La función boxplot() en R: el diagrama de caja

boxplot() dibuja un diagrama de caja: un resumen visual de cómo se distribuyen tus datos. En un solo gráfico ves el centro, la dispersión y los valores extremos.

Ejemplo simple

boxplot(iris$Sepal.Length)

Qué representa cada parte

Esto es lo que hay que entender, porque el gráfico engaña si no lo sabes:

• La línea del centro de la caja → la mediana.
• Los bordes de la caja → el primer y el tercer cuartil. Dentro de la caja está el 50 % central de los datos.
• Los bigotes → llegan hasta 1,5 veces el rango intercuartílico.
• Los puntos sueltos → los valores atípicos, los que caen más allá de los bigotes.

Fíjate en que la caja no representa la media, sino la mediana. Es un error habitual al interpretarlo.

Comparar grupos

Aquí es donde el boxplot brilla. Con la notación de fórmula comparas una variable numérica entre categorías:

boxplot(Sepal.Length ~ Species, data = iris,
        main = "Largo del sépalo por especie",
        xlab = "Especie",
        ylab = "Largo del sépalo",
        col = "lightblue")

De un vistazo ves si un grupo tiene valores más altos, si está más disperso o si tiene datos raros. Eso mismo con tablas de números te llevaría bastante más.

Ejemplo algo más completo: sacar los valores atípicos

boxplot() no solo dibuja: también devuelve los datos que ha calculado.

resultado <- boxplot.stats(iris$Sepal.Width)

resultado$out
resultado$stats

$out te da directamente los valores atípicos y $stats los cinco números del gráfico. Es el atajo más rápido para detectar outliers sin calcular cuartiles a mano.

Y si solo quieres los números sin dibujar nada:

boxplot(iris$Sepal.Width, plot = FALSE)

Para gráficos más elaborados está ggplot2 con geom_boxplot(), pero para mirar tus datos mientras trabajas, esta línea sobra. Lo comentamos en ggplot().