Il box plot è uno dei grafici più utili quando devo capire in fretta come si distribuiscono dei dati: dove sta il valore centrale, quanto sono dispersi i numeri e se ci sono osservazioni anomale. In statistica funziona bene quando non basta conoscere la media e serve invece vedere la forma della distribuzione. Qui trovi una lettura pratica del diagramma a scatola e baffi, un esempio numerico completo e i controlli che uso per non interpretarlo male.
Tre punti da fissare prima di guardare il grafico
- Il box plot mostra mediana, quartili e outlier in un solo colpo d’occhio.
- La scatola contiene il 50% centrale dei dati, cioè l’area tra Q1 e Q3.
- I baffi non sono sempre il minimo e il massimo assoluti: spesso arrivano fino all’ultimo valore non considerato anomalo.
- Per leggere bene il grafico, io controllo sempre anche la dispersione, l’asimmetria e la presenza di valori isolati.
- Nel confronto tra gruppi, il box plot è più rapido di molti altri grafici, ma non racconta tutto.
Che cosa rappresenta davvero un box plot
Quando uso un box plot, non sto cercando un grafico “bello” ma un riassunto molto compatto della distribuzione. La scatola va dal primo quartile, Q1, al terzo quartile, Q3: in mezzo c’è il 50% dei valori. La linea dentro la scatola è la mediana, cioè il punto che divide i dati in due metà uguali.
All’esterno della scatola ci sono i baffi, che mostrano quanto si estendono i dati verso il basso e verso l’alto. Nella convenzione più diffusa, i baffi arrivano fino all’ultimo valore che resta entro 1,5 volte l’intervallo interquartile (IQR, cioè Q3 - Q1). I punti oltre questa soglia vengono trattati come outlier, cioè osservazioni fuori scala rispetto al resto del campione. È un modo molto efficace per capire se i dati sono concentrati, sbilanciati o disturbati da valori anomali. Da qui conviene passare alla lettura pratica, perché il grafico si capisce davvero solo quando lo si guarda pezzo per pezzo.
Come si legge un diagramma a scatola e baffi
Io leggo sempre il box plot nello stesso ordine: prima la mediana, poi la larghezza della scatola, infine i baffi e gli eventuali outlier. Questo evita di fissarsi subito sul valore estremo e di perdere la struttura generale della distribuzione. In pratica, ogni elemento risponde a una domanda diversa.
| Elemento | Cosa indica | Cosa guardo in pratica |
|---|---|---|
| Linea centrale | Mediana | Il valore tipico, più robusto della media se ci sono estremi |
| Parte bassa della scatola | Q1, primo quartile | Dove inizia il 50% centrale dei dati |
| Parte alta della scatola | Q3, terzo quartile | Dove finisce il 50% centrale dei dati |
| Scatola | IQR | Quanto sono dispersi i valori centrali |
| Baffi | Estensione dei valori non anomali | Quanto si allungano i dati verso i lati |
| Punti isolati | Outlier | Eventi anomali, errori o casi davvero speciali |
Se la mediana è spostata verso un lato della scatola, oppure un baffo è molto più lungo dell’altro, io leggo subito un possibile segnale di asimmetria. Se invece la scatola è stretta e i baffi sono brevi, la variabilità è ridotta. Il punto chiave è questo: il box plot non dà solo un numero, dà una struttura. Ed è proprio per questo che funziona bene negli esempi concreti.
Un esempio numerico con tempi di attesa negli uffici pubblici
Per rendere la lettura trasparente, uso un esempio didattico con i tempi di attesa, in minuti, rilevati in 10 sportelli pubblici. I dati ordinati sono questi: 8, 9, 10, 11, 11, 12, 13, 14, 16, 24. È un caso semplice, ma abbastanza realistico da mostrare sia la forma del grafico sia un valore anomalo.
| Misura | Valore | Lettura |
|---|---|---|
| Minimo | 8 | Valore più basso osservato |
| Q1 | 10 | Il 25% dei dati sta a questo livello o sotto |
| Mediana | 11,5 | Centro della distribuzione |
| Q3 | 14 | Il 75% dei dati sta a questo livello o sotto |
| IQR | 4 | Dispersione del 50% centrale |
| Soglia inferiore | 4 | Q1 - 1,5 × IQR |
| Soglia superiore | 20 | Q3 + 1,5 × IQR |
| Baffi | 8 e 16 | Estremi non anomali nel box plot standard |
| Outlier | 24 | Valore oltre la soglia superiore |
La lettura pratica è abbastanza chiara. Il 50% centrale dei tempi di attesa sta tra 10 e 14 minuti, quindi la maggior parte degli sportelli è abbastanza simile. La mediana a 11,5 minuti dice che il valore tipico è vicino agli 11 minuti. Il 24, invece, non si comporta come gli altri dati: in un’analisi reale io andrei a verificare se si tratta di un picco temporaneo, di una giornata particolarmente critica o di un problema organizzativo più serio. In molti casi il box plot fa proprio questo lavoro: separa il rumore dal segnale. A questo punto ha senso chiedersi non solo cosa mostra, ma anche cosa lascia fuori.
Cosa mostra bene e cosa lascia in ombra
Il box plot è forte sulla sintesi, ma proprio per questo è anche selettivo. Mostra molto bene il centro, la variabilità e gli estremi, però non racconta la densità interna dei dati, cioè come i valori si distribuiscono dentro la scatola. Se due gruppi hanno la stessa mediana e lo stesso IQR, possono comunque avere forme molto diverse, e il box plot da solo non sempre le distingue.
| Strumento | Quando lo preferisco | Limite principale |
|---|---|---|
| Box plot | Confronto rapido tra gruppi, outlier, dispersione | Mostra poco la forma dettagliata della distribuzione |
| Istogramma | Voglio vedere la forma complessiva, i picchi e gli sbilanciamenti | Dipende dalla scelta delle classi |
| Dot plot | Ho pochi dati e voglio vedere ogni osservazione | Diventa meno leggibile con campioni grandi |
Nel mio lavoro, il box plot è quasi sempre il primo colpo d’occhio, non l’ultima parola. Se mi serve capire perché due gruppi differiscono davvero, lo affianco a un istogramma o ai dati grezzi. Questa distinzione è importante perché evita di sovrainterpretare un grafico compatto come se fosse una radiografia completa del campione. Da qui il passo successivo è capire gli errori più comuni, che sono meno banali di quanto sembri.
Gli errori più comuni da evitare
Il primo errore è confondere mediana e media. Il box plot standard mostra la mediana, non la media, e questa differenza conta molto quando ci sono valori estremi. Il secondo errore è pensare che i baffi siano sempre minimo e massimo assoluti: in molte convenzioni non è così, perché i baffi si fermano all’ultimo valore non anomalo.
Un altro errore frequente è leggere un box plot senza sapere come il software calcola i quartili. In campioni piccoli, i dettagli del metodo possono cambiare leggermente il risultato, e quindi è bene controllare la convenzione usata. Infine, io diffido sempre dei confronti troppo rapidi quando i gruppi hanno dimensioni molto diverse o quando manca il contesto: un outlier può essere un errore di misura, ma può anche raccontare un evento reale che vale la pena spiegare. Non basta vederlo, bisogna capirlo. Ed è per questo che il box plot funziona meglio quando lo inserisco in un’analisi più ampia.
Quando conviene usarlo in analisi economiche e sociali
Il box plot è particolarmente utile nelle analisi su redditi, salari, prezzi delle case, tempi di attesa nei servizi pubblici, risultati scolastici o consumo energetico. In tutti questi casi devo confrontare distribuzioni diverse, spesso per territori, fasce sociali o periodi temporali, e il grafico mi aiuta a vedere subito se la variabilità cambia davvero. Per un sito che guarda a economia, società e istituzioni, è uno strumento molto adatto perché rende leggibili differenze che altrimenti resterebbero nascoste in una tabella di numeri.
Io lo userei soprattutto quando il confronto tra gruppi è più importante del valore medio di un singolo gruppo. Per esempio, due regioni possono avere la stessa mediana dei redditi ma una dispersione molto diversa; oppure due uffici pubblici possono avere tempi medi simili, ma una coda di attese molto più pesante in uno dei due. In questi casi il box plot dice subito dove vale la pena approfondire. Il passaggio finale, però, è sempre un controllo di qualità del grafico stesso.
Il controllo che evita letture troppo rapide
Prima di fidarmi del risultato, io verifico tre cose: la dimensione del campione, la convenzione usata per quartili e baffi, e la presenza di casi fuori scala che meritano una spiegazione. Se il campione è molto piccolo, il box plot resta utile, ma va letto con prudenza. Se il software usa una regola leggermente diversa per i quartili, il disegno può cambiare un po’ senza che cambi la sostanza dell’analisi.
Il punto, in fondo, è semplice: il box plot non serve a rendere i dati più eleganti, serve a renderli più leggibili. Quando lo uso bene, mi aiuta a capire se una distribuzione è compatta, asimmetrica o disturbata da valori anomali, e mi dice anche dove serve un approfondimento. Se devo riassumere la logica in una frase, direi che questo grafico mi mostra subito centro, dispersione e casi fuori norma, ma il significato reale emerge solo quando lo collego al contesto dei dati.
