← CC3084

Visualización de Datos y Teoría del Color

Semestre 02, 2026

El cuarteto de Anscombe

Cuatro conjuntos con estadísticos idénticos y formas distintas

Los cuatro tienen la misma media, la misma varianza, la misma correlación y la misma recta.

Conjunto I, relación lineal

Conjunto I

Los puntos se dispersan alrededor de la recta. Aquí la regresión sí describe el dato.

Conjunto II, una curva

Conjunto II

La relación es curva. La recta reporta la misma correlación y no describe nada.

Conjunto III, un valor atípico

Conjunto III

Diez puntos alineados y uno lejos. Ese punto solo tuerce la pendiente.

Conjunto IV, sin relación

Conjunto IV

Una sola x salvo un punto. Ese punto fabrica toda la correlación.

Jerarquía de canales

El mismo par de valores codificado en siete canales visuales

La variable más importante va al canal de arriba. Cleveland y McGill lo midieron en 1984.

Tres tipos de paleta

Paletas secuencial, divergente y cualitativa

El tipo de paleta se deriva del tipo de dato. Usar el tipo equivocado distorsiona el dato.

Gráfico de pastel

Pastel con seis porciones de tamaño similar

Seis ángulos casi iguales. Nadie puede ordenarlos a ojo.

Barras ordenadas

Barras horizontales ordenadas

Longitud sobre una base común y orden por valor. La respuesta es inmediata.

Eje truncado

Barras con el eje empezando en 94

El eje arranca en 94. Una diferencia de dos puntos llena la pantalla.

Eje desde cero

Las mismas barras desde cero

Desde cero la longitud vuelve a ser proporcional. Las regiones son casi iguales.

Doble eje vertical

Dos series con ejes distintos que parecen moverse juntas

El parecido se fabricó eligiendo los límites de cada eje.

Un panel por serie

Dos paneles apilados desde cero

Cada serie en su panel y desde cero. Ya no hay efecto que elegir.

Chartjunk

Gráfico con fondo, rejilla doble, tramado y sombras

Fondo, rejilla, tramado y sombras compiten con los datos.

Razón tinta-datos

El mismo gráfico sin adornos

Solo datos y etiquetas directas. Nada que el ojo tenga que descartar.

Gráfico de espaguetis

Doce series con doce colores

Doce colores y ninguna pista de cuál serie importa.

Una serie resaltada

Once series en gris y una en color

El contexto en gris y el mensaje en color.

La paleta arcoíris

Mapa de calor con la paleta jet

La luminosidad sube y baja, así que el orden no se puede leer.

Uniformidad perceptual

El mismo mapa con viridis

Luminosidad creciente. El orden se lee sin mirar la barra de color.

La prueba de la escala de grises

jet y viridis convertidas a grises

En grises jet pierde la estructura y viridis la conserva.

Paleta cualitativa sobre datos ordenados

Mapa de rangos con paleta cualitativa

Siete rangos ordenados pintados con colores que no se ordenan.

Paleta secuencial

El mismo mapa con paleta secuencial

La luminosidad codifica el orden y el patrón aparece solo.

Paleta divergente descentrada

Residuales con el blanco fuera del cero

El blanco cayó en 1.5, así que lo positivo se ve azul.

Centro fijado en cero

Los mismos residuales centrados en cero

Blanco en cero con límites simétricos. El color vuelve a significar lo que parece.

Rojo y verde

Barras rojas y verdes con deuteranopía simulada

Con deuteranopía, aprobado y reprobado son el mismo color.

Paleta Okabe-Ito

Barras azules y naranjas con deuteranopía simulada

Azul y naranja sobreviven. Afecta al ocho por ciento de los hombres.

Luminosidad constante

Cuatro matices con la misma luminosidad

Cuatro matices, una sola luminosidad. En grises se pierden.

Luminosidad escalonada

Cuatro pasos de luminosidad del mismo matiz

Cuatro luminosidades. La distinción sobrevive la impresión.

Antes de publicar

¿Las barras empiezan en cero?
¿Hay un solo eje vertical?
¿Seis colores categóricos o menos?
¿La paleta corresponde al tipo de dato?
¿La divergente está centrada en el dato?
¿Sobrevive en grises y con daltonismo?

Paletas en Python


import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib.colors import TwoSlopeNorm

plt.imshow(matriz, cmap="viridis")
plt.imshow(residuales, cmap="RdBu_r", norm=TwoSlopeNorm(vcenter=0))

sns.set_palette(["#0072B2", "#D55E00", "#009E73", "#CC79A7"])

Resumen

  • Graficar antes de resumir, porque los estadísticos descartan la forma.
  • La variable importante va al canal más preciso, que es la posición.
  • Eje desde cero, un solo eje vertical y nada de adornos.
  • El gris para el contexto y el color para lo que importa.
  • La paleta se deriva del dato, sea secuencial, divergente o cualitativa.
  • Grises y daltonismo son la prueba final.