Semestre 02, 2026
Los cuatro tienen la misma media, la misma varianza, la misma correlación y la misma recta.
Los puntos se dispersan alrededor de la recta. Aquí la regresión sí describe el dato.
La relación es curva. La recta reporta la misma correlación y no describe nada.
Diez puntos alineados y uno lejos. Ese punto solo tuerce la pendiente.
Una sola x salvo un punto. Ese punto fabrica toda la correlación.
La variable más importante va al canal de arriba. Cleveland y McGill lo midieron en 1984.
El tipo de paleta se deriva del tipo de dato. Usar el tipo equivocado distorsiona el dato.
Seis ángulos casi iguales. Nadie puede ordenarlos a ojo.
Longitud sobre una base común y orden por valor. La respuesta es inmediata.
El eje arranca en 94. Una diferencia de dos puntos llena la pantalla.
Desde cero la longitud vuelve a ser proporcional. Las regiones son casi iguales.
El parecido se fabricó eligiendo los límites de cada eje.
Cada serie en su panel y desde cero. Ya no hay efecto que elegir.
Fondo, rejilla, tramado y sombras compiten con los datos.
Solo datos y etiquetas directas. Nada que el ojo tenga que descartar.
Doce colores y ninguna pista de cuál serie importa.
El contexto en gris y el mensaje en color.
La luminosidad sube y baja, así que el orden no se puede leer.
Luminosidad creciente. El orden se lee sin mirar la barra de color.
En grises jet pierde la estructura y viridis la conserva.
Siete rangos ordenados pintados con colores que no se ordenan.
La luminosidad codifica el orden y el patrón aparece solo.
El blanco cayó en 1.5, así que lo positivo se ve azul.
Blanco en cero con límites simétricos. El color vuelve a significar lo que parece.
Con deuteranopía, aprobado y reprobado son el mismo color.
Azul y naranja sobreviven. Afecta al ocho por ciento de los hombres.
Cuatro matices, una sola luminosidad. En grises se pierden.
Cuatro luminosidades. La distinción sobrevive la impresión.
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"])