PEC 2 · Visualización de datos · UOC

Tres técnicas, tres conjuntos de datos abiertos

Diagrama de dispersión · Slope chart · Ridgeline plot

Jorge Mateu Marín · Máster Universitario de Ciencia de Datos · UOC

PEC 2 · Visualización de datos · UOC1

Presentación

Jorge Mateu Marín · PEC 2

Visualización de Datos · Máster Universitario de Ciencia de Datos · UOC.
Investigar tres técnicas asignadas y buscar datos abiertos coherentes con cada una.
Demostrar el recorrido estructura del dato → pregunta → codificación visual.

Presentación2

Enlaces públicos

Tres visualizaciones sin registro

Técnica	Datos	URL directa
Diagrama de dispersión	PIB por habitante y esperanza de vida, 2022	https://pec2-visualizacion.pages.dev/dispersion
Slope chart	Cuota de renovables, UE, 2010 y 2023	https://pec2-visualizacion.pages.dev/pendiente
Ridgeline plot	Máximas diarias, Barcelona, 2024	https://pec2-visualizacion.pages.dev/crestas

Fuentes, preparación, alcance y tablas accesibles en las páginas.

Datos: Our World in Data (s.f.); Eurostat (2026); Open-Meteo (s.f.).3

Técnica 1 · Grupo I

Diagrama de dispersión

Dos variables cuantitativas · un punto por observación · estudiar asociación y excepciones

Técnica 1 · Grupo I4

1 · Definición y origen

Dos valores se convierten en una posición

Mecánica: x = primera medida; y = segunda. Color opcional para grupos; tamaño para una tercera medida.
Antecedentes: Herschel (1833) y Galton (1886), citados en Friendly y Denis (2005).
Ejemplos: superficie y precio por vivienda; dosis y respuesta por paciente.

Data Viz Project: Plot · Correlation / Distribution · Dot.
From Data to Viz: dos variables numéricas → Scatterplot.
Data Visualisation Catalogue: Patterns / Relationships.
Contraste: función analítica frente a estructura del dato; Chartmaker: Scatter plot → Relationships / Multi-variate, con ficha propia.

Fuentes: Friendly y Denis (2005); Ferdio (s.f.); Holtz y Healy (2018); Ribecca (s.f.); Kirk (s.f.).5

1 · Datos y limitaciones

La legibilidad depende de la densidad

Estructura y escalas

Una fila por país o territorio; dos medidas cuantitativas.
PIB por habitante y esperanza de vida: medidas de razón; PIB positivo.
País y continente: dimensiones nominales. Cada punto pesa igual.
Eje x logarítmico: distancias iguales representan multiplicaciones iguales.

Restricciones y alternativas

Como guía para este tamaño: decenas a pocos miles de puntos; no hay un máximo universal.
Solapamiento → transparencia, hexbin o densidad 2D.
Categorías en un eje → strip plot o cajas; pocos puntos → interpretación prudente.
Subgrupos ocultos → resaltar o facetar. Asociación no implica causalidad.

Fuentes: Munzner (2014, caps. 2 y 5); Holtz y Healy (2018); Schwabish (2021, cap. 8).6

1 · Visualización

Más PIB se asocia con mayor esperanza de vida

Nube de países con asociación positiva entre log del PIB y esperanza de vida

164 registros de 2022, OWID; selección, redondeo y una exclusión provisional documentada.
r = 0,85 con log10(PIB). EE. UU.: −3,3 años; Nigeria: −15,1 respecto a la recta.
Son diferencias entre países; no efectos causales ni diagnósticos sobre las fuentes.
Audiencia: estudiantes y público general. España destacada; etiquetas selectivas.
Demostración: resaltar continente y consultar puntos.

Datos: Our World in Data (s.f.). Diseño: Munzner (2014); Coll Campmany (2023).7

Técnica 2 · Grupo II

Slope chart

Dos estados comparables · una línea por categoría · nivel, cambio y ranking

Técnica 2 · Grupo II8

2 · Definición y origen

La pendiente resume el cambio entre dos extremos

Mecánica: categoría → segmento; estado o fecha → lado; valor → altura en una escala común.
Antecedente: Tufte, 1983: ingresos fiscales de países en 1970 y 1979.
Ejemplos: intención de voto en dos encuestas; precios de productos antes y después.

Data Viz Project: Chart · Comparison / Trend over time · Line.
From Data to Viz y Catalogue: sin ficha propia en los catálogos consultados.
Chartmaker: Slope graph → Temporal / Trends; alias Slope chart. Tiene ficha propia.
Interpretación propia: parentesco con un gráfico de líneas de dos extremos; ausencia de ficha no equivale a discrepancia.

Fuentes: Tufte (1983, pp. 158–159; 2011); Ferdio (s.f.); Kirk (s.f.); Schwabish (2021, cap. 5).9

2 · Datos y limitaciones

Misma medida, unidad y escala en ambos lados

Estructura y agregación

Categoría × estado → medida; formato ancho o largo. Aquí: país, año y cuota.
Años: escala temporal de intervalo. Cuota: porcentaje del consumo final bruto.
27 países y un agregado UE; el agregado no entra en el ranking nacional.
Cambio expresado en puntos porcentuales.

Restricciones y alternativas

Unas 5–30 líneas pueden funcionar como guía de diseño; la cercanía de valores puede saturar antes.
Etiquetas o cruces densos → selección, tabla o dumbbell; si solo interesa el puesto, bump chart.
Trayectoria intermedia importante → serie anual completa.
Extremos ausentes o unidades distintas impiden comparar la pendiente.

Fuentes: Munzner (2014, caps. 2 y 5); Tufte (2011); Gil Bellosta (s.f.).10

2 · Visualización

Subir la cuota y mejorar el puesto son preguntas distintas

Slope chart de 27 países y agregado UE, entre 2010 y 2023

España: 13,8 → 25,0 %; puesto 13 en ambos años.
Dinamarca: +21,8 p.p.; puesto 9 → 3.
Croacia: aumenta, pero pasa del puesto 5 al 9.
UE: 14,4 → 24,6 %, agregado sobre el consumo total.
La cuota no indica por sí sola energía absoluta ni causalidad de políticas.
Audiencia: periodismo y responsables de energía.

Datos y reutilización: Eurostat (2026; s.f.). Interpretación y diseño: elaboración propia.11

Técnica 3 · Grupo III

Ridgeline plot

Una distribución por grupo · eje horizontal común · comparar posición y dispersión

Técnica 3 · Grupo III12

3 · Definición y origen

Una curva de densidad por grupo

Mecánica: valor → x; grupo → fila; densidad estimada → altura. Cada curva tiene área 1.
Antecedente visual: portada de Unknown Pleasures (1979), citada por Wilke (2017).
2017: Jenny Bryan propone «joyplot»; Claus Wilke crea ggjoy y lo sustituye por ggridges / ridgeline.
Ejemplos: edades por década; respuestas de probabilidad por expresión verbal.

From Data to Viz: variable numérica + grupos; función de distribución, ficha Ridgeline.
Data Viz Project y Catalogue: sin ficha propia en los catálogos consultados.
Chartmaker: Density plot → Categorical / Distributions; alias Ridgeline plot y joy plot.
El contraste separa estructura de datos, finalidad y cobertura de cada catálogo.

Fuentes: Wilke (2017); Holtz y Healy (2018); Kirk (s.f.); Schwabish (2021, cap. 6).13

3 · Datos y limitaciones

Comparar distribuciones exige controlar el suavizado

Estructura y estimación

Una fila por día: máxima en °C (intervalo) y mes (dimensión cíclica ordenada).
366 días → 12 grupos de 29–31 observaciones.
KDE gaussiana: ancho de banda común 1,2 °C; misma escala de densidad.
Mediana y tabla resumen complementan las formas.

Restricciones y alternativas

From Data to Viz orienta hacia seis o más grupos; no es un requisito matemático.
Decenas de datos por grupo permiten una vista descriptiva, no garantizan formas estables.
Como guía propia, hasta unas 30 crestas según altura y solapamiento; después, mapa de calor o paneles.
Pocos datos → puntos; cifras exactas → tabla. El orden también puede ser nominal con un criterio explícito.

Fuentes: Munzner (2014); Holtz y Healy (2018); Wilke (s.f.); Gil Bellosta (s.f.).14

3 · Visualización

Barcelona, 2024: cambia la posición y la dispersión

Doce densidades mensuales de máximas diarias en Barcelona durante 2024

Open-Meteo Best Match: datos de modelo, no estación ni exclusivamente ERA5.
Medianas: enero 15,2 °C; agosto 30,0 °C.
Agosto: menor dispersión; 30 de 31 días ≥ 25 °C.
Julio: mayor dispersión; máxima de 37,1 °C.
Audiencia: docencia y divulgación meteorológica. Un año no demuestra una tendencia climática.
Demostración: áreas de las crestas, selector y tabla.

Datos: Open-Meteo (s.f.), Best Match, CC BY 4.0. Diseño: elaboración propia.15

Cierre y referencias

Tres preguntas y un mismo criterio

Dispersión: dos medidas → asociación → posición común.
Slope: dos estados → cambio → extremos conectados.
Ridgeline: datos por grupos → distribución → alineación horizontal.

La herramienta ejecuta una elección analítica fundamentada.

Referencias completas en Harvard, fuentes y condiciones de reutilización en la web.

Munzner, T. (2014) Visualization analysis and design. Boca Raton: A K Peters/CRC Press.
Schwabish, J. (2021) Better data visualizations. Nueva York: Columbia University Press.
Friendly, M. y Denis, D. (2005) «The early origins and development of the scatterplot», JHBS, 41(2), pp. 103–130.
Tufte, E.R. (1983) The visual display of quantitative information. Cheshire: Graphics Press, pp. 158–159.
Wilke, C.O. (2017) Goodbye joyplots. Disponible en: clauswilke.com (Consultado: 1 noviembre 2026).

Marco docente: UOC (2025). Lista completa: web → Referencias bibliográficas (Harvard).16