Histograma: qué es, cómo elaborarlo y cómo interpretarlo

Una lista de 30, 100 o 500 mediciones puede contener información útil sobre un proceso, pero detectar su comportamiento observando cada número por separado resulta difícil. ¿Los valores se concentran alrededor de una zona? ¿Existe mucha dispersión? ¿Aparecen dos grupos diferentes? ¿Hay observaciones alejadas del resto? El histograma transforma esos datos numéricos en una representación visual que facilita responder estas preguntas. En este artículo veremos qué representa, cómo construirlo paso a paso y qué aspectos conviene examinar antes de obtener conclusiones.

¿Qué es un histograma?

Un histograma es un gráfico utilizado para resumir la distribución de una variable cuantitativa. El rango de los datos se divide en intervalos o clases y se cuenta cuántas observaciones pertenecen a cada uno. En la forma habitual del histograma, con intervalos de igual ancho, la altura de cada barra representa la frecuencia de observaciones del intervalo. El NIST/SEMATECH Engineering Statistics Handbook sobre histogramas explica que este gráfico permite examinar características como el centro, la dispersión, la asimetría, posibles valores atípicos y la presencia de varios modos en los datos.

Por ejemplo, si se registran los tiempos de ciclo de una operación durante varios turnos, un histograma permite observar en qué intervalos se concentra la mayor cantidad de mediciones y cuánto se extienden los tiempos hacia valores menores o mayores. El gráfico no explica por sí mismo las causas de esa distribución, pero ayuda a identificar patrones que merecen análisis adicional.

El histograma tampoco debe confundirse con un gráfico de barras. En un gráfico de barras, cada barra suele representar una categoría independiente, como tipos de producto o áreas de una empresa. En un histograma, el eje horizontal representa intervalos ordenados de una variable numérica.

Cómo elaborar un histograma

La construcción puede realizarse manualmente o mediante herramientas estadísticas. En ambos casos, el procedimiento parte de los mismos principios.

1. Seleccionar una variable cuantitativa. Puede tratarse de tiempos, longitudes, temperaturas, pesos, costos u otra medición expresada numéricamente.
2. Revisar los datos. Antes de graficar, conviene comprobar errores de registro, unidades utilizadas y valores faltantes.
3. Identificar el rango observado. Se localizan el valor mínimo y el máximo para conocer la extensión que deberá cubrir el eje horizontal.
4. Definir los intervalos. El rango se divide en clases que permitan agrupar las observaciones sin perder los patrones principales.
5. Contar las frecuencias. Para cada intervalo se determina cuántas observaciones se encuentran dentro de sus límites.
6. Representar las frecuencias. Los intervalos se colocan en el eje horizontal y las frecuencias en el eje vertical.

La cantidad y el ancho de los intervalos requieren atención. Utilizar muy pocas clases puede ocultar detalles de la distribución; utilizar demasiadas puede producir un gráfico irregular que dificulte reconocer el patrón general. La documentación de NIST sobre el ancho de clase de los histogramas explica que no existe un único algoritmo que produzca el ancho óptimo para cualquier distribución. Por eso, el criterio utilizado para agrupar las observaciones forma parte del análisis.

Ejemplo paso a paso

El siguiente es un ejemplo hipotético con datos simulados únicamente con fines didácticos. Supongamos que se registran 30 tiempos de ciclo, expresados en minutos, de una operación. Para simplificar el ejercicio, los datos se agrupan en cuatro intervalos de un minuto de amplitud. Las frecuencias simuladas son las siguientes:

Los porcentajes se han redondeado a una cifra decimal, por lo que su suma puede diferir ligeramente de 100 %.

En este conjunto simulado, la mayor concentración se encuentra entre 8.5 y menos de 10.5 minutos: 23 de las 30 observaciones pertenecen a esos dos intervalos. El histograma permite apreciar esa concentración con más rapidez que una lista de valores individuales.

Cómo interpretar un histograma

Interpretar un histograma implica observar la distribución completa y no limitarse a identificar la barra más alta. La guía de Minitab para interpretar los resultados de un histograma propone examinar los picos, la dispersión, la asimetría, los valores alejados y la presencia de varios modos.

• Centro. Observa la zona alrededor de la cual se concentra la mayor parte de las mediciones.
• Dispersión. Un histograma estrecho muestra valores más concentrados; uno más extendido indica mayor variación dentro del conjunto observado.
• Asimetría. Una cola prolongada hacia valores altos o bajos puede mostrar que la distribución no es simétrica.
• Picos. Dos o más concentraciones pueden indicar que los datos provienen de condiciones o grupos diferentes. Por ejemplo, podrían existir máquinas, turnos, materiales o configuraciones distintas que convenga analizar por separado.
• Valores alejados. Barras aisladas en los extremos justifican revisar las observaciones involucradas. Pueden deberse a una condición especial, un error de medición o una característica legítima del proceso.

Una forma aproximadamente simétrica y con un solo pico puede ser compatible con determinados modelos de distribución, pero el histograma por sí solo no demuestra normalidad. NIST indica que un gráfico de probabilidad o una prueba de bondad de ajuste pueden utilizarse para verificar un modelo de distribución. Minitab también propone utilizar un gráfico de probabilidad cuando se necesita una evaluación más precisa del ajuste.

Tamaño de muestra y clases

La forma observada también depende de cuántos datos estén disponibles. Minitab indica en su documentación general sobre histogramas que el gráfico funciona mejor cuando la muestra contiene al menos 20 observaciones y que una muestra considerablemente mayor puede representar mejor la distribución. Si hay menos de 20 observaciones, su documentación propone considerar un gráfico de valores individuales. Esta recomendación orienta la elección del gráfico; no convierte automáticamente en inválido un histograma construido con una muestra menor.

También conviene comprobar cómo cambia la apariencia cuando se modifica de forma razonable el número o el ancho de las clases. Si un supuesto patrón desaparece con pequeños cambios en los intervalos, se necesita cautela antes de interpretarlo como una característica estable de la distribución.

Errores frecuentes al utilizarlo

Un histograma es sencillo de construir, pero una configuración inadecuada o una interpretación apresurada puede ocultar información. Entre los errores que conviene evitar se encuentran:

• Utilizar clases tan amplias que desaparezcan concentraciones o asimetrías relevantes.
• Crear demasiados intervalos cuando existen pocos datos y confundir irregularidades de la muestra con patrones de la distribución.
• Mezclar mediciones obtenidas bajo condiciones distintas sin comprobar si conviene analizarlas por grupos.
• Interpretar una forma parecida a una campana como prueba suficiente de distribución normal.
• Eliminar un valor alejado únicamente porque modifica el gráfico, sin investigar primero su origen.
• Olvidar que al agrupar los datos se pierde parte del detalle de las observaciones individuales.

En aplicaciones de calidad, producción o mejora de procesos, el histograma funciona como una herramienta exploratoria que orienta las siguientes preguntas. Un cambio de forma, un segundo pico o una dispersión inesperada puede conducir a segmentar los datos, revisar el proceso de medición o aplicar otras técnicas estadísticas antes de atribuir una causa.

Conclusión

El histograma permite convertir un conjunto de mediciones en una representación de su distribución y facilita examinar concentración, variación, asimetrías, picos y observaciones alejadas. Su utilidad depende de elegir intervalos razonables, considerar el tamaño de la muestra y evitar conclusiones basadas únicamente en la forma visual. Cuando el gráfico revela un patrón inesperado, el siguiente paso es comprobarlo con los datos y, cuando corresponda, complementarlo con otras técnicas estadísticas.

Fuentes consultadas

National Institute of Standards and Technology (NIST). Histogram — NIST/SEMATECH e-Handbook of Statistical Methods. Página consultada en agosto de 2026.

National Institute of Standards and Technology (NIST). Histogram Class Width (Set) — Dataplot Reference Manual. Actualizada el 30 de octubre de 2015.

Minitab, LLC. Overview for Histogram. Página consultada en agosto de 2026.

Minitab, LLC. Interpret the key results for Histogram. Página consultada en agosto de 2026.

MayuGo. Métodos gráficos con Minitab aplicado en los procesos. Página consultada en agosto de 2026.