# Calculadora de rango intercuartil Calcula Q1, Q3, IQR y limites opcionales de 1.5 x IQR > Página canónica: https://elysiatools.com/es/tools/interquartile-range-calculator - **Categoría:** Math & Numbers - **Palabras clave:** rango intercuartil, iqr, atipicos, estadistica ## Descripción general Mide la amplitud del 50% central para box plots, deteccion de atipicos y dispersion robusta. ## Entradas - **Conjunto de datos** (textarea): e.g. 7, 15, 36, 39, 40, 41 - **Metodo de cuartiles** (select) - **Decimales** (number) - **Incluir limites de atipicos** (checkbox) ## Cuándo usarlo - Cuando necesitas identificar valores atípicos o extremos en un conjunto de datos numéricos. - Al preparar datos para construir un diagrama de caja y bigotes (box plot). - Cuando la desviación estándar no es adecuada debido a la presencia de valores extremos que sesgan la media. ## Cómo funciona - Introduce tu conjunto de datos numéricos separados por comas, espacios o saltos de línea en el campo principal. - Selecciona el método de cálculo de cuartiles (interpolación lineal, rango más cercano o percentil exclusivo) según tus necesidades estadísticas. - Ajusta el número de decimales y decide si deseas incluir los límites de valores atípicos (1.5 x IQR). - La herramienta procesa los datos y devuelve un objeto JSON con los valores exactos de Q1, Q3, el IQR y los límites inferior y superior. ## Casos de uso - Limpieza de datos en machine learning para filtrar anomalías antes de entrenar un modelo. - Análisis financiero para evaluar la volatilidad central de los precios de acciones ignorando caídas o picos inusuales. - Evaluación de calificaciones de estudiantes para entender el rendimiento del grupo promedio sin que las notas perfectas o muy bajas distorsionen el análisis. ## Preguntas frecuentes ### ¿Qué es el rango intercuartil (IQR)? El IQR es una medida de dispersión estadística que representa la diferencia entre el tercer cuartil (Q3) y el primer cuartil (Q1), abarcando el 50% central de los datos. ### ¿Cómo se calculan los límites para valores atípicos? Se calculan restando 1.5 veces el IQR al Q1 para el límite inferior, y sumando 1.5 veces el IQR al Q3 para el límite superior. ### ¿Qué método de cuartiles debo elegir? La interpolación lineal es el estándar más común. Usa el rango más cercano para conjuntos discretos simples o el exclusivo si sigues ciertas convenciones de software estadístico. ### ¿Por qué usar el IQR en lugar de la desviación estándar? El IQR es una medida robusta, lo que significa que no se ve afectada drásticamente por valores extremos o atípicos, a diferencia de la desviación estándar. ### ¿Qué formato de entrada acepta la calculadora? Puedes pegar una lista de números separados por comas, espacios o saltos de línea directamente en el área de texto. ## Herramientas relacionadas - [Calculadora de cuartiles](https://elysiatools.com/es/tools/quartile-calculator): Calcula Q1, mediana, Q3, rango intercuartil y limites opcionales de atipicos - [Calculadora de integral de convolución (numérica)](https://elysiatools.com/es/tools/convolution-integral-calculator): Calcula numéricamente la convolución de dos señales (f*g)(t) = ∫ f(τ)g(t−τ)dτ: modo causal (ambas señales son cero para t<0, integral en \[max(τmin,0), min(τmax,t)\], ideal para productos del dominio de Laplace) y modo de ventana directa (integral en todo \[τmin, τmax\], ideal para señales bilaterales como las gaussianas), mediante la regla compuesta de Simpson (2000 intervalos por defecto). Clásicos: e^(−t)*e^(−2t) = e^(−t)−e^(−2t), 0.2325 en t=1; dos gaussianas se convolucionan en √(π/2)·e^(−t²/2). - [Calculadora de derivación numérica (diferencias forward/backward/central)](https://elysiatools.com/es/tools/numerical-differentiation): Aproxima f′(x₀) con tres diferencias finitas: progresiva (f(x₀+h)−f(x₀))/h, retrograda (f(x₀)−f(x₀−h))/h y central (f(x₀+h)−f(x₀−h))/(2h), más la segunda derivada central. La derivada exacta opcional añade el error absoluto de cada método y muestra el contraste O(h) frente a O(h²). Ejemplo: f=x², x₀=1, h=0,1 → progresiva 2,1; retrograda 1,9; central exactamente 2,0. - [Calculadora de raiz cuadrada](https://elysiatools.com/es/tools/square-root-calculator): Calcula raices cuadradas, comprueba si un valor es un cuadrado perfecto y verifica el resultado al cuadrado - [Solver numérico por método de Euler (EDO de primer orden)](https://elysiatools.com/es/tools/euler-method-solver): Resuelve el problema de valor inicial dy/dx = f(x,y), y(x₀)=y₀ con el método de Euler explícito: y_{n+1} = y_n + h·f(x_n, y_n), con tabla por pasos y estimación final. La solución exacta y(x) es opcional y añade una columna de error que muestra el error global O(h) del método de primer orden. Ejemplo: dy/dx = y, y(0)=1, h=0,1 → y(1) ≈ 1,1¹⁰ = 2,593742 frente a e = 2,718282 (error 0,124539). - [Calculadora de raíces por Newton-Raphson](https://elysiatools.com/es/tools/newton-raphson-root-finder): Resuelve f(x) = 0 con la iteración de Newton-Raphson x_{k+1} = x_k − f(x_k)/f'(x_k): la derivada puede darse analíticamente (si se deja vacía se usa una diferencia central numérica), y se muestran la tabla de iteraciones (x_k y f(x_k)), el criterio de parada (|f| < tolerancia o |Δx| < tolerancia·max(1,|x|)), el número de iteraciones y el |f(raíz)| final. Clásicos: x²−2 desde x₀=1 converge en 4 pasos a √2 ≈ 1.4142135624; cos(x)−x converge al número de Dottie 0.7390851332. Derivada nula, pasos divergentes o exceder el límite de iteraciones se informan explícitamente. - [Integrador por regla de Simpson (∫f(x)dx)](https://elysiatools.com/es/tools/numerical-integration-simpson): Calcula ∫ₐᵇ f(x)dx con la regla de Simpson 1/3 compuesta (n par): S = h/3·(f(a) + 4Σnodos impares + 2Σnodos pares interiores + f(b)), con error O(h⁴) y exacta para polinomios de grado ≤ 3. Tabla por nodos, estimación y comparación opcional con el valor exacto. Ejemplos: ∫₀¹x²dx con n=4 da 0,333333 (¡exacta!); ∫₀¹e^(−x²)dx (sin primitiva elemental) con n=10 da 0,746825. - [Integrador por regla del trapecio (∫f(x)dx)](https://elysiatools.com/es/tools/numerical-integration-trapezoid): Calcula ∫ₐᵇ f(x)dx con la regla del trapecio compuesta: T = h/2·(f(a) + 2Σf(xᵢ) + f(b)), con tabla por nodos, estimación de la integral y comparación opcional con el valor exacto y el error absoluto; el error es O(h²) (exacta para funciones lineales). Ejemplo: ∫₀¹x²dx con n=4 da 0,34375 frente al exacto 1/3, error 0,010417. ## Ejemplos - [Ejemplos de Procesamiento de Imágenes Android Java](https://elysiatools.com/es/samples/android-image-processing-java): Ejemplos de procesamiento de imágenes Android Java incluyendo lectura/escritura, escalado y conversión de formato - [Ejemplos de Procesamiento de Imágenes Android Kotlin](https://elysiatools.com/es/samples/android-image-processing-kotlin): Ejemplos de procesamiento de imágenes Android Kotlin incluyendo lectura/escritura, escalado y conversión de formato - [Ejemplos de Procesamiento de Imágenes Web Python](https://elysiatools.com/es/samples/web-image-processing-python): Ejemplos de procesamiento de imágenes Web Python usando PIL/Pillow incluyendo lectura, guardado, redimensionamiento y conversión de formato - [Ejemplos de Procesamiento de Imágenes Web Rust](https://elysiatools.com/es/samples/web-image-processing-rust): Ejemplos de procesamiento de imágenes Web Rust incluyendo lectura/escritura, escalado y conversión de formato