PlotNerd vs The Rest: por qué nuestros cálculos son más precisos
Muchas calculadoras estadísticas se ven iguales. La diferencia está en los detalles: punto flotante, definiciones de cuantiles (Type 6/7) y verificabilidad. Este artículo hace visible la ingeniería “hardcore” de PlotNerd para que tus resultados sean rápidos, explicables y reproducibles.
TL;DR
- Que las calculadoras discrepen es normal porque “cuartiles” es una familia de definiciones (Type 6 vs Type 7, etc.), no una fórmula universal.
- El error de punto flotante es real. PlotNerd usa Kahan summation (suma compensada) para reducir la pérdida de precisión al agregar valores.
- PlotNerd está pensado para verificación: Excel
QUARTILE.INC/QUARTILE.EXC, Rquantile(..., type=7)/type=6, y resultados tipo WolframAlpha se pueden comparar fácilmente.
1) Por qué las calculadoras discrepan
Si pegas el mismo conjunto de datos en Excel, R, Python/NumPy y algunas calculadoras online, es común ver Q1/Q3 distintos — incluso cuando todos “calculan cuartiles”.
Causa A: Definiciones distintas de cuantiles
La taxonomía Hyndman–Fan (1996) define múltiples algoritmos de cuantiles muestrales. “Type 6” y “Type 7” son válidos — solo diferentes.
Causa B: Aritmética de punto flotante
Los ordenadores representan la mayoría de decimales de forma aproximada. Sumar o interpolar muchos valores puede amplificar errores pequeños si no se usan técnicas numéricamente estables.
Para una visión general primero, mira: Métodos de cuartiles comparados y la Guía de selección de algoritmo.
2) Kahan summation: precisión para sumas y medias
Una suma ingenua (reduce((a,b) => a + b)) puede perder
valores pequeños cuando el acumulado se vuelve enorme. Kahan summation
mantiene un término de “compensación” para recuperar parte de esa precisión.
// Un patrón clásico de cancelación
values = [1e16, 1, 1, -1e16]
naiveSum(values) // -> 0 (pierde los dos 1)
kahanSum(values) // -> 2 (los recupera)PlotNerd usa suma compensada para agregados principales (como suma y media) para reducir “derivas” de redondeo — especialmente con magnitudes mixtas.
3) Type 6 vs Type 7: QUARTILE.EXC vs QUARTILE.INC
Cuando alguien dice “cuartiles de Excel”, normalmente se refiere a
QUARTILE.INC. Pero Excel también tiene QUARTILE.EXC.
Se basan en reglas de índice distintas y pueden producir Q1/Q3 diferentes
con muestras pequeñas.
| Método | Regla de índice | Coincidencia típica |
|---|---|---|
| Type 7 (predeterminado R/Python) | h = (n − 1) · p + 1 |
R type=7, NumPy method="linear",
Excel QUARTILE.INC |
| Type 6 (estilo Excel EXC) | h = (n + 1) · p |
Excel QUARTILE.EXC, plantillas heredadas
|
Si tu objetivo es reproducibilidad entre software, debes nombrar el método, no solo decir “cuartiles”. PlotNerd expone ambos modos de Excel para que equipos puedan alinear reportes sin adivinar.
4) Cómo PlotNerd hace verificables los resultados
Elige el algoritmo correcto
Usa el selector para ajustar a tu entorno: R/Python (Type 7), Excel INC/EXC, Bisagras de Tukey o estilo WolframAlpha.
Abrir comparación de software →Verifica externamente (cuando haga falta)
PlotNerd genera fórmulas/snippets para reproducir los cuartiles en Excel/R/Python o contrastarlos con WolframAlpha.
Leer sobre diferencias de software →Flujo práctico (recomendado)
- Define el entorno objetivo (reporte en Excel vs análisis en R/Python).
- Selecciona el método correspondiente en PlotNerd.
- Si el resultado debe ser auditado, pulsa “Verify Results” y guarda la fórmula/código en tus notas.
5) FAQ
¿QUARTILE.INC es Type 7 o Type 6?
En PlotNerd, QUARTILE.INC corresponde a Type 7 (R-7) con
interpolación lineal. QUARTILE.EXC corresponde a una regla
tipo Type 6.
¿Por qué Type 6 y Type 7 difieren más con datasets pequeños?
Con n pequeño, cambiar la regla de índice mueve la posición
objetivo entre rangos discretos, y la interpolación cae en segmentos
distintos.
¿Kahan summation hace los resultados “exactos”?
No. Reduce el error numérico en sumas/medias, pero no elimina todas las limitaciones del punto flotante. Piensa “más estable”, no “perfecto”.
¿Qué método debo usar en artículos académicos?
Si tu pipeline es R/Python, Type 7 suele ser el predeterminado más común. Lo importante es declarar el método en la sección de metodología.
¿Qué método debo usar para reportes basados en Excel?
Usa QUARTILE.INC si eso usa tu hoja. Si heredaste una plantilla con
QUARTILE.EXC, entonces iguala esa convención.
¿Puedo comparar métodos lado a lado?
Sí — usa los módulos de comparación y observa cómo cambian Q1/Q3/IQR. Empieza con Métodos de cuartiles comparados.
¿Qué pasa si mi dataset tiene valores repetidos o es discreto (encuestas 1–5)?
Los datos discretos suelen tener “mesetas” donde muchos rangos son iguales. Las diferencias pueden reducirse o desaparecer; el IQR puede ser 0 si Q1 = Q3.
¿Dónde puedo aprender a interpretar el resultado?
Empieza con Cómo leer un box plot y Tukey vs R-7.
6) Metodología y casos límite (EEAT)
- Validación de entrada: PlotNerd requiere al menos 4 valores numéricos finitos para calcular cuartiles.
- Redondeo: La UI redondea para legibilidad (epsilon-aware). Internamente se mantiene precisión de punto flotante antes del redondeo final.
- Casos degenerados: Si todos los valores son idénticos, los cuartiles colapsan (Q1 = mediana = Q3).
- Auditabilidad: Si necesitas trazabilidad, guarda el código/fórmula de verificación junto con el dataset.
Aviso: este artículo es educativo y no sustituye una revisión estadística específica de tu dominio. Sigue siempre las convenciones requeridas por tu curso, revista u organización.
7) Referencias
- Kahan summation (suma compensada) — técnica clásica para mejorar la precisión de suma en punto flotante.
- Hyndman, R. J., & Fan, Y. (1996) — cuantiles muestrales y taxonomía Type 1–9.
-
Documentación de Microsoft Excel — definiciones de
QUARTILE.INCyQUARTILE.EXC.
8) Registro de actualizaciones
- 2026-02-24: Publicado. Se añadieron notas de Kahan summation y se aclaró el mapeo Type 6 vs Type 7 para Excel INC/EXC.