Leer un gráfico de distribución sin engañarse

Un histograma agrupa los valores en clases y cuenta cuántos caen en cada una. El ancho de clase es una decisión: con clases muy anchas se pierde la forma de la distribución y varios grupos distintos parecen uno; con clases muy estrechas aparecen picos que son azar. Ninguna elección es «la verdadera»: conviene mirar la misma distribución con más de un ancho antes de sacar conclusiones.

Esto importa en detección porque el umbral suele dibujarse sobre el histograma: si el gráfico engaña, el umbral se elige mal.

Abre el histograma grueso. En una distribución con muchos usuarios normales y pocos extremos, la cola ocupa barras casi vacías, que a simple vista parecen no existir. El tablero dibuja un umbral en la línea vertical que indica la ficha. Cuenta cuántos usuarios hay a partir de ese umbral, incluida la clase que empieza en él.

La primera clase gruesa, de 0 a 99 MB, tiene a la mayoría de los usuarios y parece una sola barra. Abre el histograma fino de esa clase, con barras de 20 MB. Ahí se ve que no es una sola población: hay más de un grupo. Localiza la clase con más usuarios.

Un eje vertical que no empieza en cero recorta la base de las barras. Lo que está por debajo del inicio del eje no se dibuja: la barra de una clase con pocos usuarios desaparece, aunque esa clase sea justo la que interesa. Lee la ficha del tablero y mira desde qué valor empieza el eje.

Con los datos de las tres tablas, el tablero muestra una barra de la primera clase y nada más: la línea de umbral queda sobre un espacio vacío, y quien lo mira concluye que nadie la pasa. Pero las tablas dicen otra cosa: hay usuarios por encima de esa línea, y algunos subieron cientos de megabytes en un solo día.