Słownik metodologiczny · Ludzie statystyki

Mary Eleanor Spear (1897–1986) – kreślarka, która rysowała dane dla urzędów USA

Mary Eleanor Spear przez ponad 30 lat rysowała wykresy dla amerykańskiej administracji, a w książce „Charting Statistics” (1952) upowszechniła wykres zakresu – uważany za poprzednika wykresu pudełkowego Tukeya. Przedstawiamy jej drogę, oś czasu i oba wykresy na tych samych danych w R.

Strona główna / Słownik / Mary Eleanor Spear
W skrócie: Mary Eleanor Spear (1897–1986) – amerykańska specjalistka od wykresów statystycznych w urzędach federalnych USA (m.in. Bureau of Labor Statistics), autorka podręczników „Charting Statistics” (1952) i „Practical Charting Techniques” (1969). Upowszechniła wykres zakresu (range bar), uznawany za poprzednika wykresu pudełkowego Tukeya.

Kim była Mary Eleanor Spear?

Mary Eleanor Spear (1897–1986), z domu Hunt, była amerykańską kreślarką rządową, która stała się ekspertką od wizualizacji danych. Urodziła się w stanie Indiana, a szkołę skończyła w Waszyngtonie. Uczyła się kreślarstwa na kursach wieczorowych (1916–1917), a w latach 1918–1922 studiowała inżynierię na George Washington University (Lorenzo-Arribas, 2025).

Pracę zaczęła w 1917 r. jako kreślarka w dziale statystycznym US Food Administration, gdzie rysowała wykresy, mapy i plakaty. Od 1920 r. pracowała w urzędzie podatkowym (Internal Revenue Service), a najpóźniej od 1935 r. w Bureau of Labor Statistics jako ilustratorka i analityczka; w latach 1940–1946 kierowała tam kwartalną serią wykresów BLS Chart Series. Na emeryturę przeszła w 1953 r., po ponad 30 latach służby. W latach 1947–1957 prowadziła na American University zajęcia z graficznej prezentacji danych statystycznych, prowadziła też przez wiele lat własną pracownię. Zmarła w 1986 r. w wieku 88 lat (Lorenzo-Arribas, 2025). Jej życiorys znamy mniej dokładnie niż życiorysy wielkich statystyków – nie udało się nam znaleźć wspomnienia w czasopiśmie naukowym z czasów jej śmierci.

Najważniejsze pomysły

  • Podręcznik „Charting Statistics” (1952). Podręcznik wydało McGraw-Hill (Spear, 1952); recenzent „Journal of the Royal Statistical Society” uznał go za przydatny, choć dłuższy, niż trzeba (Lorenzo-Arribas, 2025). W 1969 r. ukazała się druga, obszerniejsza książka, „Practical Charting Techniques” (Spear, 1969).
  • Wykres zakresu (range bar). Każda kategoria dostaje słupek, który zaczyna się w najniższej, a kończy w najwyższej wartości; symbol, np. gwiazdka, może oznaczać średnią. Spear opisała go w obu książkach (Lorenzo-Arribas, 2025). Wickham i Stryjewski (2011) uznają go za podstawową formę, z której wyrósł wykres pudełkowy.
  • Prostota. Uważała, że prosty wykres łatwiej zapamiętać, przestrzegała przed wykresami trójwymiarowymi, które łatwo źle odczytać, a wykresy kołowe radziła stosować oszczędnie, bo trudno porównywać pola wycinków (Lorenzo-Arribas, 2025).
  • Środowisko zawodowe. Od 1945 r. należała do American Statistical Association, a w 1946 r. współorganizowała na American University wystawę pomocy wizualnych, którą obejrzało ponad 500 osób (Lorenzo-Arribas, 2025).

Ciekawostka

Spear doszła do wizualizacji danych nie przez matematykę, lecz przez deskę kreślarską. W 1916 r. zdobyła stypendium w szkole biznesu, wieczorami uczyła się kreślenia, a w czasie I wojny światowej rysowała wykresy, mapy i plakaty dla urzędu do spraw żywności. Równolegle studiowała inżynierię i w 1919 r. była jedną z dwóch pierwszych kobiet przyjętych do Engineering Society na George Washington University (Lorenzo-Arribas, 2025).

Kariera w urzędzie nie oznaczała wysokich zarobków. Według ustaleń Bena Jonesa, na które powołuje się Lorenzo-Arribas (2025), pensja Spear wynosiła 2700 dolarów w 1940 r. i 6940 dolarów w 1952 r. Autorka zestawia to z 13 500 dolarów, które otrzymywała Aryness Joy Wickens jako pełniąca obowiązki komisarza Bureau of Labor Statistics.

Przykład na historycznych danych

Wykres zakresu i wykres pudełkowy porównujemy na tych samych prawdziwych danych: średnich miesięcznych temperaturach powietrza przy zamku w Nottingham z lat 1920–1939 (zbiór datasets::nottem, 240 miesięcy, po 20 wartości na każdy miesiąc kalendarzowy, przeliczone ze stopni Fahrenheita na Celsjusza). To dane z epoki, w której Spear rysowała swoje wykresy, ale nie z jej książek.

Wykres zakresu mówi np., że sierpniowe średnie wahały się od 12.4 do 18.3 °C (średnia 15.8 °C), a listopadowe od 2.4 do 8.8 °C. Listopad wygląda więc na równie zmienny jak grudzień (1.8–7.7 °C). Wykres pudełkowy pokazuje coś innego: środkowe 50% listopadów mieści się między 5.3 a 6.5 °C, a szeroki zakres robią trzy nietypowe lata (1923, 1925 i 1938). W grudniu takich wartości nie ma – rozproszenie dotyczy całej grupy, a rozstęp ćwiartkowy wynosi 2.5 °C. Łącznie wykres pudełkowy wskazuje 11 miesięcy poza płotami w 7 z 12 miesięcy kalendarzowych; wykres zakresu wszystkie je wchłania w długość słupka.

Na rysunku

Pozioma oś czasu od 1900 do 1980 z dziesięcioma zdarzeniami: 1897 urodziła się; 1917 kreślarka w US Food Administration; 1919 Engineering Society George Washington University; 1920 kreślarka w urzędzie podatkowym IRS; 1940 kieruje BLS Chart Series (1940–1946); 1947 wykłady na American University (do 1957); 1952 książka Charting Statistics; 1953 emerytura po ponad 30 latach służby; 1969 książka Practical Charting Techniques; 1986 zmarła. Rodzaj zdarzenia oznaczają kształt i kolor znacznika: koło – życie, kwadrat – praca, romb – publikacja
Rysunek 1. Oś czasu: Mary Eleanor Spear, 1897–1986. Lata według Lorenzo-Arribas (2025) i katalogu Library of Congress (Spear, 1969). Rysunek: R, pakiet ggplot2.

Co widać. Większość kariery Spear upłynęła w administracji: od kreślarki w 1917 r. do emerytury w 1953 r. Obie książki powstały pod koniec tej drogi i po niej.

Na co uważać. Oś pokazuje tylko lata, które podaje cytowana biografia; brak na niej m.in. lat pracy we własnej pracowni.

Podpis do pracy:

Rysunek 1. Najważniejsze daty z życia i pracy Mary Eleanor Spear, 1897–1986. Uwaga. Kształt znacznika oznacza rodzaj zdarzenia (życie, praca, publikacja).
Dwa panele z tymi samymi średnimi miesięcznymi temperaturami w Nottingham 1920–1939, od stycznia do grudnia. A: wykres zakresu – niebieskie słupki od najniższej do najwyższej wartości i pomarańczowa gwiazdka w miejscu średniej; temperatury rosną od około 4 °C zimą do około 16.6 °C w lipcu; słupki listopada (2.4–8.8 °C) i grudnia (1.8–7.7 °C) są podobnej długości. B: wykres pudełkowy Tukeya z błękitnymi pudełkami, medianą, wąsami do 1.5 × IQR i czarnymi krzyżykami dla 11 wartości poza płotami: po jednej w styczniu, lutym, kwietniu, czerwcu i październiku oraz po trzy w sierpniu i listopadzie; pudełko listopada jest wąskie, a grudnia szerokie
Rysunek 2. Wykres zakresu w stylu Spear (A) i wykres pudełkowy Tukeya (B) dla tych samych danych. Dane: datasets::nottem (według pliku pomocy – z książki O. D. Andersona z 1976 r.), przeliczone na °C. Rysunek: R, pakiety ggplot2 i patchwork.

Co widać. Panel A dobrze pokazuje rytm roku i to, w których miesiącach temperatury wahały się najbardziej. Panel B dodaje informację, której wykres zakresu nie ma: gdzie leży typowy rok (pudełko) i czy długi słupek to rozproszenie wszystkich lat, czy kilka wyjątków (krzyżyki). Listopad i grudzień mają podobny zakres, ale zupełnie inne pudełka.

Na co uważać. Wykres zakresu zależy od dwóch najbardziej skrajnych wartości, więc rośnie z liczbą obserwacji i łatwo go „rozciąga” jeden nietypowy rok. Nasz panel A to uproszczona rekonstrukcja idei z opisu wykresu, a nie kopia rysunku z książki Spear. Wartości poza płotami nie są błędami – to po prostu wyjątkowo ciepłe lub zimne miesiące. Kwartyle policzyliśmy jak geom_boxplot() (typ 7); inne programy mogą wskazać nieco inne punkty.

Podpis do pracy:

Rysunek 2. Średnie miesięczne temperatury powietrza w Nottingham w latach 1920–1939 przedstawione jako wykres zakresu (A) i wykres pudełkowy (B). Uwaga. A: słupki od wartości najmniejszej do największej, gwiazdka – średnia. B: pudełka – kwartyle i mediana, wąsy do 1.5 × IQR, krzyżyki – wartości poza płotami. Każdy miesiąc: n = 20 lat.

Gdzie spotkasz Spear w swojej pracy

Jej nazwiska nie nosi żaden test, ale jej pomysły widać w każdym rozdziale wyników z wykresami:

  • gdy porównujesz grupy wykresem pudełkowym, korzystasz z formy, którą Spear upowszechniła, a John Tukey wyposażył w odporne statystyki – medianę, kwartyle i płoty dla obserwacji odstających;
  • gdy w tabeli podajesz minimum i maksimum, opisujesz to samo co jej słupek – rozstęp; pamiętaj, że to miara wrażliwa na pojedyncze wartości;
  • gdy rezygnujesz z efektów 3D i ograniczasz wykresy kołowe, stosujesz jej rady; więcej praktycznych wskazówek daje wpis Wykresy w pracy dyplomowej, a porównanie wykresów dla grup – Porównanie grup na wykresie.

Spory, mity i trudne strony

  • Kto wymyślił wykres pudełkowy? Najczęściej mówi się „Tukey”. Wickham i Stryjewski (2011) piszą, że podstawową formę graficzną ustaliła Spear (1952), a Tukey przemyślał, jakie statystyki ma pokazywać. Lorenzo-Arribas (2025) dodaje, że wykres zakresu wspominał już K. W. Haemer w 1948 r. – Spear go więc upowszechniła, a nie wynalazła od zera.
  • Kiedy Tukey nazwał wykres? Źródła podają różne lata: Lorenzo-Arribas (2025) – 1969, Wickham i Stryjewski (2011) – „schematic plot” w 1970 r.; szerzej wykres poznano dopiero po książce Tukeya (1977).
  • Luki w biografii. Szczegółowo życiorys Spear odtworzono dopiero niedawno – Lorenzo-Arribas (2025) opiera się m.in. na ustaleniach Bena Jonesa z 2019 r., w tym na jego rozmowie z wnuczką Spear. Niektórych szczegółów biografii – np. dokładnej daty i miejsca urodzenia – nie podajemy, bo nie potwierdziliśmy ich w cytowanych źródłach.
Przykład reprodukowalny

Wykres zakresu i wykres pudełkowy w R

Kod wczytuje datasets::nottem, przelicza temperatury na stopnie Celsjusza, podsumowuje każdy miesiąc tak, jak robi to wykres zakresu (minimum, maksimum, średnia) i wykres pudełkowy (kwartyle, mediana, wartości poza płotami), a potem rysuje oba wykresy obok siebie. Drugi przepis rysuje oś czasu (rysunek 1). Rysunki na stronie powstały z tych samych obiektów p1 i p2, którym podmieniono tylko motyw na motyw serwisu; dane, geometrie i skale są identyczne.

1. Wykres zakresu i wykres pudełkowy: rysunek 2

Dane wejściowe: datasets::nottem – średnie miesięczne temperatury powietrza przy zamku w Nottingham, 1920–1939, w stopniach Fahrenheita (według pliku pomocy dane pochodzą z książki O. D. Andersona z 1976 r.).

Co odczytać: dla każdego miesiąca minimum, maksimum i średnią (wykres zakresu), kwartyle i medianę oraz liczbę wartości poza płotami 1.5 × IQR; listę tych wartości z rokiem.

Kod R rysunku 2
# Mary Eleanor Spear: wykres zakresu (range bar) i wykres pudełkowy Tukeya na tych samych danych
suppressPackageStartupMessages({library(ggplot2); library(patchwork)})
kol <- c(zakres = "#0072B2", srednia = "#D55E00", pudelko = "#56B4E9", odstajace = "#000000")   # Okabe–Ito
motyw <- theme_minimal(base_size = 13) +
  theme(panel.grid.minor = element_blank(), panel.grid.major.x = element_blank(),
        plot.title = element_text(face = "bold"), legend.position = "bottom")
# Dane: datasets::nottem – średnie miesięczne temperatury powietrza przy zamku w Nottingham, 1920–1939 (°F)
data(nottem, package = "datasets")
miesiace <- c("sty", "lut", "mar", "kwi", "maj", "cze", "lip", "sie", "wrz", "paź", "lis", "gru")
d <- data.frame(rok = floor(as.numeric(time(nottem))), miesiac = factor(miesiace[cycle(nottem)], levels = miesiace),
                temp = (as.numeric(nottem) - 32) * 5 / 9)   # stopnie Celsjusza
nrow(d); range(d$rok)
# Podsumowanie dla każdego miesiąca: zakres (min–max) i średnia jak na wykresie zakresu;
# kwartyle, mediana i wartości poza płotami Q1 − 1.5 × IQR i Q3 + 1.5 × IQR jak na wykresie pudełkowym
# (kwartyle z quantile() typu 7 – tak jak w geom_boxplot() z ggplot2)
poza <- function(x) { q <- quantile(x, c(0.25, 0.75)); x < q[1] - 1.5 * diff(q) | x > q[2] + 1.5 * diff(q) }
pods <- do.call(rbind, lapply(split(d$temp, d$miesiac), function(x) {
  data.frame(n = length(x), min = min(x), Q1 = unname(quantile(x, 0.25)), mediana = median(x),
             Q3 = unname(quantile(x, 0.75)), max = max(x), srednia = mean(x), poza_plotami = sum(poza(x)))
}))
pods$miesiac <- factor(rownames(pods), levels = miesiace)
print(cbind(miesiac = rownames(pods), round(pods[, 1:8], 1)), row.names = FALSE)
# Wartości poza płotami – tych wykres zakresu nie wyróżnia
odst <- do.call(rbind, lapply(split(d, d$miesiac), function(x) x[poza(x$temp), c("miesiac", "rok", "temp")]))
odst$temp <- round(odst$temp, 1)
print(odst, row.names = FALSE)
nrow(odst)

# Rysunek 2A: wykres zakresu – słupek od najniższej do najwyższej wartości, gwiazdka = średnia
pA <- ggplot(pods, aes(miesiac)) +
  geom_linerange(aes(ymin = min, ymax = max, colour = "zakres (min–max)"), linewidth = 4.5) +
  geom_point(aes(y = srednia, shape = "średnia"), size = 3.2, colour = kol[["srednia"]], stroke = 1.3) +
  scale_colour_manual(values = c("zakres (min–max)" = kol[["zakres"]]), name = NULL) +
  scale_shape_manual(values = c("średnia" = 8), name = NULL) +
  scale_y_continuous(limits = c(-1, 20), breaks = seq(0, 20, 5)) +
  labs(title = "A. Wykres zakresu (range bar)", x = NULL, y = "Średnia temperatura miesiąca (°C)") +
  motyw
# Rysunek 2B: wykres pudełkowy Tukeya – mediana, kwartyle, wąsy do 1.5 × IQR, wartości poza płotami
pB <- ggplot(d, aes(miesiac, temp)) +
  geom_boxplot(fill = kol[["pudelko"]], colour = "grey20", width = 0.6, coef = 1.5,
               outlier.shape = 4, outlier.size = 2.6, outlier.stroke = 1.1, outlier.colour = kol[["odstajace"]]) +
  scale_y_continuous(limits = c(-1, 20), breaks = seq(0, 20, 5)) +
  labs(title = "B. Wykres pudełkowy Tukeya", x = NULL, y = "Średnia temperatura miesiąca (°C)") +
  motyw
p2 <- pA + pB
p2
Wynik w R
[1] 240
[1] 1920 1939
 miesiac  n  min   Q1 mediana   Q3  max srednia poza_plotami
     sty 20  1.6  3.8     4.3  5.0  6.8     4.3            1
     lut 20 -0.4  3.5     4.2  5.0  6.3     4.0            1
     mar 20  3.5  4.7     5.9  6.7  8.5     5.7            0
     kwi 20  5.6  7.4     8.2  8.4  9.4     7.9            1
     maj 20  9.6 10.6    11.6 12.2 13.2    11.4            0
     cze 20 11.5 13.9    14.7 15.1 16.0    14.5            1
     lip 20 13.8 15.7    16.5 17.6 19.2    16.6            0
     sie 20 12.4 15.5    15.8 16.6 18.3    15.8            3
     wrz 20 11.7 12.6    13.7 14.2 15.6    13.6            0
     paź 20  8.1  9.0     9.9 10.3 12.3     9.7            1
     lis 20  2.4  5.3     6.0  6.5  8.8     5.9            3
     gru 20  1.8  2.9     4.2  5.4  7.7     4.2            0
 miesiac  rok temp
     sty 1929  1.6
     lut 1929 -0.4
     kwi 1922  5.6
     cze 1923 11.5
     sie 1920 13.6
     sie 1922 12.4
     sie 1933 18.3
     paź 1921 12.3
     lis 1923  2.4
     lis 1925  3.4
     lis 1938  8.8
[1] 11

2. Oś czasu: rysunek 1

Dane wejściowe: dziesięć zdarzeń z latami według cytowanych źródeł, wpisanych ręcznie.

Co odczytać: nic – kod tylko rysuje oś czasu.

Kod R rysunku 1
# Oś czasu: Mary Eleanor Spear, 1897–1986 – lata według Lorenzo-Arribas (2025) i katalogu Library of Congress
library(ggplot2)
zdarzenia <- data.frame(
  rok = c(1897, 1917, 1919, 1920, 1940, 1947, 1952, 1953, 1969, 1986),
  opis = c("urodziła się", "kreślarka w US Food\nAdministration", "Engineering Society\nGeorge Washington Univ.",
           "kreślarka w urzędzie\npodatkowym (IRS)", "kieruje BLS Chart Series\n(1940–1946)", "wykłady na American\nUniversity (do 1957)",
           "„Charting Statistics”", "emerytura po ponad\n30 latach służby", "„Practical Charting\nTechniques”", "zmarła"),
  rodzaj = c("życie", "praca", "praca", "praca", "praca", "praca", "publikacja", "praca", "publikacja", "życie"))
zdarzenia$wysokosc <- c(0.5, -0.4, 0.85, -0.95, 0.45, -0.4, 0.95, -0.95, 0.45, -0.5)   # nad (+) i pod (−) osią
zdarzenia$wyrownanie <- c(0.5, 0.5, 0.5, 0.2, 0.5, 0.5, 0.6, 0.4, 0.5, 0.5)
ksztalty <- c("życie" = 21, "praca" = 22, "publikacja" = 23)
kolory <- c("życie" = "grey40", "praca" = "#0072B2", "publikacja" = "#D55E00")   # Okabe–Ito
p1 <- ggplot(zdarzenia, aes(rok, 0)) +
  geom_hline(yintercept = 0, colour = "grey60", linewidth = 0.8) +
  geom_segment(aes(xend = rok, y = 0, yend = wysokosc), colour = "grey70") +
  geom_point(aes(shape = rodzaj, fill = rodzaj), size = 4, colour = "black") +
  geom_text(aes(y = wysokosc + 0.05 * sign(wysokosc), label = paste0(rok, "\n", opis), vjust = ifelse(wysokosc > 0, 0, 1),
                hjust = wyrownanie),
            size = 3.4, lineheight = 0.9) +
  scale_shape_manual(values = ksztalty, name = NULL) +
  scale_fill_manual(values = kolory, name = NULL) +
  scale_x_continuous(limits = c(1888, 1995), breaks = seq(1900, 1980, by = 20)) +
  scale_y_continuous(limits = c(-1.45, 1.45)) +
  labs(x = NULL, y = NULL) +
  theme_minimal(base_size = 13) +
  theme(axis.text.y = element_blank(), panel.grid = element_blank(), axis.text.x = element_text(colour = "grey30"),
        legend.position = "bottom")
p1

Bibliografia oprogramowania

Wyniki pochodzą z uruchomienia pokazanego kodu w R 4.5.3 (podsumowania – funkcje quantile(), split() i lapply() z bazowego R; rysunki – pakiety ggplot2 i patchwork). W pracy podaj wersje faktycznie użytych pakietów (sessionInfo()).

  1. R: R Core Team. (2026). R: A language and environment for statistical computing (Version 4.5.3) [Computer software]. R Foundation for Statistical Computing. https://www.R-project.org/
  2. ggplot2 (wersja 4.0.2): Wickham, H. (2016). ggplot2: Elegant graphics for data analysis. Springer. https://ggplot2.tidyverse.org
  3. patchwork (wersja 1.3.2): Pedersen, T. L. (2025). patchwork: The composer of plots [R package]. https://doi.org/10.32614/CRAN.package.patchwork

Najczęstsze pytania

Kim była Mary Eleanor Spear?

Amerykańską specjalistką od graficznej prezentacji danych (1897–1986). Ponad 30 lat rysowała i projektowała wykresy dla urzędów federalnych USA, m.in. Bureau of Labor Statistics, wykładała na American University i napisała podręczniki „Charting Statistics” (1952) oraz „Practical Charting Techniques” (1969).

Czy Mary Eleanor Spear wymyśliła wykres pudełkowy?

Nie w dzisiejszej postaci. Wickham i Stryjewski (2011) piszą, że podstawową formę wykresu pudełkowego – range bar – ustaliła na początku lat 50. właśnie Spear, a wkładem Tukeya było dobranie odpornych statystyk (mediana, kwartyle, płoty) i połączenie ich z elementami rysunku. Sam wykres zakresu wspominał już wcześniej K. W. Haemer (1948).

Czym wykres zakresu Spear różni się od wykresu pudełkowego?

Wykres zakresu pokazuje słupek od najniższej do najwyższej wartości, czasem z symbolem średniej. Wykres pudełkowy Tukeya pokazuje medianę, kwartyle i wąsy do 1.5 × IQR, a wartości poza płotami zaznacza osobno – dzięki temu widać, czy szeroki zakres to rozproszenie całej grupy, czy pojedyncze nietypowe wyniki.

Jakie rady dawała Mary Eleanor Spear autorom wykresów?

Zalecała prostotę, bo prosty wykres łatwiej zapamiętać, przestrzegała przed wykresami trójwymiarowymi, które łatwo źle odczytać, i radziła oszczędnie używać wykresów kołowych, bo trudno dokładnie porównywać pola wycinków (Lorenzo-Arribas, 2025).

Powiązane hasła

Poradniki, w których użyjesz tego pojęcia

Potrzebujesz wsparcia w analizie danych?

Wybierz ofertę dopasowaną do pracy dyplomowej albo profesjonalnego projektu naukowego.

Wyceń analizęOferta dla studentów

Bibliografia i dalsza literatura naukowa (APA 7)

  1. Lorenzo-Arribas, A. (2025). Mary Eleanor Spear: Putting the art into charting. Significance, 22(3), 31–35. https://doi.org/10.1093/jrssig/qmaf027
  2. Spear, M. E. (1952). Charting statistics. McGraw-Hill.
  3. Spear, M. E. (1969). Practical charting techniques. McGraw-Hill.
  4. Tukey, J. W. (1977). Exploratory data analysis. Addison-Wesley.
  5. Wickham, H., & Stryjewski, L. (2011). 40 years of boxplots. had.co.nz. https://vita.had.co.nz/papers/boxplots.pdf ● Otwarty dostęp

Cytowania BibTeX

@article{lorenzoarribas2025mary, author={Lorenzo-Arribas, Altea}, title={{Mary Eleanor Spear: Putting the art into charting}}, journal={Significance}, year={2025}, volume={22}, number={3}, pages={31--35}, doi={10.1093/jrssig/qmaf027}}
@book{spear1952charting, author={Spear, Mary Eleanor}, title={{Charting statistics}}, year={1952}, publisher={McGraw-Hill}}
@book{spear1969practical, author={Spear, Mary Eleanor}, title={{Practical charting techniques}}, year={1969}, publisher={McGraw-Hill}, url={https://lccn.loc.gov/69014491}}
@book{tukey1977exploratory, author={Tukey, John W.}, title={{Exploratory data analysis}}, year={1977}, publisher={Addison-Wesley}}
@techreport{wickham2011forty, author={Wickham, Hadley and Stryjewski, Lisa}, title={{40 years of boxplots}}, year={2011}, institution={had.co.nz}, url={https://vita.had.co.nz/papers/boxplots.pdf}}
R