Publicado | Última actualización:

En palabras simplesUn gráfico de barras compara grupos distintos, por lo que las barras se mantienen separadas y se pueden reordenar. Un histograma muestra la distribución de una variable medida, por lo que las barras se tocan y conservan su orden. Si el eje horizontal es una lista de nombres, utilice un gráfico de barras. Si es una recta numérica, utilice un histograma.

La cuestión de elegir entre un gráfico de barras o un histograma se reduce a una sola cosa: qué se representa en el eje horizontal. Esta guía explica la regla y luego muestra qué sucede cuando se incumple, utilizando datos reales: 272 erupciones del géiser Old Faithful, representadas primero como un gráfico de barras y luego como un histograma. El gráfico de barras indica que la erupción típica dura aproximadamente 3.5 minutos. El histograma muestra que muy pocas erupciones duran tanto.

En esta página: La diferencia · Ejemplo práctico · Ancho del contenedor · Qué muestran los diarios · Error común · Cuál usar · Crear ambos · Preguntas frecuentes

Gráfico de barras vs. histograma: la diferencia en una tabla

Ambos gráficos utilizan barras, por lo que suelen confundirse. La diferencia radica en el tipo de variable en el eje horizontal. Un gráfico de barras presenta categorías: grupos de tratamiento, hospitales, diagnósticos. Cada barra es independiente, por lo que existe un espacio entre ellas y el orden es libre. Un histograma presenta una medición continua, como la edad, un valor de laboratorio o una duración. La medición se divide en intervalos consecutivos y cada barra cuenta las observaciones de un intervalo, por lo que las barras se tocan y el orden es fijo.

ElementoGráfico de barrasHistograma
Lo que muestra el eje horizontalCategorías separadas (grupos, diagnósticos, países)Una medición continua dividida en intervalos consecutivos
Lo que muestra la altura de la barraUn recuento, un porcentaje o un resumen como una media.El número (o porcentaje) de observaciones en ese intervalo
Espacios entre barrasSí, para marcar categorías separadasNo, las barras se tocan porque la escala es continua.
¿Puedes volver a pedir las barras?Sí, por ejemplo, de mayor a menor.No, la recta numérica fija el orden.
Debes tomar una decisión.Qué categorías mostrarDónde comienzan los contenedores y qué tan anchos son
Pregunta típica respondida¿Qué grupo es más grande?¿Qué forma tiene la distribución: un pico, dos picos, asimétrica, con huecos?

Nuestro consejo práctico: ante la duda, pregúntese si podría intercambiar dos barras sin alterar su significado. Si es posible, se trata de un gráfico de barras. Si al intercambiarlas se distorsiona la recta numérica, se trata de un histograma.

Ejemplo resuelto: 272 erupciones de géiseres, dibujadas de dos maneras.

R incluye un conjunto de datos llamado faithful Con 272 observaciones del géiser Old Faithful en Yellowstone, analizadas originalmente por Azzalini y Bowman [5], medimos la duración de las erupciones en minutos. La media es de 3.49 minutos, la desviación estándar de 1.14, la mediana de 4.0 y el rango de 1.6 a 5.1. Recalculamos estos valores tanto en R como en Python a partir del mismo archivo y los resultados coinciden.

La figura 1 muestra los mismos 272 números dos veces. El panel A es el gráfico de barras que muchos periódicos imprimirían: una barra en la media con una barra de error de una desviación estándar. El panel B es el histograma.

Gráfico de dos paneles con la duración de 272 erupciones del géiser Old Faithful. El panel A muestra una barra azul marino a 3.49 minutos con una barra de error naranja que representa una desviación estándar. El panel B muestra un histograma de los mismos datos con dos grupos separados, uno alrededor de los 2 minutos y otro alrededor de los 4.5 minutos, y una línea roja discontinua en la media que se encuentra dentro del intervalo. Fuente: Conjuntos de datos R faithful, 272 erupciones (Azzalini y Bowman 1990); gráfico de Editverse.
Figura 1. Panel A: la media (barra azul marino) con una desviación estándar (naranja). Panel B: los mismos 272 valores como un histograma con intervalos de 0.25 minutos; la línea roja discontinua es la media. La media se encuentra en el valle entre dos grupos. Fuente: R faithful conjunto de datos, 272 erupciones [5]; gráfico de Editverse.

El panel A indica que las erupciones duran aproximadamente 3.5 minutos, con un margen de error de un minuto. El panel B muestra que esta descripción es incorrecta para cualquier erupción individual. Existen dos grupos: erupciones cortas de alrededor de 2 minutos y erupciones largas de alrededor de 4.5 minutos. De las 272 erupciones, 97 (36%) duran menos de 3 minutos y 175 (64%) duran 3 minutos o más. Solo 14 erupciones (5%) se encuentran entre 2.5 y 3.5 minutos, y apenas 17 (6%) están dentro de un cuarto de minuto de la media. La media del gráfico de barras, y la barra de error que la rodea, describen una duración que el géiser rara vez produce.

Esta es la razón principal para preferir un histograma para datos continuos: una barra resumen puede provenir de distribuciones muy diferentes, y solo un histograma (o un diagrama de puntos) muestra cuál es la que se tiene.

Cómo el ancho de los intervalos cambia lo que dice un histograma

Un histograma tiene una configuración que un gráfico de barras no tiene: el ancho de los intervalos. La figura 2 muestra los mismos datos con cuatro anchos diferentes.

Cuatro histogramas apilados de las mismas 272 duraciones de erupción de Old Faithful con diferentes anchos de intervalo: 1.00 minuto con 4 intervalos, 0.71 minutos Freedman-Diaconis con 6 intervalos, 0.35 minutos basado en Sturges con 11 intervalos y 0.05 minutos con 73 intervalos. Los dos grupos son irregulares en la parte superior y dentados en la inferior. Fuente: Conjuntos de datos R faithful (Azzalini y Bowman 1990); gráfico de Editverse
Figura 2. Las mismas 272 duraciones de erupción en intervalos de 1.00, 0.71, 0.35 y 0.05 minutos. Los intervalos amplios difuminan la estructura; los intervalos muy estrechos captan el ruido. Fuente: R faithful conjunto de datos [5]; gráfico de Editverse.
Ancho del contenedorContenedores extraídosDe dónde viene¿Cuál sería tu conclusión?
1.00 min4Un número redondoDos bloques grandes y uno pequeño; la hendidura está ahí, pero la forma es tosca.
0.71 min6Regla de Freedman-Diaconis [4]Los dos grupos son visibles, con dos intervalos bajos entre ellos.
0.35 min11 (la regla da 10 clases)Regla de Sturges [2]Dos grupos bien definidos y un espacio casi vacío entre ellos.
0.05 min73ArbitrariaIrregular; los intervalos individuales parecen picos, que en su mayoría son ruido.

Tres reglas publicadas ofrecen un punto de partida. Sturges (1926) utiliza k = ceil(log2 n) + 1 clases, que es 10 para n = 272 [2]. Scott (1979) proporciona un ancho de 3.49 x SD xn^(-1/3), que es 0.61 minutos aquí [3]. Freedman y Diaconis (1981) utilizan 2 x IQR xn^(-1/3), que es 0.71 minutos aquí y se ve menos afectado por valores atípicos [4]. Estas son reglas generales, no leyes. Nuestro consejo es probar dos o tres anchos, comprobar que la historia no cambia e indicar el ancho del intervalo o la regla en la leyenda de la figura.

Un detalle que suele confundir a la gente: el hecho de que los contenedores estén abiertos a la izquierda o a la derecha determina dónde se cuenta un valor que se encuentra exactamente en un borde. hist y conectar closed = "right" La configuración que utilizamos asigna un valor de 4.0 al intervalo (3.75, 4.0). La configuración predeterminada del software puede variar, así que indique cuál utilizó cuando los recuentos sean relevantes.

Lo que muestran realmente las cifras publicadas

El hábito de dibujar una barra para la media está muy extendido. Weissgerber y sus colegas revisaron artículos de investigación en las principales revistas de fisiología (n = 703) y encontraron que el 85.6 % incluía al menos un gráfico de barras. La mayoría de estos mostraban la media más o menos el error estándar (77.6 %) en lugar de la desviación estándar (15.3 %). Las figuras que muestran la distribución se usaron con poca frecuencia: el 13.4 % de los artículos tenían al menos un diagrama de dispersión univariado, el 5.3 % un diagrama de caja y el 8.0 % un histograma [1].

Captura de pantalla anotada del párrafo de resultados de Weissgerber et al. (2015) en PLoS Biology, donde se destaca que el 85.6 % de los artículos incluían al menos un gráfico de barras, el 13.4 % un diagrama de dispersión univariante y el 8.0 % un histograma. Fuente: PubMed Central PMC4406565, capturada el 28 de octubre de 2026.
Figura 3. Párrafo de resultados de la revisión, capturada el 28 de octubre de 2026, resaltados añadidos por Editverse. Fuente: Weissgerber et al., PLoS Biol 2015, PMC4406565 [1]. Citado brevemente como prueba.

En resumen, los autores señalan que diversas distribuciones de datos pueden generar el mismo gráfico de barras o de líneas, y que el conjunto completo de datos puede sugerir conclusiones distintas a las obtenidas con las estadísticas descriptivas [1]. Esto es precisamente lo que muestra la Figura 1 con un único conjunto de datos. La revisión data de 2015, por lo que describe la práctica de ese período, pero sigue siendo el análisis más claro del problema.

Error común: un gráfico de barras de la media para una variable continua.

Error comúnSe utiliza una barra de media, con una barra de error, para describir una medición continua, sin mostrar los datos subyacentes. La barra no permite determinar si los valores forman un grupo, dos grupos o una distribución asimétrica. En nuestro ejemplo, la barra de error (media más o menos 1 desviación estándar, de 2.35 a 4.63 minutos) contiene 150 de las 272 erupciones, mientras que la media se sitúa en una zona donde solo se encuentra aproximadamente el 6 % de las erupciones. Se puede dibujar un histograma o, para muestras pequeñas, graficar cada punto.

Conviene comprobar tres errores relacionados en tus propias cifras:

  • Barras táctiles para categorías o espacios para contenedores. El espacio es una señal: indica que “son grupos separados”. Úselo correctamente.
  • Barras de error que no indican qué son. El error estándar disminuye a medida que aumenta el tamaño de la muestra y no describe la dispersión. Indique SD o SE en la leyenda y prefiera mostrar los puntos [1].
  • El ancho del contenedor se elige por defecto en el software y nunca se comprueba. Como muestra la Figura 2, los mismos datos pueden verse pixelados o dentados dependiendo de la configuración.

¿Qué gráfico debería utilizar?

  • Comparación de grupos en función de un recuento o porcentaje (casos por hospital, proporción con cada resultado): gráfico de barras, eje Y comenzando en cero.
  • Observando la forma de una medición continua (edad, biomarcador, duración): histograma, con el ancho del intervalo indicado.
  • Comparación de un resultado continuo entre varios grupos: mostrar los puntos individuales, o diagramas de caja, o un histograma por grupo en un eje compartido; una barra de la media es la última opción [1].
  • Dos variables continuas: un diagrama de dispersión en lugar de cualquiera de los dos formatos de barras.

Para obtener más información sobre cómo elegir, consulte nuestras guías para elegir el tipo de gráfico adecuado y cómo la elección del gráfico cambia la interpretación de los datos , y para la prueba que acompaña a su gráfico, la elección de la prueba estadística adecuada.

Cómo construir ambos gráficos en R

El código que aparece a continuación reproduce la Figura 1 en pocas líneas. Utiliza el conjunto de datos integrado, por lo que puede ejecutarlo tal cual.

library(ggplot2)x <- faithful$eruptions # 272 erupciones de Old Faithful, minutos# 1. el gráfico de barras de la media (oculta la forma)mean(x); sd(x) # 3.49, 1.14# 2. el histograma (muestra la forma); los bins son (a, b], right-closedggplot(faithful, aes(eruptions)) + geom_histogram(breaks = seq(1.5, 5.5, by = 0.25), closed = "right", fill = "#0F1B3D", colour = "white") + geom_vline(xintercept = mean(x), linetype = "dashed", colour = "#c62828")# 3. reglas de ancho de bin de base R: número de clases que sugiere cada reglannclass.Sturges(x); nclass.scott(x); nclass.FD(x)

También puedes crear histogramas y gráficos de barras sin necesidad de código con nuestra herramienta gratuita que encontrarás a continuación.

Herramientas gratuitas para tus gráficos

Estas herramientas de Editverse son gratuitas y no requieren registro.

  • GraphProCrea gráficos listos para publicar, de 25 tipos diferentes, con pruebas t, ANOVA, correlación y valores p de chi-cuadrado integrados. Gratis, sin necesidad de registrarse.
  • EstatProCalculadoras estadísticas gratuitas y una herramienta de selección de pruebas que abarca comparaciones de grupos, resultados categóricos, análisis de tiempo hasta el evento y precisión diagnóstica.
  • Diagrama de flujo Pro: genera diagramas de flujo PRISMA 2020, PRISMA-ScR, CONSORT, STROBE, STARD, MOOSE y ARRIVE directamente en tu navegador.

Guías relacionadas de Editverse

Haz que tus figuras se elaboren según los estándares de las revistas especializadas.

Si desea que sus datos se representen en el gráfico adecuado, con la distribución visible y la leyenda y el formato configurados para la revista a la que se dirige, este es el servicio diseñado para ello.

Editverso

Editverso
Recomendado para este artículo

¿Necesitas gráficos que muestren tus datos reales? Convertimos tus datos en gráficos listos para su publicación, elaborados según las especificaciones de la revista a la que te dirijas: histogramas, diagramas de dispersión y de puntos, diagramas de caja y de violín, diagramas de bosque y más, en R (ggplot2), con revisiones hasta que se ajusten a los requisitos de la revista.

editverse.com
Servicio de visualización de datos
$300

Ver el servicio

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

Preguntas frecuentes sobre gráficos de barras e histogramas

¿Cuál es la diferencia entre un gráfico de barras y un histograma?

Un gráfico de barras compara categorías distintas, por lo que sus barras están separadas y se pueden reordenar. Un histograma muestra cómo se distribuye una medida continua: los valores se dividen en intervalos consecutivos, las barras se tocan y el orden está determinado por la recta numérica.

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

Utilice un gráfico de barras cuando el eje horizontal muestre categorías, como grupos de tratamiento, hospitales o diagnósticos, y la altura de la barra represente un recuento, un porcentaje o un valor resumen. Utilice un histograma cuando el eje horizontal represente una magnitud medida, como la edad, la presión arterial o el tiempo de erupción.

¿Por qué las barras de un histograma se tocan entre sí?

Dado que los intervalos son consecutivos en una escala continua, sin pausa entre el final de un intervalo y el comienzo del siguiente, una pausa entre las barras indicaría una interrupción en la escala. En un gráfico de barras, una pausa marca la separación entre categorías no relacionadas.

¿Es un gráfico de barras de medias una buena manera de mostrar datos continuos?

A menudo no. En una revisión de 703 artículos en las principales revistas de fisiología, el 85.6 % incluía al menos un gráfico de barras, y los autores advierten que muchas distribuciones de datos diferentes pueden dar lugar al mismo gráfico de barras [1]. Nuestro ejemplo de Old Faithful a continuación muestra una media de 3.49 minutos, donde muy pocas erupciones duran tanto.

¿Cuántos intervalos debe tener un histograma?

No existe un único número correcto. La regla de Sturges utiliza k = ceil(log2 n) + 1 clases, la regla de Scott un ancho de 3.49 x SD xn^(-1/3), y Freedman y Diaconis un ancho de 2 x IQR xn^(-1/3) [2,3,4]. Para las 272 erupciones, esto da 10 clases (ancho 0.35 min), un ancho de 0.61 min y un ancho de 0.71 min. Pruebe más de una configuración e indique la que utilizó.

¿Puede un histograma ocultar alguna característica de mis datos?

Sí. Un número insuficiente de intervalos suaviza la estructura real, y un número excesivo genera ruido. Con cuatro intervalos de 1 minuto, los dos grupos de erupciones de Old Faithful se difuminan formando una figura irregular; con 73 intervalos de 0.05 minutos, el patrón se vuelve dentado.

¿Debe comenzar el eje Y de un gráfico de barras en cero?

Sí. En un gráfico de barras, la longitud de la barra representa el valor, por lo que recortar la parte inferior exagera las diferencias. Esta regla se aplica a las barras; el eje Y de un histograma representa el número de observaciones y también debe comenzar en cero, ya que la altura de la barra es, una vez más, el indicador principal.

¿Qué debería mostrar en lugar de un gráfico de barras de medias en un estudio pequeño?

Muestre los puntos de datos individuales, por ejemplo, un diagrama de dispersión univariado, un diagrama de caja o un histograma cuando la muestra sea lo suficientemente grande. Weissgerber y sus colegas encontraron que estos eran poco comunes en los artículos de fisiología: el 13.4 % tenía un diagrama de dispersión, el 5.3 % un diagrama de caja y el 8.0 % un histograma [1].

Conclusión

Utilice un gráfico de barras cuando el eje horizontal muestre categorías y un histograma cuando sea una línea numérica. Para datos continuos, una barra de la media puede ocultar la estructura que revela un histograma: en nuestras 272 erupciones, la media describe una duración que el géiser rara vez produce. Indique el ancho de los intervalos, especifique si las barras de error son la desviación estándar (DE) o el error estándar (EE), y cuando la muestra sea pequeña, muestre todos los puntos [1,2,3,4]. Para obtener ayuda para convertir sus datos en la figura adecuada, consulte nuestro servicio de visualización de datos.

Referencias

  1. Weissgerber TL, Milic NM, Winham SJ, Garovic VD (2015). Más allá de los gráficos de barras y líneas: es hora de un nuevo paradigma de presentación de datos. PLoS Biol 13(4):e1002128. 10.1371 / journal.pbio.1002128
  2. Sturges HA (1926). La elección de un intervalo de clase. J Am Stat Assoc 21(153):65-66. 10.1080/01621459.1926.10502161
  3. Scott DW (1979). Sobre histogramas óptimos y basados ​​en datos. Biometrika 66(3):605-610. 10.1093/biomet/66.3.605
  4. Freedman D, Diaconis P (1981). Sobre el histograma como estimador de densidad: teoría L2. Z Wahrscheinlichkeitstheorie verw Gebiete 57(4):453-476. 10.1007 / BF01025868
  5. Azzalini A, Bowman AW (1990). Un vistazo a algunos datos sobre el géiser Old Faithful. Appl Stat 39(3):357-365. 10.2307/2347385
Sobre este articuloPreparado por la Unidad de Estrategia de Publicación, Editverse. Las estadísticas para el ejemplo resuelto se recalcularon en R y Python a partir de R faithful El conjunto de datos, así como las cifras y declaraciones citadas, se cotejaron con los documentos originales el 28 de octubre de 2026.