Figura. Gráficas de barras agrupadas para comparar parámetros teóricos y experimentales.

Las gráficas de barras agrupadas permiten comparar dos parámetros estadísticos correspondientes a una misma categoría biológica. En genética experimental, resultan útiles para contrastar las frecuencias teóricas con los conteos observados de diferentes fenotipos. Cada categoría presenta dos barras próximas, identificadas mediante colores y una leyenda. El eje horizontal (X) representa las categorías, mientras que el eje vertical (Y) indica las cantidades mediante una escala uniforme. También permiten comparar poblaciones antes y después de un experimento, facilitando la identificación visual de cambios en sus características (Cleveland & McGill, 1984).

Estas representaciones permiten obtener conclusiones groseras, entendiendo por grosero aquello que es grande, evidente o fácilmente reconocible. Por ejemplo, si esperamos 300 plantas con flores púrpuras, pero solamente encontramos 100, la diferencia resulta evidente. Sin embargo, cuando las frecuencias experimentales se aproximan considerablemente a las predicciones teóricas, nuestra percepción puede resultar insuficiente. Una diferencia pequeña puede parecer importante sin serlo, mientras que otra aparentemente insignificante puede revelar una desviación sistemática. La interpretación visual depende de la escala gráfica, el tamaño de muestra y la magnitud de las diferencias (Cleveland & McGill, 1985).

Cuando los resultados producen esa incertidumbre de «parece que sí, pero también podría ser que no», necesitamos aplicar pruebas estadísticas más rigurosas. Una herramienta importante es la prueba de chi-cuadrado de bondad de ajuste, que compara las frecuencias observadas y esperadas para determinar si sus diferencias son compatibles con las fluctuaciones aleatorias previstas por el modelo. En genética mendeliana, permite evaluar determinadas proporciones hereditarias, siempre que se cumplan sus condiciones de aplicación. La prueba no demuestra definitivamente que un modelo sea verdadero o falso, sino que proporciona evidencia para evaluar su compatibilidad con los datos experimentales (McHugh, 2013).

Cleveland, W. S., & McGill, R. (1984). Graphical perception: Theory, experimentation, and application to the development of graphical methods. Journal of the American Statistical Association, 79(387), 531–554. https://doi.org/10.1080/01621459.1984.10478080

Cleveland, W. S., & McGill, R. (1985). Graphical perception and graphical methods for analyzing scientific data. Science, 229(4716), 828–833. https://doi.org/10.1126/science.229.4716.828

McHugh, M. L. (2013). The chi-square test of independence. Biochemia Medica, 23(2), 143–149. https://doi.org/10.11613/BM.2013.018