Fundamentos de la visualización de datos

Capítulo 11. Visualización de proporciones anidadas

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

En el capítulo anterior, hablé de escenarios en los que un conjunto de datos se divide en trozos definidos por una variable categórica, como partido político, empresa o estado de salud. Sin embargo, no es infrecuente que queramos profundizar más y desglosar un conjunto de datos por múltiples variables categóricas a la vez. Por ejemplo, en el caso de los escaños parlamentarios, podríamos estar interesados en las proporciones de escaños por partido y por el sexo de los representantes. Del mismo modo, en el caso del estado de salud de las personas, podríamos preguntarnos cómo se desglosa además el estado de salud según el estado civil. Me refiero a estos escenarios como proporciones anidadas, porque cada variable categórica adicional que añadimos crea una subdivisión más fina de los datos anidados dentro de las proporciones anteriores. Existen varios enfoques adecuados para visualizar estas proporciones anidadas, como los gráficos de mosaico, los mapas de árbol y los conjuntos paralelos.

Proporciones anidadas que salen mal

Empezaré mostrando dos enfoques erróneos para visualizar proporciones anidadas. Aunque estos enfoques pueden parecer absurdos a cualquier científico de datos experimentado, yo los he visto en la naturaleza y, por tanto, creo que merecen ser discutidos. A lo largo de este capítulo, trabajaré con ...