Bee Swarm

Beeswarm Plot

Categoría Distribución

Qué es

Puntos individuales organizados para evitar solapamiento usando un algoritmo de 'enjambre'. Muestra cada observación individual mientras revela la distribución.

Para qué sirve

Para mostrar todos los puntos de datos individuales cuando el dataset no es demasiado grande (hasta ~500 puntos por grupo) y quieres evitar el resumen estadístico.

Cómo leerlo

Anatomía

El nombre y la técnica de empaquetado no tienen un origen puntual único documentado, pero sí implementaciones de referencia bien conocidas que popularizaron el algoritmo entre bioestadísticos —el ecosistema donde este gráfico se volvió estándar para mostrar puntos individuales de experimentos con pocas réplicas, en vez de esconderlos detrás de una barra de error. El objetivo del algoritmo es puramente geométrico: desplazar cada punto lo mínimo posible en el eje perpendicular al de la variable medida, solo lo necesario para que ningún punto se superponga a otro, preservando la posición exacta en el eje que sí importa. A diferencia de un jitter aleatorio, el resultado es determinístico y compacto, no ruidoso; y donde hay más puntos cerca en valor, el enjambre se ensancha, comunicando densidad como efecto secundario del propio algoritmo.

Tres manos sosteniendo cada una un montón compacto de una legumbre distinta —lentejas rojas, porotos blancos, frijoles negros— granos individuales agrupados sin superponerse: la misma anatomía de un bee swarm, categorías separadas donde cada una es un enjambre compacto de puntos

Por qué funciona

Fundamento perceptivo

No oculta ningún dato: cada punto es una observación real. Permite ver clusters, gaps y outliers que los resúmenes estadísticos esconden.

Errores comunes

Satura con muchos puntos

con más de 500-1000 por grupo empieza a ser lento y visualmente saturado, así que en datasets grandes combínalo con un Box Plot o Violin Plot superpuesto.

Dónde se usa