Este temario corresponde en exclusiva a la especialidad de Matemáticas del Cuerpo de Profesores de Enseñanza Secundaria (código 590/512) — una de las aproximadamente 50 especialidades oficiales de este cuerpo. No cubre ninguna otra especialidad de Secundaria (Lengua Castellana y Literatura, Geografía e Historia, Física y Química, Biología y Geología, Inglés, Filosofía, Tecnología, Dibujo, Música...) ni los cuerpos de Maestros o de Profesores Técnicos de Formación Profesional, que tienen temarios propios y distintos, todavía no publicados en OpositaGratis. El cuestionario específico (Parte A) que se reproduce aquí es el fijado con carácter estatal por el entonces Ministerio de Educación y Ciencia, y sigue siendo, más de tres décadas después, el temario base que las distintas Administraciones educativas —las 17 comunidades autónomas más Ceuta y Melilla, cada una competente para convocar su propia oposición— citan y desarrollan en sus resoluciones de convocatoria anual, al no existir una versión posterior que lo haya derogado o sustituido con carácter general para esta especialidad. Cada convocatoria autonómica concreta puede añadir particularidades propias (requisitos lingüísticos en comunidades con lengua cooficial, la prueba de programación y unidad didáctica, u otras variaciones menores de redacción), que no están reflejadas en este índice.
Este tema aborda la vertiente más operativa y visual de la estadística descriptiva: cómo se obtienen los datos antes de someterlos a cualquier tratamiento numérico, y cómo se organizan y representan gráficamente una vez recogidos. Frente a los temas 57 y 58, de carácter más conceptual, aquí el foco está en las técnicas concretas —tablas de frecuencias, tipos de gráficos y su adecuación a cada variable— y, de forma muy destacada en el examen, en el pensamiento crítico ante la tendenciosidad y la manipulación visual de los datos, un contenido con fuerte proyección didáctica y de alfabetización mediática que conecta directamente con la competencia ciudadana que persigue el currículo.
Fuentes de obtención de datos: encuestas, experimentos, observación, registros
Antes de cualquier tratamiento estadístico es necesario recoger los datos, y el método de recogida condiciona de forma decisiva la calidad y el alcance de las conclusiones posteriores. La encuesta consiste en formular preguntas directamente a los individuos de una muestra, mediante cuestionario oral o escrito, y es el método habitual en estudios de opinión, sociales o de mercado, aunque está expuesto a sesgos de respuesta y de formulación. El experimento manipula deliberadamente una o varias variables (el tratamiento) sobre los sujetos de estudio, asignados aleatoriamente a grupos de tratamiento y de control, lo que permite establecer relaciones causales, no solo asociativas, y es el método de referencia en ciencias experimentales y ensayos clínicos. La observación registra el fenómeno tal como ocurre de forma natural, sin intervención del investigador sobre las variables, siendo el único método posible cuando la manipulación experimental es inviable o poco ética (por ejemplo, en epidemiología o en astronomía). Los registros administrativos o continuos (padrón, historiales clínicos, registros de ventas) recogen datos de forma sistemática con fines de gestión y constituyen una fuente secundaria valiosa, ya recogida por terceros, que el investigador puede reutilizar con las debidas cautelas metodológicas sobre su fiabilidad y cobertura.
Diseño de cuestionarios y encuestas
El diseño de un cuestionario es una fase crítica que determina en gran medida la calidad de los datos recogidos por encuesta, con independencia de lo correcto que sea el muestreo posterior. Las preguntas deben formularse de forma clara, neutra y no sesgada, evitando términos ambiguos, dobles negaciones o formulaciones que induzcan una respuesta concreta (pregunta capciosa o cargada, como "¿no cree usted que...?"), así como evitar preguntas dobles que mezclen dos cuestiones distintas en un mismo ítem. Conviene distinguir entre preguntas cerradas, con un conjunto predefinido de opciones de respuesta (dicotómicas, de opción múltiple o de escala tipo Likert), que facilitan el tratamiento estadístico posterior pero limitan la riqueza de la información, y preguntas abiertas, que permiten una respuesta libre pero exigen un trabajo posterior de categorización antes de poder cuantificarlas. El orden de las preguntas también influye en las respuestas (efecto de orden o de contaminación), por lo que las cuestiones más generales suelen preceder a las específicas, y las más sensibles o personales se sitúan al final. Es habitual, además, realizar una prueba piloto del cuestionario sobre una pequeña submuestra antes de su aplicación definitiva, con el fin de detectar ambigüedades, tiempos de respuesta excesivos o preguntas mal interpretadas.
Tabla de frecuencias absolutas y relativas
La tabla de frecuencias es la primera organización sistemática de los datos brutos recogidos, y constituye el punto de partida obligado de cualquier análisis estadístico posterior, tanto numérico como gráfico. Para cada valor xᵢ de la variable (o cada intervalo de clase, si la variable es continua o tiene muchos valores distintos), se registra la frecuencia absoluta nᵢ, que es el número de veces que dicho valor aparece en el conjunto de datos, cumpliéndose siempre que la suma de todas las frecuencias absolutas es igual al tamaño total de la muestra, Σnᵢ = N. La frecuencia relativa fᵢ = nᵢ/N expresa esa misma información como proporción del total, con la propiedad Σfᵢ = 1, lo que permite comparar directamente distribuciones de tamaños muestrales distintos, algo que las frecuencias absolutas no permiten hacer con rigor. Es habitual expresar también la frecuencia relativa como porcentaje, multiplicando fᵢ por 100. La construcción de una tabla de frecuencias exige decidir, cuando la variable es continua, el número y la amplitud de los intervalos de clase, un compromiso entre perder demasiado detalle (pocos intervalos muy amplios) o generar una tabla poco manejable con excesivo ruido (muchos intervalos estrechos), para lo que suele emplearse la regla de Sturges como orientación práctica.
Frecuencias acumuladas
Cuando la variable estadística admite un orden natural entre sus valores o intervalos —lo que ocurre siempre en variables cuantitativas y en las cualitativas ordinales—, tiene sentido calcular, además de las frecuencias simples, las frecuencias acumuladas. La frecuencia absoluta acumulada Nᵢ de un valor xᵢ es la suma de las frecuencias absolutas de todos los valores menores o iguales que xᵢ, Nᵢ = Σnⱼ (para j ≤ i), e indica directamente cuántas observaciones del conjunto de datos son menores o iguales que ese valor. De forma análoga, la frecuencia relativa acumulada Fᵢ = Nᵢ/N expresa esa misma cantidad como proporción del total. Las frecuencias acumuladas son imprescindibles para calcular medidas de posición como la mediana o los cuartiles, ya que estas se definen precisamente a partir del punto en que la frecuencia acumulada alcanza un determinado porcentaje del total (el 50 % para la mediana, el 25 % y el 75 % para el primer y tercer cuartil respectivamente). Su representación gráfica natural es la ojiva o curva de frecuencias acumuladas, una línea creciente y escalonada (para variable discreta) o suavizada (para variable continua agrupada) que resulta especialmente útil para determinar de forma visual el valor de la variable por debajo del cual se sitúa un porcentaje dado de las observaciones.
Tabla de contingencia (doble entrada)
La tabla de contingencia, o tabla de doble entrada, organiza simultáneamente los datos de dos variables estadísticas observadas sobre los mismos individuos, disponiendo en filas las categorías o valores de una variable y en columnas los de la otra, de modo que cada celda interior recoge la frecuencia conjunta de individuos que presentan simultáneamente esa combinación concreta de valores de ambas variables. Además de las frecuencias conjuntas del interior de la tabla, se calculan habitualmente las frecuencias marginales, obtenidas sumando cada fila o cada columna, que reproducen la distribución de frecuencias de cada variable considerada de forma aislada, con independencia de la otra; y las frecuencias condicionadas, que se obtienen fijando el valor de una de las variables y estudiando cómo se reparten las frecuencias de la otra únicamente dentro de esa fila o columna concreta, lo que permite detectar si existe o no algún tipo de asociación o dependencia entre ambas variables. La tabla de contingencia es la herramienta descriptiva básica para el estudio de variables estadísticas bidimensionales, especialmente cuando al menos una de ellas es cualitativa, y constituye además el fundamento del contraste de independencia mediante la distribución chi-cuadrado, ampliamente usado en investigación social y de mercado para determinar si dos características categóricas están estadísticamente relacionadas.
Diagrama de barras
El diagrama de barras es la representación gráfica más habitual para variables cualitativas y para variables cuantitativas discretas con pocos valores distintos, y consiste en trazar, para cada valor o categoría de la variable, una barra de anchura constante y separada de las demás (a diferencia del histograma), cuya altura es proporcional a la frecuencia absoluta o relativa correspondiente. La separación entre barras es precisamente el elemento visual que comunica al lector que se trata de categorías discretas o discontinuas, sin continuidad entre ellas, por lo que no tiene sentido interpolar valores entre dos barras consecutivas. Cuando la variable cualitativa es nominal, el orden de las barras en el eje horizontal es arbitrario y conviene ordenarlas por frecuencia decreciente para facilitar la lectura (lo que da lugar, combinado con la curva de frecuencias acumuladas relativas, al diagrama de Pareto); cuando es ordinal o cuantitativa discreta, el orden debe respetar la jerarquía natural de las categorías o valores. Existen variantes como el diagrama de barras agrupadas o el diagrama de barras apiladas, que permiten representar simultáneamente dos variables cualitativas sobre el mismo gráfico, mostrando tanto la distribución de cada categoría como su descomposición interna según la segunda variable.
Histograma
El histograma es la representación gráfica propia de las variables cuantitativas continuas, o discretas agrupadas en intervalos de clase, y se construye mediante rectángulos contiguos, sin separación entre ellos, levantados sobre cada intervalo de clase en el eje horizontal. La característica que distingue rigurosamente al histograma del diagrama de barras no es solo la ausencia de separación entre rectángulos, sino, sobre todo, que el área de cada rectángulo —y no su altura— debe ser proporcional a la frecuencia del intervalo correspondiente; esto resulta especialmente relevante cuando los intervalos de clase tienen amplitudes distintas, en cuyo caso la altura de cada rectángulo debe calcularse como el cociente entre la frecuencia (absoluta o relativa) y la amplitud del intervalo, magnitud conocida como densidad de frecuencia, para que el área siga siendo la variable representada correctamente. Cuando todos los intervalos tienen la misma amplitud, como ocurre en la mayoría de los casos prácticos en el aula, la altura resulta directamente proporcional a la frecuencia y el histograma se construye de forma análoga a un diagrama de barras sin espacios. La elección del número de intervalos —ni demasiado pocos, que ocultarían la forma real de la distribución, ni demasiados, que introducirían ruido estadístico irrelevante— es una decisión metodológica que afecta directamente a la interpretación visual de la distribución subyacente.
Polígono de frecuencias
El polígono de frecuencias es una representación gráfica alternativa o complementaria al histograma, especialmente útil cuando se desea comparar visualmente dos o más distribuciones sobre un mismo gráfico, tarea que resulta más difícil de realizar con claridad superponiendo varios histogramas. Se construye uniendo mediante segmentos rectilíneos los puntos correspondientes a la marca de clase (el punto medio de cada intervalo) en el eje horizontal y a la frecuencia (absoluta o relativa) de dicho intervalo en el eje vertical; en el caso de una variable discreta no agrupada, los puntos se sitúan directamente sobre cada valor de la variable en lugar de sobre la marca de clase. Por convención, para cerrar la figura sobre el eje horizontal, se añaden dos intervalos ficticios de frecuencia nula inmediatamente antes del primero y después del último intervalo con datos, de modo que el polígono comience y termine efectivamente sobre el eje. El polígono de frecuencias puede obtenerse también trazando los puntos medios de las bases superiores de los rectángulos de un histograma ya construido y uniéndolos con líneas rectas, lo que evidencia que ambas representaciones —histograma y polígono— son formas equivalentes, aunque visualmente distintas, de mostrar la misma distribución de frecuencias de una variable cuantitativa.
Diagrama de sectores
El diagrama de sectores, o gráfico circular, representa la distribución de frecuencias de una variable, habitualmente cualitativa, mediante un círculo dividido en sectores cuyo ángulo central es proporcional a la frecuencia relativa de cada categoría; el ángulo correspondiente a cada categoría se calcula como αᵢ = fᵢ · 360°, de modo que la suma de todos los ángulos centrales, al ser Σfᵢ = 1, es exactamente 360°, completando la circunferencia. Este tipo de gráfico resulta especialmente adecuado cuando el objetivo comunicativo es mostrar cómo se reparte un todo entre un número reducido de categorías (habitualmente no más de cinco o seis), ya que con muchas categorías los sectores resultan demasiado estrechos para compararlos visualmente con precisión; por esta misma razón, el diagrama de sectores es poco apropiado, y así lo señala la literatura sobre visualización de datos, para comparar con exactitud magnitudes similares entre sí, tarea en la que el ojo humano discrimina peor ángulos y áreas que longitudes, siendo preferible en esos casos un diagrama de barras. Es una representación exclusivamente adecuada para variables cualitativas o cuantitativas discretas con pocos valores, nunca para variables continuas, y su uso indebido o su distorsión mediante efectos de perspectiva tridimensional (que alteran engañosamente el tamaño aparente de los sectores) es una de las manipulaciones gráficas más citadas en los manuales de alfabetización estadística.
Diagrama de tallo y hojas
El diagrama de tallo y hojas es una representación semigráfica y semitabular, ideada por John Tukey dentro del análisis exploratorio de datos, que combina las ventajas del histograma —mostrar de un vistazo la forma de la distribución— con la conservación íntegra de la información numérica individual de cada dato, algo que ningún otro gráfico estadístico consigue simultáneamente. Su construcción consiste en separar cada dato numérico en dos partes: el tallo, formado por la cifra o cifras de mayor orden (por ejemplo, las decenas), que se disponen verticalmente y sin repetición formando el eje del diagrama; y la hoja, formada por la cifra o cifras restantes (por ejemplo, las unidades), que se escriben horizontalmente junto al tallo correspondiente, una por cada dato, habitualmente en orden creciente. El resultado visual recuerda a un histograma girado, cuya "anchura" en cada fila (el número de hojas) refleja la frecuencia de ese intervalo de valores, pero con la ventaja añadida de que, a partir del propio diagrama, puede reconstruirse exactamente el conjunto de datos original, lo que lo hace especialmente valioso en el análisis exploratorio de conjuntos de datos pequeños o medianos, previo a decidir qué otras técnicas descriptivas o gráficas aplicar.
Diagrama de caja y bigotes
El diagrama de caja y bigotes, también ideado por Tukey, es una representación gráfica compacta que resume simultáneamente la posición central, la dispersión, la simetría y la posible presencia de valores atípicos de una distribución, a partir de cinco números clave: el valor mínimo, el primer cuartil Q1, la mediana, el tercer cuartil Q3 y el valor máximo. Se construye dibujando una caja rectangular cuyos extremos son Q1 y Q3 (de modo que la caja contiene el 50 % central de los datos, el rango intercuartílico RIC = Q3 - Q1), con una línea interior que marca la mediana, y dos segmentos o "bigotes" que se extienden desde los extremos de la caja hasta el valor observado más alejado que no se considere atípico, habitualmente definido como el límite Q1 - 1,5·RIC o Q3 + 1,5·RIC; los valores que superan estos límites se representan como puntos individuales fuera de los bigotes, identificándolos explícitamente como valores atípicos o outliers. Este diagrama resulta especialmente útil para comparar visualmente varias distribuciones colocando sus respectivas cajas una junto a otra sobre el mismo eje, permitiendo apreciar de un vistazo diferencias en posición central, dispersión y simetría (una mediana descentrada dentro de la caja o bigotes de longitud muy distinta delatan asimetría) entre distintos grupos o categorías.
Ojiva o curva de frecuencias acumuladas
La ojiva es la representación gráfica de las frecuencias acumuladas (absolutas o relativas) de una variable estadística ordenable, y se construye situando en el eje horizontal los valores o los límites superiores de los intervalos de clase, y en el eje vertical la frecuencia acumulada correspondiente. Para una variable discreta, la ojiva adopta la forma de una función escalonada creciente, con saltos verticales en cada valor de la variable de magnitud igual a la frecuencia absoluta o relativa de ese valor; para una variable continua agrupada en intervalos, se suele trazar como una línea poligonal que une los puntos formados por el límite superior de cada intervalo y su frecuencia acumulada, obteniendo una curva suavemente creciente que va de 0 hasta N (o hasta 1, si se trabaja con frecuencias relativas). La ojiva es la herramienta gráfica idónea para determinar de forma visual, aproximada pero inmediata, el valor de la variable que deja por debajo de sí un porcentaje determinado de las observaciones —trazando una horizontal desde el porcentaje deseado en el eje vertical hasta cortar la curva, y desde ahí una vertical hasta el eje horizontal—, lo que la convierte en el equivalente gráfico directo del cálculo numérico de la mediana y los cuartiles.
Elección del gráfico adecuado según el tipo de variable
La elección correcta del tipo de gráfico no es una cuestión de gusto o de estética, sino una decisión metodológica que depende del tipo de variable representada y del mensaje que se pretende comunicar, y una elección inadecuada puede distorsionar la lectura de los datos incluso sin intención manipuladora. Para variables cualitativas nominales, el diagrama de barras (comparación entre categorías) o el diagrama de sectores (reparto proporcional de un total, con pocas categorías) son las opciones habituales; para variables cualitativas ordinales, el diagrama de barras respetando el orden natural de las categorías. Para variables cuantitativas discretas con pocos valores distintos, el diagrama de barras (sin separación conceptual pero manteniendo cierta separación visual entre barras) es adecuado; para variables cuantitativas continuas, o discretas con muchos valores agrupadas en intervalos, el histograma o el polígono de frecuencias son las representaciones propias. El diagrama de caja y bigotes resulta idóneo cuando el objetivo es comparar la dispersión y la posición de varias distribuciones cuantitativas simultáneamente, y el diagrama de tallo y hojas cuando interesa preservar el detalle numérico de conjuntos de datos pequeños. Como principio general, cuanto mayor sea la cantidad de información estructural que un gráfico logra comunicar sin distorsionarla, mejor elección se habrá realizado.
Tendenciosidad por truncamiento del eje de ordenadas
Una de las manipulaciones gráficas más frecuentes y más citadas en la literatura sobre visualización de datos consiste en truncar el eje vertical de un gráfico de barras o de líneas, es decir, en no iniciar dicho eje en el valor cero, sino en un valor cercano a los datos representados. Esta práctica, aunque en ocasiones se justifica técnicamente para resaltar variaciones pequeñas pero relevantes en series con un rango de valores muy estrecho, tiene el efecto perceptivo de exagerar visualmente las diferencias entre las barras o los puntos representados, ya que el ojo humano interpreta intuitivamente la altura relativa de las barras como proporcional a la magnitud real de los datos, comparación que solo es honesta cuando el eje parte de cero. Un incremento real del 2 % en una magnitud puede representarse gráficamente, mediante un truncamiento agresivo del eje, de forma que la barra correspondiente parezca duplicar o triplicar en altura a la anterior, transmitiendo al lector una impresión de cambio mucho más drástico del que realmente reflejan los datos. Esta técnica se emplea, con frecuencia de forma deliberada, en publicidad, informes económicos y comunicación política para exagerar la magnitud percibida sin necesidad de alterar ni un solo dato numérico, lo que la convierte en un caso paradigmático de manipulación estadística sin falsedad de los datos.
Manipulación mediante escalas engañosas
Además del truncamiento del eje vertical, existen otras formas de manipular la percepción de un gráfico mediante el uso deliberado de escalas engañosas, sin necesidad de alterar ningún dato numérico subyacente. El cambio de escala entre distintos gráficos que se pretenden comparar —por ejemplo, presentar dos series con ejes verticales de rango muy distinto una junto a otra, sugiriendo visualmente una comparación directa que la propia escala desmiente— es una práctica habitual en informes que buscan minimizar o maximizar según convenga la magnitud aparente de una diferencia. El uso de escalas no lineales (logarítmicas) sin advertirlo explícitamente al lector puede hacer que crecimientos exponenciales parezcan lineales o moderados, ocultando la verdadera velocidad de un fenómeno; a la inversa, presentar en escala lineal un fenómeno que crece exponencialmente (como una pandemia en su fase inicial) puede dar la falsa impresión de estabilidad. Otra técnica habitual es invertir el sentido de un eje (por ejemplo, mostrando de arriba abajo valores crecientes en lugar del sentido convencional ascendente), lo que induce a leer erróneamente una tendencia decreciente como creciente o viceversa a un lector que no repare en la inversión. En todos los casos, la honestidad estadística exige declarar explícitamente cualquier escala no convencional empleada en un gráfico.
Pictogramas con áreas no proporcionales
El pictograma es un gráfico estadístico que sustituye barras o sectores por iconos o figuras representativas del fenómeno estudiado (siluetas humanas, monedas, barriles de petróleo), cuyo tamaño o cuyo número pretende comunicar de forma intuitiva la magnitud de los datos; bien construido, con iconos repetidos de tamaño constante cuyo número es proporcional a la frecuencia, es un recurso legítimo y atractivo de divulgación. Sin embargo, es una de las representaciones más propensas a la manipulación involuntaria o deliberada cuando, en lugar de repetir el icono, se opta por escalar su tamaño para representar una magnitud mayor: si para representar una magnitud doble se duplica la altura (y, proporcionalmente, también la anchura) de una figura bidimensional, su área visual —que es lo que el ojo humano percibe intuitivamente como "tamaño"— se multiplica en realidad por cuatro, no por dos, exagerando gravemente la diferencia percibida respecto a la real; si el icono es una figura tridimensional escalada en las tres dimensiones, el volumen aparente llega a multiplicarse por ocho para una magnitud que solo se ha duplicado. Este error, frecuente en infografías de prensa y publicidad, es un caso paradigmático de manipulación estadística que no falsea ningún dato numérico pero distorsiona radicalmente su interpretación visual, y constituye un ejemplo didáctico recurrente para trabajar el pensamiento crítico ante gráficos publicados.
Correlación ilusoria en la representación gráfica
La correlación ilusoria es la percepción, inducida por el propio diseño de un gráfico, de una relación o asociación entre dos variables que en realidad es débil, inexistente o distinta de la sugerida, provocada por decisiones de representación como la elección arbitraria de la escala de los ejes, el recorte selectivo del rango temporal o de valores mostrado, o la superposición visual de dos series con escalas distintas en un mismo gráfico de doble eje vertical. Un gráfico de doble eje, en el que dos series con unidades y magnitudes completamente distintas se representan sobre el mismo espacio ajustando de forma independiente cada escala vertical, puede hacer coincidir visualmente picos y valles de ambas series de forma completamente artificiosa, sin que exista ninguna relación estadística real entre ellas, simplemente porque el diseñador del gráfico ha elegido las escalas de modo que las curvas se aproximen visualmente. De forma similar, seleccionar deliberadamente el intervalo temporal representado en un gráfico de líneas puede sugerir una tendencia creciente o decreciente que desaparece, o incluso se invierte, al ampliar el periodo considerado. Este fenómeno conecta directamente con el principio, ya tratado en el tema 57, de que correlación no implica causalidad, y añade la advertencia complementaria de que ni siquiera la correlación aparente que muestra un gráfico es necesariamente real.
Casos históricos de infografía influyente: Florence Nightingale, John Snow
La historia de la representación gráfica de datos cuenta con ejemplos pioneros que demuestran su capacidad para influir decisivamente en la toma de decisiones y en la percepción pública de un problema. Florence Nightingale, enfermera y pionera de la estadística aplicada a la salud pública, elaboró a raíz de su experiencia en la guerra de Crimea (1854-1856) el llamado diagrama de área polar o "rosa de Nightingale" (publicado hacia 1858), un gráfico circular segmentado por meses en el que el área de cada sector representaba el número de muertes de soldados, distinguiendo visualmente las causadas por heridas de combate de las causadas por enfermedades infecciosas evitables en los hospitales militares; esta representación, dirigida a convencer a las autoridades británicas sin necesidad de que leyeran tablas numéricas, resultó decisiva para impulsar reformas sanitarias en los hospitales de campaña. John Snow, médico londinense considerado padre de la epidemiología moderna, elaboró en 1854 un mapa que representaba geográficamente, mediante marcas sobre cada vivienda, los casos de cólera en el barrio del Soho de Londres, superpuestos a la ubicación de las bombas de agua del barrio; la concentración visual evidente de casos en torno a una bomba concreta de Broad Street permitió identificar la fuente contaminada del brote antes incluso de que se conociera la existencia de las bacterias, y sin necesidad de ningún cálculo estadístico formal. Ambos casos ilustran el poder persuasivo y de descubrimiento de una buena representación gráfica de datos.
Criterios de calidad y honestidad en la representación gráfica de datos
La construcción honesta y de calidad de un gráfico estadístico debe cumplir una serie de criterios que, aunque parezcan de sentido común, se incumplen con frecuencia en la comunicación pública de datos. En primer lugar, todo gráfico debe indicar con claridad el título, las unidades de medida de cada eje, la fuente de los datos y, cuando proceda, el tamaño de la muestra sobre la que se ha elaborado. En segundo lugar, la escala de los ejes debe ser coherente con el tipo de comparación que se pretende realizar, evitando truncamientos no justificados y no comparables entre gráficos que se presentan conjuntamente. En tercer lugar, el tipo de gráfico elegido debe corresponder al tipo de variable representada, respetando las convenciones descritas en los apartados anteriores (barras separadas para variables discretas, histograma contiguo para continuas, proporcionalidad estricta de áreas en pictogramas). En cuarto lugar, debe evitarse cualquier elemento decorativo (efectos tridimensionales, sombreados, iconos escalados) que no aporte información y que, en cambio, distorsione la percepción de las magnitudes representadas —principio que el estadístico Edward Tufte resumió con el concepto de "data-ink ratio", la proporción de tinta del gráfico dedicada realmente a transmitir información frente a la meramente decorativa—. Estos criterios constituyen un contenido curricular explícito en el bloque de sentido estocástico de la LOMLOE.
Pensamiento crítico ante gráficos publicados en medios de comunicación
El desarrollo del pensamiento crítico ante los gráficos estadísticos publicados en prensa, televisión y redes sociales es un objetivo curricular explícito del bloque de Estadística y Probabilidad en Secundaria y Bachillerato, y una competencia ciudadana cada vez más necesaria en una sociedad saturada de infografías y visualizaciones de datos de calidad y honestidad muy desigual. Ante cualquier gráfico publicado, conviene entrenar al alumnado en una secuencia sistemática de preguntas: ¿parte de cero el eje vertical, o está truncado?, ¿la escala es lineal o logarítmica, y se advierte explícitamente?, ¿el tipo de gráfico elegido es adecuado al tipo de variable representada?, ¿se indica la fuente de los datos y el tamaño de la muestra?, ¿el periodo temporal o el rango de valores mostrado se ha seleccionado de forma que favorezca una interpretación concreta?, ¿los iconos de un pictograma están escalados en área o en volumen en lugar de repetidos?, ¿existen elementos decorativos que puedan distorsionar la percepción de las magnitudes? Esta alfabetización visual no busca generar un escepticismo indiscriminado hacia toda representación gráfica, sino dotar al alumnado de las herramientas conceptuales necesarias para distinguir una visualización rigurosa de una manipuladora, competencia especialmente relevante en el contexto actual de desinformación y de circulación masiva de gráficos descontextualizados en redes sociales.
Relación entre el tipo de variable y el gráfico estadístico adecuado
La correspondencia entre el tipo de variable estadística y el gráfico apropiado para representarla constituye el principio metodológico unificador de todo este tema, y puede sistematizarse como una tabla de decisión: las variables cualitativas nominales admiten el diagrama de barras y el diagrama de sectores, sin que el orden de las categorías en el eje sea relevante; las cualitativas ordinales admiten los mismos gráficos, pero respetando obligatoriamente el orden jerárquico de las categorías; las cuantitativas discretas con pocos valores distintos se representan mediante diagrama de barras (con separación visual, aunque conceptualmente distinta de la separación categórica) y su acumulada mediante una función escalonada; las cuantitativas discretas con muchos valores o las continuas, agrupadas en intervalos de clase, requieren el histograma, el polígono de frecuencias y la ojiva para su acumulada. Transversalmente, el diagrama de caja y bigotes y el diagrama de tallo y hojas son aplicables a cualquier variable cuantitativa, discreta o continua, con finalidades complementarias de comparación entre grupos y de preservación del detalle numérico, respectivamente. Aplicar un gráfico propio de un tipo de variable a otro distinto —por ejemplo, un diagrama de sectores a una variable continua, o un histograma sin ajustar las alturas a la densidad cuando los intervalos tienen distinta amplitud— no es solo un error estético sino una representación estadísticamente incorrecta que puede inducir a conclusiones erróneas.
Ejemplos numéricos de construcción de tablas y gráficos
Histograma con amplitudes distintas: si los intervalos [0,10), [10,20) y [20,40) tienen frecuencias 20, 30 y 40, las densidades de frecuencia (frecuencia/amplitud) son 2, 3 y 2, que son las alturas correctas; usar las frecuencias como alturas sobredimensionaría el último intervalo. Diagrama de sectores: una categoría con f=0,25 se representa con un sector de 0,25·360°=90°. Marca de clase del intervalo [20,40): (20+40)/2=30. Si N=80 y la frecuencia absoluta acumulada de un valor es 60, su frecuencia relativa acumulada es 60/80=0,75, de modo que el 75 % de los datos es menor o igual a ese valor. Caja y bigotes con Q1=10 y Q3=18: RIC=8; límites de atípicos 10-12=-2 y 18+12=30, de modo que un dato de 35 sería atípico. Regla orientativa alternativa a Sturges para la anchura de clase: la de Freedman-Diaconis, h=2·RIC·N^(-1/3).
Otros gráficos estadísticos: líneas, dispersión, áreas y datos bivariantes
Además de los ya descritos, el gráfico de líneas representa series temporales (variable cuantitativa en el tiempo), uniendo los puntos observados para mostrar tendencias, estacionalidad y variaciones; el diagrama de dispersión (nube de puntos) representa pares (x,y) de dos variables cuantitativas y es el paso previo a calcular la correlación y la recta de regresión; el gráfico de áreas apiladas y el de barras apiladas muestran composición; el cartograma o mapa coroplético colorea territorios según un valor. Cada uno tiene sus riesgos: en las series temporales, el rango de fechas elegido condiciona la tendencia; en la nube de puntos, un valor atípico altera mucho el coeficiente de correlación. El cuarteto de Anscombe (1973), formado por cuatro conjuntos de datos con casi idénticas medias, varianzas, correlación y recta de regresión pero con representaciones gráficas muy distintas, ilustra por qué hay que representar los datos antes de resumirlos con números.
Más pioneros de la visualización: Playfair, Minard y Tufte
William Playfair, economista escocés, introdujo el gráfico de líneas y el de barras en su Commercial and Political Atlas (1786) y el gráfico de sectores en 1801. Charles Joseph Minard elaboró en 1869 el célebre mapa de flujo de la campaña de Napoleón en Rusia (1812), que combina en una sola imagen el tamaño del ejército, la ubicación geográfica, la dirección y la temperatura; Tufte lo considera un ejemplo excepcional de diseño. Edward Tufte propuso además el 'factor de mentira' (lie factor): el cociente entre el tamaño del efecto mostrado en el gráfico y el tamaño del efecto en los datos, que debería estar próximo a 1. En un pictograma con iconos escalados en área, el lie factor se dispara. Estos autores permiten conectar la historia de las matemáticas con la competencia digital.
Obtención ética y legal de datos: protección de datos y fichas técnicas
La recogida de datos personales debe respetar la normativa de protección de datos: el Reglamento (UE) 2016/679 (Reglamento General de Protección de Datos) y la Ley Orgánica 3/2018, de 5 de diciembre, de Protección de Datos Personales y garantía de los derechos digitales, que exigen base legítima (habitualmente el consentimiento informado), finalidad determinada, minimización de datos y posibilidad de ejercer derechos como el acceso y la supresión. Los datos con fines estadísticos suelen anonimizarse o seudonimizarse para que no puedan atribuirse a una persona concreta. En un estudio con alumnado menor de edad es necesario además contar con la autorización de los tutores legales y del centro. Toda encuesta publicada debe acompañarse de una ficha técnica con el universo, el tamaño y diseño de la muestra, el método de recogida (presencial, telefónico, en línea), las fechas de trabajo de campo, el error muestral y el nivel de confianza, la entidad que la ha realizado y quién la ha encargado.
Modalidades de encuesta y escalas de respuesta
Según el modo de administración, las encuestas pueden ser presenciales (entrevista personal, a menudo asistida por ordenador, CAPI), telefónicas (CATI), autoadministradas por correo o en línea (CAWI) o mixtas. Cada modo implica tasas de respuesta, costes y sesgos distintos: las encuestas en línea llegan a menos personas sin acceso a internet, y las presenciales pueden inducir respuestas socialmente deseables. Entre las escalas más usadas están la dicotómica (sí/no), la de opción múltiple y la escala tipo Likert (por ejemplo, de 1 a 5 entre totalmente en desacuerdo y totalmente de acuerdo), que es ordinal: aunque se codifique con números, calcular medias a partir de ella exige cautela porque las distancias entre niveles no son necesariamente iguales. Las preguntas pueden provocar el sesgo de deseabilidad social, de aquiescencia (tendencia a decir que sí) o de memoria (olvido o telescopaje temporal).
Ideas clave para el examen — memoriza esto
El método de recogida de datos (encuesta, experimento, observación, registro) condiciona la fiabilidad de todo el análisis posterior; solo el experimento con asignación aleatoria permite inferir causalidad.
Un cuestionario mal diseñado (preguntas capciosas, dobles, con efecto de orden) sesga los datos aunque el muestreo posterior sea perfecto.
Frecuencia absoluta nᵢ (Σnᵢ=N) y relativa fᵢ=nᵢ/N (Σfᵢ=1): la relativa permite comparar distribuciones de distinto tamaño muestral.
Las frecuencias acumuladas (Nᵢ, Fᵢ) solo tienen sentido si la variable es ordenable, y son la base del cálculo de mediana y cuartiles.
La tabla de contingencia distingue frecuencias conjuntas, marginales (suma de fila/columna) y condicionadas (dentro de una fila/columna fija).
Diagrama de barras (variables discretas/cualitativas, barras separadas) frente a histograma (variables continuas, rectángulos contiguos, área proporcional a la frecuencia).
En un histograma con intervalos de distinta amplitud, la altura del rectángulo debe ser la densidad de frecuencia (frecuencia/amplitud), no la frecuencia directa.
El diagrama de caja y bigotes resume 5 números (mínimo, Q1, mediana, Q3, máximo) y detecta atípicos fuera de Q1-1,5·RIC / Q3+1,5·RIC.
El diagrama de tallo y hojas (Tukey) es el único gráfico que preserva el dato numérico individual exacto además de mostrar la forma de la distribución.
Truncar el eje vertical (no partir de cero) es la manipulación gráfica más común: exagera visualmente diferencias reales pequeñas.
Escalar el tamaño de un icono en un pictograma en lugar de repetirlo distorsiona el área (factor al cuadrado) o el volumen (factor al cubo) percibidos.
Un gráfico de doble eje con escalas ajustadas ad hoc puede sugerir una correlación ilusoria entre series sin relación estadística real.
Florence Nightingale (rosa de Nightingale, mortalidad en Crimea) y John Snow (mapa del cólera del Soho, 1854) son los referentes históricos de la infografía persuasiva y de descubrimiento.
Todo gráfico honesto debe indicar título, unidades, fuente y tamaño muestral, y evitar elementos decorativos que distorsionen la magnitud representada (criterio del "data-ink ratio" de Tufte).
El pensamiento crítico ante gráficos publicados es un contenido curricular explícito (sentido estocástico, LOMLOE), no un añadido opcional.
Cada tipo de variable tiene un gráfico propio: aplicar el gráfico equivocado (p. ej. sectores a una variable continua) es un error estadístico, no solo estético.
12 preguntas sobre este tema, en orden aleatorio. Sin registro, sin límite de intentos.
Pregunta 1 de 120 aciertos
Un pictograma duplica la altura y la anchura de un icono para representar una magnitud doble. El área aparente se multiplica por:
Preguntas frecuentes
¿De qué trata el Tema 59 de Secundaria?
Este tema aborda la vertiente más operativa y visual de la estadística descriptiva: cómo se obtienen los datos antes de someterlos a cualquier tratamiento numérico, y cómo se organizan y representan gráficamente una vez recogidos. Frente a los temas 57 y 58, de carácter más conceptual, aquí el foco está en las técnicas concretas —tablas de frecuencias, tipos de gráficos y su adecuación a cada variable— y, de forma muy destacada en el examen, en el pensamiento crítico ante la tendenciosidad y la manipulación visual de los datos, un contenido con fuerte proyección didáctica y de alfabetización mediática que conecta directamente con la competencia ciudadana que persigue el currículo.
¿Qué hay que memorizar del Tema 59 para el examen?
El método de recogida de datos (encuesta, experimento, observación, registro) condiciona la fiabilidad de todo el análisis posterior; solo el experimento con asignación aleatoria permite inferir causalidad. Un cuestionario mal diseñado (preguntas capciosas, dobles, con efecto de orden) sesga los datos aunque el muestreo posterior sea perfecto. Frecuencia absoluta nᵢ (Σnᵢ=N) y relativa fᵢ=nᵢ/N (Σfᵢ=1): la relativa permite comparar distribuciones de distinto tamaño muestral. Las frecuencias acumuladas (Nᵢ, Fᵢ) solo tienen sentido si la variable es ordenable, y son la base del cálculo de mediana y cuartiles. La tabla de contingencia distingue frecuencias conjuntas, marginales (suma de fila/columna) y condicionadas (dentro de una fila/columna fija). Diagrama de barras (variables discretas/cualitativas, barras separadas) frente a histograma (variables continuas, rectángulos contiguos, área proporcional a la frecuencia). En un histograma con intervalos de distinta amplitud, la altura del rectángulo debe ser la densidad de frecuencia (frecuencia/amplitud), no la frecuencia directa. El diagrama de caja y bigotes resume 5 números (mínimo, Q1, mediana, Q3, máximo) y detecta atípicos fuera de Q1-1,5·RIC / Q3+1,5·RIC. El diagrama de tallo y hojas (Tukey) es el único gráfico que preserva el dato numérico individual exacto además de mostrar la forma de la distribución. Truncar el eje vertical (no partir de cero) es la manipulación gráfica más común: exagera visualmente diferencias reales pequeñas. Escalar el tamaño de un icono en un pictograma en lugar de repetirlo distorsiona el área (factor al cuadrado) o el volumen (factor al cubo) percibidos. Un gráfico de doble eje con escalas ajustadas ad hoc puede sugerir una correlación ilusoria entre series sin relación estadística real. Florence Nightingale (rosa de Nightingale, mortalidad en Crimea) y John Snow (mapa del cólera del Soho, 1854) son los referentes históricos de la infografía persuasiva y de descubrimiento. Todo gráfico honesto debe indicar título, unidades, fuente y tamaño muestral, y evitar elementos decorativos que distorsionen la magnitud representada (criterio del "data-ink ratio" de Tufte). El pensamiento crítico ante gráficos publicados es un contenido curricular explícito (sentido estocástico, LOMLOE), no un añadido opcional. Cada tipo de variable tiene un gráfico propio: aplicar el gráfico equivocado (p. ej. sectores a una variable continua) es un error estadístico, no solo estético. Histograma con amplitudes distintas: altura = frecuencia/amplitud (densidad). Ejemplo: frecuencias 20, 30, 40 en amplitudes 10, 10, 20 -> alturas 2, 3, 2. Atípicos en caja y bigotes: fuera de [Q1-1,5·RIC, Q3+1,5·RIC]. Sturges: k≈1+log₂N; Freedman-Diaconis: h=2·RIC·N^(-1/3). Cuarteto de Anscombe (1973): mismos estadísticos, gráficos distintos: hay que mirar los datos. Playfair (1786, barras y líneas; 1801, sectores), Nightingale (diagrama de área polar, c. 1858), Snow (cólera, 1854), Minard (1869). Lie factor de Tufte = efecto mostrado / efecto en los datos; debe ser ≈1. Escala Likert: ordinal; la media debe interpretarse con cautela. Recogida de datos personales: RGPD (Reglamento (UE) 2016/679) y LO 3/2018; consentimiento informado, minimización, anonimización. Una encuesta publicada debe incluir ficha técnica (universo, muestra, método, fechas, error y confianza, responsable).
¿Hay preguntas de test de este tema exacto?
Sí, 12 preguntas tipo test sobre este tema, en el apartado "Ponte a prueba" de esta misma página. Sin registro y sin límite de intentos.
¿De dónde sale el temario de este tema?
Del índice oficial de BOE núm. 226, de 21 de septiembre de 1993, páginas 27400 a 27438 (Orden de 9 de septiembre de 1993, del Ministerio de Educación y Ciencia, BOE-A-1993-23257), Anexo III — cuestionario específico (Parte A) de la especialidad Matemáticas del Cuerpo de Profesores de Enseñanza Secundaria (Temario oficial estatal de referencia — especialidad Matemáticas (Cuerpo de Profesores de Enseñanza Secundaria)).
Fuentes de este desarrollo
Tufte, E. R. (1983). The Visual Display of Quantitative Information. Graphics Press.
Tukey, J. W. (1977). Exploratory Data Analysis. Addison-Wesley.
Anscombe, F. J. (1973). Graphs in Statistical Analysis. The American Statistician, 27.
Reglamento (UE) 2016/679 del Parlamento Europeo y del Consejo, de 27 de abril de 2016, relativo a la protección de las personas físicas en lo que respecta al tratamiento de datos personales.
Ley Orgánica 3/2018, de 5 de diciembre, de Protección de Datos Personales y garantía de los derechos digitales.
Real Decreto 217/2022, de 29 de marzo, por el que se establece la ordenación y las enseñanzas mínimas de la Educación Secundaria Obligatoria.
Real Decreto 243/2022, de 5 de abril, por el que se establecen la ordenación y las enseñanzas mínimas del Bachillerato.
Mientras tanto, practica con tests gratis de Secundaria.