# Calculadora de cuartiles Calcula Q1, mediana, Q3, rango intercuartil y limites opcionales de atipicos > Página canónica: https://elysiatools.com/es/tools/quartile-calculator - **Categoría:** Math & Numbers - **Palabras clave:** cuartiles, q1, q2, q3, iqr, estadistica ## Descripción general Calcula cuartiles de un conjunto numerico, divide los datos ordenados en cuatro partes y devuelve IQR y limites de atipicos. ## Entradas - **Conjunto de datos** (textarea): e.g. 7, 15, 36, 39, 40, 41 - **Metodo de cuartiles** (select) - **Decimales** (number) - **Incluir limites de atipicos** (checkbox) - **Incluir estadisticas de resumen** (checkbox) ## Cuándo usarlo - Cuando necesitas analizar la dispersión y la tendencia central de un conjunto de datos numéricos. - Para identificar valores atípicos (outliers) antes de entrenar modelos estadísticos o de machine learning. - Al preparar datos para construir diagramas de caja (boxplots) en informes de investigación o presentaciones. ## Cómo funciona - Ingresa tu conjunto de datos numéricos separados por comas, espacios o saltos de línea en el campo principal. - Selecciona el método de cálculo de cuartiles preferido, como interpolación lineal, percentil exclusivo o mediana de mitades. - Ajusta la cantidad de decimales deseados y elige si deseas incluir los límites de valores atípicos y estadísticas de resumen. - Obtén los resultados estructurados al instante con los valores exactos de Q1, Q2, Q3 y el IQR calculados. ## Casos de uso - Análisis de salarios en recursos humanos para determinar los rangos de compensación típicos y detectar sueldos excepcionalmente altos o bajos. - Evaluación de calificaciones de estudiantes por parte de profesores para entender la distribución del rendimiento académico de una clase. - Control de calidad en manufactura para medir la consistencia del peso o tamaño de los productos y establecer límites para descartar piezas defectuosas. ## Preguntas frecuentes ### ¿Qué es el rango intercuartílico (IQR)? El IQR es la diferencia entre el tercer cuartil (Q3) y el primer cuartil (Q1). Mide la dispersión del 50% central de los datos, siendo una métrica robusta frente a valores extremos. ### ¿Qué métodos de cálculo de cuartiles soporta la herramienta? Soporta tres métodos comunes: interpolación lineal, percentil exclusivo y el método de la mediana de mitades (que divide el conjunto en dos mitades a partir de la mediana). ### ¿Cómo detecta la calculadora los valores atípicos? Utiliza la regla estándar de 1.5 x IQR. Calcula un límite inferior (Q1 - 1.5 * IQR) y un límite superior (Q3 + 1.5 * IQR) para identificar cualquier anomalía en los datos. ### ¿Puedo pegar datos directamente desde Excel o CSV? Sí, puedes copiar y pegar una columna de números o una fila separada por comas directamente en el campo de texto; la herramienta procesará los datos automáticamente. ### ¿Qué significan Q1, Q2 y Q3? Q1 es el percentil 25 (el 25% de los datos es menor a este valor), Q2 es la mediana (percentil 50) y Q3 es el percentil 75 del conjunto de datos ordenado. ## Herramientas relacionadas - [Calculadora de rango intercuartil](https://elysiatools.com/es/tools/interquartile-range-calculator): Calcula Q1, Q3, IQR y limites opcionales de 1.5 x IQR - [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 - [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. - [Detector de anomalias en series temporales](https://elysiatools.com/es/tools/time-series-anomaly-detector): Sube datos de series temporales en CSV o JSON, detecta anomalías con Z-Score e IQR y devuelve un informe con grafico - [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). ## 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 ## Contenido relacionado - [Herramientas de analisis estadistico, pruebas y distribuciones](https://elysiatools.com/es/hubs/statistical-analysis-tools): Resume datos numericos, mide dispersion, compara grupos, calcula confianza y probabilidad, y modela relaciones con herramientas estadisticas enfocadas.