¿Qué son los gráficos estadísticos?
Los gráficos estadísticos son representaciones visuales de datos numéricos o cualitativos que permiten identificar patrones, tendencias, distribuciones y relaciones entre variables de forma más rápida e intuitiva que una tabla de números. Son una herramienta fundamental en la comunicación científica, académica y empresarial.
Su función principal es transformar información compleja en una imagen comprensible. Un conjunto de 500 observaciones difícil de interpretar en una tabla puede revelar inmediatamente una tendencia clara en un gráfico de líneas o una distribución asimétrica en un histograma.
Los gráficos estadísticos se usan en:
- Tesis y trabajos de investigación — para presentar los resultados de forma visual en los capítulos de resultados y análisis.
- Informes académicos y corporativos — para comunicar datos a públicos no especializados.
- Presentaciones orales — para apoyar argumentos con evidencia visual.
- Artículos científicos — como figuras que resumen los hallazgos principales.
¿Cuándo un gráfico está bien hecho? Un gráfico cumple su función cuando: presenta la información completa sin omisiones relevantes, es comprensible sin necesitar explicación verbal extensa, no induce a interpretaciones erróneas (escala correcta, ejes etiquetados, leyenda clara) y facilita la comparación o identificación del patrón que se quiere mostrar.
Tipos de variables y qué gráfico corresponde a cada una
Antes de elegir un gráfico, hay que identificar el tipo de datos que se quieren representar. Esta decisión es la más importante porque no todos los gráficos son apropiados para todos los tipos de variables:
| Tipo de variable | Definición | Ejemplos | Gráficos recomendados |
|---|---|---|---|
| Cualitativa nominal | Categorías sin orden natural | Color de ojos, tipo de sangre, carrera universitaria | Barras, sectores (torta), pictograma |
| Cualitativa ordinal | Categorías con orden natural pero sin valor numérico | Nivel educativo, escala Likert, clasificación de riesgo | Barras ordenadas, Pareto |
| Cuantitativa discreta | Valores numéricos enteros y contables | Número de hijos, cantidad de empleados, puntaje | Barras, líneas, histograma |
| Cuantitativa continua | Valores numéricos que pueden tomar cualquier valor en un rango | Temperatura, peso, tiempo, ingresos | Histograma, líneas, dispersión, box plot, área |
| Temporal (serie de tiempo) | Valores de una variable medida en distintos momentos | Precio mensual, temperatura diaria, ventas anuales | Líneas, área, barras agrupadas |
| Relacional (dos variables) | Relación entre dos variables cuantitativas | Ingreso vs. nivel educativo, temperatura vs. ventas de helado | Dispersión, burbuja |
| Distribución | Cómo se distribuyen los valores de una variable | Distribución de notas, distribución de edades | Histograma, box plot, densidad |
Los 12 tipos de gráficos estadísticos más utilizados
1. Gráfico de barras
El gráfico de barras representa categorías o grupos mediante rectángulos cuya longitud es proporcional al valor que representan. Es uno de los gráficos más versátiles y más utilizados en comunicación estadística.
Variantes:
- Barras verticales (columnas): las barras van de abajo hacia arriba. Se usa para comparar categorías o mostrar evolución temporal.
- Barras horizontales: las barras van de izquierda a derecha. Preferible cuando los nombres de las categorías son largos o cuando hay muchas categorías.
- Barras agrupadas: varias barras por categoría para comparar múltiples series de datos simultáneamente.
- Barras apiladas: cada barra se divide en segmentos que muestran la contribución de cada subgrupo al total.
Cuándo usarlo: para comparar magnitudes de varias categorías, para mostrar la evolución de una variable en el tiempo o para comparar múltiples grupos en diferentes categorías.
Cuándo NO usarlo: cuando hay demasiadas categorías (más de 15) el gráfico se vuelve ilegible; en ese caso es preferible una tabla o un gráfico de Pareto que agrupe las categorías menos relevantes.
Ejemplo de aplicación en tesis: comparar el porcentaje de desempleo en cinco provincias argentinas en tres años distintos (barras agrupadas con tres series de datos).
| Provincia | Desempleo 2021 (%) | Desempleo 2022 (%) | Desempleo 2023 (%) |
|---|---|---|---|
| Buenos Aires | 11.2 | 9.8 | 8.4 |
| Córdoba | 9.5 | 8.1 | 7.2 |
| Santa Fe | 10.3 | 9.0 | 7.8 |
| Mendoza | 8.7 | 7.5 | 6.9 |
| Tucumán | 12.1 | 10.6 | 9.3 |
Estos datos se representarían con un gráfico de barras agrupadas con tres series de color diferente, una por año.
2. Gráfico de líneas
El gráfico de líneas conecta puntos de datos con segmentos de recta, mostrando la evolución de una o más variables a lo largo del tiempo. Es el gráfico por excelencia para series temporales.
Cuándo usarlo: cuando el eje horizontal representa tiempo (días, meses, años, períodos) y se quiere mostrar tendencias, fluctuaciones o comparar la evolución de múltiples variables.
Cuándo NO usarlo: para datos categóricos sin orden temporal — en ese caso, las barras son más apropiadas porque la línea implica una continuidad que no existe entre categorías.
Buenas prácticas: no superpongas más de 4–5 líneas en un mismo gráfico porque se vuelve difícil de leer. Si tenés más variables, considerá gráficos separados o un gráfico de área apilada.
Ejemplo de aplicación en tesis: evolución mensual de la temperatura media en tres ciudades durante un año para un trabajo de climatología o geografía.
3. Histograma
El histograma se parece visualmente a un gráfico de barras, pero representa la distribución de frecuencias de una variable continua. A diferencia de las barras (que tienen espacios entre ellas), en el histograma las barras se tocan porque los datos son continuos.
Qué muestra: cómo se distribuyen los datos — si la distribución es simétrica (forma de campana), asimétrica hacia la derecha o izquierda, bimodal (dos picos) o uniforme.
Cuándo usarlo: para explorar la distribución de variables continuas como edades, pesos, puntajes, ingresos, tiempos de respuesta.
Diferencia con el gráfico de barras: el histograma divide el rango de una variable continua en intervalos (clases) y cuenta cuántas observaciones caen en cada intervalo. El gráfico de barras compara categorías distintas. En el histograma no hay espacio entre barras; en el gráfico de barras sí.
Ejemplo de aplicación en tesis: distribución de las calificaciones finales de 200 estudiantes universitarios en un trabajo sobre rendimiento académico.
4. Gráfico de sectores (torta o pie)
El gráfico de sectores representa la distribución de frecuencias relativas de una variable cualitativa o discreta mediante un círculo dividido en porciones proporcionales al porcentaje que representa cada categoría.
Cuándo usarlo: cuando querés mostrar la composición de un todo y las partes suman el 100%. Es efectivo con pocas categorías (idealmente 3–6) claramente distintas.
Cuándo NO usarlo: cuando hay más de 6–7 categorías (las porciones pequeñas son casi invisibles), cuando las categorías tienen valores muy similares (difícil distinguirlos visualmente) o cuando el objetivo es comparar evolución temporal (en ese caso, las barras o líneas son más efectivas).
Advertencia común: el gráfico de sectores es fácil de distorsionar. Un error frecuente en tesis es usarlo con demasiadas categorías o en 3D (el efecto tridimensional deforma las proporciones y genera interpretaciones erróneas).
Ejemplo de aplicación en tesis: distribución porcentual de la muestra por nivel educativo máximo alcanzado (primario, secundario, terciario, universitario, posgrado).
5. Gráfico de dispersión (scatter plot)
El gráfico de dispersión representa la relación entre dos variables cuantitativas. Cada observación se ubica como un punto según su valor en el eje X (variable independiente) y en el eje Y (variable dependiente).
Qué permite analizar:
- Correlación positiva: cuando X aumenta, Y también aumenta (los puntos forman una nube ascendente).
- Correlación negativa: cuando X aumenta, Y disminuye (nube descendente).
- Correlación nula: los puntos están dispersos sin patrón claro.
- Correlación no lineal: existe una relación, pero no es una línea recta (curva, U invertida, etc.).
- Valores atípicos (outliers): puntos que se alejan mucho del patrón general.
Cuándo usarlo: cuando se quiere explorar o mostrar la relación entre dos variables cuantitativas. Es el gráfico de referencia en análisis de correlación y regresión.
Ejemplo de aplicación en tesis: relación entre horas de estudio semanales y calificación promedio en una muestra de estudiantes universitarios.
6. Gráfico de Pareto
El gráfico de Pareto combina un gráfico de barras verticales ordenadas de mayor a menor frecuencia con una línea acumulada que muestra el porcentaje acumulado de esas frecuencias. Se basa en el principio de Pareto (regla 80/20): aproximadamente el 80% de los efectos provienen del 20% de las causas.
Cuándo usarlo: para identificar cuáles son las causas más frecuentes o importantes de un fenómeno y priorizar las más relevantes. Es muy usado en control de calidad, gestión de proyectos y análisis de causas de problemas.
Cómo leerlo: las barras de la izquierda representan las causas más frecuentes; la línea de porcentaje acumulado muestra que un pequeño número de categorías explica la mayoría del problema.
Ejemplo de aplicación en tesis: análisis de las causas de abandono universitario en el primer año, ordenadas por frecuencia de mención en entrevistas a estudiantes desertores.
7. Gráfico de área
El gráfico de área es similar al de líneas, pero el espacio entre la línea y el eje horizontal está relleno con color. Enfatiza la magnitud del cambio a lo largo del tiempo, no solo la dirección de la tendencia.
Variantes:
- Área simple: una sola variable. Muestra la evolución del volumen de algo en el tiempo.
- Área apilada: múltiples variables apiladas. Muestra la contribución de cada parte al total a lo largo del tiempo.
- Área 100% apilada: igual que la anterior pero normalizada al 100%, útil para mostrar cómo cambian las proporciones relativas.
Cuándo usarlo: para mostrar tendencias temporales cuando el volumen total o la acumulación es importante. Útil para variables como producción total, población acumulada o ingresos a lo largo del tiempo.
Ejemplo de aplicación en tesis: evolución de la matrícula universitaria por nivel de estudio (grado, posgrado, doctorado) entre 2000 y 2023 en Argentina, con área apilada.
8. Diagrama de caja y bigotes (box plot)
El box plot resume la distribución de una variable cuantitativa continua mostrando cinco estadísticos clave en un único gráfico: mínimo, primer cuartil (Q1), mediana, tercer cuartil (Q3) y máximo. Además, identifica visualmente los valores atípicos (outliers).
Cómo leerlo:
- La caja (box) contiene el 50% central de los datos, desde Q1 hasta Q3. Su ancho es el rango intercuartil (IQR).
- La línea dentro de la caja es la mediana.
- Los bigotes (whiskers) se extienden hasta los valores mínimo y máximo dentro de 1,5 × IQR.
- Los puntos fuera de los bigotes son outliers.
Cuándo usarlo: para comparar la distribución de una variable entre varios grupos (por ejemplo, calificaciones de hombres vs. mujeres, o de tres grupos experimentales). Es especialmente útil para detectar asimetría y outliers.
Ejemplo de aplicación en tesis: comparación de la distribución de puntajes en una prueba de comprensión lectora entre estudiantes de tres escuelas con diferentes niveles socioeconómicos.
9. Mapa de calor (heatmap)
El mapa de calor usa una escala de colores para representar los valores de una matriz de datos: colores más intensos indican valores más altos (o más bajos, según la escala elegida). Es muy útil para visualizar patrones en matrices de correlación o en datos con dos dimensiones categóricas.
Cuándo usarlo: para visualizar matrices de correlación entre múltiples variables, para mostrar patrones en datos que tienen dos dimensiones (como hora del día × día de la semana), o para comparar múltiples variables en múltiples grupos simultáneamente.
Ejemplo de aplicación en tesis: matriz de correlación de 8 variables psicológicas en un estudio de personalidad y bienestar subjetivo.
10. Gráfico de radar o araña
El gráfico de radar (también llamado gráfico de araña o de telaraña) representa múltiples variables en ejes que irradian desde un punto central. Cada eje corresponde a una variable, y los valores se conectan formando un polígono.
Cuándo usarlo: para comparar el perfil de uno o varios sujetos, objetos o grupos en múltiples dimensiones simultáneamente. Es frecuente en evaluaciones de desempeño, comparación de competencias o perfiles multidimensionales.
Limitación: difícil de interpretar con más de 8–10 variables o con más de 3–4 series superpuestas. No es apropiado si las variables no tienen escalas comparables.
Ejemplo de aplicación en tesis: comparación del perfil de competencias docentes (planificación, evaluación, comunicación, gestión del aula, uso de tecnología) entre docentes nóveles y docentes experimentados.
11. Pictograma
Un pictograma usa íconos o figuras para representar frecuencias de una variable. Cada figura representa una cantidad fija de unidades. Son más accesibles visualmente para públicos no especializados, pero tienen menor precisión que los gráficos convencionales.
Cuándo usarlo: en comunicación de ciencia para el público general, en materiales educativos o infografías donde la accesibilidad visual es prioritaria sobre la precisión técnica.
Cuándo NO usarlo: en informes académicos o científicos donde se esperan gráficos convencionales con escala precisa.
12. Diagrama de flujo de frecuencias
También llamado polígono de frecuencias, conecta con líneas los puntos medios de cada intervalo del histograma. Es útil para comparar la distribución de dos o más grupos en el mismo gráfico, ya que es más fácil superponer líneas que barras.
Cuándo usarlo: cuando se quieren comparar las distribuciones de frecuencias de dos o más grupos en el mismo gráfico. Complementa o reemplaza al histograma cuando hay múltiples grupos.
Ejemplo de aplicación en tesis: comparar la distribución de edades de los participantes de dos grupos experimentales en el mismo gráfico.
Tabla comparativa: ¿qué gráfico usar según el objetivo?
| Objetivo del gráfico | Tipo de datos | Gráfico recomendado | Alternativa |
|---|---|---|---|
| Comparar categorías | Cualitativo o discreto | Barras verticales u horizontales | Sectores (si son pocas categorías) |
| Mostrar evolución en el tiempo | Cuantitativo continuo + tiempo | Líneas | Área, barras |
| Mostrar la distribución de una variable | Cuantitativo continuo | Histograma | Box plot, polígono de frecuencias |
| Mostrar composición de un todo | Cualitativo (pocas categorías) | Sectores (torta) | Barras apiladas 100% |
| Analizar correlación entre dos variables | Dos variables cuantitativas | Dispersión (scatter plot) | Mapa de calor (para múltiples) |
| Identificar causas principales de un problema | Cualitativo ordenado por frecuencia | Pareto | Barras ordenadas |
| Comparar distribuciones entre grupos | Cuantitativo continuo + grupos | Box plot | Histogramas superpuestos, violín |
| Mostrar perfil multidimensional | Múltiples variables cuantitativas | Radar / araña | Barras agrupadas |
| Mostrar patrones en una matriz | Dos variables categóricas + valor | Mapa de calor | Tabla de contingencia |
| Comparar múltiples series en el tiempo | Cuantitativo + tiempo + grupos | Líneas múltiples | Área apilada |
| Mostrar composición que cambia en el tiempo | Cuantitativo + tiempo + subgrupos | Área apilada | Barras apiladas |
Cómo elegir el gráfico correcto: guía de decisión
Seguí estas preguntas en orden para elegir el tipo de gráfico más adecuado para tus datos:
- ¿Qué querés mostrar? Identificá el mensaje principal: ¿una comparación, una distribución, una tendencia, una composición o una correlación? El objetivo define el tipo de gráfico antes que cualquier otra consideración.
- ¿Qué tipo de datos tenés? ¿Son categorías (cualitativo), números enteros (discreto) o valores continuos (continuo)? ¿Hay una dimensión temporal? El tipo de variable acota las opciones disponibles.
- ¿Cuántas variables vas a representar? Un gráfico de sectores solo funciona bien con una variable y pocas categorías. Un gráfico de dispersión necesita exactamente dos variables. Un box plot puede comparar una variable en múltiples grupos.
- ¿Cuántos datos tenés? Con pocos datos (menos de 20 puntos), un histograma no es informativo — considerá un gráfico de puntos o un box plot. Con muchos datos (más de 200 puntos), un gráfico de dispersión puede mostrar patrones; con pocos, puede ser engañoso.
- ¿A quién va dirigido el gráfico? Un público especializado puede interpretar un box plot o un mapa de calor. Un público general comprende mejor las barras, las líneas o los sectores. Para comunicación científica, usá el tipo más preciso; para comunicación al público, usá el más accesible.
- ¿El gráfico elegido transmite el mensaje claramente? Una vez dibujado, miralo desde la perspectiva de alguien que no conoce los datos. ¿El mensaje principal es evidente en los primeros 5 segundos? Si no, considerá otro tipo o simplificá el gráfico.
¿Cómo elegir un tipo de gráfico estadístico?
Lo primero que tenés que pensar es qué y cuánta información deseas volcar en tu gráfico. Si tenés grandes volúmenes de datos, deberás descartar, por ejemplo, el gráfico de sectores.
Por otro lado, tené en cuenta el tipo de información. Recordá que existen datos cualitativos y cuantitativos. Por tanto, si tenés que comparar información numérica, un gráfico de dispersión te puede servir.
Otro aspecto importante es definir cuál es el objetivo que buscás al realizar ese gráfico y frente a quiénes lo mostrarás. Es decir, determiná cuál es la información que querés resaltar. Luego, ponete en el lugar de quien observa el gráfico y revisá que la información que deseas transmitir sea la primera en llamar la atención. Además, no induzcas a otras interpretaciones de los datos; evitá comprensiones erróneas.
Asimismo, observá objetivamente si la información está plasmada de la manera más clara y precisa posible, de tal manera que facilite la comparación de los datos (sus diferencias, similitudes, tendencias, etc.).
Por último, llevá la atención a lo estrictamente visual: ¿el gráfico ayuda a comprender los datos o provoca confusiones? ¿Es la mejor forma de plasmar el contenido? En definitiva, no todos los gráficos sirven para representar todas las variables.
Errores más frecuentes al usar gráficos estadísticos
| Error | Consecuencia | Cómo evitarlo |
|---|---|---|
| Eje Y que no empieza en 0 (en barras) | Exagera las diferencias entre barras, distorsionando la comparación | En gráficos de barras, el eje Y siempre debe empezar en 0. En líneas o dispersión puede ser razonable ajustar el rango |
| Gráfico de sectores con demasiadas categorías | Porciones diminutas ilegibles, comparación imposible | Limitá las categorías a 5–6 como máximo; agrupá las menos relevantes en “Otros” |
| Ejes sin etiquetas o sin unidades | El lector no sabe qué representa cada eje | Todo eje debe tener un título descriptivo y la unidad de medida entre paréntesis |
| Gráfico sin título | El lector no sabe qué está mirando | Todo gráfico en un trabajo académico debe tener un número y un título (“Figura 3. Distribución de edades de la muestra”) |
| Usar gráfico 3D innecesariamente | El efecto de profundidad distorsiona las proporciones visualmente | Evitá el 3D en gráficos estadísticos. Siempre usá versiones 2D para mayor precisión |
| Demasiados colores sin propósito | Sobrecarga visual que distrae del mensaje principal | Usá colores para diferenciar series o grupos, no como decoración. Una paleta de 3–5 colores distintos es suficiente |
| Usar líneas para datos categóricos sin orden temporal | Implica una continuidad que no existe entre categorías | Las líneas son para series temporales o variables continuas. Para categorías sin orden, usá barras |
| No citar la fuente de los datos | El gráfico no es verificable ni reproducible | Todo gráfico en un trabajo académico debe incluir la fuente de los datos debajo del gráfico |
Gráficos estadísticos en una tesis: dónde y cómo usarlos
En el contexto de una tesis o trabajo de investigación, los gráficos estadísticos aparecen principalmente en los capítulos de resultados y análisis. Estas son las pautas más importantes para usarlos correctamente en trabajos académicos:
- Numeralos y titulalos: en APA 7, las figuras (incluyendo gráficos) se numeran correlativamente (“Figura 1”, “Figura 2”) y tienen un título descriptivo debajo de la imagen, en cursiva.
- Citá la fuente: si los datos provienen de una fuente externa, agregar “Nota. Datos tomados de [fuente]” debajo del título. Si son datos propios: “Nota. Elaboración propia.”
- No repitas la misma información en tabla y gráfico: elegí una sola forma de presentar cada dato. Si ya hay una tabla con los mismos datos, el gráfico es redundante (y viceversa).
- Comentá el gráfico en el texto: todo gráfico debe estar referenciado en el cuerpo del trabajo (“como se muestra en la Figura 3…”) y acompañado de un análisis textual. Un gráfico sin comentario en el texto no cumple su función académica.
- Resolución adecuada para impresión: si la tesis se va a imprimir, los gráficos deben estar en resolución mínima de 300 dpi para que se vean nítidos.
Herramientas para crear gráficos estadísticos
| Herramienta | Tipo | Gráficos disponibles | Nivel requerido | Costo |
|---|---|---|---|---|
| Microsoft Excel / Google Sheets | Hoja de cálculo | Barras, líneas, sectores, dispersión, área, histograma | Básico | Excel: de pago / Sheets: gratis |
| SPSS | Software estadístico | Todos los tipos estadísticos avanzados | Intermedio-avanzado | De pago (hay versión de prueba) |
| R (ggplot2) | Lenguaje de programación | Todos los tipos + altamente personalizable | Avanzado | Gratis |
| Python (matplotlib / seaborn) | Lenguaje de programación | Todos los tipos + altamente personalizable | Avanzado | Gratis |
| Tableau Public | Software de visualización | Todos los tipos + dashboards interactivos | Intermedio | Gratis (versión pública) |
| Canva | Diseño gráfico online | Barras, líneas, sectores, área (plantillas) | Básico | Gratis (con limitaciones) |
| Datawrapper | Herramienta online de dataviz | Barras, líneas, dispersión, mapas, tablas | Básico | Gratis para uso no comercial |
¿Te acompañamos a desarrollar tus gráficos estadísticos?
Si necesitás orientación para desarrollar tus gráficos, podemos ofrecerte el apoyo de expertos en el área. En Tesis y Másters nos dedicamos a acompañar a estudiantes universitarios en todos sus proyectos académicos.
Podemos brindarte orientación en todo tipo de trabajo: tesis, ensayos, monografías, investigaciones, anteproyectos, entre otros. Además, te apoyamos desde cero para desarrollar tu proyecto o desde donde lo dejaste.
Nos adaptamos a los requerimientos de tu universidad y te acompañamos en cada etapa de tu proyecto, con un servicio 100% confidencial y personalizado.
Contamos con un equipo de más de 500 profesionales de todas las disciplinas. Te asignaremos un asesor especializado en tu área para que te brinde orientación personalizada. Juntos elaborarán un calendario con plazos de entrega ajustados a tus necesidades, permitiéndote supervisar el avance y abonar el servicio en cuotas.
Nuestro servicio funciona con entregas parciales, en coordinación con el asesor que vamos a asignarte, para que puedas supervisar el avance y recibir orientación según tus necesidades.
¿Aún dudás? ¡Solicitá una cotización gratuita!
Preguntanos todo lo que necesites saber, estaremos encantados de responderte. Contanos tu situación a través del formulario web o por WhatsApp, y te enviaremos una cotización gratuita y sin compromiso para que evalúes tu decisión. ¡Te acompañamos para que avances en tus objetivos académicos!
Preguntas Frecuentes
La diferencia principal es el tipo de dato que representan. El gráfico de barras muestra frecuencias o valores de categorías distintas y separadas (por ejemplo, ventas por producto). El histograma muestra la distribución de frecuencias de una variable continua dividida en intervalos (por ejemplo, cuántas personas tienen entre 20-25, 26-30, 31-35 años). En el histograma, las barras se tocan porque los intervalos son continuos; en el gráfico de barras hay espacio entre ellas porque las categorías son independientes.
El gráfico de sectores es apropiado cuando querés mostrar la composición de un todo en pocas categorías (idealmente 3–6) y la pregunta central es “¿qué proporción representa cada parte?”. El gráfico de barras es más apropiado cuando querés comparar valores entre categorías (la pregunta es “¿cuál es mayor?”) o cuando tenés más de 6 categorías. En general, si dudás entre los dos, el gráfico de barras casi siempre comunica mejor, porque el ojo humano compara longitudes con más precisión que áreas de sectores.
El gráfico de dispersión (scatter plot) es el estándar para visualizar la relación entre dos variables cuantitativas. Cada punto representa una observación, con su valor en el eje X (variable independiente) y su valor en el eje Y (variable dependiente). La forma y dirección de la nube de puntos indica el tipo de correlación: positiva, negativa, nula o no lineal. Si querés mostrar la correlación entre más de dos variables simultáneamente, la opción más común es una matriz de gráficos de dispersión (scatterplot matrix) o un mapa de calor de correlaciones.
En APA 7, los gráficos se denominan “figuras” y se citan así: el número y el título van debajo de la figura (no arriba), en formato “Figura N” en negrita, seguido del título en cursiva. Luego, en una línea de “Nota.” se indica la fuente. Si son de elaboración propia: <em>Nota. Elaboración propia.</em> Si los datos vienen de una fuente: <em>Nota. Datos tomados de Apellido (año), p. XX.</em> Si la figura completa está tomada de otra fuente: <em>Nota. De “Título del artículo”, por Apellido, año, Revista, vol(núm), p. XX.
No hay un límite fijo, pero la regla práctica es: incluí un gráfico solo cuando aporta información que no se puede comunicar igual de bien en texto o en una tabla. Más gráficos no significa más rigor — incluir gráficos redundantes o decorativos reduce la calidad del trabajo. En tesis de grado, es frecuente ver entre 5 y 20 figuras. En tesis de posgrado con análisis cuantitativo extenso puede haber más. Lo importante es que cada gráfico esté referenciado en el texto y acompañado de análisis.
Fuentes citadas / Referencias
Resumen rápido
Pregunta: ¿Qué son los gráficos estadísticos y cómo elegir el adecuado?
Respuesta: Los gráficos estadísticos son representaciones visuales de datos que permiten identificar patrones, tendencias, distribuciones y relaciones entre variables de forma clara y rápida. Para elegir el gráfico adecuado, primero se debe definir el objetivo, comparar, mostrar evolución, analizar distribución, composición o correlación, y luego identificar el tipo de variable: cualitativa, cuantitativa, continua, discreta o temporal. Según el caso, pueden usarse gráficos de barras, líneas, histogramas, sectores, dispersión, Pareto, box plot, mapas de calor u otros formatos.
