diagrama de caja y bigotes – box-and-whisker plot

/ / 9 min read
Table of Contents

Diagrama de Caja y Bigotes (Box-and-Whisker Plot)

Primary Disciplinary Field(s): Estadística Descriptiva, Visualización de Datos, Análisis Exploratorio de Datos (AED).

1. Definición Central

El diagrama de caja y bigotes, conocido en inglés como “box-and-whisker plot” o simplemente “boxplot”, constituye una herramienta fundamental dentro de la disciplina de la estadística descriptiva y la visualización de datos. Su propósito primordial es ofrecer una representación gráfica concisa y estandarizada de la distribución de un conjunto de datos numéricos a través de sus cuartiles. A diferencia de histogramas o gráficos de densidad que muestran la forma completa de la distribución, el boxplot se centra en la síntesis de la variabilidad y la posición de los datos, permitiendo una comparación rápida y eficaz entre diferentes conjuntos de datos o grupos dentro de una misma variable.

La potencia del diagrama reside en su capacidad para comunicar la “síntesis de cinco números” (five-number summary), que son el valor mínimo, el primer cuartil (Q1), la mediana (Q2), el tercer cuartil (Q3) y el valor máximo. Estos cinco puntos definen la estructura geométrica del gráfico: la caja central encierra el 50% de los datos más concentrados, mientras que los “bigotes” se extienden para mostrar la dispersión del resto de los datos que no son considerados atípicos. Esta claridad estructural hace que el boxplot sea indispensable en el Análisis Exploratorio de Datos (AED), facilitando la identificación inmediata de la tendencia central, la simetría o asimetría de la distribución, y la presencia de valores atípicos (outliers).

2. Etimología y Desarrollo Histórico

Si bien los conceptos de cuartiles y la representación de rangos de datos existían previamente, la formalización y popularización del diagrama de caja y bigotes como lo conocemos hoy en día se debe al renombrado matemático y estadístico estadounidense John W. Tukey. Tukey introdujo formalmente esta técnica en su seminal obra de 1977, “Exploratory Data Analysis” (Análisis Exploratorio de Datos). Este desarrollo surgió de la necesidad de herramientas visuales robustas y resistentes a los valores extremos que pudieran ser dibujadas rápidamente a mano, facilitando una comprensión inicial de la estructura de los datos sin depender de complejas suposiciones paramétricas.

El contexto histórico en el que surgió el boxplot fue el auge del AED, una filosofía estadística que enfatiza la importancia de mirar los datos antes de aplicar modelos formales. Tukey argumentaba que muchas herramientas estadísticas tradicionales eran demasiado sensibles a los supuestos subyacentes y a los valores atípicos. El boxplot resolvió esto al basarse en medidas de posición (mediana y cuartiles) que son inherentemente más resistentes que la media y la desviación estándar. Inicialmente, Tukey definió los bigotes para extenderse hasta los valores no atípicos más alejados, utilizando una regla de 1.5 veces el Rango Intercuartílico (RIC) para identificar los posibles outliers, una convención que se ha mantenido como estándar en la práctica estadística moderna.

3. Componentes Clave y Representación

La estructura de un diagrama de caja es intrínsecamente jerárquica y cada elemento gráfico corresponde directamente a una medida estadística precisa. La pieza central es la caja, que se extiende desde el primer cuartil (Q1) hasta el tercer cuartil (Q3). Esta caja representa el Rango Intercuartílico (RIC), abarcando exactamente el 50% central de las observaciones de la muestra. La longitud de esta caja es una medida directa de la dispersión de los datos centrales; una caja más corta indica que la mitad de los datos están muy agrupados.

Dentro de la caja, una línea horizontal marca la mediana (Q2), que es el percentil 50 de la distribución. La posición de esta línea dentro de la caja es crucial para evaluar la simetría: si la mediana está cerca del centro de la caja, la distribución es aproximadamente simétrica; si está desplazada hacia Q1 o Q3, indica una asimetría o sesgo significativo. Los bigotes son las líneas que se extienden desde los bordes de la caja. En la convención estándar de Tukey, estos bigotes se extienden hasta el valor más extremo que no excede 1.5 veces el RIC más allá de Q1 y Q3, respectivamente. Este límite define las fronteras más allá de las cuales los datos son considerados potencialmente atípicos.

  • Cuartil Inferior (Q1): El percentil 25. El 25% de los datos es menor o igual a este valor, marcando el borde inferior de la caja.
  • Mediana (Q2): El percentil 50. La línea central que divide la caja y representa la tendencia central, siendo la medida de posición más robusta.
  • Cuartil Superior (Q3): El percentil 75. El 75% de los datos es menor o igual a este valor, marcando el borde superior de la caja.
  • Rango Intercuartílico (RIC): La distancia entre Q3 y Q1 (RIC = Q3 – Q1). Mide la dispersión central del 50% de los datos.
  • Bigotes: Líneas que se extienden desde la caja hasta los límites definidos por 1.5 veces el RIC, indicando el rango de los datos no atípicos.
  • Valores Atípicos (Outliers): Puntos individuales representados fuera de los bigotes, que son valores extremos que merecen una investigación adicional por su potencial influencia en el análisis.

4. Interpretación y Uso

La principal utilidad del diagrama de caja y bigotes radica en su eficiencia para la comparación visual de distribuciones. Al colocar múltiples boxplots uno al lado del otro, ya sea de forma horizontal o vertical, es posible evaluar instantáneamente diferencias en la tendencia central (comparando las medianas), la variabilidad (comparando la longitud de las cajas y los bigotes) y la forma de la distribución (observando la simetría y la presencia de outliers) entre diferentes grupos o categorías. Esta capacidad de comparación es vital en escenarios de investigación donde se requiere contrastar el rendimiento o las características de múltiples poblaciones o tratamientos de manera simultánea y gráfica.

En términos de interpretación de la forma, el boxplot ofrece tres indicadores clave para describir la distribución de los datos. Primero, la dispersión: un RIC grande o bigotes largos indican una alta variabilidad de los datos. Segundo, la asimetría o sesgo: si la mediana está más cerca de Q1 y el bigote superior es notablemente más largo, la distribución está sesgada positivamente (hacia la derecha); si la mediana está cerca de Q3 y el bigote inferior es más largo, está sesgada negativamente (hacia la izquierda). Tercero, la detección de atípicos: la presencia de puntos aislados más allá de los bigotes alerta al analista sobre observaciones extremas que podrían ser errores de medición, entradas de datos incorrectas, o fenómenos genuinamente raros que requieren un tratamiento estadístico especializado o una explicación contextual detallada.

Su impacto se extiende a campos como la biología (comparando medidas biométricas en diferentes especies), las finanzas (analizando la volatilidad de los rendimientos de diferentes activos o portafolios de inversión), la investigación social (comparando puntajes de pruebas estandarizadas entre grupos demográficos o socioeconómicos), y la ingeniería (monitoreando la calidad y la consistencia de los procesos de fabricación). En todos estos escenarios, el boxplot sirve como un paso inicial crítico para validar supuestos, diagnosticar problemas de calidad de datos y dirigir análisis estadísticos más complejos, cumpliendo la promesa original de Tukey de ser una herramienta de diagnóstico visual rápida y robusta.

5. Ventajas y Desventajas

Una de las mayores ventajas inherentes al boxplot es su robustez ante los valores extremos, dado que se basa en cuartiles y la mediana, en lugar de la media y la desviación estándar, que son altamente sensibles a la influencia de los outliers. Además, su naturaleza compacta permite la visualización simultánea de un gran número de conjuntos de datos en un espacio limitado, facilitando comparaciones masivas que serían inviables con histogramas. Esta concisión lo convierte en una excelente opción para la publicación de resultados y la presentación de informes donde la claridad, la estandarización y la necesidad de ahorrar espacio visual son primordiales.

Sin embargo, la principal crítica dirigida al diagrama de caja y bigotes es su tendencia a ocultar la forma subyacente de la distribución. Al resumir los datos en solo cinco números, se pierde información valiosa sobre la densidad y la frecuencia de los datos dentro de los cuartiles. Si una distribución es bimodal (tiene dos picos) o multimodal, el boxplot podría mostrar una caja ancha sin revelar la existencia de los dos o más modos separados, lo que podría llevar a interpretaciones erróneas sobre la homogeneidad de la población.

Para mitigar esta limitación, a menudo se recomienda complementar el boxplot con otras visualizaciones. Por ejemplo, el uso de gráficos de dispersión superpuestos (jittered points) puede mostrar la densidad de puntos dentro de la caja, o el uso de diagramas de violín puede ofrecer una visión más completa de la función de densidad de probabilidad, mientras que aún se mantiene la referencia a los cuartiles. La elección de la herramienta de visualización debe, por lo tanto, depender del objetivo específico del análisis exploratorio.

6. Variaciones Comunes

A lo largo de los años, se han desarrollado varias modificaciones al boxplot clásico de Tukey para añadir capas de información visual o para abordar algunas de sus limitaciones. Una variación común es el diagrama de caja de ancho variable. En este formato, el ancho de la caja es proporcional al tamaño de la muestra (o a la raíz cuadrada del tamaño de la muestra) del grupo que representa. Esta modificación permite al observador evaluar visualmente la confianza estadística o la cantidad de datos detrás de cada resumen, proporcionando un contexto esencial sobre la robustez de las estadísticas mostradas.

Otra modificación relevante es el diagrama de caja con muescas (notched boxplot). Las muescas son hendiduras que se agregan a los lados de la caja alrededor de la mediana, y su extensión suele basarse en una estimación del error estándar de la mediana. El propósito de las muescas es facilitar las inferencias estadísticas rápidas: si las muescas de dos boxplots no se superponen cuando se comparan, esto sugiere fuertemente que las medianas de las poblaciones de las que provienen las muestras son significativamente diferentes a un nivel de confianza estándar (típicamente del 95%).

Finalmente, el diagrama de violín, aunque conceptualmente diferente, es a menudo considerado una evolución del boxplot. El diagrama de violín fusiona la síntesis de cinco números del boxplot (a menudo representada como una pequeña caja o línea central) con la visualización de la densidad del kernel a lo largo del eje vertical. Este enfoque ofrece lo mejor de ambos mundos: la robustez posicional del boxplot y el detalle de la forma de la distribución, siendo especialmente útil cuando se sospecha que la distribución de los datos es multimodal.

7. Lecturas Adicionales

Cite This Article

memjavad (2025, November 9). diagrama de caja y bigotes – box-and-whisker plot. Spanish Psychological Databases. https://spanish.arabpsychology.com/trm/diagrama-de-caja-y-bigotes-box-and-whisker-plot/
memjavad. “diagrama de caja y bigotes – box-and-whisker plot.” Spanish Psychological Databases, 9 November 2025, https://spanish.arabpsychology.com/trm/diagrama-de-caja-y-bigotes-box-and-whisker-plot/.
memjavad. “diagrama de caja y bigotes – box-and-whisker plot.” Spanish Psychological Databases. November 9, 2025. https://spanish.arabpsychology.com/trm/diagrama-de-caja-y-bigotes-box-and-whisker-plot/.