Crear
Descargar
Obtener Plan Académico
Compartir juego
Intégralo en tu plataforma

Puedes integrar el juego en un LMS compatible con LTI 1.1 o LTI 1.3 como Canvas, Moodle, o Blackboard. De esta manera podrás guardar las puntuaciones automáticamente en el libro de calificaciones de esa plataforma.
Descargar
Has superado el número máximo de juegos que puedes integrar en Google Classroom con tu Plan actual.

Para integrar tantos juegos como quieras en Google Classroom, necesitas un Plan Académico o un Plan Comercial.

Has superado el número máximo de juegos que puedes integrar en Microsoft Teams con tu Plan actual.

Para integrar tantos juegos como quieras en Microsoft Teams, necesitas un Plan Académico o un Plan Comercial.

La descarga de juegos es una característica exclusiva para usuarios con un Plan Académico o un Plan Comercial.

Obtén ahora tu Plan Académico o Comercial y comienza a integrar tus juegos en tu LMS, web o blog.

Si lo deseas, puedes descargar un juego de prueba aquí y probar su integración:

Anscombe y grafismos: decisiones visuales

Sí o No

Jugadas 1 %Acierto 60 Tiempo medio 00:56

Sobre esta actividad

Explora decisiones en gráficos con ejemplos

Creada por

Colombia

Descarga la versión para jugar en papel

Crea tu propio juego gratis desde nuestro creador de juegos
Compite contra tus amigos para ver quien consigue la mejor puntuación en esta actividad

Top juegos

%
Anónimo
Anónimo
%
%
%
Has superado el número máximo de juegos que puedes imprimir con tu Plan actual.

Para imprimir tantos juegos como quieras, necesitas un Plan Académico o un Plan Comercial.

Imprime tu juego
Anscombe y grafismos: decisiones visuales
 

Anscombe y grafismos: decisiones visualesVersión en línea

Explora decisiones en gráficos con ejemplos

por Universidad FUCS
1

La codificación redundante, usar color y forma, ayuda a que las figuras sean legibles para personas con deficiencias en color.

2

Truncar el eje vertical de una gráfica de barras nunca es problemático.

3

La paleta viridis no es adecuada para valores que crecen en un solo sentido.

4

En Seaborn no hay diferencias entre funciones de nivel de ejes y de nivel de figura.

5

La jerarquía de precisión perceptual de Cleveland y McGill sitúa la posición en una escala común como canal más preciso.

6

Seaborn ofrece una interfaz declarativa que asigna variables de un DataFrame a atributos visuales.

7

Matplotlib es la capa base sobre la que se apoya prácticamente todo el ecosistema de visualización en Python.

8

El mapa arcoíris es siempre la mejor opción para datos con más de tres categorías.

9

El cuarteto de Anscombe muestra que cuatro conjuntos pueden tener la misma media, desviación y correlación, pero figuras distintas.

10

Seaborn reemplaza a Matplotlib y no requiere código de bajo nivel.

¿Estás seguro que quieres abandonar la página?

Al abandonar la página perderás el progreso del juego.