Boxplot: interpretación, cuartiles y valores atípicos
Un boxplot o diagrama de caja resume una distribución mediante mediana, cuartiles, dispersión y posibles valores atípicos. Permite comparar grupos en poco espacio, pero no muestra por sí solo todos los detalles de la forma. Interpretarlo bien exige conocer qué representa cada componente y cómo lo calcula la herramienta.
La caja y la mediana
El borde inferior de la caja suele ser el primer cuartil Q1 y el superior el tercer cuartil Q3. Entre ambos se encuentra el 50 % central de los datos. La línea interior marca la mediana: la mitad de las observaciones queda a cada lado.
La altura de la caja es el rango intercuartílico:
IQR = Q3 - Q1
Un IQR grande indica mayor dispersión del centro de la distribución. No es una medida de calidad; depende de la variable y su escala.
Qué representan los bigotes
En el boxplot de Tukey, los bigotes se extienden hasta las observaciones más extremas que siguen dentro de Q1 − 1,5×IQR y Q3 + 1,5×IQR. No son necesariamente el mínimo y el máximo.
Algunas herramientas permiten otras definiciones: percentiles, mínimo/máximo o múltiplos distintos. Antes de comparar gráficos de fuentes diferentes, confirma la configuración.
Valores atípicos
Los puntos más allá de los bigotes se dibujan individualmente como candidatos a atípicos. No son automáticamente errores ni deben eliminarse. Pueden representar un caso legítimo, una subpoblación, una medición incorrecta o un evento importante.
Investiga el origen, revisa unidades y reglas de captura y repite el análisis con decisiones justificadas. Borrar puntos solo porque están fuera de 1,5×IQR sesga resultados.
Ejemplo numérico
Supón tiempos de entrega con Q1=2 días, mediana=3 y Q3=5. El IQR es 3. Los límites teóricos de Tukey son −2,5 y 9,5. Como un tiempo negativo no tiene sentido, el bigote inferior llegará al menor valor observado dentro del rango; las observaciones superiores a 9,5 se dibujarán como puntos.
Esto no significa que un envío de 10 días sea imposible. Significa que es inusual respecto al centro de esta muestra y merece contexto.
Asimetría y posición de la mediana
Si la mediana está cerca de un borde de la caja y un bigote es más largo, puede existir asimetría. Muchos puntos externos en un lado refuerzan esa sospecha. Sin embargo, el boxplot comprime la densidad y no muestra huecos o varios picos.
Combínalo con histograma, gráfico de densidad o puntos individuales, especialmente con muestras pequeñas.
Comparar varios grupos
Coloca boxplots en la misma escala para comparar medianas, IQR y atípicos. No concluyas que dos grupos son estadísticamente diferentes solo porque las cajas se separan. El gráfico es exploratorio; una inferencia requiere un método adecuado, supuestos y tamaño de muestra.
Añade el número de observaciones por grupo. Dos cajas visualmente parecidas pueden tener niveles de incertidumbre muy distintos si una resume 10 casos y otra 10.000.
Notches o muescas
Algunos boxplots incorporan muescas alrededor de la mediana como aproximación de incertidumbre. Su interpretación depende del método y puede ser poco fiable con muestras pequeñas o distribuciones particulares. No las presentes como una prueba universal de diferencia.
Documenta cómo se calcularon y considera intervalos bootstrap si la mediana es central para la decisión.
Boxplot horizontal o vertical
La orientación no cambia el significado. El horizontal facilita etiquetas largas y compara categorías. El vertical resulta familiar cuando el eje numérico se interpreta de abajo arriba. Mantén el mismo orden entre gráficos y, si tiene sentido, ordena grupos por mediana.
Escala logarítmica
Para valores positivos con gran asimetría, una escala logarítmica puede revelar estructura. Debes indicarla de forma visible: distancias iguales representan razones, no diferencias absolutas. No apliques log a ceros o negativos sin una transformación justificada.
Crear un boxplot en Python
Matplotlib permite controlar orientación, muescas y visualización de puntos:
import matplotlib.pyplot as plt
plt.boxplot(datos_por_grupo, tick_labels=etiquetas, showmeans=True)
plt.ylabel("Tiempo de entrega (días)")
plt.show()
Verifica la versión de la biblioteca y los parámetros. Añadir la media puede ser útil, pero no la confundas con la línea de mediana.
Errores de interpretación
La caja no contiene siempre el 50 % de valores distintos: contiene posiciones de la distribución y puede haber empates. Los bigotes no equivalen a intervalos de confianza. Un punto externo no prueba fraude ni anomalía causal. Cajas iguales no implican distribuciones idénticas.
Tampoco compares alturas si los ejes tienen escalas diferentes. Evita recortar el eje de forma que desaparezcan atípicos sin explicar el filtro.
Lista de lectura rápida
Primero identifica variable, unidad y muestra. Después lee mediana, Q1, Q3 e IQR. Examina longitud de bigotes, candidatos atípicos y diferencias entre grupos. Por último, busca la vista complementaria que muestre densidad o casos.
Un boxplot comprime mucha información, y esa es a la vez su fuerza y su límite. Úsalo para descubrir qué preguntar después, no para sustituir el conocimiento del proceso que generó los datos.
Continúa aprendiendo
Amplía este tema con desviación estándar, tipos de muestreo, estadística básica.
Fuentes oficiales y primarias
Preguntas frecuentes
¿Qué representa la caja de un boxplot?
El intervalo entre Q1 y Q3, que contiene el 50 % central de las observaciones.
¿Qué indica la línea dentro de la caja?
La mediana de la distribución, no necesariamente la media.
¿Los bigotes son mínimo y máximo?
No siempre. En el método de Tukey llegan al dato más extremo dentro de 1,5 veces el IQR.
¿Debo eliminar todos los puntos atípicos?
No. Son candidatos que requieren investigación; pueden ser válidos, informativos o errores.
¿Un boxplot muestra la forma completa?
No. Puede ocultar varios picos o huecos; conviene combinarlo con puntos, histograma o densidad.
¿Puedo concluir significancia comparando cajas?
No por sí solo. Se necesita un análisis inferencial apropiado, tamaño de muestra y supuestos.
Deja una respuesta