Calculadora de rango intercuartílico

¿Qué es el rango intercuartílico?

El Rango Intercuartílico (RIC) mide la dispersión del 50% central de tus datos. Es la diferencia entre el tercer cuartil (Q3) y el primer cuartil (Q1):

$RIC = Q_3 - Q_1$

Donde Q1 es el percentil 25 y Q3 es el percentil 75.

A diferencia del rango, que abarca del mínimo al máximo, el RIC ignora el 25% extremo en cada extremo—haciéndolo resistente a valores atípicos.

Por qué importa el RIC

Dispersión robusta

Considera dos conjuntos de datos:

• Conjunto A: {20, 25, 30, 35, 40, 45, 50}
• Conjunto B: {20, 25, 30, 35, 40, 45, 500}

Para el Conjunto A: Rango = 30, RIC = 20 Para el Conjunto B: Rango = 480, RIC = 20

El valor atípico (500) explotó el rango pero dejó el RIC sin cambios. Cuando tus datos pueden contener valores atípicos, el RIC cuenta la verdadera historia de dispersión.

Detección de valores atípicos

El método de Tukey usa el RIC para definir límites de valores atípicos:

• Valores atípicos leves: Valores por debajo de $Q_1 - 1,5 \times RIC$ o por encima de $Q_3 + 1,5 \times RIC$
• Valores atípicos extremos: Valores por debajo de $Q_1 - 3 \times RIC$ o por encima de $Q_3 + 3 \times RIC$

Esta regla basada en RIC está implementada en la Calculadora de valores atípicos.

Construcción de diagramas de caja

El RIC es la altura de la caja en un diagrama de caja:

• Base de la caja: Q1
• Tope de la caja: Q3
• Altura de la caja: RIC
• Los bigotes se extienden a 1,5×RIC (o a los extremos de los datos si son menores)

Evaluación de asimetría

Comparar distancias dentro del RIC revela asimetría:

• Si (Q3 − Q2) > (Q2 − Q1): Sesgo a la derecha
• Si (Q3 − Q2) < (Q2 − Q1): Sesgo a la izquierda
• Si aproximadamente iguales: Simétrico

Aplicaciones prácticas

Rangos de referencia médicos

Los laboratorios clínicos a menudo reportan rangos de referencia como rangos intercuartílicos en lugar de rangos mín-máx, evitando que valores extremos raros distorsionen los límites normales.

Análisis inmobiliario

Los precios de viviendas típicamente tienen valores atípicos (mansiones, ventas en dificultad). El RIC captura la dispersión típica del mercado:

"Precios de viviendas: Mediana $350K, RIC$280K-$450K"

Esto te dice dónde está comprando la mayoría de los compradores, sin verse afectado por la mansión ocasional de $5M.

Evaluación educativa

Las distribuciones de puntuaciones de exámenes a menudo tienen valores atípicos (estudiantes que no se esforzaron, o ejecutores excepcionales). El RIC describe la dispersión típica del rendimiento estudiantil.

Análisis de ingresos

Las distribuciones de ingresos son notoriamente sesgadas a la derecha con valores atípicos extremos. El RIC describe la dispersión de clase media sin distorsión de multimillonarios.

Control de procesos

Cuando los datos de manufactura contienen mal funcionamientos ocasionales del equipo, el monitoreo basado en RIC es más confiable que el monitoreo basado en rango.

Desarrollo histórico

El concepto de cuartil se remonta a Francis Galton (1822-1911), quien desarrolló el análisis basado en percentiles para estudiar características humanas. Galton reconoció que los valores extremos podían distorsionar las impresiones de variación típica.

John Tukey (1915-2000) defendió el RIC como piedra angular del análisis exploratorio de datos. Su libro de 1977 "Exploratory Data Analysis" estableció el RIC como la medida robusta preferida de dispersión, junto con la mediana como la medida robusta preferida de centro.

La filosofía de Tukey: Mira los datos antes de imponer supuestos. El RIC encarna este enfoque—describe lo que hay sin dejarse engañar por extremos.

Calculando el RIC

Proceso paso a paso

1. Ordena los datos en orden ascendente
2. Encuentra Q1 (percentil 25)—la mediana de la mitad inferior
3. Encuentra Q3 (percentil 75)—la mediana de la mitad superior
4. Calcula RIC = Q3 − Q1

Métodos de cálculo de cuartiles

Diferentes software usan diferentes convenciones para el cálculo de cuartiles (hay varios métodos válidos). La Calculadora de cuartiles explica estas variaciones. Las diferencias usualmente son pequeñas a menos que el tamaño de muestra sea muy pequeño.

Ejemplo de cálculo

Datos: {12, 15, 18, 22, 25, 28, 32, 35, 40}

Ordenados: Ya ordenados (n = 9)

Mitad inferior: {12, 15, 18, 22} → Q1 = (15 + 18)/2 = 16,5 Mitad superior: {28, 32, 35, 40} → Q3 = (32 + 35)/2 = 33,5

RIC = 33,5 − 16,5 = 17

RIC vs. desviación estándar

Ambas miden dispersión, pero de manera diferente:

La relación 1,35

Para distribuciones perfectamente normales:

$RIC \approx 1,35 \times \sigma$

Esto permite conversión aproximada entre medidas. Si RIC >> 1,35 × DE o RIC << 1,35 × DE, la distribución probablemente se desvía de la normalidad.

Semi-rango intercuartílico

El semi-rango intercuartílico (SRIC) es la mitad del RIC:

$SRIC = \frac{RIC}{2} = \frac{Q_3 - Q_1}{2}$

Esto a veces se llama desviación cuartil. Aproxima la distancia promedio desde la mediana a los cuartiles.

RIC en diferentes distribuciones

Distribuciones simétricas

Para datos simétricos, Q1 y Q3 están equidistantes de la mediana:

• Distancia de mediana a Q1 = Distancia de mediana a Q3 = RIC/2

Distribuciones sesgadas a la derecha

El "brazo" superior del RIC es más largo:

• (Q3 − Mediana) > (Mediana − Q1)
• Media > Mediana

Distribuciones sesgadas a la izquierda

El "brazo" inferior es más largo:

• (Mediana − Q1) > (Q3 − Mediana)
• Media < Mediana

El método de vallas para valores atípicos

El método de vallas de Tukey establece límites basados en el RIC:

Vallas internas (valores atípicos leves):

• Inferior: $Q_1 - 1,5 \times RIC$
• Superior: $Q_3 + 1,5 \times RIC$

Vallas externas (valores atípicos extremos):

• Inferior: $Q_1 - 3 \times RIC$
• Superior: $Q_3 + 3 \times RIC$

Para distribuciones normales:

• Aproximadamente 0,7% de los datos cae fuera de las vallas internas
• Aproximadamente 0,0002% cae fuera de las vallas externas

Intervalos de confianza para el RIC

A diferencia de la desviación estándar, el RIC carece de fórmulas simples para intervalos de confianza. Los métodos bootstrap proporcionan el enfoque estándar:

1. Remuestrear datos con reemplazo
2. Calcular el RIC para cada remuestra
3. Usar percentiles de los RICs bootstrap como límites de confianza

Cuándo preferir el RIC

Elige el RIC sobre la desviación estándar cuando:

1. Los datos contienen valores atípicos o sospechas que podría
2. La distribución es sesgada (ingresos, bienes raíces, tiempos de espera)
3. La descripción robusta es más importante que la inferencia paramétrica
4. El análisis exploratorio rápido es el objetivo
5. Comparando grupos con diferentes patrones de valores atípicos

Elige la desviación estándar cuando:

1. La inferencia formal (pruebas de hipótesis, intervalos de confianza) es necesaria
2. Los datos son aproximadamente normales y libres de valores atípicos
3. La eficiencia importa (DE usa toda la información; RIC descarta 50%)
4. Combinando con otras estadísticas que asumen normalidad

Cálculos relacionados

Después de calcular el RIC, explora:

• Calculadora de cuartiles — Obtén Q1, Q2, Q3 directamente
• Calculadora de resumen de cinco números — RIC en contexto del resumen completo
• Calculadora de valores atípicos — Usa vallas basadas en RIC
• Calculadora de rango — Comparación no robusta
• Calculadora de desviación estándar — Alternativa no robusta
• Calculadora de percentiles — Generaliza más allá de cuartiles

Resumen

El Rango Intercuartílico mide la dispersión de la mitad central de tus datos, proporcionando una alternativa robusta al rango y la desviación estándar. Al ignorar el 25% extremo en cada extremo, el RIC resiste la distorsión de valores atípicos. Esto lo hace ideal para distribuciones sesgadas, análisis exploratorio y datos que contienen anomalías. El RIC también forma la base para los diagramas de caja y el método de vallas de Tukey ampliamente usado para detección de valores atípicos. Cuando tus datos pueden contener valores atípicos—o cuando aún no lo sabes—el RIC es la opción más segura para entender la dispersión.