Gráfico de volcán
Cambio y significación de muchas pruebas.
Definición
Un gráfico de volcán sitúa cada prueba de un cribado según dos ejes: el tamaño del cambio, en logaritmo, en horizontal, y la significación, como menos logaritmo del p-valor, en vertical. Las pruebas que superan los dos umbrales quedan arriba a los lados y llevan su nombre. Se usa cuando se hacen muchas pruebas a la vez —genes, segmentos, categorías— y hay que separar el efecto real del ruido.
- Datos
- label · efecto · pvalor
- Buena para
- Encontrar, entre muchas pruebas, las que tienen a la vez un cambio grande y una significación sólida.
- Evítala cuando
- Cuando sólo hay unas pocas pruebas: con menos de ocho, la nube no tiene forma que leer.
- Se lee bien
- Entre 8 y 5000 elementos; dibuja hasta 5000
- Datos que faltan
- Omite el valor ausente y lo declara aparte.
- Accesibilidad
- Lector de pantalla: resumen en texto · respeta «reducir movimiento»
Forma de los datos
Qué columnas pide
| Columna | Tipo | Para qué |
|---|---|---|
label | string | El NOMBRE de cada prueba del cribado: la categoría, el gen, el segmento. Es lo que se escribe al lado de los que pasan los dos umbrales, o sea la conclusión de la lámina. |
efecto | number | La MAGNITUD del cambio. Por defecto se lee como una razón (después ÷ antes) y el eje la pasa a log₂; con `volcano.efecto: "log2"` se toma ya transformada. Confundir las dos no rompe el dibujo: lo desplaza. |
pvalor | number | El p-valor de ESA prueba, tal y como salió de ella, en (0, 1]. El componente no hace la prueba: lee su resultado y sólo calcula lo que depende de cuántas pruebas hay (el −log₁₀ del eje y la corrección por multiplicidad). |
Tamaños
Ancha por necesidad
Esta pieza necesita anchura para que cada rótulo quepa entero. El motor prefiere decirlo a apretarla.
A menos de 480 px sus rótulos no caben sin pisarse o recortarse, y el motor no la publica así. En el móvil se ve la versión ancha, a tamaño legible y sin recortar, dentro de un marco que se desliza.
Cuándo usarla
Tres preguntas antes de elegirla
¿Son muchas pruebas y no unas pocas?
Con pocas pruebas, cada una con su intervalo de confianza, un diagrama de bosque las enseña una a una.
Sí: quédate con gráfico de volcán
No: usa Forest plot¿Importa el tamaño del cambio además de la significación?
Si sólo cuenta el p-valor a lo largo de una posición ordenada, como un genoma, el gráfico Manhattan es el habitual.
Sí: quédate con gráfico de volcán
No: usa Gráfico Manhattan¿Los dos ejes son efecto y p-valor?
Si quieres cruzar dos medidas cualesquiera, basta un diagrama de dispersión.
Sí: quédate con gráfico de volcán
No: usa Gráfico de dispersiónCódigo
La misma pieza, con tus datos
import { getPreset, renderComposition } from 'visx-render/node';
const spec = await getPreset('volcano');
spec.data.rows = misFilas; // label, efecto, pvalor
const { svg, warnings } = await renderComposition(spec);También en React con Chart y prepareComposition. Guía para desarrolladores →
Dudas
¿Cómo tengo que dar el efecto?
Por defecto como una razón, después entre antes, y el eje la pasa a log₂. Si ya viene en log₂, hay que indicarlo; confundirlo no rompe el dibujo, lo desplaza.
¿La pieza calcula la prueba estadística?
No. Lee el p-valor tal como salió de cada prueba y sólo calcula lo que depende de cuántas pruebas hay: el eje vertical y la corrección por multiplicidad.
¿Qué pruebas llevan nombre?
Las que pasan los dos umbrales, el de efecto y el de significación: son la conclusión de la lámina.
¿Qué hace si faltan datos?
Omite el valor ausente y lo declara aparte.
¿Cómo se ve en el móvil?
A menos de 480 px el motor no la compone sin pisar o cortar rótulos, y lo dice. En el móvil se ve la versión ancha, a tamaño legible, dentro de un marco que se desliza.
Relacionadas
Otras formas de responder «dónde se sitúa cada uno»
Matriz de Ansoffelegir estrategia de crecimiento por producto y mercado
Posicionamiento competitivodónde está cada competidor en dos ejes
Caja de Edgeworthintercambio entre dos agentes que ganan ambos
Frontera eficientemejor rentabilidad posible para cada riesgo
Gráfico Manhattanseñales significativas a lo largo del genoma
Mapa perceptualcómo percibe el mercado cada marca