O que são Quartis e o Intervalo Interquartil?
Definição de Quartis
Os quartis são valores estatísticos que dividem um conjunto de dados ordenado em quatro partes iguais. Cada parte representa 25% da distribuição dos dados. São ferramentas fundamentais para analisar a dispersão e o centro dos dados quantitativos.
O Primeiro Quartil (Q1) marca o 25º percentil. O Segundo Quartil (Q2) marca o 50º percentil, que também é a mediana. O Terceiro Quartil (Q3) marca o 75º percentil. Se você precisa calcular apenas a mediana de um conjunto de dados, nossa Calculadora de Mediana fornece uma interface otimizada para essa tarefa específica.
Definição do Intervalo Interquartil
O Intervalo Interquartil (IQR) mede a dispersão dos 50% centrais dos dados. É calculado subtraindo o primeiro quartil do terceiro quartil. O IQR é uma medida robusta de variabilidade porque ignora os outliers extremos.
Ao contrário da amplitude padrão (Máximo menos Mínimo), o IQR foca exclusivamente na porção central da distribuição. Isso o torna a medida de dispersão preferida para distribuições assimétricas ou conjuntos de dados contendo outliers.
Como usar esta Calculadora de Quartis e IQR
- Insira seus dados: Digite ou cole seus valores numéricos na área de texto, colocando um número por linha.
- Processamento automático: A calculadora analisa sua entrada e ordena os valores em ordem crescente automaticamente.
- Ver resultados: A ferramenta exibe instantaneamente Q1, Q2 (Mediana), Q3 e o IQR no painel de resultados.
- Revisar cálculos: Verifique o detalhamento passo a passo para ver exatamente como cada quartil foi calculado.
- Verificar métricas adicionais: Veja o mínimo, máximo, contagem e amplitude na grade de métricas abaixo dos resultados.
A calculadora usa o Método Exclusivo, também conhecido como Dobradiças de Tukey. Este é o método padrão ensinado em estatística introdutória e usado por calculadoras gráficas como a TI-83 e TI-84.
Fórmulas e Posições dos Quartis
Os quartis são determinados encontrando as medianas de subconjuntos específicos dos dados ordenados. O cálculo baseia-se inteiramente na posição dos valores, em vez de fórmulas aritméticas complexas.
Para encontrar Q1 e Q3, o conjunto de dados é dividido em duas metades com base na mediana.
- Metade Inferior: Todos os valores abaixo da mediana. Se $n$ for ímpar, a própria mediana é excluída.
- Metade Superior: Todos os valores acima da mediana. Se $n$ for ímpar, a própria mediana é excluída.
Essa abordagem posicional garante que os quartis reflitam com precisão o centro físico dos subconjuntos de dados. Impede que a mediana influencie artificialmente a dispersão dos quartos inferior e superior.
A Fórmula do Intervalo Interquartil (IQR)
O Intervalo Interquartil quantifica a dispersão da porção central do conjunto de dados. Ele foca exclusivamente nos 50% do meio, ignorando os 25% mais baixos e os 25% mais altos dos valores.
Um IQR pequeno indica que os valores centrais estão agrupados de perto. Um IQR grande indica que os valores centrais estão muito dispersos.
Ao contrário da amplitude padrão (Máximo menos Mínimo), o IQR não é distorcido por outliers extremos. Isso o torna a medida de dispersão preferida para distribuições assimétricas.
Como Calcular os Quartis Manualmente
Calcular quartis manualmente requer um processo estrito e sequencial. Seguir estes passos garante resultados precisos todas as vezes.
Vamos calcular os quartis para este conjunto de dados de 11 notas de exames de alunos: 92, 85, 78, 95, 88, 76, 90, 82, 89, 91, 84
Cálculo Passo a Passo
- Ordenar os dados em ordem crescente:
Original: $92, 85, 78, 95, 88, 76, 90, 82, 89, 91, 84$
Ordenado: $76, 78, 82, 84, 85, 88, 89, 90, 91, 92, 95$ - Contar os pontos de dados:
$n = 11$ (número ímpar) - Encontrar Q2 (Mediana):
Posição = $\frac{n+1}{2} = \frac{11+1}{2} = 6$
O 6º valor na lista ordenada é $88$
Q2 = 88 - Dividir em metades inferior e superior:
Como $n=11$ é ímpar, exclua a mediana (88):
Metade inferior: $[76, 78, 82, 84, 85]$
Metade superior: $[89, 90, 91, 92, 95]$ - Encontrar Q1 (Mediana da metade inferior):
A metade inferior tem 5 valores: $[76, 78, 82, 84, 85]$
Posição = $\frac{5+1}{2} = 3$
O 3º valor é $82$
Q1 = 82 - Encontrar Q3 (Mediana da metade superior):
A metade superior tem 5 valores: $[89, 90, 91, 92, 95]$
Posição = $\frac{5+1}{2} = 3$
O 3º valor é $91$
Q3 = 91 - Calcular o IQR:
$IQR = Q3 - Q1 = 91 - 82 = 9$
IQR = 9
Resultados Finais: Q1 = 82, Q2 = 88, Q3 = 91, IQR = 9
Interpretação: Os 50% centrais das notas dos exames caem entre 82 e 91, abrangendo um intervalo de 9 pontos. Isso indica um desempenho relativamente consistente entre o grupo central de alunos.
O Resumo dos Cinco Números
Os quartis formam o núcleo do resumo dos cinco números. Este resumo fornece uma visão geral completa da distribuição de um conjunto de dados usando apenas cinco valores específicos.
| Componente | Descrição | Percentil |
|---|---|---|
| Mínimo | O menor valor no conjunto de dados. | 0º |
| Primeiro Quartil (Q1) | A mediana da metade inferior. | 25º |
| Segundo Quartil (Q2) | A mediana de todo o conjunto de dados. | 50º |
| Terceiro Quartil (Q3) | A mediana da metade superior. | 75º |
| Máximo | O maior valor no conjunto de dados. | 100º |
O resumo dos cinco números é altamente eficiente. Requer um cálculo mínimo enquanto fornece insights profundos sobre o centro, a dispersão e a possível assimetria dos dados.
Exemplos Práticos de Quartis
Os exemplos a seguir demonstram como calcular quartis usando o Método Exclusivo para tamanhos de conjuntos de dados ímpares e pares.
Exemplo 1: Número Ímpar de Pontos de Dados
Um pesquisador coleta as seguintes 7 notas de testes: $88, 75, 92, 65, 80, 95, 70$. Ele precisa encontrar os quartis e o IQR.
Solução
- Ordenar os dados: $65, 70, 75, 80, 88, 92, 95$.
- Encontrar Q2 (Mediana): O valor central (4ª posição) é $80$. Então, $Q2 = 80$.
- Dividir as metades: Como $n=7$ (ímpar), exclua a mediana. Metade inferior: $[65, 70, 75]$. Metade superior: $[88, 92, 95]$.
- Encontrar Q1: A mediana da metade inferior $[65, 70, 75]$ é $70$. Então, $Q1 = 70$.
- Encontrar Q3: A mediana da metade superior $[88, 92, 95]$ é $92$. Então, $Q3 = 92$.
- Calcular o IQR: $$IQR = Q3 - Q1 = 92 - 70 = 22$$
Resultado: $Q1 = 70$, $Q2 = 80$, $Q3 = 92$, e $IQR = 22$. Os 50% centrais das notas dos testes abrangem um intervalo de 22 pontos.
Exemplo 2: Número Par de Pontos de Dados
Um gerente rastreia as vendas diárias de um produto ao longo de 8 dias: $12, 15, 14, 18, 20, 16, 22, 19$. Ele precisa encontrar os quartis e o IQR.
Solução
- Ordenar os dados: $12, 14, 15, 16, 18, 19, 20, 22$.
- Encontrar Q2 (Mediana): Os dois valores centrais são $16$ e $18$. A média é $\frac{16+18}{2} = 17$. Então, $Q2 = 17$.
- Dividir as metades: Como $n=8$ (par), divida exatamente ao meio. Metade inferior: $[12, 14, 15, 16]$. Metade superior: $[18, 19, 20, 22]$.
- Encontrar Q1: A mediana de $[12, 14, 15, 16]$ é $\frac{14+15}{2} = 14.5$. Então, $Q1 = 14.5$.
- Encontrar Q3: A mediana de $[18, 19, 20, 22]$ é $\frac{19+20}{2} = 19.5$. Então, $Q3 = 19.5$.
- Calcular o IQR: $$IQR = Q3 - Q1 = 19.5 - 14.5 = 5$$
Resultado: $Q1 = 14.5$, $Q2 = 17$, $Q3 = 19.5$, e $IQR = 5$. Os 50% centrais das vendas diárias variam em apenas 5 unidades.
Visualizando Quartis com Box Plots
Os quartis são os componentes fundamentais de um box plot, também conhecido como diagrama de caixa e bigodes. Esta representação gráfica fornece um resumo visual imediato do resumo dos cinco números.
A "caixa" no gráfico se estende de Q1 a Q3. O comprimento desta caixa representa o IQR. Uma linha vertical dentro da caixa marca a localização de Q2 (a mediana).
Os "bigodes" se estendem das bordas da caixa até os valores mínimo e máximo. Se houver outliers presentes, os bigodes tipicamente param nas cercas, e os outliers são plotados como pontos individuais além dos bigodes.
Os box plots são altamente eficazes para comparar múltiplos conjuntos de dados lado a lado. Eles revelam diferenças em medianas, dispersões e assimetrias sem exigir que o espectador leia números brutos.
Usando Quartis para Detectar Outliers
Uma das aplicações mais poderosas do IQR é a detecção de outliers. Outliers são pontos de dados que caem significativamente longe do resto da distribuição. Eles podem distorcer análises estatísticas e modelos de aprendizado de máquina.
Estatísticos usam a regra de $1.5 \times IQR$ para estabelecer limites matemáticos, conhecidos como cercas. Qualquer ponto de dados fora dessas cercas é classificado como um outlier.
Valores abaixo da Cerca Inferior ou acima da Cerca Superior são considerados outliers leves. Outliers extremos são às vezes definidos usando um multiplicador de $3.0 \times IQR$ em vez de $1.5$.
Exemplo Prático: Detecção de Outliers
Considere o conjunto de dados do exemplo de cálculo manual: $76, 78, 82, 84, 85, 88, 89, 90, 91, 92, 95$. Calculamos $Q1 = 82$, $Q3 = 91$, e $IQR = 9$. Suponha que um novo aluno tire uma nota de $50$ no exame. Isso é um outlier?
Solução
- Calcular a Cerca Inferior: $$82 - (1.5 \times 9) = 82 - 13.5 = 68.5$$
- Calcular a Cerca Superior: $$91 + (1.5 \times 9) = 91 + 13.5 = 104.5$$
- Avaliar a nova nota: A nota é $50$. Como $50 < 68.5$, ela cai abaixo da Cerca Inferior.
Resultado: A nota de $50$ é um outlier estatístico. Ela está muito fora do intervalo esperado do desempenho do resto da turma.
Quartis vs. Percentis
Tanto os quartis quanto os percentis dividem dados ordenados em segmentos. No entanto, eles diferem em granularidade e aplicações típicas.
| Característica | Quartis | Percentis |
|---|---|---|
| Divisões | Divide os dados em 4 partes iguais. | Divide os dados em 100 partes iguais. |
| Valores Chave | Q1 (25%), Q2 (50%), Q3 (75%). | Qualquer valor do 1º ao 99º. |
| Uso Principal | Resumo geral de dados, box plots, IQR. | Testes padronizados, curvas de crescimento, rankings. |
| Granularidade | Grosseira (visão geral ampla). | Fina (classificação precisa). |
Enquanto todo quartil é um percentil, nem todo percentil é um quartil. Q1 é exatamente o 25º percentil. Q2 é o 50º percentil. Q3 é o 75º percentil.
Quando Usar Quartis e IQR
Quartis e o IQR são ferramentas essenciais para a estatística descritiva. Eles são particularmente valiosos ao analisar dados que não seguem uma distribuição normal.
Para dados distribuídos normalmente, o desvio padrão é a medida de dispersão preferida. No entanto, para dados assimétricos, como distribuições de renda ou preços de imóveis, o IQR fornece uma representação muito mais precisa da dispersão típica. Se você estiver analisando dados distribuídos normalmente e precisar medir a dispersão, nossa Calculadora de Desvio Padrão é a ferramenta apropriada.
Os quartis também são obrigatórios para construir box plots. Eles permitem que os pesquisadores comparem visualmente as distribuições de múltiplos grupos simultaneamente. Antes de calcular quartis, é frequentemente útil explorar a tendência central básica de seus dados usando nossa Calculadora de Média, Mediana e Moda.
Perguntas Frequentes
Um quartil pode ser um número que não está no conjunto de dados?
Sim. Se a metade inferior ou superior do conjunto de dados contiver um número par de valores, o quartil é calculado fazendo a média dos dois números centrais. Essa média frequentemente resulta em um decimal que não existe no conjunto de dados original.
Por que o IQR é preferido à amplitude para medir a dispersão?
A amplitude é calculada subtraindo o mínimo do máximo. Um único outlier extremo pode inflar drasticamente a amplitude, tornando-a uma medida não confiável da dispersão típica. O IQR ignora os 25% mais baixos e os 25% mais altos dos dados, tornando-o robusto contra outliers.
Como você lida com números duplicados ao encontrar quartis?
Números duplicados são tratados exatamente como números únicos. Eles são incluídos na lista ordenada e ocupam suas próprias posições. Se a mediana cair em um valor duplicado, ela ainda é excluída das metades se a contagem total for ímpar.
O que significa se o IQR for zero?
Um IQR de zero significa que Q1 e Q3 têm exatamente o mesmo valor. Isso indica que os 50% centrais do conjunto de dados consistem inteiramente de números idênticos. Sugere uma distribuição altamente concentrada com muito pouca variabilidade no centro.
Existem métodos diferentes para calcular quartis?
Sim. O Método Exclusivo (Tukey) exclui a mediana para conjuntos de dados ímpares. O Método Inclusivo (Mendenhall e Sincich) inclui a mediana em ambas as metades. Softwares estatísticos como Excel e Python podem usar métodos de interpolação que produzem resultados ligeiramente diferentes.
O IQR pode ser negativo?
Não. O IQR é calculado subtraindo Q1 de Q3. Como Q3 representa o 75º percentil e Q1 representa o 25º percentil, Q3 é sempre maior ou igual a Q1 em um conjunto de dados ordenado. Portanto, o IQR é sempre zero ou positivo.
Como os quartis ajudam a identificar a assimetria?
Se a distância de Q1 a Q2 for muito maior do que a distância de Q2 a Q3, os dados são assimétricos negativamente (assimetria à esquerda). Se a distância de Q2 a Q3 for muito maior, os dados são assimétricos positivamente (assimetria à direita). Distâncias iguais sugerem simetria.
Qual é a diferença entre Q2 e a média?
Q2 é a mediana, que é o valor físico central dos dados ordenados. A média é a média aritmética. Em uma distribuição perfeitamente simétrica, eles são idênticos. Em distribuições assimétricas, a média é puxada em direção aos outliers, enquanto Q2 permanece estável no centro.
Por que o multiplicador 1.5 é usado para as cercas de outliers?
O multiplicador 1.5 é um padrão empírico estabelecido pelo estatístico John Tukey. Ele fornece um limite equilibrado que identifica outliers significativos sem sinalizar variações normais em dados moderadamente dispersos como anomalias.
Posso calcular quartis para dados categóricos?
Não. Os quartis requerem dados numéricos que possam ser classificados e ordenados em ordem crescente. Dados categóricos, como cores ou nomes de marcas, carecem de uma ordem matemática e não podem ser divididos em percentis quantitativos.