Tipos de gráficos estadísticos: cuándo usar cada uno

📊 Tipos de gráficos estadísticos: Elige el correcto para tus datos

¿Alguna vez te has preguntado por qué algunos gráficos transmiten la información claramente mientras otros solo generan confusión? La clave está en elegir el tipo de gráfico adecuado para cada tipo de datos y objetivo. Un buen gráfico puede revelar patrones ocultos, mientras que uno inapropiado puede ocultar la verdad o incluso engañar.

🎯 En este post aprenderás: Los principales tipos de gráficos estadísticos (barras, circular, líneas, histograma, dispersión), cuándo usar cada uno según el tipo de variables, cómo interpretarlos correctamente y errores comunes a evitar.

🔍 El primer paso: Conocer tus variables

📊 Tipos de variables determinan tipos de gráficos

Antes de elegir un gráfico, debes identificar qué tipo de variables estás manejando. Esta decisión inicial es crucial para seleccionar la representación gráfica adecuada.

Tipo de Variable	Características	Ejemplos	¿Se puede ordenar?
Cualitativa Nominal	Nombres, categorías sin orden	Color favorito, tipo de música, marca	No
Cualitativa Ordinal	Categorías con orden natural	Nivel educativo, satisfacción (baja/media/alta), talla	Sí
Cuantitativa Discreta	Números enteros, valores contables	Número de hermanos, goles marcados, estudiantes por clase	Sí
Cuantitativa Continua	Números reales, mediciones	Altura, peso, temperatura, tiempo	Sí

💡 Regla de oro: Para variables cualitativas usa gráficos de barras o circular. Para variables cuantitativas usa histogramas, gráficos de líneas o diagramas de dispersión. Los gráficos de barras también pueden usarse con cuantitativas discretas cuando hay pocos valores distintos.

📊 Gráfico de Barras (o de Columnas)

📈 DEFINICIÓN

Representa: Frecuencias de categorías
Elementos: Barras rectangulares de altura proporcional a la frecuencia
Ejes: X = categorías, Y = frecuencias
Variantes: Vertical (columnas) u horizontal (barras)
Mejor para: Comparar categorías
Variables: Cualitativas o cuantitativas discretas

✅ CUÁNDO USAR

Comparar magnitudes entre categorías
Mostrar distribución de datos categóricos
Resaltar diferencias entre grupos
Cuando hay ≤10 categorías (máximo 15)
Variables nominales u ordinales
Datos discretos con pocos valores

❌ CUÁNDO NO USAR

Más de 15 categorías (se vuelve ilegible)
Datos continuos (usa histograma)
Mostrar tendencias en el tiempo (usa líneas)
Mostrar proporciones del total (usa circular)
Variables cuantitativas continuas
Cuando el orden de categorías no importa

📚 Ejemplo 1: Ventas mensuales por departamento
Un gráfico de barras perfecto para comparar qué departamento vende más:

Ventas por Departamento (en miles de €)

Electrónica: ████████████████████ 220
Ropa: ██████████████ 160
Hogar: ███████████ 130
Juguetes: ███████ 70
Deportes: █████████ 90

Interpretación: Claramente, electrónica es el departamento con mayores ventas (220k), seguido de ropa (160k). Los juguetes tienen las ventas más bajas (70k).

🏥 Ejemplo 2: Pacientes por especialidad médica
Cada barra representa una especialidad, mostrando cuántos pacientes atiende cada una:

Pacientes atendidos por especialidad (2024)

Medicina General
180

Pediatría
150

Traumatología
120

Cardiología
90

Dermatología
60

🥧 Gráfico Circular (o de Pastel/Tarta)

🥧 DEFINICIÓN

Representa: Proporciones del total
Elementos: Sectores circulares proporcionales a la frecuencia
Total: 360° = 100% de los datos
Mejor para: Mostrar composición del total
Variables: Cualitativas (nominales u ordinales)
Regla: Máximo 6-7 categorías

✅ CUÁNDO USAR

Mostrar proporciones de un todo
Destacar partes respecto al total
Cuando las proporciones suman 100%
Categorías claramente diferentes
Pocas categorías (≤7 ideal)
Comparar partes con el todo, no entre sí

❌ CUÁNDO NO USAR

Más de 7 categorías (segmentos pequeños ilegibles)
Comparar categorías individuales (barras son mejores)
Cuando hay categorías con valores similares
Datos que no suman un total significativo
Mostrar tendencias en el tiempo
Variables cuantitativas

💰 Ejemplo: Presupuesto familiar mensual
Perfecto para mostrar cómo se distribuyen los gastos en un hogar:

Distribución del presupuesto familiar (2.000€/mes)

Vivienda: 40% (800€)
Alimentación: 20% (400€)
Transporte: 15% (300€)
Educación: 10% (200€)
Ocio: 7% (140€)
Ahorro: 8% (160€)

Interpretación: Inmediatamente vemos que la vivienda consume el 40% del presupuesto (el sector más grande), seguido de alimentación (20%). El ahorro representa solo el 8%.

📈 Gráfico de Líneas

📈 DEFINICIÓN

Representa: Tendencia a lo largo del tiempo
Elementos: Puntos conectados por líneas
Ejes: X = tiempo (ordenado), Y = variable medida
Mejor para: Mostrar cambios, patrones, tendencias
Variables: Cuantitativas en función del tiempo
Regla: Eje X debe tener orden natural

✅ CUÁNDO USAR

Mostrar evolución en el tiempo
Identificar tendencias, patrones cíclicos
Comparar varias series temporales
Predecir valores futuros (extrapolación)
Variables continuas medidas periódicamente
Cuando el tiempo es la variable independiente

❌ CUÁNDO NO USAR

Datos categóricos sin orden temporal
Pocos puntos de datos (menos de 5)
Cuando no hay orden natural en el eje X
Comparar categorías individuales
Variables cualitativas
Mostrar proporciones de un todo

🌡️ Ejemplo: Temperatura media mensual en una ciudad
Ideal para mostrar la evolución estacional a lo largo del año:

Temperatura media mensual (°C) – Ciudad Ejemplo

Ene Mar May Jul Sep Nov

Temperatura (°C)

● Ene: 10°C

● Mar: 15°C

● May: 20°C

● Jul: 25°C

● Sep: 23°C

● Nov: 16°C

Interpretación: Claramente vemos el patrón estacional: temperatura baja en invierno (Ene: 10°C), aumenta hacia primavera, máximo en verano (Jul: 25°C), y disminuye en otoño.

📊 Histograma

📊 DEFINICIÓN

Representa: Distribución de datos continuos
Elementos: Barras adyacentes que representan intervalos
Ejes: X = intervalos de valores, Y = frecuencia
Mejor para: Mostrar forma de distribución
Variables: Cuantitativas continuas
Clave: Barras sin espacio entre ellas

✅ CUÁNDO USAR

Mostrar distribución de datos continuos
Identificar forma (normal, sesgada, bimodal)
Ver concentración de datos en rangos
Variables de medición (peso, altura, tiempo)
Cuando hay muchos valores diferentes
Para ver outliers (valores extremos)

❌ CUÁNDO NO USAR

Datos categóricos (usa barras)
Pocos datos (menos de 30 observaciones)
Variables discretas con pocos valores
Comparar categorías individuales
Mostrar tendencias temporales
Cuando los intervalos no son naturales

📏 Ejemplo: Estaturas de estudiantes de una clase
Perfecto para ver cómo se distribuyen las alturas y qué estatura es más común:

Distribución de estaturas en una clase (40 estudiantes)

150-155

160-165

170-175

180-185

Nº estudiantes

Intervalos y frecuencias:

150-155 cm: 4 estudiantes
155-160 cm: 6 estudiantes
160-165 cm: 8 estudiantes
165-170 cm: 10 estudiantes (moda)
170-175 cm: 7 estudiantes
175-180 cm: 3 estudiantes
180-185 cm: 2 estudiantes

Interpretación: La distribución es aproximadamente normal (campana de Gauss). La mayoría de estudiantes mide entre 160-175 cm, con el pico en 165-170 cm (10 estudiantes). Hay pocos estudiantes en los extremos (muy bajos o muy altos).

📍 Diagrama de Dispersión (Scatter Plot)

📍 DEFINICIÓN

Representa: Relación entre dos variables
Elementos: Puntos en plano cartesiano
Ejes: X = variable 1, Y = variable 2
Mejor para: Mostrar correlación, patrones
Variables: Dos cuantitativas
Clave: Cada punto es una observación

✅ CUÁNDO USAR

Investigar relación entre dos variables
Identificar correlación (positiva/negativa)
Detectar outliers (puntos atípicos)
Ver si hay patrones no lineales
Antes de calcular correlación
Para análisis de regresión

❌ CUÁNDO NO USAR

Variables categóricas (usa barras)
Mostrar distribución de una variable (usa histograma)
Mostrar tendencias temporales (usa líneas)
Cuando no hay relación esperada
Pocos datos (menos de 20 observaciones)
Comparar categorías

📚 Ejemplo: Relación entre horas de estudio y nota en examen
Ideal para ver si estudiar más horas realmente se relaciona con mejores notas:

Relación: Horas de estudio vs Nota examen (30 estudiantes)

Horas de estudio semanales

Nota examen (0-10)

Interpretación visual: Los puntos muestran una clara tendencia ascendente de izquierda a derecha. A más horas de estudio, mayor nota en el examen. La línea de tendencia confirma la correlación positiva.

📦 Otros gráficos importantes

📦 DIAGRAMA DE CAJA (Box Plot)

Representa: Distribución y outliers
Elementos: Caja (Q1-Q3), línea mediana, bigotes
Mejor para: Comparar distribuciones entre grupos
Variables: Cuantitativas
Muestra: Mediana, cuartiles, valores extremos
Ventaja: Robusto contra outliers

📈 GRÁFICO DE ÁREAS

Representa: Magnitud acumulada en el tiempo
Elementos: Área bajo línea, a veces apilada
Mejor para: Mostrar contribución al total en el tiempo
Variables: Cuantitativas en el tiempo
Variante: Área apilada muestra composición
Cuidado: Puede ocultar patrones individuales

📊 GRÁFICO DE BARRAS APILADAS

Representa: Composición de categorías
Elementos: Barras divididas en segmentos
Mejor para: Mostrar partes de un todo por categoría
Variables: Cualitativa + cuantitativa
Ventaja: Muestra total y composición
Desventaja: Difícil comparar segmentos similares

📊 Guía rápida de selección: ¿Qué gráfico elegir?

🎯 Árbol de decisión para elegir gráfico

¿Qué quieres mostrar?

📈 Comparar categorías

→ Gráfico de barras

Ej: Ventas por producto

🥧 Proporciones del todo

→ Gráfico circular

Ej: Presupuesto familiar

📈 Tendencia en el tiempo

→ Gráfico de líneas

Ej: Temperatura mensual

📊 Distribución de datos

→ Histograma

Ej: Alturas de personas

📍 Relación entre variables

→ Diagrama de dispersión

Ej: Estudio vs Nota

📦 Comparar distribuciones

→ Diagrama de caja

Ej: Salarios por sector

Objetivo	Variables	Gráfico recomendado	Gráfico alternativo	Ejemplo
Comparar categorías	Cualitativa	Barras	Circular (si pocas categorías)	Ventas por producto
Mostrar proporciones	Cualitativa	Circular	Barras apiladas al 100%	Distribución mercado
Tendencia temporal	Cuantitativa vs tiempo	Líneas	Áreas	Evolución precios
Distribución datos	Cuantitativa continua	Histograma	Diagrama de caja	Distribución edades
Relación 2 variables	2 cuantitativas	Dispersión	Líneas (si una es tiempo)	Peso vs Altura
Comparar distribuciones	Cuantitativa por grupos	Diagrama de caja	Histogramas múltiples	Notas por asignatura

⚠️ Errores comunes en gráficos estadísticos

Error	Gráfico incorrecto	Gráfico correcto	Consecuencia
Gráfico circular con muchas categorías	Circular con 12 segmentos	Barras o circular agrupando categorías	Segmentos pequeños ilegibles, difícil comparación
Barras para datos temporales	Barras para ventas mensuales	Líneas (tiempo es continuo)	Oculta tendencias, patrones estacionales
Eje Y sin comenzar en 0	Barras que comienzan en 50	Barras que comienzan en 0	Exagera diferencias, engañoso visualmente
Histograma con intervalos desiguales	Barras de diferente anchura	Barras de igual anchura o densidad	Interpretación incorrecta de frecuencias
Gráfico 3D innecesario	Circular 3D, barras 3D	Versión 2D simple	Distorsión visual, difícil lectura precisa
Colores similares para categorías diferentes	Verde claro y verde oscuro adyacentes	Colores claramente diferenciables	Confusión, difícil distinguir categorías
Falta de etiquetas o títulos claros	Gráfico sin título, ejes sin nombre	Título descriptivo, ejes etiquetados	Gráfico incomprensible sin contexto
Uso incorrecto de escala logarítmica	Escala log sin justificación	Escala lineal o log si crecimiento exponencial	Interpretación errónea de tasas de cambio

💡 Principios de buenos gráficos (según Edward Tufte):

Mostrar los datos: El gráfico debe revelar la información, no ocultarla
Minimizar tinta de datos: Eliminar elementos decorativos innecesarios
Maximizar razón datos/tinta: Cada elemento debe transmitir información
Evitar distorsiones: Representar cantidades proporcionalmente
Proporcionar contexto: Incluir referencias, promedios, tendencias
Documentar fuentes: Especificar origen de datos y métodos

🧠 Ejercicios prácticos

Ejercicio 1: Identificación del gráfico adecuado

Para cada situación, indica qué tipo de gráfico sería más apropiado y por qué:

Mostrar la evolución de la población mundial desde 1900 hasta 2020
Comparar el número de estudiantes por especialidad en una universidad (12 especialidades)
Mostrar cómo se distribuye el tiempo diario de una persona entre trabajo, sueño, ocio, comida y transporte
Analizar la relación entre el número de horas de práctica y la puntuación en un test de mecanografía
Mostrar la distribución de pesos al nacer de 500 bebés en un hospital
Comparar las ventas trimestrales de 3 productos diferentes a lo largo de 2 años
Mostrar el porcentaje de votos obtenido por cada partido político en unas elecciones (8 partidos)

✅ Ver solución

Gráfico de líneas: Porque muestra tendencia en el tiempo (años). La población es una variable cuantitativa continua y el tiempo tiene orden natural.
Gráfico de barras: Porque compara categorías (especialidades). Con 12 categorías, un gráfico circular sería confuso (muchos segmentos).
Gráfico circular: Porque muestra proporciones de un todo (24 horas). Son pocas categorías (5) que suman el 100% del tiempo.
Diagrama de dispersión: Porque muestra relación entre dos variables cuantitativas (horas de práctica vs puntuación). Permite ver si hay correlación.
Histograma: Porque muestra distribución de una variable cuantitativa continua (peso). Con 500 datos, el histograma revelará la forma de distribución.
Gráfico de líneas múltiples: Porque compara tendencias temporales de varios productos. Alternativamente, gráfico de barras agrupadas por trimestre.
Gráfico de barras: Con 8 partidos, un gráfico circular tendría muchos segmentos difíciles de comparar. Las barras permiten comparación precisa de porcentajes.

Ejercicio 2: Análisis e interpretación de gráficos

Observa estos datos y responde las preguntas:

Ventas mensuales de una librería (en miles de €)

Ene: 12, Feb: 15, Mar: 18, Abr: 20, May: 22, Jun: 25, Jul: 28, Ago: 30, Sep: 27, Oct: 24, Nov: 20, Dic: 35

¿Qué tipo de gráfico usarías para representar estos datos? ¿Por qué?
Si crearás el gráfico, ¿qué observarías en él?
¿Hay algún patrón estacional visible en los datos?
¿Qué mes tuvo las ventas más bajas? ¿Y las más altas?
Calcula el aumento porcentual de enero a diciembre
¿Qué factores podrían explicar los patrones observados?

✅ Ver solución

Gráfico de líneas: Porque muestra evolución en el tiempo (meses). Los datos son cuantitativos y el tiempo tiene orden natural.
Observaciones esperadas: Tendencia general creciente de enero a agosto, luego ligera disminución en septiembre-octubre, y fuerte aumento en diciembre.
Patrón estacional: Sí, aumento progresivo hacia verano (máximo en agosto), disminución post-vacacional, y pico en diciembre (Navidad).
Más bajas: Enero (12.000€). Más altas: Diciembre (35.000€).
Aumento porcentual: (35-12)/12 × 100 = 23/12 × 100 = 191.67% (casi se triplican las ventas).
Factores explicativos: Temporada escolar (aumento progresivo), vacaciones de verano (máximo en agosto), vuelta al cole (disminución), campaña Navidad (pico en diciembre).

Ejercicio 3: Diseño de gráficos para un estudio

Estás investigando los hábitos alimenticios de adolescentes. Has recolectado estos datos:

Edades: 13, 14, 15, 16, 17 años (50 estudiantes por edad)
Comida rápida/semana: Media por edad: 13a: 2.1, 14a: 2.4, 15a: 2.8, 16a: 3.2, 17a: 3.0 veces
Preferencia bebida: Refrescos 45%, Agua 35%, Zumo 15%, Otros 5%
Relación: Entre horas de televisión/día y consumo de snacks (datos individuales)
Distribución: Dinero semanal para comida: desde 5€ a 50€ (200 estudiantes)

Para cada conjunto de datos, diseña:

El tipo de gráfico más apropiado
Un título descriptivo para el gráfico
Qué etiquetas pondrías en los ejes
Qué colores usarías y por qué
Una interpretación anticipada de lo que mostraría

✅ Ver solución

Edades vs comida rápida:
1. Gráfico: Líneas o barras (líneas mejor porque muestra tendencia por edad)
2. Título: «Consumo semanal de comida rápida por edad»
3. Ejes: X: Edad (años), Y: Veces/semana
4. Colores: Línea azul (seriedad, datos)
5. Interpretación: Se espera aumento con la edad hasta 16 años, luego ligera disminución (mayor independencia, luego conciencia saludable)
Preferencia bebida:
1. Gráfico: Circular o barras (circular mejor para proporciones)
2. Título: «Preferencias de bebida entre adolescentes»
3. Ejes: (Circular no tiene ejes, leyenda)
4. Colores: Refresco rojo (alerta), agua azul, zumo naranja, otros gris
5. Interpretación: Refrescos son mayoría preocupante, agua segunda opción
Relación TV-snacks:
1. Gráfico: Diagrama de dispersión
2. Título: «Relación entre horas de TV y consumo de snacks»
3. Ejes: X: Horas TV/día, Y: Snacks/semana
4. Colores: Puntos morados, línea de tendencia naranja
5. Interpretación: Positiva correlación esperada: más TV → más snacks
Distribución dinero comida:
1. Gráfico: Histograma
2. Título: «Distribución del dinero semanal para comida»
3. Ejes: X: Euros/semana, Y: Número de estudiantes
4. Colores: Barras azules (profesional)
5. Interpretación: Distribución probablemente sesgada a derecha (pocos con mucho dinero, muchos con poco)

Ejercicio 4: Corrección de errores en gráficos

Identifica los errores en estos gráficos hipotéticos y propón correcciones:

Un gráfico circular mostrando los 15 deportes más practicados, con segmentos de diferentes tamaños pero sin porcentajes.
Un gráfico de barras para la temperatura media mensual donde las barras no están en orden cronológico.
Un histograma de edades con intervalos desiguales: 0-10, 10-15, 15-25, 25-40, 40-100 años.
Un diagrama de dispersión que muestra relación entre «color favorito» y «altura».
Un gráfico de líneas para mostrar las preferencias de marca de coche (Toyota, Ford, BMW, etc.).
Un gráfico 3D de barras con sombras y efectos que dificultan leer los valores exactos.

✅ Ver solución

Errores: Circular con demasiadas categorías (15), falta de porcentajes.
Corrección: Usar gráfico de barras horizontal o agrupar deportes menos practicados en «Otros» para circular. Agregar porcentajes o valores en cada segmento.
Errores: Barras para datos temporales, desorden cronológico.
Corrección: Usar gráfico de líneas (tiempo es continuo). Ordenar meses cronológicamente.
Errores: Intervalos desiguales en histograma (10, 5, 10, 15, 60 años).
Corrección: Usar intervalos iguales (ej: 0-20, 20-40, 40-60, 60-80, 80-100) o calcular densidad (frecuencia/ancho).
Errores: Diagrama de dispersión con variable cualitativa (color).
Corrección: Usar gráfico de barras para frecuencia de cada color o diagrama de caja si se quiere ver distribución de altura por color.
Errores: Líneas para datos categóricos sin orden temporal.
Corrección: Usar gráfico de barras para comparar preferencias entre marcas.
Errores: Efectos 3D innecesarios que dificultan lectura.
Corrección: Usar gráfico 2D simple, eliminar sombras y efectos, agregar valores encima de barras para precisión.

Ejercicio 5: Proyecto de visualización de datos

Imagina que tienes estos datos sobre el uso de tiempo en un día escolar típico (400 estudiantes):

Actividades y tiempo promedio: Clases 5h, Estudio 2h, Transporte 1.5h, Comida 1h, Ocio 3h, Sueño 8h, Otros 3.5h
Distribución de horas de estudio: 0-1h: 15%, 1-2h: 30%, 2-3h: 35%, 3-4h: 15%, 4+h: 5%
Relación horas estudio vs nota media: Datos de 50 estudiantes (pares horas,nota)
Evolución sueño por curso: 1ºESO: 8.5h, 2ºESO: 8.2h, 3ºESO: 7.8h, 4ºESO: 7.5h, Bach: 7.0h
Preferencia asignatura favorita: Mates 25%, Lengua 20%, Inglés 15%, Ciencias 20%, EF 10%, Arte 10%

Crea un plan para presentar estos datos en un informe:

Para cada conjunto de datos, elige el gráfico más adecuado
Diseña un dashboard (panel) que integre todos los gráficos
Escribe 3 conclusiones principales que estos gráficos revelarían
¿Qué gráfico sería el más impactante para padres/profesores? ¿Por qué?
Propón una encuesta adicional para complementar estos datos

✅ Ver solución

Gráficos por conjunto de datos:
1. Tiempo actividades: Circular (proporciones del día, 24h total)
2. Distribución horas estudio: Histograma o gráfico de barras (distribución de variable cuantitativa)
3. Relación estudio-nota: Diagrama de dispersión (dos variables cuantitativas)
4. Evolución sueño por curso: Gráfico de líneas (tendencia por curso ordenado)
5. Preferencia asignatura: Gráfico de barras (comparar categorías)
Dashboard propuesto:
- Arriba izquierda: Circular tiempo actividades
- Arriba centro: Líneas evolución sueño
- Arriba derecha: Barras preferencia asignatura
- Abajo izquierda: Histograma distribución estudio
- Abajo derecha: Dispersión estudio vs nota
- Título general: «Análisis de hábitos estudiantiles – Estudio 2024»
Conclusiones principales:
1. Los estudiantes duermen menos a medida que avanzan de curso (de 8.5h a 7h), potencial problema de salud.
2. Existe correlación positiva entre horas de estudio y notas, pero la mayoría estudia 1-3h diarias.
3. Matemáticas es la asignatura favorita (25%), seguida de Lengua y Ciencias (20% cada una).
Gráfico más impactante: El gráfico de líneas de evolución del sueño. Muestra claramente un problema creciente (menos sueño en cursos superiores) que afecta salud y rendimiento.
Encuesta complementaria: Preguntar sobre:
- Calidad del sueño (no solo cantidad)
- Tipo de estudio (memorización vs comprensión)
- Uso de pantallas antes de dormir
- Actividades extraescolares y su impacto
- Satisfacción con métodos de enseñanza

🌍 Aplicaciones reales en diferentes campos

📰 Periodismo de datos

Infografías: Combinación de gráficos para contar historias
Visualización elecciones: Mapas coropléticos, gráficos de resultados
Reportes económicos: Líneas para PIB, desempleo, inflación
Clima: Gráficos de líneas para temperaturas, precipitaciones

🏢 Negocios y marketing

Dashboards empresariales: Paneles con múltiples gráficos
Análisis ventas: Líneas para tendencias, barras para productos
Estudios mercado: Circulares para participación, barras para preferencias
Control calidad: Diagramas de control (líneas con límites)

🔬 Investigación científica

Publicaciones: Dispersión para correlaciones, barras para experimentos
Estudios médicos: Diagramas de caja para comparar tratamientos
Ciencias sociales: Histogramas para distribuciones, barras para encuestas
Ingeniería: Gráficos de líneas para señales, dispersión para calibración

📖 Glosario de términos gráficos

Término	Definición	Ejemplo/Notas
Eje X (abscisas)	Eje horizontal, generalmente variable independiente	Tiempo, categorías, variable predictora
Eje Y (ordenadas)	Eje vertical, generalmente variable dependiente	Frecuencia, medida, variable respuesta
Escala	Relación entre unidades gráficas y unidades de datos	Lineal, logarítmica, porcentual
Leyenda	Explicación de símbolos/colores usados	Esencial cuando hay múltiples series
Título	Nombre descriptivo del gráfico	Debe ser claro e informativo
Etiquetas de datos	Valores numéricos mostrados en el gráfico	Útiles para precisión, pueden saturar
Línea de tendencia	Línea que muestra patrón general en dispersión	Regresión lineal, polinómica, etc.
Outlier	Punto atípico, muy diferente del resto	Visible en dispersión o diagrama de caja
Frecuencia	Número de veces que ocurre un valor	Eje Y en histogramas y gráficos de barras
Densidad	Frecuencia relativa por unidad de medida	Usada en histogramas con intervalos desiguales
Correlación	Relación entre dos variables	Positiva (crecen juntas), negativa (una crece, otra decrece)
Distribución	Forma en que se reparten los valores	Normal, sesgada, uniforme, bimodal

📚 Serie completa: Estadística Descriptiva

Continúa aprendiendo sobre estadística descriptiva con nuestros posts especializados:

Población, muestra e individuos – Conceptos básicos
Tipos de gráficos estadísticos – ¡Estás aquí! Cuándo usar cada gráfico
Media, moda y mediana – Medidas de centralización
Rango y desviación – Medidas de dispersión
Cómo diseñar e interpretar una encuesta – Guía paso a paso
Estadística descriptiva completa – Resumen integrador

🔍 Actividad práctica: Crea tu propia galería de gráficos

Recolecta datos sobre algo que te interese (ej: tiempo en apps, horas de sueño, gastos, etc.).
Organiza los datos en diferentes formatos (categóricos, temporales, distribuciones).
Crea al menos 5 tipos diferentes de gráficos con los mismos datos o diferentes conjuntos.
Compara: ¿Qué gráfico comunica mejor cada aspecto?
Pide feedback: Muestra los gráficos a amigos/familia. ¿Entienden el mensaje?
Reflexiona: ¿Qué aprendiste sobre diseño efectivo de gráficos?

Esta práctica te convertirá en un experto en visualización de datos más rápido que cualquier teoría.