Objetivos. (1) Ver por qué las estadísticas resumen engañan; (2) comparar la precisión de distintas codificaciones visuales (posición > longitud > ángulo/área); (3) usar atributos preatentivos para guiar la mirada. Esta es la versión en R del laboratorio 1 (la versión Python está en Google Colab).

1. El cuarteto de Anscombe

Cuatro conjuntos de datos con la misma media, varianza, correlación y recta de regresión:

a <- leer("anscombe.csv")
a %>%
  group_by(dataset) %>%
  summarise(x_media = mean(x), y_media = mean(y), y_varianza = var(y), correlacion = cor(x, y)) %>%
  mutate(across(where(is.numeric), ~ round(.x, 2)))

Los números son casi idénticos. ¿Y los gráficos?

ggplot(a, aes(x, y)) +
  geom_point(color = BASE, size = 2.6) +
  geom_smooth(method = "lm", se = FALSE, color = ENFASIS, linewidth = 0.9) +
  facet_wrap(~ dataset, nrow = 1, labeller = label_both) +
  labs(title = "Mismos números, historias distintas",
       subtitle = "Recta de regresión idéntica en los cuatro conjuntos", x = NULL, y = NULL)

Lección: nunca confíes solo en estadísticos resumen; graficá siempre los datos.

2. Jerarquía de la percepción (Cleveland & McGill)

Los mismos 5 valores codificados con posición, longitud y ángulo. ¿Con cuál es más fácil decir cuál categoría es la mayor y cuál la segunda?

d <- tibble(cat = LETTERS[1:5], val = c(23, 25, 21, 24, 26))

p1 <- ggplot(d, aes(val, reorder(cat, -val))) + geom_point(color = BASE, size = 3.5) +
  labs(title = "Posición (puntos)", x = NULL, y = NULL)
p2 <- ggplot(d, aes(val, cat)) + geom_col(fill = BASE) + scale_y_discrete(limits = rev) +
  labs(title = "Longitud (barras)", x = NULL, y = NULL)
p3 <- ggplot(d, aes("", val, fill = cat)) + geom_col(width = 1, color = "white") + coord_polar("y") +
  labs(title = "Ángulo (torta)", fill = NULL) + theme_void() + theme(plot.title = element_text(face = "bold"))

p1 + p2 + p3

Pregunta: cronometrá cuánto tardás con cada panel. La posición sobre una escala común es la tarea perceptiva más precisa.

3. Atributos preatentivos: el color como foco

Contá cuántos puntos “atípicos” hay. Primero sin guía; luego con color de énfasis.

set.seed(1)
p <- tibble(x = rnorm(300), y = rnorm(300), fuera = seq_len(300) %in% sample(300, 8))

g1 <- ggplot(p, aes(x, y)) + geom_point(color = BASE) + labs(title = "Sin énfasis")
g2 <- ggplot(p, aes(x, y, color = fuera)) + geom_point() +
  scale_color_manual(values = c(`FALSE` = GRIS_CLARO, `TRUE` = ENFASIS), guide = "none") +
  labs(title = "Con color de énfasis")
g1 + g2

4. Tu turno (entregable de la sesión)

  1. Elegí un gráfico de un medio de prensa o informe institucional (pegá la imagen con knitr::include_graphics("ruta.png") o un enlace).
  2. Identificá variable, codificación visual y mensaje; evalúalo con la jerarquía de Cleveland-McGill.
  3. Rehacelo con ggplot2 aplicando data-ink ratio (Tufte): quitá lo que no informa.
  4. Escribí 5 líneas de justificación.

Gráfico elegido

Última Hora (Paraguay), 08/09/2025 · “Cinco bancos concentran la morosidad” · https://www.ultimahora.com/cinco-bancos-concentran-la-morosidad-segun-informe Datos: Banco Central del Paraguay (BCP), informe mensual de bancos, julio 2025.

Antes

Variable, codificación visual y mensaje

Variable | Tasa de morosidad de cada banco: % de su cartera de créditos que está vencida. Es una variable cuantitativa (de razón); los bancos son una categoría nominal. Como no son partes de un todo, las tasas no deben sumar 100 %. | | Codificación visual | Prácticamente ninguna. Es una tabla con formato de gráfico: todas las filas tienen el mismo tamaño y el valor aparece solo como texto (número en rojo). El único atributo visual es la posición vertical, que indica el orden del ranking (1° a 5°). | | Mensaje buscado | Mostrar qué bancos tienen la mayor morosidad del sistema, con Banco de la Nación Argentina (22,8 %) en primer lugar. |

Evaluación con la jerarquía de Cleveland-McGill

  • Nivel de la jerarquía: el gráfico no usa ningún nivel. Los valores no se codifican con posición, longitud, área ni color, solo con números escritos. El lector tiene que leer fila por fila, igual que en una tabla, y no hay detección preatentiva. Una tasa de 22,8 % ocupa el mismo espacio que una de 3,6 %, aunque es más de 6 veces mayor.
  • Valores cercanos: Solar Banco (3,7 %) y Banco Familiar (3,6 %) solo se distinguen leyendo los números. La gran distancia entre Banco Nación y el resto tampoco se ve: hay que calcularla mentalmente.
  • Tinta que no informa:Las filas alternan beige y celeste sin ningún significado. Todos los valores están en rojo, así que nada se destaca (“si todo resalta, nada resalta”). Los bordes gruesos de cada fila también son decoración.
  • Integridad y contexto: el gráfico no cita la fuente y no muestra el promedio del sistema (2,6 % según el texto de la nota). Sin esa referencia, el lector no sabe si 3,6 % es alto o bajo. Tampoco aclara qué mide exactamente la “tasa de morosidad”.

Después

mora <- tibble(
  banco = c("Banco de la Nación Argentina", "Banco Río", "Banco Nacional de Fomento",
            "Solar Banco", "Banco Familiar"),
  tasa  = c(22.8, 11.2, 5.1, 3.7, 3.6)
)
promedio_sistema <- 2.6
mora <- mora %>%
  mutate(destacado = tasa == max(tasa),
         etiqueta  = paste0(fmt_num(tasa), " %  (", fmt_num(tasa / promedio_sistema), "× el promedio)"))

ggplot(mora, aes(tasa, reorder(banco, tasa))) +
  geom_col(aes(fill = destacado), width = 0.6) +
  geom_vline(xintercept = promedio_sistema, linetype = "dashed", color = "#333333") +
  annotate("text", x = promedio_sistema + 0.3, y = 0.35, hjust = 0, size = 3.2,
           label = paste0("Promedio del sistema: ", fmt_num(promedio_sistema), " %")) +
  geom_text(aes(label = etiqueta), hjust = -0.05, size = 3.6, color = "#333333") +
  scale_fill_manual(values = c(`FALSE` = GRIS, `TRUE` = ENFASIS), guide = "none") +
  scale_x_continuous(limits = c(0, max(mora$tasa) * 1.75), expand = c(0, 0)) +
  scale_y_discrete(expand = expansion(add = c(1, 0.6))) +
  labs(title = "La morosidad de Banco Nación es casi 9 veces el promedio del sistema",
       subtitle = "Tasa de morosidad (% de la cartera de créditos) · julio 2025",
       caption = "Fuente: BCP, informe mensual de bancos (julio 2025), vía Última Hora (08/09/2025).",
       x = NULL, y = NULL) +
  theme(panel.grid = element_blank(), axis.text.x = element_blank(),
        plot.caption = element_text(hjust = 0), plot.caption.position = "plot")

Justificación

  1. Adecuación del gráfico: la tasa de morosidad es una variable cuantitativa y, según la matriz de decisión del curso, las magnitudes se representan con posición y longitud; por eso reemplacé la tabla de texto por barras horizontales sobre una escala común que empieza en 0 (nivel 1 de la jerarquía de Cleveland-McGill), ordenadas de mayor a menor para leer el ranking de un vistazo.
  2. Atención preatentiva: usé un solo color de énfasis (naranja) para el caso más relevante, Banco Nación, y gris para el resto, en lugar de poner todos los valores en rojo; así el foco se detecta sin esfuerzo consciente (“si todo resalta, nada resalta”).
  3. Data-ink ratio (Tufte): eliminé la foto de billetes, los colores alternados de las filas, los bordes y el eje X; dejé etiquetas directas sobre cada barra para que toda la tinta represente datos.
  4. Integridad y contexto: agregué una línea de referencia con el promedio del sistema (2,6 %) y expresé cada tasa en veces el promedio, para que el lector pueda juzgar si un valor es alto; además, el título comunica el mensaje y la nota al pie cita la fuente (BCP, vía Última Hora).
  5. Accesibilidad: el color de énfasis pertenece a la paleta Okabe-Ito, apta para personas con daltonismo; los textos están en gris oscuro con buen contraste y el mensaje no depende solo del color, porque las etiquetas y el orden de las barras también lo transmiten.

5. Publicar en RPubs

  1. Presioná Knit → se genera el HTML.
  2. En la ventana de vista previa, botón Publish → RPubs → iniciá sesión (o creá tu cuenta en https://rpubs.com).
  3. Copiá el enlace (https://rpubs.com/tu_usuario/...) y pegalo en el aula virtual, en la actividad correspondiente.

Recordá: lo que publicás en RPubs es público. No incluyas datos personales ni información confidencial.

sessionInfo()$R.version$version.string
## [1] "R version 4.5.1 (2025-06-13 ucrt)"