Tipos de gráficos para la investigación, con ejemplos publicados.

Publicado el 17 de agosto de 2024 | Última actualización: 27 de octubre de 2026

El tipo de gráfico adecuado para la investigación depende de un factor clave: la pregunta que responden tus datos. Utiliza un gráfico de barras con puntos para comparar grupos, un diagrama de caja para comparar la dispersión, un histograma para visualizar la distribución de una medición, un diagrama de dispersión para dos mediciones y un gráfico lineal para mostrar la evolución temporal. A continuación, se muestra cómo se aplica cada tipo de gráfico a un conjunto de datos real y citable, junto con los datos que deberías interpretar y los errores más frecuentes entre los revisores.

¿Qué tipo de gráfico se ajusta a tu pregunta?

Comience con esta tabla. Cada fila vincula una pregunta de investigación con el gráfico que la responde y la forma en que ese gráfico suele generar información errónea. Todos los gráficos de la tabla se explican detalladamente a continuación, y los gráficos de doble eje tienen su propia sección. Para gráficos de precisión diagnóstica, ensayos clínicos y metaanálisis (ROC, Kaplan-Meier, bosque, Bland-Altman), consulte Gráficos de investigación clínica: 10 gráficos para ensayos clínicos, pruebas diagnósticas y metaanálisis.

Cada tipo de gráfico se analiza dos veces. Primero, con un conjunto de datos público incluido en R, para que puedas reproducir cada número (calculado independientemente en R y Python y verificado hasta el último dígito). Luego, con una figura de un artículo reciente de acceso abierto publicado en JAMA Network Open o Nature Communications, reproducida bajo su licencia CC BY 4.0 con atribución, para que puedas ver cómo los autores manejan las mismas decisiones en la versión impresa.

Gráfico de barras: comparación de las medias de los grupos (mostrar los puntos)

Un gráfico de barras codifica un valor como longitud, por lo que responde a la pregunta "¿qué grupo es más grande?". Los datos corresponden a la longitud de los dientes de 60 cobayas a las que se les administró vitamina C en forma de zumo de naranja (OJ) o ácido ascórbico (VC) en tres dosis (Crampton 1947, 10 animales por barra).

Cómo interpretarlo. A 0.5 mg/día, el OJ tiene un promedio de 13.23 micras frente a 7.98 para la VC. A 1 mg/día, la diferencia es de 22.70 frente a 16.77. A 2 mg/día, las barras se ven idénticas: 26.06 frente a 26.14. Los puntos añaden lo que las barras no pueden: a 2 mg/día, los animales de VC se dispersan en un rango mucho más amplio.

Ejemplo publicado: una barra por participante, con intervalos de confianza (JAMA Network Open, 2026).

Las barras pueden ser útiles cuando cada barra representa a una persona. En un ensayo doble ciego N-de-1 sobre la reducción de la dosis de tamsulosina en hombres mayores, Bauer y sus colegas estimaron el efecto para cada participante por separado y dibujaron una barra por participante, ordenadas desde el mayor hasta el menor efecto del tratamiento.

Lo que informa el artículo. De 30 participantes que intentaron el protocolo completo, 11 (36.7 %) tuvieron un efecto mínimo o nulo de tamsulosina, 11 (36.7 %) un efecto moderado y 4 (13.3 %) un efecto fuerte; 4 no toleraron el período de pretratamiento con placebo. Qué copiar. El color marca la categoría del efecto y la leyenda da n para cada (4, 11, 11). Los ID de los participantes se encuentran debajo de cada barra. El título nombra el modelo detrás de las estimaciones (modelos mixtos lineales ajustados por período y tiempo) y qué son las barras de error (IC del 95 %). El panel B muestra las medias de placebo y tratamiento de cada persona como un par vinculado, para que el lector vea los valores brutos detrás del efecto.

Diagrama de caja: comparación de la dispersión y los valores atípicos

Un diagrama de caja resume cada grupo mediante su mediana, cuartiles y rango (Tukey 1977). Es la forma más rápida de comparar la dispersión. Los mismos 60 animales, representados como cajas:

Cómo interpretarlo. A 2 mg/día, ambos grupos presentan una mediana de 25.95. El grupo OJ varía de 22.4 a 30.9 (DE 2.66); el grupo VC, de 18.5 a 33.9 (DE 4.80). Una prueba t de Welch de las medias arroja t = -0.05, p = 0.96, IC del 95 %: -3.80 a 3.64: no se detecta diferencia en la media, pero sí una variabilidad claramente diferente. Una tabla de medias por sí sola no lo habría detectado.

Ejemplo publicado: casos individuales dibujados sobre cada barra (JAMA Network Open, 2026)

El mismo principio se aplica a un estudio clínico. McNamara y sus colegas compararon las dosis de radiación recibidas por ecocardiografistas intervencionistas que usaban un traje de plomo suspendido (95 casos) o un delantal de plomo tradicional (30 casos). El panel A muestra cada caso como un punto sobre el recuadro. Los paneles B y C muestran barras para indicar el porcentaje de casos con dosis indetectables y con dosis de al menos 20 microsieverts.

Lo que informa el artículo. La dosis mediana fue de 0.0 microsieverts (RIC 0.0 a 0.3) con trajes de plomo suspendidos frente a 10.6 (RIC 5.8 a 24.1) con delantales tradicionales, P < .001. Qué copiar. Primero, los puntos: el grupo de trajes es un grupo cercano a cero que un cuadro por sí solo dibujaría como una línea recta. Segundo, el pie de foto indica que los valores atípicos extremos se eliminaron del panel A con fines gráficos, y define el cuadro (rango intercuartil), la línea central (mediana) y los bigotes (mínimo y máximo sin valores atípicos). Tercero, las barras se usan solo para porcentajes de casos, que es donde la longitud de la barra es la codificación correcta.

Histograma: la forma de una medida

Un histograma divide una medición continua en intervalos y cuenta las observaciones en cada uno. Responde a la pregunta "¿cómo se ve esta variable?". Los datos corresponden a 272 erupciones del géiser Old Faithful (Azzalini y Bowman, 1990).

Cómo interpretarlo. Hay dos picos, cerca de los 2 y 4.4 minutos. La media es de 3.49 minutos y la mediana de 4.0, pero solo 12 de 272 erupciones (4.4 %) duran entre 2.5 y 3.5 minutos. La media no describe prácticamente ninguna erupción real. Informar simplemente «media 3.49, desviación estándar 1.14» daría a los lectores una imagen errónea.

Ejemplo publicado: comparación de formas de distribución con diagramas de violín (JAMA Network Open, 2026)

Cuando se necesita comparar la forma de una distribución entre grupos, un diagrama de violín (Hintze y Nelson, 1998) dibuja un histograma simétrico para cada grupo. Dias y sus colegas lo utilizaron para calcular los costos anuales de atención médica en niños con diagnóstico genético (n = 86) y sin él (n = 169) después de la secuenciación del genoma completo.

Lo que muestra la figura. El costo medio de ingreso fue de 1,281 libras esterlinas por año en el grupo diagnosticado frente a 795 en el grupo no diagnosticado (panel A). El costo medio de la prescripción fue de 335 frente a 77 (panel B, n = 84 y 168). Qué copiar. Cada violín lleva debajo su tamaño de muestra y mediana, y las líneas horizontales marcan los cuartiles, de modo que el lector obtiene el resumen y la forma a la vez. El pie de foto indica que se utilizó un eje y pseudologarítmico para costos asimétricos a la derecha manteniendo los valores cero. Dado que el eje no es lineal, lea los valores de las marcas etiquetadas y las medianas impresas, no a simple vista.

Diagrama de dispersión: dos mediciones juntas

Un diagrama de dispersión ubica cada observación en sus valores x e y. Responde a la pregunta "¿estas dos mediciones se mueven juntas?". Los datos corresponden al peso y al consumo de combustible de 32 modelos de automóviles (Henderson y Velleman, 1981).

Cómo interpretarlo. Coeficiente de correlación de Pearson r = -0.87 (IC del 95%: -0.93 a -0.74, p = 1.3e-10). La pendiente ajustada es de -5.34 mpg por cada 1,000 lb, y el peso explica el 75% de la variación en el consumo de combustible (R cuadrado = 0.75). Se debe informar el intervalo, no solo r: una correlación sin su intervalo de confianza oculta la posible variación de la estimación.

Ejemplo publicado: diagrama de dispersión más un gráfico de concordancia (Nature Communications, 2026)

Un diagrama de dispersión con un coeficiente de correlación responde a la pregunta "¿se mueven estos elementos juntos?". No responde a la pregunta "¿coinciden los dos métodos?". Butkow y sus colegas compararon una estimación del volumen sistólico basada en auriculares con un dispositivo de referencia clínico en 23 participantes sanos y mostraron ambas perspectivas en una misma figura.

Lo que informa el artículo. Pearson r = 0.94 entre el volumen sistólico promedio predicho y de referencia, un error absoluto medio de 5.24 mL y un error porcentual del 11.05% en los límites de concordancia. En el panel c la diferencia media es -0.02 mL con límites de concordancia del 95% de -9.35 a 9.3 mL. Qué copiar. El panel a agrega una línea de identidad (y = x), para que el lector vea la desviación de la concordancia perfecta, no solo una tendencia. Los paneles c y d agregan la vista de Bland-Altman (Bland y Altman 1986), que es lo que muestra la magnitud del desacuerdo. Consulte nuestra guía sobre límites de concordancia y el gráfico de diferencia de sesgo.

Gráfico lineal: cambio a lo largo del tiempo

Un gráfico lineal conecta observaciones ordenadas, de modo que la vista puede seguir la tendencia. Los datos corresponden al caudal anual del Nilo en Asuán entre 1871 y 1970 (Cobb 1978).

Cómo interpretarlo. La tendencia ajustada es de -2.7 unidades por año (R cuadrado 0.22, p = 1.1e-06), pero subestima lo sucedido. Cobb (1978) detectó un cambio en 1898. El caudal medio fue de 1,098 entre 1871 y 1898 (n = 28) y de 850 posteriormente (n = 72): un salto de aproximadamente 248 unidades (Welch p = 7.3e-11). Los datos describen un cambio repentino, no un declive gradual.

Ejemplo publicado: una serie temporal con intervalos de confianza (JAMA Network Open, 2026)

Matta y sus colegas representaron gráficamente las tasas de visitas a los servicios de urgencias en Ontario, Canadá, para cada año desde 2007 hasta 2022: todas las visitas (n = 29,461,281) en el panel A y las visitas con un diagnóstico urológico (n = 2,192,213) en el panel B.

Lo que informa el artículo. Las tasas de visitas urológicas estandarizadas por edad y sexo aumentaron de 0.91 por cada 100 personas en 2007 a 1.0 en 2015, luego disminuyeron hasta 2020. Qué copiar. Un punto por año con un intervalo de confianza del 95%, un rango del eje Y elegido para mostrar el movimiento en lugar de una línea base cero (aceptable para un gráfico de líneas, no para barras), y dos paneles en lugar de un segundo eje. La caída alrededor de 2020 es visible a simple vista. Como en el ejemplo del Nilo, una sola línea de tendencia recta trazada a través de estos años la ocultaría.

Editverso

Recomendado para este artículo

¿Desea que preparemos estas figuras para su revista? Envíenos los datos sin procesar, un boceto o una figura ya existente. Le entregaremos hasta 10 figuras formateadas según las especificaciones de la revista a la que desea enviarlas.

editverse.com

Servicio de visualización de datos

$300

Ver el servicio

Hasta 10 cifrasPDF, PNG, EPS y TIFF3-5 días hábiles

Mapas de calor, gráficos circulares y gráficos de doble eje: cuándo se ganan su lugar

Estos tres gráficos son los que generan más comentarios, ya que pueden resultar engañosos si se utilizan fuera de su ámbito específico. A continuación, se analiza cada uno con datos reales, incluyendo las cifras a interpretar y la regla que determina su validez.

Mapa de calor: una cuadrícula demasiado grande para leerla como números.

Un mapa de calor colorea cada celda de una cuadrícula según su valor. Úselo cuando una tabla de números sea demasiado grande para analizarla, como una matriz de correlación entre muchas variables o una expresión entre muchas muestras. El ejemplo es la matriz de correlación de cinco mediciones en 32 modelos de automóviles (Henderson y Velleman, 1981). Cinco variables generan solo 10 pares, por lo que una tabla sería suficiente; el mismo diseño se adapta a docenas de variables, donde una tabla no es suficiente.

Cómo interpretarlo. Las celdas azules se mueven juntas; las rojas, en direcciones opuestas. El peso y el tamaño del motor están fuertemente relacionados (r = 0.89), y ambos se asocian con un menor consumo de combustible (r = -0.87 y -0.85). El tiempo en el cuarto de milla tiene una relación débil con el peso (r = -0.17). Dado que el valor está impreso en cada celda, el lector nunca tiene que adivinar un número a partir de un tono.

Cuatro opciones garantizan su fiabilidad. Una escala divergente centrada en cero con límites fijos de -1 a 1. El valor impreso en cada celda. Solo el triángulo inferior, ya que la mitad superior lo repite. Nombres de variables en palabras, con unidades en la leyenda. Evitar las escalas de colores del arcoíris: Crameri, Shephard y Heron (2020) demuestran que pueden distorsionar los datos y excluir a los lectores con deficiencia en la visión del color.

Gráfico circular: partes de un todo, solo cuando algunas porciones difieren claramente

Un gráfico circular muestra cómo un todo se divide en partes. Los lectores juzgan la posición a lo largo de una escala común con mayor precisión que el ángulo o el área (Cleveland y McGill 1984), por lo que un gráfico circular solo funciona cuando algunas porciones difieren claramente. Aquí se muestran los mismos recuentos de pollitos en seis grupos de alimentación representados de ambas maneras (chickwts, n = 71).

Cómo interpretarlo. En el gráfico circular, el girasol, la linaza y la caseína (12 pollitos cada una), la harina de carne (11) y el haba de caballo (10) se ven casi iguales, y la clasificación no se puede leer. En el gráfico de barras ordenado, la soja (14 pollitos, 19.7%) encabeza la lista y el haba de caballo (10, 14.1%) queda rezagada a simple vista, con los recuentos impresos junto a cada barra. Use un gráfico circular solo para 2 a 5 sectores con espacios claros entre ellos, e imprima cada porcentaje. De lo contrario, ordene las categorías y use barras.

Gráfico de doble eje: dos escalas, una historia elegida por el autor.

Un gráfico de doble eje muestra dos medidas en una misma gráfica, cada una con su propio eje Y. El autor elige cada escala, y esta elección puede cambiar el panorama. El ejemplo muestra el valor de cierre diario de dos índices bursátiles europeos, el DAX alemán y el FTSE británico, desde 1991 hasta 1998 (1,860 días de negociación).

Cómo interpretarlo. En el panel A, el eje derecho se estira de forma que ambas líneas abarcan la misma altura, y el FTSE parece adelantarse al DAX hasta que este último lo alcanza en 1998. En el panel B, los mismos datos, con el eje derecho desplazado, se ven como dos líneas que nunca se cruzan. El panel C los sitúa ambos en un solo eje, indexado a 100 al inicio: el DAX termina en torno a 336 y el FTSE en torno a 223, debido a que el DAX subió un 236 % y el FTSE un 123 %. Ninguno de los paneles de doble eje muestra esto.

Observe la correlación de las series de tendencia. A lo largo de los 1,860 días, la correlación de los dos niveles del índice es r = 0.975, lo que refleja principalmente que ambos aumentaron. La correlación de los rendimientos logarítmicos diarios, que elimina la tendencia compartida, es r = 0.64 (n = 1,859). Ambas cifras se calcularon de forma independiente en R y Python y coinciden.

Opciones más seguras. Indexe ambas series a una línea base común en un eje (panel C), o apile dos paneles que compartan el eje x. Si necesita usar dos ejes, coloree cada uno para que coincida con su línea, indique las unidades y especifique la escala elegida en el pie de figura. Isenberg y sus colegas (2011) estudiaron cómo los lectores interpretan los gráficos de doble escala.

Lista de verificación antes de enviar una figura

• El tipo de gráfico coincide con la pregunta (véase la tabla anterior).
• Los ejes del gráfico de barras comienzan en cero; se muestran puntos individuales cuando n es pequeño.
• La leyenda indica n, qué representan las barras o bandas de error y la fuente de datos.
• Los colores se mantienen distinguibles en escala de grises y para lectores daltónicos.
• El texto es legible con el ancho de columna impreso de la revista a la que va dirigido.
• Los ejes están etiquetados con unidades; no hay elementos superfluos en el gráfico (efectos 3D, sombras).

Para obtener más información sobre los principios, Rougier, Droettboom y Bourne (2014) establecen diez reglas para mejorar las figuras, y Midway (2020) aborda los principios de diseño para una visualización de datos eficaz. Ambos se citan a continuación con sus respectivos DOI. Para una distinción más detallada entre gráficos de barras e histogramas, consulte Gráficos de barras frente a histogramas ; para relacionar un gráfico con una prueba estadística, consulte Elegir la prueba estadística adecuada.

Herramientas de investigación gratuitas para crear estos gráficos

Cifras profesionales y análisis estadístico

Si sus resultados están listos y necesita figuras que un revisor no devolverá, los estadísticos y diseñadores gráficos de Editverse las adaptan al ancho de columna, las fuentes y los colores que requiera la revista de destino. Si el análisis aún está abierto, los paquetes estadísticos que se indican a continuación lo ejecutarán primero.

¿Necesitas redactar el manuscrito completo basándote en estas figuras? Consulta nuestros servicios de redacción de manuscritos . Las prácticas de Editverse se ajustan a las directrices de COPE, ICMJE y GPP 2022.

Conclusión

Selecciona la gráfica de la pregunta, muestra los datos brutos cuando sea posible y lee los números antes de escribir el pie de foto. Cada una de las cinco gráficas anteriores contaba una historia diferente a partir del mismo tipo de resumen: medias idénticas con distinta dispersión, una media que no describe una erupción real, una tendencia que ocultaba un cambio. Eso es lo que buscan los revisores.

Preguntas frecuentes

¿Cuáles son los principales tipos de gráficos que se utilizan en la investigación?

Los gráficos de barras, diagramas de caja, histogramas, diagramas de dispersión y gráficos de líneas cubren la mayoría de las secciones de resultados. Los mapas de calor, los gráficos circulares y los gráficos de doble eje son más útiles para tareas más específicas. Elija el gráfico según la pregunta que esté respondiendo, no por costumbre.

¿Qué gráfico debo usar para comparar dos grupos?

Utilice un gráfico de barras con todos los puntos de datos superpuestos o un diagrama de caja. En el ejemplo de los conejillos de indias anterior, dos grupos comparten una media de aproximadamente 26 micras, pero sus dispersiones difieren en casi el doble.

¿Cuándo debo usar un histograma en lugar de un gráfico de barras?

Utilice un histograma para una medición continua, como el tiempo de erupción o la presión arterial, ya que muestra la distribución. Utilice un gráfico de barras para comparar categorías o medias de grupos.

¿Un diagrama de dispersión demuestra que una variable causa la otra?

No. En los datos del automóvil, el peso y el consumo de combustible tienen r = -0.87, pero el gráfico solo muestra una asociación. Para afirmar causalidad se necesita un diseño de estudio, no una línea de tendencia.

¿El eje Y de un gráfico de barras siempre debe comenzar en cero?

Sí. La longitud de las barras codifica el valor, por lo que un eje truncado exagera las diferencias. Los gráficos de líneas y los diagramas de dispersión no presentan esa limitación.

¿Por qué las revistas solicitan datos individuales?

Las barras y las medias ocultan el tamaño y la dispersión de la muestra. Weissgerber y sus colegas (2015, PLOS Biology) demostraron que muchos artículos en revistas de fisiología presentan datos continuos de muestras pequeñas como gráficos de barras o de líneas que no pueden revelar la distribución subyacente.

¿Cuántos intervalos debe tener un histograma?

No existe una regla única. Pruebe con al menos dos anchos y quédese con el que muestre la estructura sin ruido. El histograma de Old Faithful utiliza intervalos de 0.25 minutos.

¿Qué gráfico muestra mejor los cambios a lo largo del tiempo?

Un gráfico lineal. Compruébelo para detectar un cambio brusco antes de ajustar una línea de tendencia recta: el caudal del Nilo disminuyó en aproximadamente 248 unidades después de 1898, lo cual una sola línea de tendencia subestima.

¿Qué es un gráfico de doble eje y cuándo es seguro utilizarlo?

Superpone dos medidas con escalas diferentes en un mismo gráfico. Solo es seguro si ambos ejes están etiquetados y las escalas no se eligen para forzar una coincidencia visual; de lo contrario, utilice dos paneles.

¿Cuándo es mejor un mapa de calor que una tabla?

Cuando la cuadrícula es demasiado grande para leerla como números, como en el caso de una matriz de correlación entre muchas variables, imprima el valor de cada celda, centre una escala divergente en cero y evite las escalas de colores arcoíris.

¿Por qué se desaconseja el uso de gráficos circulares para comparar categorías?

Los lectores juzgan la posición en una escala común con mayor precisión que el ángulo (Cleveland y McGill, 1984). En el ejemplo del alimento para pollitos, seis porciones casi iguales no se pueden clasificar en el gráfico circular, mientras que un gráfico de barras ordenado muestra el orden de inmediato.

¿Puedo reutilizar una figura de un artículo publicado en mi propio manuscrito?

Solo si la licencia lo permite. Una figura con licencia CC BY 4.0 puede reutilizarse citando a los autores, incluyendo un enlace a la licencia y una nota con los cambios realizados. Para otras licencias, solicite permiso al editor o cree su propia figura a partir de sus propios datos. Nuestra guía para obtener la aprobación de derechos de autor para figuras explica los pasos a seguir.

¿Puedo crear estos gráficos sin programar?

Sí. GraphPro crea 25 tipos de gráficos en el navegador, con pruebas t, ANOVA, correlación y valores p de chi-cuadrado integrados. Es gratuito y no requiere registro.

Referencias

1. Rougier NP, Droettboom M, Bourne PE. Diez reglas sencillas para obtener mejores figuras. PLoS Comput Biol. 2014;10(9):e1003833. doi:10.1371/diario.pcbi.1003833
2. Weissgerber TL, Milic NM, Winham SJ, Garovic VD. Más allá de los gráficos de barras y líneas: es hora de un nuevo paradigma de presentación de datos. PLoS Biol. 2015;13(4):e1002128. doi:10.1371 / journal.pbio.1002128
3. Midway SR. Principios de visualización de datos eficaz. Patterns. 2020;1(9):100141. doi:10.1016/j.patter.2020.100141
4. Crampton EW. El crecimiento de los odontoblastos del diente incisivo como criterio de la ingesta de vitamina C en el conejillo de indias. J Nutr. 1947;33(5):491-504. doi:10.1093/jn/33.5.491
5. Azzalini A, Bowman AW. Un vistazo a algunos datos sobre el géiser Old Faithful. Appl Stat. 1990;39(3):357-365. doi:10.2307/2347385
6. Henderson HV, Velleman PF. Construcción interactiva de modelos de regresión múltiple. Biometrics. 1981;37(2):391-411. doi:10.2307/2530428
7. Cobb GW. El problema del Nilo: solución condicional a un problema de punto de cambio. Biometrika. 1978;65(2):243-251. doi:10.1093/biomet/65.2.243
8. McNamara DA, Decker JM, McNamara MW, et al. Trajes de plomo suspendidos y exposición a la radiación en ecocardiografistas intervencionistas. JAMA Netw Open. 2026;9(3):e2558134. doi:10.1001 / jamanetworkopen.2025.58134
9. Bauer SR, Kenfield SA, Oni-Orisan A, et al. Reducción de la prescripción de tamsulosina para los síntomas del tracto urinario inferior en hombres mayores: un ensayo clínico aleatorizado. JAMA Netw Open. 2026;9(7):e2621639. doi:10.1001 / jamanetworkopen.2026.21639
10. Dias JML, More RP, Butler D, et al. Diagnóstico mediante secuenciación del genoma completo y utilización de la atención en niños con enfermedades graves. JAMA Netw Open. 2026;9(9):e2634372. doi:10.1001 / jamanetworkopen.2026.34372
11. Butkow KJ, Jalaludeen N, Liu Y, et al. Medición del volumen sistólico cardíaco mediante detección de audio intraauricular. Nat Commun. 2026;17(1):8755. doi:10.1038/s41467-026-75642-0
12. Matta R, Shaw J, Mohamud H, et al. Visitas al servicio de urgencias, ingresos hospitalarios y tiempos de espera para pacientes con afecciones urológicas. JAMA Netw Open. 2026;9(3):e2560058. doi:10.1001 / jamanetworkopen.2025.60058
13. Bland JM, Altman DG. Métodos estadísticos para evaluar la concordancia entre dos métodos de medición clínica. Lancet. 1986;327(8476):307-310. doi:10.1016/S0140-6736(86)90837-8
14. Hintze JL, Nelson RD. Gráficos de violín: una sinergia entre diagramas de caja y trazas de densidad. Am Stat. 1998;52(2):181-184. doi:10.1080/00031305.1998.10480559
15. Cleveland WS, McGill R. Percepción gráfica: teoría, experimentación y aplicación al desarrollo de métodos gráficos. J Am Stat Assoc. 1984;79(387):531-554. doi:10.1080/01621459.1984.10478080
16. Crameri F, Shephard GE, Heron PJ. El mal uso del color en la comunicación científica. Nat Commun. 2020;11(1). doi:10.1038/s41467-020-19160-7
17. Isenberg P, Bezerianos A, Dragicevic P, Fekete JD. Un estudio sobre gráficos de datos de doble escala. IEEE Trans Vis Comput Graph. 2011;17(12):2469-2478. doi:10.1109/TVCG.2011.160
18. Tukey JW. Análisis exploratorio de datos. Reading, MA: Addison-Wesley; 1977.

Las figuras publicadas (Figuras A a E) se reproducen bajo licencia CC BY 4.0 a partir de los cinco artículos que figuran al final de las referencias. Conjuntos de datos: ToothGrowth, faithful, mtcars, Nile, chickwts y EuStockMarkets del paquete de conjuntos de datos de R. Todas las estadísticas se reprodujeron de forma independiente en R y Python.