Diagrama de Dispersión

Scatter Plot

Categoría Correlación

Qué es

Puntos posicionados según dos variables numéricas en ejes X e Y. Permite ver correlaciones, clusters, tendencias y outliers entre dos variables.

Para qué sirve

Para explorar y comunicar la relación entre dos variables numéricas: si son positivamente correlacionadas, inversamente correlacionadas, o independientes.

Cómo leerlo

Anatomía

De todas las fichas de este catálogo, el scatter plot es la que menos tiene un origen puntual documentado —y esto no es una laguna de investigación sino algo que la propia literatura sobre historia de la estadística reconoce abiertamente: resulta llamativo que no exista consenso sobre quién lo usó primero. Hay antecedentes en observaciones astronómicas del siglo XIX que graficaban mediciones de pares de estrellas, pero el uso que le dio verdadero peso estadístico al formato llegó más tarde, al graficar la estatura de padres contra la de sus hijos y observar que la nube de puntos formaba una elipse inclinada —de ahí se dedujeron los conceptos de regresión y correlación que hoy son el motivo principal por el que este chart existe. La forma completa de la nube —no ningún punto individual— es la lectura real: qué tan inclinada y qué tan angosta es revela la fuerza y dirección de la relación entre las dos variables.

Por qué funciona

Fundamento perceptivo

Es la herramienta más poderosa para detectar correlaciones, no-linealidades y outliers. Añade una línea de tendencia (LOESS o lineal) para hacer la relación explícita.

Errores comunes

Mancha con muchos puntos

con más de 10 mil puntos, el gráfico se vuelve una masa sólida, así que usa transparencia, binning hexagonal o un Density Plot 2D para datos masivos.

Dónde se usa

Contextos de aplicación

Relación entre dos variables medidas

Cada observación es un punto: la nube revela si existe asociación.

Horas de estudio y resultados

Buscar tendencia: ¿más de una variable implica más de la otra?

Mediciones de un experimento

Detección de correlaciones y casos atípicos en datos crudos.

Cómo construirlo

El mismo gráfico, en 11 librerías open source

Cada librería resuelve las mismas decisiones de diseño, como la escala, el espaciado entre barras o la inserción de la etiqueta de valor, de un modo distinto. Algunas las automatizan; otras las dejan explícitas en el código, a criterio de quien lo escribe. Comparar once implementaciones con los mismos datos y el mismo color de marca aísla esa diferencia, que de otro modo queda oculta detrás de estilos visuales distintos.

Matplotlib License (estilo BSD)

ax.scatter() es la función base —la diagonal de referencia (misma participación) se traza a mano con dos puntos, sin una función dedicada de "línea de igualdad".

import matplotlib.pyplot as plt

# ax.scatter() es la funcion base -- la diagonal de referencia (misma
# participacion) se traza a mano con dos puntos, sin una funcion
# dedicada de "linea de igualdad".
fig, ax = plt.subplots(figsize=(6, 5.2))
ax.plot([0, 16], [0, 16], color="#9C9187", linestyle="--", linewidth=1)
ax.scatter(x, y, color="#760D3E", alpha=0.75, s=45)
ax.set_xlim(0, 16); ax.set_ylim(0, 16)
ax.set_xlabel("% Hombres"); ax.set_ylabel("% Mujeres")
plt.show()