Cómo hacer un gráfico de caja en Excel: qué muestra

Un promedio te dice dónde se ubica un grupo. No dice nada sobre qué tan disperso está ese grupo, o si un solo valor está arrastrando toda la cifra.

Un diagrama de caja responde a ambas preguntas con una forma que puedes leer en dos segundos. Es la manera más rápida de comparar varios grupos cuando la dispersión te importa tanto como la posición.

Esta guía cubre lo que realmente muestra un diagrama de caja, cómo construir uno en Excel y cómo leerlo sin sobreinterpretarlo.

Qué muestra un diagrama de caja

La referencia estadística del NIST describe el propósito con precisión. Los diagramas de caja son "una herramienta excelente para transmitir información de ubicación y variación en conjuntos de datos".

La frase con la que hay que quedarse es la siguiente. Son particularmente útiles "para detectar e ilustrar cambios de ubicación y variación entre diferentes grupos de datos".

Ese es todo el caso de uso. Uno de estos gráficos es levemente informativo. Cuatro uno al lado del otro, uno por máquina, región o cohorte, es donde esta forma se gana su lugar.

La descripción de Microsoft de la versión de Excel dice lo mismo en términos del producto. Un gráfico de caja y bigotes "muestra la distribución de datos en cuartiles, resaltando la media y los valores atípicos".

Los cinco números detrás de la forma

El gráfico se construye a partir de un pequeño conjunto de valores calculados, y conocerlos lo hace legible.

El NIST establece la construcción directamente. Se debe "calcular la mediana y los cuartiles (el cuartil inferior es el percentil 25 y el cuartil superior es el percentil 75)".

Luego, la caja se dibuja entre esos cuartiles. En palabras del NIST, "esta caja representa el 50% central de los datos", lo que el manual llama el cuerpo de los datos. Una línea o símbolo marca la mediana dentro de ella.

Los bigotes se extienden hacia afuera, hacia los extremos. El resultado, como señala el NIST, es que "el diagrama de caja identifica el 50% central de los datos, la mediana y los puntos extremos".

Elemento	Qué representa
Parte inferior de la caja	Cuartil inferior, el percentil 25
Línea dentro de la caja	Mediana, el percentil 50
Parte superior de la caja	Cuartil superior, el percentil 75
Altura de la caja	El rango intercuartílico, que contiene la mitad central
Bigotes	Variabilidad más allá de los cuartiles
Puntos separados	Valores fuera del rango de los bigotes

Dónde se detienen los bigotes

Este es el detalle que causa más confusión, porque las implementaciones difieren.

El NIST describe una variación común diseñada para identificar valores atípicos de forma explícita. Se calcula el rango intercuartílico y se le llama IQ. De ahí se derivan cuatro límites. Dos se sitúan por debajo del cuartil inferior, a 1.5 veces el IQ y 3.0 veces el IQ por debajo de este. Dos límites correspondientes se sitúan por encima del cuartil superior.

El bigote se dibuja entonces no hasta el mínimo, sino hasta el punto más pequeño que aún esté por encima del límite inferior. Los puntos más allá de este se dibujan por separado.

Excel sigue esta convención. La documentación de Microsoft indica que los bigotes "indican la variabilidad fuera de los cuartiles superior e inferior". La misma frase continúa: "y cualquier punto fuera de esas líneas o bigotes se considera un valor atípico".

Así que antes de comparar el resultado de una herramienta con otra, verifica qué regla de bigotes utilizó cada una. Las cajas coincidirán; los bigotes tal vez no.

Cómo hacer un diagrama de caja en Excel

Excel tiene un tipo de gráfico integrado y los pasos son cortos.

Las instrucciones de Microsoft para este gráfico comienzan con los datos: "Seleccione sus datos, ya sea una sola serie de datos o varias series de datos". Luego, "En Excel, seleccione Insertar > Insertar gráfico estadístico > Caja y bigotes".

Dos notas sobre la disposición de los datos, porque aquí es donde fallan la mayoría de los intentos.

Tus datos deben ser valores brutos, no estadísticas de resumen. Excel calcula los cuartiles por sí mismo, por lo que una columna de medianas precalculadas produce un sinsentido.

Para múltiples grupos, coloca los valores en columnas adyacentes con una fila de encabezado, o utiliza una columna de categoría junto a una columna de valor. Excel lee la agrupación a partir de la disposición en lugar de cualquier cosa que configures después.

Una vez que el gráfico existe, el marcador de la media se puede mostrar u ocultar a través de las opciones de serie. Suele valer la pena activarlo, porque la brecha entre la media y la mediana es informativa por sí misma.

El mismo panel de opciones controla cómo se muestran los puntos internos. Mostrarlos ayuda con grupos pequeños y satura el gráfico con grupos grandes. La configuración correcta depende de cuántos datos haya detrás de cada caja.

Construir uno a partir de datos brutos

Cuando los datos necesitan limpiarse o agruparse antes de poder graficarse, la siguiente secuencia cubre ese proceso de extremo a extremo.

Paso 1: Subir el conjunto de datos y describir la comparación

Comienza en Powerdrill Bloom con el archivo CSV o Excel. Describe el diagrama de caja que deseas en lenguaje natural, nombrando el valor a graficar y la variable de agrupación.

Sé específico con la agrupación. "Tiempo de entrega por almacén" y "tiempo de entrega por mes" producen gráficos diferentes a partir del mismo archivo, y solo uno de ellos responde a tu pregunta.

Es posible que los datos necesiten filtrarse primero: una línea de productos, un trimestre, solo pedidos completados. Indícalo en la misma solicitud en lugar de prefiltrar el archivo a mano.

Paso 2: Verificar los tamaños de los grupos antes de leer cualquier cosa

Un gráfico con ocho observaciones en un grupo y ochocientas en otro es técnicamente válido y prácticamente engañoso. Los cuartiles de una muestra diminuta son inestables.

Solicita el recuento por grupo junto al gráfico. Cualquier grupo con menos de unas veinte observaciones debe leerse con precaución, y un grupo con menos de diez generalmente se muestra mejor como puntos individuales.

Este también es el momento de confirmar que la columna de valores sea completamente numérica. Una sola entrada de texto en una columna numérica cambia silenciosamente cómo se calculan los grupos.

Paso 3: Generar el gráfico y los números de respaldo

Solicita el diagrama de caja junto con el resumen de cinco números por grupo: mínimo, cuartil inferior, mediana, cuartil superior, máximo, más el recuento.

La tabla importa tanto como el gráfico. Un lector que pregunte "cuál es exactamente la mediana del tercer grupo" debería obtener una respuesta sin tener que medir píxeles.

Exporta ambos y mantén el archivo de origen adjunto para que cualquier cifra pueda rastrearse en caso de duda.

¿Quieres comparar varios grupos en tus propios datos? Prueba Powerdrill Bloom.

Cómo leer uno

Lee el gráfico en este orden, y casi siempre te dirá algo útil.

Compara las medianas primero. La línea dentro de cada caja es el valor típico. Si esas líneas están a diferentes alturas, los grupos realmente difieren en su tendencia central.

Compara las alturas de las cajas en segundo lugar. Una caja alta significa que la mitad central de ese grupo está muy dispersa. Dos grupos con medianas idénticas y alturas de caja muy diferentes no cuentan la misma historia en absoluto.

Verifica la asimetría de los bigotes en tercer lugar. Un bigote mucho más largo en un lado indica sesgo. Que la mediana esté descentrada dentro de la caja dice lo mismo.

Observa los puntos separados al final. Estos son los valores que el gráfico marcó como inusuales. Son candidatos a investigación, no errores automáticos.

Un patrón que vale la pena mencionar: si el marcador de la media está notablemente por encima de la mediana, unos pocos valores grandes están elevando el promedio. Esa es exactamente la situación en la que informar solo el promedio habría confundido a todos.

Cuándo un diagrama de caja es el gráfico incorrecto

Es un gráfico especializado y falla de maneras predecibles.

Con un solo grupo y sin comparación, un histograma suele comunicar más. Este gráfico comprime una distribución en cinco números, mientras que un histograma muestra su forma real.

Con datos bimodales, el resumen oculta activamente la característica más importante. Dos grupos producen una caja que parece común y corriente, y nada en el gráfico revela la brecha.

Con muestras muy pequeñas, los cuartiles se mueven con cualquier nueva observación individual. Graficar los puntos mismos es más honesto.

Y con una audiencia no técnica que nunca ha visto uno, prepárate para pasar el primer minuto explicando la forma en lugar del hallazgo. A veces, un gráfico de rango bien etiquetado funciona mejor.

Situación	Mejor opción
Comparar la dispersión entre grupos	Diagrama de caja
Un grupo, la forma de la distribución importa	Histograma
Sospecha de dos grupos	Histograma o gráfico de densidad
Muestras muy pequeñas	Graficar puntos individuales
Seguimiento de un grupo a lo largo del tiempo	Gráfico de líneas

Presentar uno a personas que no lo han visto antes

El gráfico es un estándar en estadística y desconocido en casi cualquier otro lugar. Tres hábitos cierran esa brecha.

Etiqueta el eje con la unidad que le interesa a la gente (días, dólares, defectos por cada mil) en lugar de dejar un nombre de variable genérico del archivo de origen.

Pon el hallazgo en el título. "El tiempo de entrega varía más en el almacén de Dallas" le dice al lector qué mirar. "Tiempo de entrega por almacén" los deja para que lo resuelvan por sí mismos.

Agrega una leyenda de una sola línea que explique la caja en términos sencillos. Algo como "la caja contiene la mitad central de los pedidos; la línea es el pedido típico" cuesta una sola línea y evita la mala interpretación más común.

Si la audiencia verá esto mensualmente, vale la pena dar la explicación correctamente una vez. Si lo verán una sola vez, considera si un gráfico más simple transmite el mismo punto.

Una cosa más que ayuda en una reunión en vivo. Di lo que significa la caja antes de decir lo que muestran los datos. Las personas que todavía están descifrando la forma no están escuchando el hallazgo.

Comparar grupos a lo largo del tiempo

Una pregunta de seguimiento frecuente es cómo mostrar el cambio a lo largo de los períodos, así como entre grupos.

El enfoque directo es una caja por período, dispuesta de izquierda a derecha. Esto funciona bien hasta unos ocho períodos, después de lo cual el gráfico se satura y las cajas individuales se vuelven demasiado estrechas para leerlas.

Más allá de eso, una estructura diferente ayuda. Grafica la mediana como una línea a lo largo del tiempo y muestra el rango intercuartílico como una banda sombreada a su alrededor. La información es casi la misma y la tendencia se vuelve legible.

Lo que no funciona es mezclar ambas agrupaciones en un solo gráfico. Una caja por almacén por mes produce una pared de cajas que nadie lee. Elige la comparación que importa y grafica esa.

Si la pregunta es genuinamente bidimensional, los gráficos múltiples son la respuesta honesta: un gráfico pequeño por almacén, cada uno mostrando los meses en su eje horizontal.

En qué se diferencia esto de buscar valores atípicos

Un diagrama de caja marca los puntos inusuales como un subproducto de mostrar la distribución. Eso está relacionado con buscar deliberadamente esos puntos, pero no es lo mismo.

La distinción radica en lo que estás preguntando. Este gráfico pregunta cómo se comparan los grupos. Una investigación de valores atípicos pregunta qué registros específicos son incorrectos, inusuales o merecen una segunda mirada. Utiliza métodos que van más allá de las reglas de los cuartiles, incluyendo comprobaciones de dominio que ningún gráfico realiza.

Si tu objetivo es el segundo, la guía sobre cómo encontrar valores atípicos en un conjunto de datos sin código cubre esa tarea directamente. Utiliza un diagrama de caja cuando el punto sea la comparación entre grupos y los valores inusuales sean algo que notes en el camino.

También hay una diferencia práctica en lo que haces a continuación. Un valor atípico detectado por un diagrama de caja se investiga. Una diferencia de distribución detectada por el mismo gráfico se explica.

Errores comunes

Graficar estadísticas de resumen en lugar de valores brutos. Excel calcula los cuartiles, por lo que alimentarlo con medianas precalculadas produce un gráfico sin sentido.

Ignorar los tamaños de los grupos. Las muestras desiguales hacen que las cajas parezcan comparables cuando no lo son.

Asumir que los puntos marcados son errores. La regla de 1.5 veces el IQR es una convención, no un diagnóstico. Algunos valores marcados son los registros más interesantes del conjunto de datos.

Comparar entre herramientas sin verificar las reglas de los bigotes. Diferentes implementaciones extienden los bigotes de manera diferente, y las cajas coincidirán mientras que los bigotes no.

Usar uno donde corresponde un histograma. Un solo diagrama de caja oculta la forma que revela un solo histograma.

Dejar el eje sin etiquetar. El fallo de presentación más común y el más fácil de corregir.

Leer un diagrama de caja como si la caja contuviera la mayor parte de los datos. Contiene exactamente la mitad. Un cuarto de los valores se encuentra por encima y un cuarto por debajo, lo cual es fácil de olvidar cuando los bigotes son cortos.

Ordenar los grupos alfabéticamente. Ordenar por la mediana en su lugar hace que la comparación sea legible de un vistazo y no cuesta nada.

Para trabajos relacionados con gráficos, existen guías para crear un gráfico de pastel a partir de datos de Excel y cómo hacer gráficos hermosos a partir de hojas de Excel rápidamente. Para la estadística de dispersión que se empareja naturalmente con este gráfico, está cómo calcular la desviación estándar en Excel.

Preguntas frecuentes

¿Para qué se utiliza un diagrama de caja?

Transmite la ubicación y la variación en un conjunto de datos, y es especialmente útil para comparar esas propiedades entre varios grupos. El NIST lo describe como una herramienta para detectar e ilustrar cambios de ubicación y variación entre diferentes grupos de datos.

¿Cómo se lee un diagrama de caja?

La caja abarca el 50% central de los datos, desde el percentil 25 al 75, con una línea que marca la mediana. Los bigotes muestran la variabilidad más allá de los cuartiles, y los puntos separados marcan los valores fuera de ese rango.

¿Cómo hago un gráfico de caja y bigotes en Excel?

Selecciona tus datos, ya sea una sola serie o varias. Luego elige Insertar, Insertar gráfico estadístico y Caja y bigotes. Proporciona valores brutos en lugar de estadísticas de resumen, ya que Excel calcula los cuartiles por sí mismo.

¿Por qué mi diagrama de caja muestra puntos fuera de los bigotes?

Esos son valores más allá del rango de los bigotes, que Excel trata como valores atípicos. La regla común extiende los bigotes hasta 1.5 veces el rango intercuartílico más allá de cada cuartil, y cualquier cosa que pase de ahí se dibuja por separado.

¿Cuál es la diferencia entre un diagrama de caja y un histograma?

Un diagrama de caja resume una distribución en cinco números y sobresale al comparar grupos. Un histograma muestra la forma completa de una distribución, incluyendo características como dos grupos. Un resumen de cinco números describe la posición y la dispersión en lugar de la forma, por lo que ese patrón permanece invisible en él.

Fuentes: NIST/SEMATECH e-Handbook of Statistical Methods, "Box Plot", itl.nist.gov; Soporte de Microsoft, "Crear un gráfico de caja y bigotes".