Gráfico engañoso

El uso de gráficos donde no son necesarios puede generar confusión/interpretación innecesaria. ^{[ 5 ]} Generalmente, cuanta más explicación necesita un gráfico, menos necesario es el gráfico en sí. ^{[ 5 ]} Los gráficos no siempre transmiten mejor la información que las tablas. ^{[ 6 ]}

El uso de palabras sesgadas o tendenciosas en el título, las etiquetas de los ejes o el pie de foto del gráfico puede predisponer inapropiadamente al lector. ^{[ 5 ] [ 7 ]}

• Comparar gráficos circulares de diferentes tamaños podría ser engañoso, ya que las personas no pueden leer con precisión el área comparativa de los círculos. ^{[ 8 ]}
• El uso de rebanadas delgadas, que son difíciles de discernir, puede ser difícil de interpretar. ^{[ 8 ]}
• El uso de porcentajes como etiquetas en un gráfico circular puede ser engañoso cuando el tamaño de la muestra es pequeño. ^{[ 9 ]}
• Hacer un gráfico circular en 3D o agregarle una inclinación dificultará la interpretación debido al efecto de distorsión de la perspectiva . ^{[ 10 ]} Los gráficos circulares con barras en los que se varía la altura de las porciones pueden confundir al lector. ^{[ 10 ]}

Comparación de gráficos circulares

Comparar datos en gráficos de barras suele ser mucho más fácil. En la imagen de abajo, es muy difícil distinguir en los gráficos circulares dónde el sector azul es mayor que el sector verde.

El uso de pictogramas en gráficos de barras no debe escalarse uniformemente, ya que esto crea una comparación perceptualmente engañosa. ^{[ 14 ]} Se interpreta el área del pictograma en lugar de solo su altura o anchura. ^{[ 15 ]} Esto hace que la escala haga que la diferencia parezca estar al cuadrado. ^{[ 15 ]}

En el gráfico de barras de pictogramas con escala incorrecta, la imagen correspondiente a B es en realidad 9 veces más grande que la de A.

El tamaño percibido aumenta al escalarlo.

El efecto de un escalado inadecuado de los pictogramas se ejemplifica aún más cuando el pictograma tiene 3 dimensiones, en cuyo caso el efecto se amplifica al cubo. ^{[ 16 ]}

El gráfico de ventas de viviendas (izquierda) es engañoso. Da la impresión de que las ventas de viviendas se multiplicaron por ocho en 2001 con respecto al año anterior, cuando en realidad se duplicaron. Además, no se especifica el número de ventas.

Un pictograma con una escala incorrecta también puede sugerir que el artículo en sí ha cambiado de tamaño. ^{[ 17 ]}

Suponiendo que las imágenes representan cantidades equivalentes, el gráfico engañoso muestra que hay más plátanos porque estos ocupan la mayor parte del área y están más a la derecha.

Las escalas logarítmicas (o logaritmos) son un método válido para representar datos. Sin embargo, cuando se utilizan sin estar claramente etiquetadas como tales o se muestran a un lector que no está familiarizado con ellas, pueden resultar engañosas. Las escalas logarítmicas expresan los valores de los datos en función de un número elegido (a menudo 10) elevado a una potencia determinada. Por ejemplo, una escala logarítmica puede asignar una altura de 1 a un valor de 10 en los datos y una altura de 6 a un valor de 1.000.000 (10⁶ ⁾ . Las escalas logarítmicas y sus variantes se utilizan comúnmente, por ejemplo, para el índice de explosividad volcánica, la escala de Richter para terremotos, la magnitud de las estrellas y el pH de soluciones ácidas y alcalinas. Incluso en estos casos, la escala logarítmica puede hacer que los datos sean menos evidentes a simple vista. A menudo, el motivo para utilizar escalas logarítmicas es que el autor del gráfico desea mostrar escalas muy diferentes en el mismo eje. Sin escalas logarítmicas, comparar cantidades como 1000 (10³ ⁾ frente a ^10⁹ (1.000.000.000) resulta visualmente poco práctico. Un gráfico con una escala logarítmica que no esté claramente identificada como tal, o un gráfico con una escala logarítmica presentado a un espectador que desconozca las escalas logarítmicas, generalmente dará como resultado una representación que hará que los valores de los datos parezcan de tamaño similar, cuando en realidad son de magnitudes muy diferentes. El uso incorrecto de una escala logarítmica puede hacer que valores muy diferentes (como 10 y 10.000) parezcan cercanos (en una escala logarítmica de base 10, serían solo 1 y 4). O puede hacer que los valores pequeños parezcan negativos debido a cómo las escalas logarítmicas representan los números menores que uno.

El uso indebido de escalas logarítmicas también puede hacer que las relaciones entre cantidades parezcan lineales, cuando en realidad son exponenciales o leyes de potencia que aumentan muy rápidamente hacia valores más altos. Se ha dicho, aunque principalmente en tono humorístico, que "todo parece lineal en un gráfico logarítmico doble con un rotulador grueso" . ^{[ 18 ]}

Ambas gráficas muestran una función exponencial idéntica de f(x ) = 2x ^. La gráfica de la izquierda utiliza una escala lineal, lo que muestra claramente una tendencia exponencial. La gráfica de la derecha, en cambio, utiliza una escala logarítmica, lo que genera una línea recta. Si el observador no supiera esto, la gráfica parecería mostrar una tendencia lineal.

Un gráfico truncado (también conocido como gráfico rasgado ) tiene un eje Y que no comienza en 0. Estos gráficos pueden crear la impresión de un cambio importante donde en realidad hay relativamente poco cambio.

Si bien los gráficos truncados pueden usarse para resaltar diferencias o ahorrar espacio, su uso suele desaconsejarse. El software comercial, como MS Excel, tiende a truncar los gráficos por defecto si los valores se encuentran dentro de un rango estrecho, como en este ejemplo. Para mostrar diferencias relativas en los valores a lo largo del tiempo, se puede usar un gráfico de índice. Los diagramas truncados siempre distorsionan visualmente los números subyacentes. Varios estudios encontraron que, incluso si las personas estaban correctamente informadas de que el eje Y estaba truncado, seguían sobreestimando las diferencias reales, a menudo de forma sustancial. ^{[ 19 ]}

Estos gráficos muestran datos idénticos ; sin embargo, en el gráfico de barras truncado de la izquierda, los datos parecen mostrar diferencias significativas, mientras que, en el gráfico de barras normal de la derecha, estas diferencias apenas son visibles.

Existen varias formas de indicar las interrupciones del eje Y :

Modificar el valor máximo del eje Y afecta la apariencia del gráfico. Un valor máximo más alto hará que el gráfico parezca tener menos volatilidad, menor crecimiento y una pendiente menos pronunciada que con un valor máximo más bajo.

Modificar la proporción de las dimensiones de un gráfico afectará a su apariencia.

Más grave aún, un gráfico puede usar diferentes ejes Y para diferentes conjuntos de datos, lo que hace que la comparación entre los conjuntos sea engañosa (el siguiente gráfico usa un eje Y distinto solo para "EE. UU.", lo que hace parecer que China ha superado a EE. UU. en gastos militares, cuando en realidad gasta mucho más):

Las escalas de un gráfico se utilizan a menudo para exagerar o minimizar las diferencias. ^{[ 20 ] [ 21 ]}

La falta de un valor inicial para el eje Y dificulta determinar si el gráfico está truncado. Además, la ausencia de marcas de graduación impide al lector comprobar si las barras del gráfico están correctamente escaladas. Sin una escala, la diferencia visual entre las barras puede manipularse fácilmente.

Aunque los tres gráficos comparten los mismos datos y, por lo tanto, la pendiente real de los datos ( x , y ) es la misma, la forma en que se representan los datos puede alterar la apariencia visual del ángulo que forma la línea en el gráfico. Esto se debe a que cada gráfico tiene una escala diferente en su eje vertical. Dado que la escala no se muestra, estos gráficos pueden resultar engañosos.

Los intervalos y las unidades utilizadas en un gráfico pueden manipularse para crear o mitigar la expresión del cambio. ^{[ 12 ]}

Los gráficos creados con datos omitidos eliminan información en la que basar una conclusión.

En el diagrama de dispersión con categorías faltantes a la izquierda, el crecimiento parece ser más lineal y con menor variación.

En los informes financieros, los rendimientos negativos o los datos que no se correlacionan con una perspectiva positiva pueden omitirse para crear una impresión visual más favorable.

Se desaconseja encarecidamente el uso de una tercera dimensión superflua que no contenga información, ya que puede confundir al lector. ^{[ 10 ]}

• 
  La tercera dimensión puede confundir a los lectores. ^{[ 10 ]}
• 
  La columna azul que está al frente parece más grande que la columna verde que está al fondo debido a la perspectiva, a pesar de tener el mismo valor.
• 
  Al escalar en tres dimensiones, el efecto del cambio se eleva al cubo.

Los gráficos están diseñados para facilitar la interpretación de los datos estadísticos. Sin embargo, los gráficos excesivamente complejos pueden oscurecer los datos y dificultar su interpretación.

Los gráficos mal elaborados pueden dificultar la comprensión y, por lo tanto, la interpretación de los datos.

Los gráficos engañosos pueden utilizarse a su vez para extrapolar tendencias engañosas. ^{[ 22 ]}

${\displaystyle {\text{Factor de mentira}}={\frac {\text{tamaño del efecto mostrado en el gráfico}}{\text{tamaño del efecto mostrado en los datos}}},}$

dónde

${\displaystyle {\text{tamaño del efecto}}=\left|{\frac {{\text{segundo valor}}-{\text{primer valor}}}{\text{primer valor}}}\right|.}$

Un gráfico con un alto factor de mentira (>1) exageraría el cambio en los datos que representa, mientras que uno con un factor de mentira pequeño (>0, <1) ocultaría el cambio en los datos. ^{[ 25 ]} Un gráfico perfectamente preciso presentaría un factor de mentira de 1.

${\displaystyle {\text{índice de discrepancia gráfica}}=100\left({\frac {a}{b}}-1\right)=100\left(\mathrm {factor de Lie} -1\right),}$

dónde

${\displaystyle a={\text{cambio porcentual representado en el gráfico}},}$

${\displaystyle b={\text{cambio porcentual en los datos}}.}$

El índice de discrepancia gráfica , también conocido como índice de distorsión gráfica ( GDI ), fue propuesto originalmente por Paul John Steinbart en 1998. El GDI se calcula como un porcentaje que va desde -100% hasta infinito positivo, donde cero por ciento indica que el gráfico se ha construido correctamente y cualquier valor fuera del margen de ±5% se considera distorsionado. ^{[ 23 ]} Las investigaciones sobre el uso del GDI como medida de distorsión gráfica han revelado que es inconsistente y discontinuo, lo que dificulta su uso como medida para comparaciones. ^{[ 23 ]}

${\displaystyle {\text{relación datos-tinta}}={\frac {\text{“tinta” utilizada para mostrar los datos}}{\text{tinta total utilizada para mostrar el gráfico}}}}$

La relación datos-tinta debe ser relativamente alta. De lo contrario, el gráfico puede contener elementos gráficos innecesarios. ^{[ 25 ]}

${\displaystyle {\text{densidad de datos}}={\frac {\text{número de entradas en la matriz de datos}}{\text{área del gráfico de datos}}}}$

La densidad de datos debe ser relativamente alta; de lo contrario, una tabla podría ser más adecuada para mostrar los datos. ^{[ 25 ]}