Box plot (diagrama de caja)¶
Qué muestra¶
Un resumen de la distribución en cinco números, ideal para comparar varios dominios lado a lado.
| Elemento | Qué representa |
|---|---|
| Borde inferior de la caja | Percentil 25 (P25, primer cuartil) |
| Línea dentro de la caja | Mediana (P50) |
| Borde superior de la caja | Percentil 75 (P75, tercer cuartil) |
| Punto o rombo | Media (si el software la dibuja) |
| Bigotes | Hasta dónde llegan los datos "normales" |
| Puntos sueltos | Datos fuera de los bigotes: candidatos a atípicos |
En Vulcan los bigotes no son los de Tukey
En la definición clásica (Tukey), los bigotes llegan hasta 1,5 veces el rango intercuartil. En el Data Analyser de Vulcan llegan a los percentiles 2,5 y 97,5. Por eso, en Vulcan, "sobre el bigote superior" significa "sobre el P97,5": el 2,5 % más alto de los datos.
Cómo leerlo¶
- Posición de la caja: dónde está la mayoría de los datos (el 50 % central).
- Largo de la caja: la dispersión. Una caja larga indica una variable más variable.
- Posición de la mediana dentro de la caja: si está más cerca del borde inferior, hay asimetría positiva.
- Media contra mediana: si la media está por encima de la mediana, la cola alta pesa.
- Bigote superior más largo que el inferior: otra señal de asimetría positiva.
- Puntos sobre el bigote superior: los candidatos a atípicos.
- Comparar dominios: ¿se solapan las cajas? Si no se solapan, son poblaciones claramente distintas.
Patrones típicos¶
| Lo que ves | Qué significa | Qué hacer |
|---|---|---|
| Cajas de dos dominios que no se solapan | Poblaciones distintas | Mantenerlos separados |
| Cajas casi iguales | Distribuciones parecidas | Evaluar juntarlos (confirmar con Q-Q y geología) |
| Media muy sobre la mediana | Cola alta importante | Revisar atípicos y capping |
| Muchos puntos sobre el bigote, uno muy lejos | Cola alta con un valor extremo | Verificar ese valor en la base (QA/QC) |
| Caja muy aplastada cerca del mínimo | Muchos valores bajos o bajo el límite de detección | Revisar el registro del límite de detección |
Ejemplo con datos reales¶
- R101 y R111 (alta ley) tienen cajas más altas que R102 y R112 (halos): la separación entre alta ley y halo está bien justificada.
- Las cajas de R101 (0,35–0,97 %) y R102 (0,21–0,53 %) se solapan solo entre 0,35 y 0,53 %, y la mediana de R101 (0,59 %) queda sobre toda la caja de R102: son dos poblaciones distintas.
- En todos los dominios la media (rombo) está sobre la mediana: asimetría positiva.
- R101 tiene un punto aislado en 12,51 %, muy lejos del resto: es el valor que hay que revisar.
Qué escribir en un informe¶
- Cómo se comparan los dominios: "la mediana de R101 queda sobre toda la caja de R102, lo que confirma poblaciones distintas".
- Dónde empiezan los atípicos (P97,5) y cuáles son los más extremos.
- La relación media / mediana como evidencia de asimetría.