Nel 2007 Roland Fryer pubblicò uno studio in cui i candidati con nomi “afroamericani” ricevevano il 50% di richiami in meno rispetto ai candidati con nomi “bianchi”. Ma il punto che in molti si lasciarono sfuggire non era la media: era la forma della distribuzione dei richiami. Il boxplot di Fryer mostrava che per i candidati con nomi “afroamericani” la distribuzione era più compressa, e che mancavano quasi del tutto i richiami dalle aziende di alta qualità.
Ecco perché il boxplot è uno strumento di base. Non rimpiazza la media: mostra quello che la media tiene nascosto, cioè la forma della distribuzione, dove si addensano i valori e se ci sono anomalie. Due gruppi possono avere la stessa media e distribuzioni completamente diverse, e il boxplot lo mette subito in chiaro.
Anatomia di un boxplot: elemento per elemento
Il boxplot lo inventò John Tukey nel 1970, come strumento per esplorare i dati prima di confermarli. Prendiamo i tempi di consegna di 100 ordini di un e-commerce.
Ogni elemento ha un significato preciso:
| Elemento | Definizione statistica | Significato pratico |
|---|---|---|
| Mediana | 50° percentile | Il punto centrale reale: metà degli ordini arriva prima di questo tempo |
| Q1 | 25° percentile | Il 25% degli ordini più veloci arriva entro questo tempo |
| Q3 | 75° percentile | Il 75% degli ordini arriva entro questo tempo |
| IQR | Q3 - Q1 | Variabilità dei valori tipici, escludendo gli estremi |
| Baffo inferiore | Q1 - 1.5 × IQR | Limite inferiore del normale |
| Baffo superiore | Q3 + 1.5 × IQR | Limite superiore del normale |
| Outlier | Valori oltre i baffi | Anomalie che meritano attenzione |
Per una distribuzione normale, la formula dei baffi copre il 99.3% dei valori.
Un esempio concreto: tempi di consegna e-commerce
Un e-commerce con consegne tra 1 e 25 giorni produce un boxplot con mediana a 5 giorni, IQR tra 3 e 8 giorni e un outlier a 25 giorni. La media da sola, mettiamo 6 giorni, non racconta né l’asimmetria della distribuzione né gli outlier importanti che il boxplot invece rende evidenti.
Leggere ogni elemento: approfondimento dettagliato
Quartili
I quartili dividono i dati in quattro parti uguali, e la mediana è il valore centrale. Quando ci sono outlier che spostano la media, la mediana è più affidabile.
Intervallo interquartile (IQR)
L’IQR misura la variabilità dei dati centrali, lasciando fuori il 25% più basso e il 25% più alto. Un IQR piccolo indica coerenza, uno grande indica alta variabilità.
Baffi
I baffi delimitano il range “normale” dei dati secondo la formula di Tukey. I valori che li superano sono rari e meritano un’occhiata.
Outlier
Gli outlier sono i casi particolari da andare a investigare: ordini in zone remote, risposte di customer service eccezionalmente lunghe, acquisti molto più alti del solito. Non sono rumore da buttare via, sono opportunità o problemi da capire.
Perché il boxplot batte la media: il quartetto di anscombe
Nel 1973 Francis Anscombe costruì quattro dataset con le stesse statistiche descrittive ma distribuzioni completamente diverse. Era la dimostrazione che la media, e qualsiasi altra statistica riassuntiva, possono ingannarti se non visualizzi i dati.
Esempio di due reparti
Due reparti con la stessa media vendite (100 euro) possono avere distribuzioni molto diverse: uno stabile e prevedibile, l’altro con grandi oscillazioni e outlier. Il boxplot rende visibile questa differenza, ed è una differenza che conta per pianificare.
Boxplot vs istogramma vs violin plot
| Visualizzazione | Uso migliore | Pro | Contro |
|---|---|---|---|
| Boxplot | Confronto tra 5-20 distribuzioni | Compatto, mostra outlier chiaramente | Nasconde la forma completa |
| Istogramma | Analisi di 1-2 distribuzioni | Mostra forma dettagliata | Difficile confronto multiplo |
| Violin Plot | Combina boxplot e istogramma | Mostra forma e quartili | Più complesso visivamente |
| Density Plot | Dati continui molto lisci | Elegante, naturale | Meno preciso sugli outlier |
Per confrontare più gruppi usa il boxplot. Per capire la forma di una singola distribuzione usa l’istogramma. Se vuoi entrambe le cose, il violin plot.
Come creare boxplot in python
Base con matplotlib
Un esempio mostra tre canali marketing con distribuzioni diverse. L’email marketing ha una distribuzione bimodale che la media rappresenta male, mentre il boxplot la fa emergere con chiarezza.
Avanzato con seaborn
Con un dataset più realistico, Seaborn permette di creare boxplot colorati con i singoli punti sovrapposti, così vedi la distribuzione vera e scopri strutture che altrimenti restano nascoste.
Boxplot in SQL: calcolare quartili con window functions
Quartili, IQR, baffi e conteggio degli outlier si possono calcolare direttamente in SQL con funzioni come PERCENTILE_CONT, e questo permette di tenere le dashboard automatiche e sempre aggiornate.
5 pattern da riconoscere subito
- Scatola stretta: dati concentrati, processo stabile e prevedibile.
- Scatola larga: alta variabilità, processo imprevedibile.
- Mediana non centrata: distribuzione asimmetrica, media fuorviante.
- Molti outlier: casi da investigare, opportunità o problemi.
- Boxplot comparativi: mostrano cambiamenti in mediana e variabilità.
Quando usare il boxplot
| Usa quando… | Evita quando… |
|---|---|
| Confronti tra gruppi | Pochi dati (<20 per gruppo) |
| Cerchi outlier | Mostri trend temporali |
| Analizzi distribuzioni continue | Dati categorici |
| Sospetti differenze non evidenti nella media | Pubblico non familiare con grafici statistici |
Con un pubblico non tecnico meglio istogrammi o bar chart; con team analitici, il boxplot.
Tre applicazioni immediate nel business
Sul tempo di risposta del customer service, il boxplot fa emergere gli agenti con prestazioni incostanti e gli outlier da investigare. Sulla distribuzione dell’AOV, segmentando per canale, mostra differenze che la media nasconde. Sulle performance dei venditori, distingue chi è stabile da chi è volatile, e ti dice dove intervenire.
La lezione di base
Visualizzare i dati è parte dell’analisi, non un passaggio cosmetico. Il boxplot è lo strumento più semplice per far venire fuori la struttura che la media nasconde. Prima di accettare una media, chiedi sempre di vedere il boxplot.
Relazione con il corso ginnytech
Per approfondire, vai ai moduli Matematica Analisi Dati e Analisi Marketing, dove si spiegano quantili, percentili e le loro applicazioni pratiche.
Il punto
Il boxplot mostra la struttura reale dei dati e ti aiuta a decidere meglio quando c’è incertezza. Non fermarti alla media: il boxplot ti fa vedere quello che conta davvero.