Gráfico cuantitativo · Scatter plot
Diagrama de dispersión
El diagrama de dispersión representa dos medidas numéricas de cada caso mediante su posición en dos ejes. Permite explorar asociaciones, patrones no lineales, grupos y casos alejados. Una asociación visual o una correlación calculada no demuestran causalidad.
También: scatterplot, correlacion, relacion xy, nube de puntos.
- Qué permite ver
- Explorar relaciones
- Clave de lectura
- Dos medidas por caso para explorar asociaciones.
El ejemplo en vivo
Relación entre dedicación y consultas
X: horas semanales 0–10 · Y: consultas 0–40
PDF guarda la vista del gráfico; SVG conserva la imagen vectorial y TSV contiene los datos. Este ejemplo usa datos simulados o un esquema hipotético.
{"slug":"diagrama_de_dispersion","title":"Relación entre dedicación y consultas","unit":"X: horas semanales 0–10 · Y: consultas 0–40","reading":"Los proyectos con más horas suelen registrar más consultas en esta muestra. La relación observada no demuestra que las horas sean la causa.","headers":["Proyecto","Horas","Consultas"],"rows":[["A",2,8],["B",3,15],["C",4,14],["D",5,25],["E",7,23],["F",8,34]],"geometry":"<line class=\"vx-grid\" x1=\"65\" y1=\"265\" x2=\"550\" y2=\"265\" stroke-width=\"1\"/><line class=\"vx-grid\" x1=\"65\" y1=\"165\" x2=\"550\" y2=\"165\" stroke-width=\"1\"/><line class=\"vx-grid\" x1=\"65\" y1=\"65\" x2=\"550\" y2=\"65\" stroke-width=\"1\"/><circle class=\"vx-b\" cx=\"161\" cy=\"225\" r=\"6\"/><circle class=\"vx-b\" cx=\"209\" cy=\"190\" r=\"6\"/><circle class=\"vx-b\" cx=\"257\" cy=\"195\" r=\"6\"/><circle class=\"vx-b\" cx=\"305\" cy=\"140\" r=\"6\"/><circle class=\"vx-b\" cx=\"401\" cy=\"150\" r=\"6\"/><circle class=\"vx-b\" cx=\"449\" cy=\"95\" r=\"6\"/>","labels":[{"x":35,"y":265,"text":"0","kind":""},{"x":35,"y":165,"text":"20","kind":""},{"x":35,"y":65,"text":"40","kind":""},{"x":65,"y":292,"text":"0","kind":""},{"x":305,"y":292,"text":"5","kind":""},{"x":545,"y":292,"text":"10","kind":""},{"x":161,"y":205,"text":"A","kind":""},{"x":209,"y":170,"text":"B","kind":""},{"x":257,"y":175,"text":"C","kind":""},{"x":305,"y":120,"text":"D","kind":""},{"x":401,"y":130,"text":"E","kind":""},{"x":449,"y":75,"text":"F","kind":""}],"legend":[],"note":"La correlación observada no demuestra causalidad.","kind":"Datos simulados"}Datos simulados para enseñar la lectura; no son resultados de Lisandro ni de un cliente.
Consultar los datos del ejemplo
| Proyecto | Horas | Consultas |
|---|---|---|
| A | 2 | 8 |
| B | 3 | 15 |
| C | 4 | 14 |
| D | 5 | 25 |
| E | 7 | 23 |
| F | 8 | 34 |
Qué preguntas ayuda a responder
- ¿Las horas dedicadas y las consultas registradas se relacionan entre proyectos?
- ¿El conocimiento de marca y la intención de compra varían juntos entre segmentos?
Qué datos necesitás
Dos medidas numéricas emparejadas por la misma unidad de observación. Aquí cada punto es un proyecto; X representa horas semanales y Y consultas de la misma semana simulada.
Seis proyectos simulados, sin seguimiento longitudinal. No confundas este conjunto con seis semanas de un mismo proyecto. Para interpretar una relación real, revisá selección, medición, variables omitidas y tamaño de muestra.
Cómo leerlo
Localizá un punto y leé sus dos coordenadas. Por ejemplo, F tiene 8 horas y 34 consultas; E tiene 7 horas y 23. No hay una conversión fija de horas a consultas.
La nube sugiere una asociación positiva en estos seis casos. Podrían intervenir presupuesto, tamaño de audiencia, capacidad del equipo o diferencias de medición. El dibujo no distingue esas explicaciones.
Cuándo elegirlo y cuándo buscar otra opción
Para explorar relaciones entre dos medidas y detectar casos que merecen investigación. Etiquetá puntos relevantes; con mucha superposición considerá transparencia, agrupación espacial o paneles.
Si querés mostrar evolución, usá tiempo explícito o una serie temporal. Si necesitás probar un efecto causal, el gráfico debe formar parte de un diseño y análisis adecuados, no reemplazarlos.
Errores y malas interpretaciones
- Conectar todos los puntos y sugerir un recorrido que los datos no tienen.
- Ocultar observaciones que contradicen la tendencia o extrapolar fuera del rango observado. Un coeficiente lineal puede ocultar una relación curva.
- Comparar tasas agregadas y asumir que describen el comportamiento individual. Revisá los subgrupos antes de resumir.
Alternativas para comparar
- Gráfico de líneas. Líneas: requieren un eje ordenado y explicitan el tiempo.
- Mapa de calor. Mapa de calor: resume una matriz; no conserva necesariamente cada caso.
En dashboards, informes y presentaciones
En reporting, usalo como una pregunta de investigación: «¿qué explica los proyectos que se apartan del patrón?». En una presentación, nombrá la unidad de cada punto y evitá verbos causales. La tabla permite recuperar ambos valores incluso cuando los puntos se superponen.
Probar este gráfico con tus datos
Empezás con datos simulados para probar. Editá las filas y elegí «Ver gráfico».
Los datos se procesan en esta página. No se envían ni se guardan; se pierden al recargar.
Fuentes y alcance de la revisión
Se consultaron las secciones pertinentes de estas fuentes para la definición, codificación o método indicado. Los ejemplos, cálculos aplicados y textos de esta ficha pertenecen al proyecto.