Tukey fue el creador del Análisis Exploratorio de Datos.

El objetivo era que los datos deberían de explotarse visual y descriptivamente (gráficas, diagramas de caja, histogramas, etc.) para detectar patrones, tendencias, valores atípicos o anomalías antes de aplicar pruebas estadísticas formales.

Lo hacía por varias razones sencillas:

• A veces los datos esconden sorpresas: un valor extraño, un error o un patrón inesperado que ninguna prueba estadística señala.

• Las pruebas parten de supuestos (normalidad, homogeneidad, independencia) que no siempre se cumplen; al ver los datos, puedes notar si esas condiciones tienen sentido o no.

• Un valor p o un resultado de prueba puede ser correcto en lo formal, pero deja fuera la riqueza visual: ¿hay tendencia? ¿asimetría? ¿grupos distintos?

• Mirar primero permite generar preguntas nuevas en lugar de solo confirmar lo que ya se pensaba.

Tukey defendía que los datos debían hablar por sí mismos antes de ser “forzados” dentro de una prueba estadística.

1. Errores de registro. Ayuda mediante estadísticos básicos (mínimo, máximo) y frecuencias, a detectar errores humanos de digitación, importación o consolidación.

   Ejemplo: Si el 30% de estudiantes no tienen registrado el "número de inasistencias", no se puede calcular una tasa de asistencia confiable.

2. Casos atípicos. No siempre son errores, a veces son casos extremos que pueden sesgar el análisis. Se pueden identificar usando diagramas de caja y gráficos de dispersión.

   Ejemplo: Detectar a un estudiante con inasistencias extremadamente altas o una nota inexplicablemente baja en relación con la cantidad de horas de estudio.

3. Sesgos. Ayuda analizando y comparando distribuciones entre diferentes subgrupos (por escuela, género, condición socioeconómica).

   Ejemplo: Descubrir que la mayoría de los datos provienen de estudiantes urbanos, sub-representando a la población rural y sesgando cualquier conclusión.

Tukey prestaba mucha atención a los valores atípicos como parte natural de los datos. No lo consideraba como un "error" que debía eliminarse o descartar, si no un signo importante que podría revelar algún fenómeno importante.

Si el estudiante obtuvo un puntaje muy alto a diferencia del resto, lo ideal sería primero visualizarlo como un Boxplot, posterior a ello.

Posterior a ello hacer reflexión, si existe un error lo ideal es corregirlo, si es un caso real reconocer la habilidad del estudiante.

Tambien ayuda a plantear nuevas preguntas quizás pensando sobre si la relación era lineal, pero al graficar se nota que hay una curva o que hay dos subgrupos distintos.

Le da más fuerza a los resultados, porque no solo se presenta un valor estadístico, sino que se muestra con claridad cómo se ve en la práctica.

Aplicar la idea de Tukey en el proyecto hace de la visualización un paso constante; no como adorno al final, sino como herramienta para descubrir y dejarnos sorprender por lo que los datos nos dicen.

A diferencia de la media y la desviación estándar, que son muy sensibles a valores extremos (outliers), la mediana y los cuartiles del resumen de cinco números no se ven afectados por ellos. Un solo valor atípico puede sesgar la media y la desviación estándar, dando una impresión errónea del centro y la dispersión de los datos lo que ve comprometidos los resultados de nuestra investigación.

El resumen de cinco números, especialmente cuando se visualiza en un diagrama de caja, revela si la distribución es simétrica o sesgada. La posición de la mediana dentro de la caja y las longitudes de los "bigotes" del gráfico permiten ver de forma intuitiva si la mayoría de los datos se agrupan en un lado u otro. Además otorga una visión completa del rango ya que incluye el mínimo y el máximo, lo que da una idea del rango total de los datos. Además, el rango intercuartílico (IQR), que es la distancia entre el primer y tercer cuartil, describe la dispersión del 50% de los datos centrales, proporcionando una medida de dispersión más robusta que el rango total, ya que ignora los valores extremos.

Como docente de tecnología, esto es especialmente útil. Por ejemplo, si analizo los tiempos que los estudiantes tardan en completar una actividad en línea, la media podría ocultar que algunos alumnos tardan muchísimo más que otros. Con el five-number summary puedo ver los valores extremos (quiénes necesitan más apoyo), cómo se agrupan la mayoría de los estudiantes (mediana y cuartiles), y detectar posibles patrones de aprendizaje o dificultades.

Además, es fácil de visualizar con un diagrama de caja (boxplot), lo que permite mostrar a los estudiantes o colegas de manera clara dónde se concentran los datos y cuáles son los casos fuera de lo común. Esto ayuda a tomar decisiones más rápidas y acertadas, como ajustar contenidos, tiempos o estrategias de enseñanza, en lugar de depender únicamente de promedios que pueden ser engañosos.