Uma equipe de desenvolvimento mediu o número de bugs encontrados por sprint:
Construa um boxplot para representar esses dados. Identifique a mediana, os quartis e quaisquer possíveis outliers.
Passo 1
O enunciado pede pra gente construir um boxplot baseado nos dados de número de bugs por sprint
. O conteúdo envolvido é estatística descritiva: vamos precisar ordenar os dados, encontrar a mediana, os quartis, calcular o intervalo interquartílico (IQR) e usar a regra 1.5×IQR pra identificar outliers.
Passo 2
Primeiro a gente ordena os dados pra facilitar o cálculo:
Como são 8 observações (n=8), a mediana
é a média dos valores na posição 4 e 5 da lista ordenada, ou seja:
Passo 3
Agora vamos dividir em duas metades iguais pra achar os quartis. A metade inferior é
e a superior é
.
Para o primeiro quartil pegamos a mediana da metade inferior (posições 2 e 3):
Para o primeiro quartil
Para o terceiro quartil
pegamos a mediana da metade superior (posições 6 e 7 no conjunto todo):
Passo 4
Com
e
calculados, vem o intervalo interquartílico:
Usando a regra 1.5×IQR pra definir limites de detecção de outliers:
Como todos os valores originais estão entre 2.5 e 10.5, não há outliers.
Passo 5
Pra montar o boxplot a gente desenha uma “caixa” indo de
até
, traça uma linha interna na mediana
. Os “bigodes” (whiskers) vão do menor valor observado
até o maior valor observado
. Não aparecem pontos além desses bigodes porque não há outliers.
Resposta
Mediana: 6.5; Quartis: Q1 = 5.5 e Q3 = 7.5; IQR = 2; limites pra outliers em [2.5, 10.5]; não há outliers. No boxplot, a caixa vai de 5.5 a 7.5, a linha interna na mediana 6.5 e os whiskers nos valores mínimo (5) e máximo (9).