Calculadora de Box Plot e Valores Atípicos

Calcule resumos de cinco números, cercas do IQR, extremos dos bigodes, valores atípicos, dados ordenados e box plots lado a lado a partir de dados brutos.

Os resultados são calculados automaticamente enquanto você informa os dados.

Informe os valores de cada grupo. As células vazias são ignoradas, permitindo amostras de tamanhos diferentes.

Dados brutos

Fórmulas de quartis e cercas

▼ Veja explicações e dicas abaixo ▼

Calculadoras relacionadas

O que é um box plot?

Um box plot, também chamado de gráfico de caixa e bigodes, é um gráfico compacto para resumir um conjunto de dados numéricos. Em vez de mostrar cada valor individual, ele apresenta o centro, a dispersão central, o intervalo total e os possíveis valores atípicos do conjunto de dados.

A ideia principal é simples: ordenar os valores, dividi-los em quartos e desenhar uma caixa ao redor da metade central dos dados. A caixa começa no primeiro quartil, \(Q_1\), e termina no terceiro quartil, \(Q_3\). Uma linha dentro da caixa marca a mediana. Os bigodes se estendem para mostrar os menores e maiores valores que não são atípicos, enquanto os valores além dos limites de valores atípicos são representados separadamente.

Box plots são especialmente úteis quando você quer comparar vários grupos na mesma escala. Por exemplo, um professor pode comparar as notas de provas entre turmas, um analista de dados pode comparar os tempos de entrega entre centros de distribuição, ou um pesquisador pode comparar medições entre grupos de tratamento. Cada box plot oferece um resumo visual rápido de onde os valores tendem a se concentrar e quanto variam.

Por que os box plots são importantes

Uma tabela de dados brutos pode ser precisa, mas também pode ser difícil de ler. Um box plot transforma uma lista de números em um resumo visual que destaca várias características importantes de uma só vez:

  • Centro: A mediana mostra o valor central dos dados ordenados.
  • Dispersão: A largura ou a altura da caixa mostra a dispersão dos \(50\%\) valores centrais.
  • Assimetria: Um bigode mais longo de um dos lados, ou uma linha de mediana distante do centro da caixa, pode indicar que os dados se estendem mais em uma direção.
  • Possíveis valores atípicos: Os pontos além dos limites de valores atípicos ficam separados dos bigodes para que possam ser investigados.
  • Diferenças entre grupos: Vários box plots facilitam a comparação de medianas, variabilidade e valores incomuns entre grupos.

Box plots não substituem os dados brutos nem uma análise estatística completa. A vantagem deles é mostrar rapidamente a estrutura de uma distribuição numérica, especialmente durante uma análise exploratória de dados.

Termos importantes

  • Observação: Um valor numérico do conjunto de dados.
  • Dados ordenados: Os mesmos valores organizados do menor para o maior.
  • Mediana: O valor central dos dados ordenados. Se houver dois valores centrais, a mediana será a média deles.
  • Quartis: Valores que dividem os dados ordenados em quatro partes. O primeiro quartil \(Q_1\) fica próximo do quarto inferior, o segundo quartil é a mediana e o terceiro quartil \(Q_3\) fica próximo do quarto superior.
  • Resumo de cinco números: O mínimo, \(Q_1\), a mediana, \(Q_3\), e o máximo.
  • Intervalo interquartil: A dispersão da metade central dos valores, calculada como \(Q_3 - Q_1\).
  • Limite: Um valor de corte usado para sinalizar possíveis valores atípicos.
  • Bigode: A linha que se estende da caixa até o menor ou maior valor que não é atípico.
  • Valor atípico: Um valor fora do limite inferior ou superior segundo a regra \(1.5 \times IQR\).

Como funcionam os box plots e os limites de valores atípicos

Um box plot começa com dados numéricos ordenados. Para um grupo com \(n\) valores, escreva as observações ordenadas assim:

$$ x_{(1)} \le x_{(2)} \le \cdots \le x_{(n)} $$

Primeiro, encontra-se a mediana. Se \(n\) for ímpar, a mediana será o valor central dos dados ordenados. Se \(n\) for par, a mediana será a média dos dois valores centrais:

$$ M = \frac{x_{(n/2)} + x_{(n/2 + 1)}}{2} $$

Em seguida, os dados são divididos em uma metade inferior e uma metade superior. O primeiro quartil \(Q_1\) é a mediana da metade inferior, e o terceiro quartil \(Q_3\) é a mediana da metade superior.

Esta calculadora oferece dois métodos de divisão dos quartis:

  • Método inclusivo: Quando o tamanho da amostra é ímpar, a mediana é incluída nas metades inferior e superior antes de encontrar \(Q_1\) e \(Q_3\). Quando o tamanho da amostra é par, os dados são divididos igualmente entre as metades inferior e superior.
  • Método exclusivo: Quando o tamanho da amostra é ímpar, a mediana é excluída das duas metades antes de encontrar \(Q_1\) e \(Q_3\). Quando o tamanho da amostra é par, a divisão é igual à divisão inclusiva para tamanhos pares.

Depois que \(Q_1\) e \(Q_3\) são conhecidos, o intervalo interquartil é:

$$ IQR = Q_3 - Q_1 $$

Em seguida, os limites inferior e superior de valores atípicos são calculados assim:

$$ \text{Lower Fence} = Q_1 - 1.5 \times IQR $$
$$ \text{Upper Fence} = Q_3 + 1.5 \times IQR $$

Um valor é sinalizado como atípico se for menor que o limite inferior ou maior que o limite superior:

$$ x < \text{Lower Fence} \quad \text{or} \quad x > \text{Upper Fence} $$

Em geral, os bigodes não terminam nos próprios valores dos limites. Eles terminam nas menores e maiores observações reais que ainda estão dentro dos limites. Por isso, um box plot pode mostrar um valor mínimo ou máximo na tabela de resultados, enquanto o bigode visível termina em outro valor.

Exemplos práticos de box plots

Exemplo 1: um grupo com um possível valor atípico

Suponha que os dados ordenados sejam:

$$ 4,\ 7,\ 8,\ 9,\ 10,\ 11,\ 13,\ 18,\ 31 $$

Há \(9\) valores, então a mediana é o quinto valor:

$$ M = 10 $$

Usando o método inclusivo de quartis, a mediana é incluída nas duas metades:

$$ \text{Lower half} = 4,\ 7,\ 8,\ 9,\ 10 $$
$$ \text{Upper half} = 10,\ 11,\ 13,\ 18,\ 31 $$

Portanto:

$$ Q_1 = 8, \qquad Q_3 = 13 $$

O intervalo interquartil é:

$$ IQR = Q_3 - Q_1 = 13 - 8 = 5 $$

Os limites são:

$$ \text{Lower Fence} = 8 - 1.5 \times 5 = 0.5 $$
$$ \text{Upper Fence} = 13 + 1.5 \times 5 = 20.5 $$

Qualquer valor maior que \(20.5\) é um valor atípico, então \(31\) é representado separadamente. O bigode superior termina em \(18\), o maior valor real dentro do limite.

Exemplo 2: como o método de quartis pode mudar o resultado

Use os mesmos dados:

$$ 4,\ 7,\ 8,\ 9,\ 10,\ 11,\ 13,\ 18,\ 31 $$

Com o método exclusivo, a mediana \(10\) fica fora das duas metades:

$$ \text{Lower half} = 4,\ 7,\ 8,\ 9 $$
$$ \text{Upper half} = 11,\ 13,\ 18,\ 31 $$

Agora, os quartis são as médias dos dois valores centrais de cada metade:

$$ Q_1 = \frac{7 + 8}{2} = 7.5 $$
$$ Q_3 = \frac{13 + 18}{2} = 15.5 $$

Portanto:

$$ IQR = 15.5 - 7.5 = 8 $$

Os limites passam a ser:

$$ \text{Lower Fence} = 7.5 - 1.5 \times 8 = -4.5 $$
$$ \text{Upper Fence} = 15.5 + 1.5 \times 8 = 27.5 $$

O valor \(31\) continua sendo um valor atípico, mas os quartis, o intervalo interquartil e os limites são diferentes. Por isso, é importante usar o mesmo método de quartis ao comparar resultados de ferramentas, turmas ou relatórios diferentes.

Exemplo 3: comparação entre dois grupos

Imagine dois grupos de notas:

Grupo Valores
Turma A \(62, 71, 72, 80, 91, 99, 120\)
Turma B \(55, 67, 70, 73, 88, 89, 94\)

Usando o método inclusivo, a Turma A tem mediana de \(80\), \(Q_1 = 71.5\), \(Q_3 = 95\) e \(IQR = 23.5\). A Turma B tem mediana de \(73\), \(Q_1 = 68.5\), \(Q_3 = 88.5\) e \(IQR = 20\).

A caixa da Turma A está mais deslocada para a direita e tem uma dispersão central um pouco maior. Isso sugere que a Turma A tem um centro mais alto e uma variação um pouco maior na metade central das notas. No entanto, a interpretação só faz sentido porque os dois grupos estão na mesma escala de medição.

Como interpretar o resultado

O resultado é mais fácil de entender lendo o box plot de dentro para fora.

A linha da mediana mostra o centro dos dados ordenados. Metade das observações está na mediana ou abaixo dela, e metade está na mediana ou acima dela, considerando também os valores repetidos.

A caixa vai de \(Q_1\) a \(Q_3\). Essa seção central contém aproximadamente metade dos dados. Uma caixa mais larga significa que a metade central das observações está mais dispersa. Uma caixa mais estreita significa que esses valores centrais estão mais agrupados.

O IQR é a largura numérica da caixa:

$$ IQR = Q_3 - Q_1 $$

Um IQR maior significa mais variabilidade na metade central do conjunto de dados. Um IQR menor significa que a metade central está mais concentrada.

Os bigodes se estendem até os menores e maiores valores reais que não estão fora dos limites. Quando não há valores atípicos, os bigodes geralmente chegam aos valores mínimo e máximo. Quando há valores atípicos, os bigodes terminam antes do mínimo ou do máximo, e os valores atípicos são mostrados como pontos separados.

A quantidade de valores atípicos informa quantas observações estão além dos limites \(1.5 \times IQR\). Os valores atípicos devem ser investigados, não excluídos automaticamente. Eles podem ser erros de digitação, observações raras mas válidas ou sinais importantes sobre o processo estudado.

Ao comparar vários grupos, verifique se eles usam unidades e contextos de medição compatíveis. Um box plot pode comparar notas com notas ou tempos de entrega com tempos de entrega, mas não pode fazer uma comparação visual significativa entre unidades sem relação, como quilogramas e minutos.

Erros e equívocos comuns

Confundir os bigodes com o mínimo e o máximo. Em um box plot básico sem marcadores de valores atípicos, os bigodes podem chegar ao mínimo e ao máximo. Em um box plot com limites de valores atípicos, os bigodes terminam nos menores e maiores valores que não são atípicos.

Confundir limites com bigodes. Os limites inferior e superior são valores de corte calculados. Em geral, os bigodes terminam em valores reais dos dados dentro desses cortes, não nos próprios valores dos limites.

Supor que todos os métodos de quartis são iguais. Os quartis nem sempre são calculados da mesma forma em calculadoras, planilhas, softwares estatísticos e livros didáticos. Conjuntos de dados pequenos e de tamanho ímpar têm uma probabilidade especialmente alta de mostrar diferenças entre os métodos inclusivo e exclusivo.

Misturar unidades incompatíveis. Um box plot com vários grupos só faz sentido quando os grupos são medidos na mesma escala ou em escalas diretamente comparáveis.

Tratar valores atípicos como erros automáticos. Um valor fora do limite é incomum segundo a regra selecionada, mas não é necessariamente errado. Ele deve ser analisado no contexto.

Usar poucos dados. O resumo de um box plot é pouco confiável quando um grupo tem apenas alguns valores. Esta calculadora exige pelo menos três valores numéricos finitos em cada grupo incluído.

Colar números formatados como dados brutos. Separadores e símbolos importam. Por exemplo, um valor escrito com separador de milhares, como 1,234, pode ser interpretado como dois valores separados, \(1\) e \(234\), porque as vírgulas são tratadas como delimitadores.

Quando usar box plots

Use um box plot quando quiser resumir ou comparar dados numéricos, especialmente quando o conjunto de dados for grande o bastante para que seja difícil examinar os valores individuais um a um.

Box plots são úteis para:

  • comparar distribuições entre turmas, grupos, locais, produtos ou períodos;
  • verificar se um grupo tem mediana maior ou menor que outro;
  • comparar a dispersão da metade central de vários grupos;
  • identificar possíveis valores atípicos para investigação posterior;
  • resumir dados assimétricos nos quais a mediana e o IQR podem ser mais informativos que a média e o desvio padrão;
  • criar uma visão exploratória rápida antes de escolher uma análise mais detalhada.

Um box plot é menos útil quando o formato exato da distribuição é importante. Por exemplo, ele não mostra se os dados têm dois picos, lacunas ou agrupamentos dentro dos quartis. Nesses casos, um histograma, um gráfico de pontos ou uma tabela de dados brutos pode ser um complemento melhor.

Limitações e pontos importantes

Um box plot é um resumo e, por isso, oculta alguns detalhes. Dois conjuntos de dados podem ter medianas e quartis semelhantes, mas padrões internos muito diferentes. Sempre examine os dados brutos ou use outro gráfico quando o formato detalhado for importante.

A regra \(1.5 \times IQR\) é uma convenção para sinalizar possíveis valores atípicos. Ela é útil para análises exploratórias, mas não é uma prova universal de que um valor está errado, é impossível ou deve ser removido. Em contextos científicos, de engenharia, financeiros, de saúde ou de relatórios oficiais, investigue os valores atípicos usando os padrões e o conhecimento especializado adequados à decisão.

Os métodos de quartis podem ser diferentes. Esta calculadora usa um método de divisão em metades com opções inclusiva e exclusiva. Outras ferramentas podem usar definições de percentis baseadas em interpolação ou métodos de quantis específicos do software. Quando os resultados precisarem coincidir exatamente, use a mesma definição de quartis durante toda a análise.

A calculadora trabalha com observações numéricas brutas. Ela não trata dados ponderados, intervalos agrupados, notação de tabelas de frequência, rótulos categóricos, valores de data e hora, conversões de unidades ou multiplicadores personalizados para valores atípicos. Células vazias são ignoradas, e somente valores numéricos finitos são incluídos.

Os números exibidos podem ser arredondados ou formatados para facilitar a leitura. Valores muito pequenos podem aparecer como zero, e valores não nulos muito grandes ou muito pequenos podem aparecer em notação científica. Em trabalhos importantes, mantenha os dados originais e verifique se o arredondamento afeta sua interpretação.

Como usar esta calculadora

  1. Insira as observações numéricas na tabela de dados brutos ou cole os dados agrupados na área de importação.
  2. Renomeie os títulos dos grupos se os rótulos padrão não descreverem seus dados.
  3. Adicione linhas ou grupos quando precisar de mais observações ou de mais conjuntos de dados.
  4. Escolha o método de quartis inclusivo ou exclusivo.
  5. Consulte os cartões de resumo para ver a quantidade de grupos, o total de valores, o método selecionado e a quantidade de valores atípicos.
  6. Leia o box plot para comparar medianas, IQRs, bigodes e pontos atípicos.
  7. Consulte a tabela de resultados para ver o \(n\), mínimo, \(Q_1\), mediana, \(Q_3\), máximo, IQR e os valores atípicos de cada grupo.
  8. Baixe o gráfico como PNG se precisar salvar ou compartilhar a visualização.

Para dados colados, use uma tabela no formato CSV quando possível. Coloque os nomes dos grupos na primeira linha, como Class A,Class B, e depois insira as observações nas linhas abaixo. Células vazias são ignoradas. Evite símbolos de moeda, sinais de porcentagem, sufixos de unidades e separadores de milhares.

Perguntas frequentes

O que a caixa de um box plot representa?

A caixa vai de \(Q_1\) a \(Q_3\), portanto representa a metade central dos dados. Sua largura ou altura é o intervalo interquartil. Uma caixa maior significa que a metade central dos valores está mais dispersa.

Os valores atípicos de um box plot são sempre erros?

Não. Um valor atípico é um valor fora dos limites calculados segundo a regra selecionada. Ele pode ser um erro, mas também pode ser um valor raro válido ou um sinal relevante. Verifique os dados originais e o contexto real antes de removê-lo.

Por que meus bigodes não chegam ao mínimo e ao máximo?

Quando há valores atípicos, os bigodes se estendem somente até os menores e maiores valores reais dentro dos limites. O mínimo ou o máximo pode aparecer separadamente como um ponto atípico se estiver fora dos limites.

Por que os quartis inclusivo e exclusivo dão respostas diferentes?

Para tamanhos de amostra ímpares, o método inclusivo inclui a mediana nas duas metades antes de calcular \(Q_1\) e \(Q_3\), enquanto o método exclusivo deixa a mediana de fora. Isso pode alterar os quartis, o IQR, os limites e a classificação dos valores atípicos.

Posso comparar dois box plots com unidades diferentes?

Não de forma significativa. Box plots comparam valores em uma escala numérica comum. Se um grupo for medido em minutos e outro em quilogramas, a comparação visual não descreverá uma diferença real de centro ou dispersão.

O que acontece quando o IQR é zero?

Um IQR igual a zero significa que \(Q_1\) e \(Q_3\) são iguais. Isso costuma acontecer quando muitos valores são iguais. Os limites se reduzem a esse mesmo valor, portanto valores diferentes do valor comum dos quartis podem ser sinalizados como atípicos, dependendo do conjunto de dados completo.

Fontes e referências

Livros e manuais didáticos

  1. Barbara Illowsky e Susan Dean. Introductory Statistics 2e. OpenStax, 2023. Seções 2.3 Measures of the Location of the Data e 2.4 Box Plots.
  2. Wanhua Su. Introduction to Applied Statistics. MacEwan Open Books, 2024. Capítulo 2, seção 2.4 Five-Number Summary and Boxplot. DOI: 10.31542/b.gm.5.

Fontes online e de pesquisa

  1. National Institute of Standards and Technology. “1.3.3.7. Box Plot.” NIST/SEMATECH e-Handbook of Statistical Methods, consultado em 27 de junho de 2026. https://www.itl.nist.gov/div898/handbook/eda/section3/boxplot.htm
  2. Rob J. Hyndman e Yanan Fan. “Sample Quantiles in Statistical Packages.” The American Statistician, vol. 50, n.º 4, 1996, p. 361–365. Página da publicação consultada em 27 de junho de 2026. https://robjhyndman.com/publications/quantiles/
  3. Penn State Eberly College of Science. “3.2 - Identifying Outliers: IQR Method.” STAT 200, consultado em 27 de junho de 2026. https://online.stat.psu.edu/stat200/lesson/3/3.2