La respuesta corta: los cuartiles dividen los datos ordenados en cuatro partes iguales: Q1 es el percentil 25, Q2 la mediana y Q3 el percentil 75. El rango intercuartílico es IQR = Q3 − Q1. Para 3, 5, 7, 8, 10, 12, 15, 18, 20, Q1 = 6, Q3 = 16.5 e IQR = 10.5. Los valores más allá de Q1 − 1.5×IQR o Q3 + 1.5×IQR suelen marcarse como valores atípicos.

Puntos clave

  • El IQR cubre el 50 % central e ignora los cuartos extremos.
  • Dos convenciones de cuartiles son habituales. La mediana de mitades de Tukey y el método de interpolación inclusiva pueden diferir en muestras pequeñas.
  • La valla de 1.5×IQR es una convención, no una ley. Marca valores para revisarlos, no para eliminarlos automáticamente.
  • El IQR es robusto frente a valores atípicos; la desviación estándar no.
  • Los bigotes de un diagrama de caja terminan en el valor más extremo dentro de las vallas, no en las vallas mismas.
  • Indica siempre qué método de cuartiles produjo las cifras.

Cuartiles y el resumen de cinco números

Los cuartiles dividen un conjunto de datos ordenado en cuatro partes, cada una con aproximadamente una cuarta parte de las observaciones. Q1 es el primer cuartil o percentil 25, Q2 es la mediana o percentil 50, y Q3 es el tercer cuartil o percentil 75. Junto con el mínimo y el máximo, forman el resumen de cinco números que se usa en los diagramas de caja.

La mediana es el valor central, o el promedio de los dos valores centrales cuando n es par. Q1 es la mediana de la mitad inferior de los datos, y Q3 es la mediana de la mitad superior, excluyendo la mediana general cuando n es impar según la convención de Tukey. El IQR es la distancia entre Q3 y Q1.

Dos métodos comunes de cuartiles

El método de Tukey divide los datos en la mediana y toma la mediana de cada mitad. Para 3, 5, 7, 8, 10, 12, 15, 18, 20, la mediana es 10. La mitad inferior es 3, 5, 7, 8, así que Q1 = (5 + 7) ÷ 2 = 6. La mitad superior es 12, 15, 18, 20, así que Q3 = (15 + 18) ÷ 2 = 16.5. El IQR es 10.5.

El método de interpolación inclusiva usa la posición i = (P/100)(n − 1) + 1 para cada percentil. Para n = 9, Q1 está en la posición 1 + 0.25 × 8 = 3, lo que da 7, y Q3 está en la posición 1 + 0.75 × 8 = 7, lo que da 15. El IQR es 8. Los mismos datos, cuartiles distintos y una diferencia de 2.5 unidades en el IQR.

Ninguno está mal. El software ofrece ambos, y los distintos valores por defecto causan discrepancias frecuentes. Elige uno, indícalo y úsalo de forma coherente.

Interpretar el IQR

El IQR es la anchura del intervalo que contiene la mitad central de las observaciones. Un IQR de 10.5 significa que el 50 % central de los valores abarca 10.5 unidades. Tiene las mismas unidades que los datos, así que se puede comparar con la mediana o con un umbral significativo.

Como ignora los cuartos más bajo y más alto, el IQR resiste los valores extremos. Un único error de captura de 450 en lugar de 45 apenas moverá Q1 y Q3, mientras que puede inflar enormemente la desviación estándar. Esa robustez explica que el IQR se prefiera para datos asimétricos como ingresos, precios de vivienda y tiempos de espera.

La contrapartida es la información perdida: dos conjuntos de datos con el mismo IQR pueden tener extremos muy distintos. Acompáñalo con un gráfico en lugar de confiar en un solo número.

Vallas de valores atípicos: 1.5 × IQR

Una regla habitual marca las observaciones por debajo de Q1 − 1.5 × IQR o por encima de Q3 + 1.5 × IQR. Con los cuartiles de Tukey, la valla inferior es 6 − 15.75 = −9.75 y la superior es 16.5 + 15.75 = 32.25. Nada en los datos originales queda marcado.

Sustituye 20 por 45 y los cuartiles siguen siendo Q1 = 6 y Q3 = 16.5, así que la valla superior sigue en 32.25. El valor 45 queda más allá y se marca. El mismo valor también se marcaría con el método inclusivo, cuya valla superior es 15 + 12 = 27.

El multiplicador 1.5 es una convención elegida para marcar aproximadamente el 0.7 % de una muestra normal. Algunos campos usan 3 × IQR para valores atípicos “extremos” y 1.5 × IQR para los “leves”. Un valor marcado es una invitación a investigar, no una prueba de error; las colas pesadas genuinas producen valores atípicos genuinos.

IQR frente a desviación estándar y rango

El rango es el máximo menos el mínimo. Es sencillo, pero depende solo de dos observaciones y es extremadamente sensible a los valores atípicos. La desviación estándar usa todos los valores y es la medida de dispersión natural para datos aproximadamente normales, pero una sola observación extrema puede dominarla. El IQR se sitúa entre ambos: usa el orden de los datos, ignora las colas y se mantiene estable ante la contaminación.

Para una distribución normal, el IQR es aproximadamente 1.35 desviaciones estándar, así que σ ≈ IQR ÷ 1.35. Esa conversión es práctica para una comprobación rápida, pero no debe usarse para sustituir una desviación estándar cuando los datos son asimétricos. Informa ambas cuando el público necesite comparar la dispersión entre métodos.

Diagramas de caja y bigotes

Un diagrama de caja dibuja una caja de Q1 a Q3 con una línea en la mediana. Los bigotes se extienden hasta la observación más pequeña y la más grande que queden dentro de las vallas, y los puntos más allá de los bigotes se representan por separado. Los bigotes no son las vallas mismas; terminan en el valor de datos más extremo que todavía está dentro.

Para los datos con 45, el bigote superior termina en 18 porque 45 está más allá de la valla de 32.25. Un lector que suponga que el bigote es el máximo leerá mal el gráfico. Los diagramas de caja también ocultan la multimodalidad: una distribución bimodal puede producir una sola caja ancha que parece una dispersión simétrica.

Cuartiles con datos agrupados

Cuando los datos están agrupados en clases, los cuartiles se estiman por interpolación dentro de la clase que contiene la posición objetivo:

Q = L + ((p × N − CF) ÷ f) × w

Aquí L es el límite inferior de la clase, N es la frecuencia total, CF es la frecuencia acumulada anterior a la clase, f es la frecuencia de la clase y w es la anchura de la clase. Para las clases 0–10 (5), 10–20 (8), 20–30 (12), 30–40 (5), N = 30. Q1 está en la posición 7.5, dentro de 10–20: Q1 = 10 + ((7.5 − 5) ÷ 8) × 10 = 13.125. Q3 está en la posición 22.5, dentro de 20–30: Q3 = 20 + ((22.5 − 13) ÷ 12) × 10 ≈ 27.92.

La estimación supone que las observaciones se reparten de manera uniforme dentro de cada clase. Con clases anchas o irregulares, esa suposición puede desplazar el cuartil una cantidad significativa, así que los cuartiles de datos agrupados son aproximaciones, no valores exactos.

Comparar distribuciones con cuartiles

Dos grupos se pueden comparar por sus medianas y sus IQR: una mediana más alta significa que el valor típico es mayor, y un IQR mayor significa que la mitad central está más dispersa. La razón IQR ÷ mediana expresa la dispersión en relación con el nivel y es útil cuando los grupos tienen escalas muy distintas.

En los informes, un par de mediana e IQR transmite el caso típico y la dispersión de la mitad central sin dejarse arrastrar por unos pocos valores extremos. Añade los percentiles 5 y 95 cuando las colas importen.

Errores frecuentes

  • Mezclar convenciones de cuartiles. Los métodos de Tukey y el inclusivo pueden diferir en una observación completa en muestras pequeñas.
  • Tratar una valla como regla de eliminación. Los valores atípicos pueden ser reales e importantes; investiga antes de eliminar.
  • Suponer que el bigote es el máximo. Termina en el valor más extremo dentro de la valla.
  • Confundir el IQR con el rango. El IQR ignora las colas por diseño.
  • Usar vallas de IQR en una muestra diminuta. Con menos de unos 10 valores, los cuartiles son inestables.
  • Leer un diagrama de caja como una densidad. La caja no muestra dónde se agrupan los valores dentro de la mitad central.

Advertencias prácticas

Los cuartiles son estadísticos de orden, así que tienen sentido para datos ordinales y son robustos frente a transformaciones monótonas, pero no son aditivos entre grupos. Combinar dos grupos exige agrupar los datos brutos o usar métodos de cuantiles ponderados; promediar los dos IQR no es el IQR del grupo combinado.

Con muchos empates, varias observaciones pueden compartir un valor de cuartil, y la interpolación puede devolver un número que no es una observación posible. Eso es aceptable para variables continuas, pero incómodo para conteos o calificaciones. Para muestras muy pequeñas, informa todos los valores en lugar de un resumen de cinco números que implique más precisión de la que los datos respaldan.

Preguntas frecuentes

¿Q2 es siempre la mediana?

Sí. Q2 es el percentil 50, que por definición es la mediana, aunque los métodos de interpolación pueden dar valores ligeramente distintos en muestras de tamaño par.

¿Debo usar el IQR o la desviación estándar?

Usa el IQR para datos asimétricos o cuando haya valores atípicos. Usa la desviación estándar para datos más o menos simétricos y cuando necesites una medida que use todas las observaciones.

¿Qué cuenta como valor atípico con la regla del IQR?

Cualquier valor por debajo de Q1 − 1.5×IQR o por encima de Q3 + 1.5×IQR. Algunos campos usan 3×IQR para valores extremos. La regla es una convención, no una prueba estadística.

¿Por qué las calculadoras dan cuartiles distintos para los mismos datos?

Usan definiciones distintas: mediana de mitades, interpolación inclusiva o interpolación exclusiva. Los datos son los mismos; la fórmula de posición es la que cambia.

¿Puede el IQR ser cero?

Sí. Si al menos la mitad de las observaciones comparten el mismo valor, Q1 y Q3 pueden ser ambos ese valor, y el IQR se hace cero. Entonces las vallas se colapsan sobre ese valor.

¿Cómo hallo los cuartiles con un número par de valores?

Divide los datos ordenados en dos mitades iguales y toma la mediana de cada mitad. Con 8 valores, cada mitad tiene 4, y Q1 y Q3 son los promedios de los dos valores centrales de cada mitad.