Gráficos engañosos¶

Ejercicio misleading-charts-annex.pdf · PDF

Mira el gráfico rojo de abajo durante dos segundos y responde sin pensar: ¿cuántas veces mejor puntúa la crítica los juegos Hit que los juegos Niche?

La mayoría de la gente dice cinco, seis, siete veces. Ahora mira el gráfico azul. La misma tabla, la misma consulta, los mismos tres números: 67.1, 71.5 y 79.8. Los juegos Hit puntúan un 19% más, no un 600%.

Nadie ha cambiado ningún número. Y aun así, uno de estos dos gráficos miente. Desde Configurar gráficos en Superset eres tú quien maneja los mandos, así que hoy aprendes los trucos desde dentro: para cazarlos, y para no hacerlos nunca por accidente.

Modo foto para los datos¶

Muchos videojuegos tienen un modo foto. La partida es la misma, pero con zoom, recorte, ángulo y filtro puedes hacer que una partida perdida parezca una victoria. Nadie ha editado la partida. Alguien solo ha elegido qué enseñar.

Un gráfico engañoso es un gráfico en el que todos los números son verdaderos y aun así la imagen lleva al lector a una conclusión equivocada.

Es el modo foto para los datos. Mantenemos la analogía durante toda la página: los datos son la partida, el gráfico es la foto. Hay cinco trucos clásicos, y cada uno es un control del modo foto:

Truco 1: el eje truncado (zoom)¶

Un eje truncado es un eje que no empieza en cero, de modo que solo se dibuja la parte alta de cada barra.

Ese es el gráfico rojo del gancho. Su eje Y va de 65 a 80. Los números que hay detrás:

SELECT owners_tier, ROUND(AVG(metascore)::numeric, 1) AS avg_metascore, COUNT(metascore) AS scored
FROM games_clean GROUP BY owners_tier ORDER BY avg_metascore DESC;

En un gráfico de barras la longitud de la barra es el número. Corta el eje en 65 y la barra Hit ya no mide 79.8: mide 79.8 − 65 = 14.8. La barra Niche mide 67.1 − 65 = 2.1. La imagen ahora compara 14.8 con 2.1, dos números que no existen en ninguna parte de los datos.

Mide la mentira: el factor de mentira¶

En 1983 Edward Tufte, en su libro The Visual Display of Quantitative Information, le puso un número a la mentira.

Factor de mentira (lie factor) = tamaño del efecto mostrado en el gráfico ÷ tamaño del efecto en los datos.

Un gráfico honesto tiene un factor de mentira cercano a 1. El límite de Tufte: por encima de 1.05 o por debajo de 0.95, el gráfico distorsiona. Hazlo con los dos gráficos del gancho:

Factor de mentira: 613 ÷ 19 ≈ 32. La imagen muestra un efecto treinta y dos veces mayor que el de los datos. Puedes dejar que PostgreSQL haga la cuenta con las medias sin redondear:

WITH t AS (SELECT AVG(metascore) FILTER (WHERE owners_tier = 'Hit')   AS hit,
                  AVG(metascore) FILTER (WHERE owners_tier = 'Niche') AS niche FROM games_clean)
SELECT ROUND((hit / niche)::numeric, 2) AS real_ratio,
       ROUND(((hit - 65) / (niche - 65))::numeric, 2) AS drawn_ratio,
       ROUND((((hit - 65) / (niche - 65) - 1) / (hit / niche - 1))::numeric, 1) AS lie_factor FROM t;

Devuelve 1.19, 7.13 y 32.3.

Truco 2: el rango escogido a conveniencia (recorte)¶

Un rango escogido a conveniencia (cherry-picked range) es una fecha de inicio o de final elegida porque produce el titular, no porque lo pida la pregunta.

"Game prices in free fall", dice el gráfico rojo. De 2013 a 2018 el precio medio de un juego nuevo de Steam pasó de 11.21 a 7.12 dólares: una caída del 36.5%. Verdad.

Ahora la partida entera. Los datos empiezan en 2004, cuando la media era de 7.27 dólares. En todo el rango el cambio es 7.27 → 7.12: una caída del 2.1%. Los precios subieron hasta un máximo en 2013 y volvieron al punto de partida.

SELECT release_year, ROUND(AVG(price), 2) AS avg_price FROM games_clean
WHERE release_year IS NOT NULL GROUP BY release_year ORDER BY release_year;

El recorte empezó en el punto más alto a propósito. Empieza en cualquier otro sitio y el titular muere.

Truco 3: ejes duales (perspectiva forzada)¶

Conoces la foto de turista en la que alguien "sujeta" la torre de Pisa. Dos cosas a distancias distintas, alineadas para que parezca que se tocan. Eso es perspectiva forzada.

Un gráfico con ejes duales dibuja dos series con dos escalas distintas en Y, una a la izquierda y otra a la derecha.

Abajo, las mismas dos series dos veces: juegos publicados por año en el eje izquierdo, precio medio en el eje derecho. La única diferencia entre los paneles es el rango del eje derecho.

"¿Qué pasó en 2016, cuando se cruzaron las dos líneas?" No pasó nada. Estira el eje derecho y el cruce se mueve dos años hacia atrás. Un cruce entre dos escalas distintas lo fabrican los límites de los ejes, no los datos. Los juegos y los dólares no pueden ser mayores ni menores unos que otros.

La versión honesta no cuesta nada: dos gráficos, uno encima del otro, compartiendo el mismo eje X. El lector sigue comparando las formas, y no aparece ningún cruce falso.

Truco 4: sectores en 3D y saturados (ángulo de cámara)¶

Un gráfico de sectores en 3D está inclinado hacia ti, así que los sectores del frente reciben más tinta que los del fondo para el mismo porcentaje. Superset no tiene gráfico de sectores en 3D, pero las hojas de cálculo y la prensa están llenas de ellos. El arreglo es siempre el mismo: plano.

El truco que sí puedes hacer en Superset es el gráfico de sectores saturado. Este es el catálogo de Steam por año de lanzamiento, quince sectores:

pie
    title El catálogo de Steam por año de lanzamiento
    "2004" : 53
    "2005" : 58
    "2006" : 112
    "2007" : 143
    "2008" : 183
    "2009" : 334
    "2010" : 340
    "2011" : 364
    "2012" : 426
    "2013" : 556
    "2014" : 1352
    "2015" : 2544
    "2016" : 4503
    "2017" : 6871
    "2018" : 8845

Sin mirar los números: ¿qué proporción del catálogo se publicó en 2012? ¿Y en 2009? (1.6% y 1.3%. Ocho de los quince sectores son más finos que el 1.5%.)

Hay dos errores en uno. Quince sectores se pasan de largo del límite de cinco. Y la pregunta nunca fue de composición: los años son un momento en el tiempo, así que el trabajo es la evolución y la herramienta es una línea. Ya tienes el gráfico honesto: UT3 · Games released per year, directo de la tabla de decisión de Elegir el gráfico adecuado.

Truco 5: mal color (filtro)¶

El color es el filtro del modo foto: cambia el ambiente sin cambiar la escena. Tres maneras de hacerlo mal:

Sobre el rojo contra el verde, un dato: alrededor de 1 de cada 12 hombres y 1 de cada 200 mujeres tienen alguna forma de daltonismo, y el rojo-verde es con diferencia la más común. En una clase de 25, espera una o dos personas para las que tu línea roja y tu línea verde son la misma línea.

Pruébalo: construye la mentira y arréglala¶

La mejor manera de reconocer un truco es hacerlo una vez a propósito. En cada caso primero haces la foto engañosa, luego nombras el truco, arreglas el gráfico y escribes el título honesto. Necesitas el dataset games_clean en Superset (consulta Recursos).

Caso A: "Hit games are in another league".

Una frase honesta más para este gráfico: solo 486 de los 17,921 juegos Niche tienen Metascore, un 2.7%. La barra Niche describe un rincón pequeño y poco habitual de los juegos Niche.

Caso B: "Game prices in free fall".

Caso C: "The Steam catalogue by year".

Ideas clave¶

• Un gráfico engañoso tiene números verdaderos y una imagen falsa. Los lectores leen longitudes, pendientes y áreas, no números.
• Eje truncado: las barras deben empezar en cero, porque la longitud de la barra es el número. Una línea puede acercarse, si el eje está etiquetado y el cambio mostrado coincide con los datos.
• El factor de mentira (Tufte, 1983) es el efecto mostrado en el gráfico dividido entre el efecto en los datos. Honesto es cercano a 1; el gráfico de barras del gancho puntúa 32.
• Rango escogido a conveniencia: muestra todo el rango, o di en el título por qué lo has cortado.
• Los ejes duales crean cruces que dependen de las escalas. Apila dos gráficos en su lugar.
• Los gráficos de sectores saturados y en 3D y el mal color esconden la comparación: cinco sectores como máximo, planos, y color solo cuando significa algo.

Comprobación rápida¶

Ya sabes construir un gráfico, elegirlo, configurarlo y defenderlo. Un gráfico responde a una pregunta; las decisiones reales necesitan varios a la vez, lado a lado, en una sola pantalla. Eso es la Unidad 4: Cuadros de mando e informes.