Dato
El cuarteto de Anscombe tiene las mismas estadísticas y diferentes historias
Cuatro conjuntos de datos pueden compartir casi la misma media aritmética, varianza, correlación y línea de regresión, pero verse completamente diferentes al graficarlos.
El cuarteto de Anscombe es la prueba clásica de que las estadísticas resumidas necesitan imágenes. Los números coinciden, pero los diagramas de dispersión cuentan cuatro historias diferentes.
Por el equipo editorial de Math Says Yes
Revisado por humanos según nuestros estándares de fuentes y corrección.
Cómo revisamos el contenido
LA TRAMPA
Creer que la coincidencia en medias aritméticas, varianzas, correlaciones y líneas de regresión significa que los conjuntos de datos subyacentes deben tener la misma forma.
La configuración
En 1973, el estadístico Francis Anscombe construyó cuatro pequeños conjuntos de datos para ilustrar un punto sobre el análisis de datos. Cada conjunto de datos tiene el mismo y casi los mismos resúmenes básicos: media de x, media de y, , y lineal. Si solo vieras la tabla de resúmenes, esperarías que los conjuntos de datos se comportaran de manera más o menos igual.
La revelación
Grafica los puntos y la similitud desaparece. Un conjunto de datos tiene una relación en línea recta bastante ordinaria. Otro sigue una curva que una línea recta pasa por alto. Un tercero es mayormente lineal pero está arrastrado por un punto inusual. Un cuarto es un grupo vertical donde un punto de gran influencia crea la relación aparente. Los mismos resúmenes han ocultado cuatro estructuras diferentes.
Por qué los resúmenes siguen importando
La lección no es desechar las estadísticas de resumen. Son útiles precisamente porque comprimen datos desordenados en números que podemos comparar. El problema es confiar en la compresión antes de comprobar qué se comprimió. Una , una o una responden a una pregunta específica. No pueden mostrar grupos, curvas, límites o puntos individuales con demasiada influencia a menos que también observes la forma de los datos. El gráfico es el paso de diagnóstico que falta antes de modelar.
Cómo usarlo
Antes de confiar en un modelo o en una tabla, pide un gráfico. Para dos variables numéricas, empieza con un y busca curvas, grupos, valores atípicos y puntos de influencia. Para una variable, usa un o un gráfico de puntos. Una vez que la forma es visible, las estadísticas de resumen se vuelven más útiles porque sabes qué tipo de forma están resumiendo.
Ejemplo práctico
Imagina que cuatro equipos de producto informan la misma puntuación de satisfacción , la misma dispersión, la misma línea de tendencia y la misma puntuación de línea recta entre el tiempo de respuesta y la satisfacción. Un panel de control podría hacer que parezcan intercambiables. Pero las historias reales podrían ser diferentes: un equipo puede estar mejorando constantemente, otro puede haber alcanzado una meseta de velocidad, otro puede estar distorsionado por un día inusual y otro puede estar impulsado por una sola cuenta grande. La misma tabla de resumen sugeriría una acción; las historias subyacentes sugerirían cuatro acciones diferentes.
El panel ve las mismas estadísticas
Los cuatro equipos comparten el mismo promedio, dispersión, puntuación de línea recta y línea de tendencia. Las tarjetas siguientes muestran lo que esos números ocultan.
7.5
promedio de satisfacción
igual
dispersión
r = 0.82
puntuación de línea recta
al alza
línea de tendencia
promedio 7.5
misma dispersión
tendencia al alza
Equipo A
mejora constante
Respuestas más rápidas suelen significar usuarios más felices.
Equipo B
meseta de velocidad
La velocidad ayuda al principio, luego se estabiliza.
Equipo C
un día inusual
Un mal día altera el resumen.
Equipo D
una cuenta grande
Una cuenta grande crea la tendencia.
Cuándo se aplica
La lección se aplica siempre que una decisión dependa de números comprimidos: correlaciones, promedios, pendientes de , clasificaciones o resúmenes de KPI. Se trata menos de un conjunto de datos especial y más del flujo de trabajo de análisis. Los resúmenes deben venir después de las comprobaciones de forma, no en lugar de ellas. Si los datos son de alta dimensión, se sigue cumpliendo el mismo principio: inspecciona los residuos, segmenta los patrones y los casos influyentes antes de confiar en la puntuación única.
En qué se equivocan las personas
Los resúmenes coincidentes no son evidencia coincidente. La misma , la misma y la misma pueden seguir ocultando diferentes formas. Una estadística de resumen es una vista comprimida, no un diagnóstico. Si la forma importa para la decisión, el gráfico no es decoración; es evidencia.
Nota sobre la fuente
El artículo original de Anscombe de 1973 creó el cuarteto para defender el uso de gráficos en el análisis estadístico. La fuente respalda ambas partes de esta página: los conjuntos de datos comparten resúmenes numéricos clave y sus diagramas de dispersión revelan diferentes estructuras. La página utiliza ese ejemplo como regla general para los paneles de control modernos y las comprobaciones de modelos.
Pruébalo
Mismas estadísticas, diferentes formas
Cambia de resúmenes a gráficos y observa cómo se separan las cuatro historias.
9.0
media x
7.5
media y
0.82
puntuación en línea recta
y=3+0.5x
línea de tendencia
La puntuación de la línea recta se llama r. Los cuatro paneles muestran r = 0.82, por lo que los números sugieren la misma historia.
I
r = 0,82
I
r=0.82
I: tendencia constante
II
r = 0,82
II
r=0.82
II: curva oculta
III
r = 0,82
III
r=0.82
III: un valor atípico lo arranca
IV
r = 0,82
IV
r=0.82
IV: un punto lejano lo crea
Solo con los números, los cuatro conjuntos de datos parecen intercambiables: mismo centro, misma puntuación, misma línea de tendencia.
Preguntas frecuentes
¿Qué es el cuarteto de Anscombe?
Es un conjunto de cuatro conjuntos de datos con estadísticas de resumen casi idénticas pero diagramas de dispersión muy diferentes. Se utiliza para mostrar por qué los gráficos son esenciales en el análisis de datos.
¿Qué debes comprobar antes de confiar en una correlación?
Grafica los datos. Una correlación puede ocultar no linealidad, grupos separados, valores atípicos o un punto influyente que impulse toda la relación.
Comprobación rápida
¿Cuál es la lección principal del cuarteto de Anscombe?
A
Las estadísticas de resumen nunca son útiles.
B
Los promedios siempre describen bien el caso típico.
C
Los mismos resúmenes pueden ocultar formas muy diferentes, así que grafica los datos.
Fuentes
Anscombe's quartet
Explicador secundario
Wikipedia · Accedido 2026-06-16
Graphs in statistical analysis
Fuente primaria
The American Statistician · Accedido 2026-06-20
¿Conoces a alguien a quien le pueda gustar esto?
Leer siguiente
Error estándar vs desviación estándar: dispersión vs precisión
La desviación estándar describe la dispersión entre valores individuales. El error estándar describe la incertidumbre en una estimación como la media aritmética.
Conceptos
Los promedios engañan
La media aritmética lo suma todo y lo divide, por lo que unos pocos valores extremos pueden alejarla mucho del caso típico. En datos sesgados, la mediana —el valor central— representa mejor lo que es normal. Pregunta por la forma de los datos, no solo por su promedio.
Estadísticas de resumen
Las estadísticas de resumen comprimen un conjunto de datos en números como la media aritmética, la varianza, la correlación o la línea de regresión. Son útiles, pero pueden ocultar formas, valores atípicos, grupos y relaciones curvas que un gráfico revelaría de inmediato.
