เช่น violin plot ไม่ได้แสดงความไม่แน่นอนนั้น เช่นเดียวกับข้อถกเถียงเรื่อง “เครื่องมือที่เหมาะกับงาน” ทุกแบบ การตัดสินใจย่อมแตกต่างกันไปตามประสบการณ์ใช้เครื่องมือของแต่ละคนและวิธีที่อธิบายให้ผู้อื่นเข้าใจแบบง่าย ๆ
https://github.com/c-blake/bu/blob/main/doc/edplot.md
มีคนปกป้องแผนภาพกล่องที่นี่มากกว่าที่คาดไว้มาก
แต่ไม่ค่อยเห็นคำอธิบายแนวว่า “แผนภาพกล่องมีประโยชน์เพราะเป็นแผนภูมิที่ดีที่สุดสำหรับ การใช้งานเฉพาะ” ผมนึกสถานการณ์ที่อยากเห็นแผนภาพกล่องมากกว่า strip plot หรือ violin plot ไม่ค่อยออก เมื่อไรและเพราะอะไรเราถึงอยากสรุปข้อมูลอย่างหยาบ ๆ และแสดงภาพแบบที่ไม่เป็นธรรมชาติแบบนั้น?
พวกเขาอยากเห็นค่ามัธยฐาน เปอร์เซ็นไทล์ต่ำ/สูง ค่าสูงสุด/ต่ำสุด หรือค่าผิดปกติ แต่ไม่ได้อยากเห็นจุดข้อมูลทุกจุดที่กระจายอยู่ตรงกลาง เพราะนั่นจะกลายเป็นข้อมูลรบกวนที่ท่วมท้น จริง ๆ แล้วพวกเขาชอบตารางที่มีตัวเลขเหล่านั้น แต่ก็อยากเปรียบเทียบอนุกรมเวลาราคาย้อนหลัง 10 ชุดจากตลาดต่าง ๆ บนสไลด์ PowerPoint แผ่นเดียว แผนภาพกล่องช่วยให้เปรียบเทียบค่ามัธยฐานและเปอร์เซ็นไทล์หลักด้วยสายตาได้รวดเร็ว ถ้าใช้ค่าที่ไม่ใช่มาตรฐาน ก็แค่ติดป้ายกำกับเปอร์เซ็นไทล์ หากใช้ jitter หรือ violin plot คนจะไปจ้องรูปทรงสุ่มแปลก ๆ แล้วประชุมหลุดประเด็น
ข้อสมมติสำคัญคือ กระบวนการที่สร้างค่าเหล่านี้เหมือนกันทั้งหมดในความหมายทางกายภาพ จึงเปรียบเทียบกันได้ การแจกแจงก็เป็น การแจกแจงยอดเดียวที่คล้ายล็อกนอร์มอลโดยประมาณ ในกรณีนี้ จุดประสงค์ของการแสดงภาพไม่ใช่เพื่อเข้าใจคุณสมบัติของการแจกแจงเอง แต่เพื่อแสดงเปอร์เซ็นไทล์สำคัญที่มีความหมายทางธุรกิจ
ถ้าการแจกแจงซับซ้อนกว่าและต้องการรายละเอียดมากขึ้น การใช้ฮิสโตแกรมหรือ ridge plot จะดีกว่า violin plot แค่ดูสวยขึ้นเล็กน้อยเพราะเป็นเส้นโค้ง แต่ไม่ใช่ตัวเลือกที่ดีที่สุดในการสื่อข้อมูล
ในกรณีนี้ไม่ได้ดูแค่ค่ามัธยฐานของแต่ละประชากร แต่เปรียบเทียบพื้นที่แรเงาด้วย
ถ้ากำลังเปรียบเทียบหลายกลุ่มและสนใจแค่ความแตกต่างใหญ่ ๆ มันเป็นเครื่องมือที่ยอดเยี่ยม ใช้ได้ดีเมื่อคุณเชื่อว่าข้อมูลเป็นการแจกแจงปกติและคิดว่าฮิสโตแกรมอาจทำให้เข้าใจผิด และแม้ไม่ใช่การแจกแจงปกติ ถ้าคุณสนใจควอร์ไทล์ก็ยังดี
ถ้าสถานการณ์ที่ตารางตัวเลขห้าค่า ได้แก่ ค่าต่ำสุด ค่าสูงสุด ค่ามัธยฐาน เปอร์เซ็นไทล์ 25/75 เพียงพอแล้ว แผนภาพกล่องก็เป็นเครื่องมือที่ดีสำหรับการเปรียบเทียบเชิงกราฟิก
เป็นเวลาหลายสิบปีที่โรงเรียน มหาวิทยาลัย และที่ทำงานต่างก็ใช้แผนภาพกล่องกันมา จึงไม่ได้ถูกบทความนี้โน้มน้าวอย่างสมบูรณ์
แต่พออ่านคอมเมนต์เหล่านี้แล้ว ประเด็นหลักของผู้เขียนก็ยิ่งชัดขึ้นมากว่า แม้จะเอาคนฉลาดและรู้เรื่องมาเต็มห้อง ทุกคนก็ยังอาจแตกออกเป็นหลายฝ่ายเรื่อง การทำความเข้าใจและการตีความแผนภาพกล่อง
น่าแปลกใจอยู่บ้าง แต่แค่หลักฐานในเธรดนี้ก็แทบทำให้ผมได้ข้อสรุปแล้ว
ไม่จำเป็นต้องเลิกใช้แผนภาพกล่อง ควรใช้ในกรณีที่เหมาะสม นั่นคือเมื่อจะแสดงตำแหน่งและการกระจายตัว ไม่ใช่เพื่อแสดง รูปร่างของการแจกแจง
มันไม่มีข้อมูลเรื่องความถี่นิยม หรือข้อมูลการแจกแจงใดๆ นอกเหนือจากควอร์ไทล์และขอบเขตเลย โดยมากมีประโยชน์เมื่อเปรียบเทียบหลายกลุ่ม มากกว่าการวิเคราะห์แต่ละกลุ่มเดี่ยวๆ
ผู้เขียนพูดเหมือนรู้เรื่องที่ตัวเองไม่ได้รู้ดีนัก ถ้าได้อ่านงานของ Tukey บ้างก็คงรู้แล้ว แค่เอาชื่อมาแปะยังไม่พอ
แต่ผู้เขียนมองว่านี่เป็น ปัญหาของคน พล็อตไม่ได้มีไว้ให้เครื่องอ่าน แต่มีไว้ให้คนอ่าน และผู้เขียนต้องการให้คนจำนวนมากที่สุดอ่านและตีความได้ง่ายที่สุด แม้การศึกษาคณิตศาสตร์จะน่าเสียดาย แต่ก็ต้องเริ่มจากความเป็นจริง และผมคิดว่าเป็นเป้าหมายที่สมเหตุสมผล เห็นด้วยว่า หากต้องการดูว่าการแจกแจงกระจายกว้างแค่ไหน ก็ไม่ควรจำเป็นต้องรู้ว่าควอร์ไทล์คืออะไร
ดูเหมือนบางคนจะพลาดส่วนที่ว่า สถานการณ์ส่วนใหญ่ ไป เรื่องคือเขาเลิกใช้แผนภาพกล่องด้วยเหตุผลใดก็ตาม เพราะมันใช้ไม่ได้ผลกับผู้ฟังของเขา ตามชื่อเรื่อง เราเองก็ควรทบทวนการใช้แผนภาพกล่องและดูว่ามีทางเลือกที่ดีกว่าหรือไม่
อีกทั้งต้องจำไว้ว่าผู้อ่านที่เขาพูดถึงคือใคร ไม่ใช่คนที่เข้าใจแผนภาพกล่อง แต่เป็นคนที่ไม่รู้จักหรือไม่เข้าใจแผนภาพกล่อง ตามที่เขาบอกเองคือกลุ่มคนที่เขาต้องอธิบายให้ฟังเป็นพันๆ คน
แผนภาพกล่องคือ เทคนิคบีบอัดข้อมูลสำหรับงานทำมือ ปัจจุบันมีเทคนิคอัตโนมัติที่รักษาคุณภาพของข้อมูลและคุณภาพของภาพได้ดีกว่าแล้ว
ผู้เขียนยอมรับการทำให้เป็นภาพรวมและ “สถานการณ์เฉพาะ” สำหรับพล็อตบางแบบ แต่กลับมองว่าสถานการณ์เฉพาะของพล็อตอื่นไม่มีคุณค่า
ข้อสรุปที่ผมได้ อย่างมากที่สุดก็คือ อย่าใช้แผนภาพกล่องเมื่อการแจกแจง ไม่ได้มีฐานนิยมเดียวและมีโอกาสถูกเข้าใจผิด สูง มีวิดีโอที่ยูทูบเบอร์สาย rant ด้านฟิสิกส์ที่ผมชอบวิจารณ์ violin plot ด้วย ดังนั้นบางทีอาจไม่ควรใช้มันด้วยก็ได้
https://youtu.be/_0QMKFzW9fw?si=4VM4DT9Q1zEnV93A
แผนภาพกล่องเป็นสิ่งตกค้างจากยุคที่ยังพิมพ์แผนภูมิสวยๆ ไม่ได้
เราสามารถแสดงการแจกแจงในหนึ่งบรรทัดให้เหมือนออสซิลโลสโคปแบบเลื่อนหรือแผนที่ภูมิประเทศก็ได้ หรือวาด density plot ตามเวลาแล้วซ้อนเงาช่วงเวลาสำคัญทับลงไปก็ได้ ลองดูทางฝั่ง Gaussian process
แผนภาพกล่องทำให้การแจกแจงเรียบง่ายเกินไปจนอนุมานได้ง่าย ในทำนองเดียวกัน ค่าเฉลี่ยก็อาจทำให้เข้าใจผิดได้มาก แต่เราก็คงไม่ห้ามใช้ค่าเฉลี่ย
ข้อสรุปที่ดีอาจเป็นว่า ให้ใช้ พล็อตที่แสดงการแจกแจงพื้นฐานอย่างเป็นธรรม เสมอ
ทำตามแนวทางที่วารสารเครือ Nature กำหนดในตอนนี้ก็พอ คือแสดง จุดข้อมูลดิบ ซ้อนทับบนแผนภาพกล่อง ซึ่งได้ข้อดีของทั้งสองแบบ