Cómo crear un gráfico de dispersión con regresión lineal en Power BI: paso a paso

João Barros 29 de September de 2026 5 min de lectura

Aprende a crear un gráfico de dispersión con regresión lineal en Power BI para visualizar correlaciones e identificar outliers. Esta técnica es útil para mostrar la relación entre dos variables y añadir una línea de tendencia calculada con DAX cuando el visual nativo no es suficiente.

Requisitos previos

Power BI Desktop instalado.
Un conjunto de datos sencillo con al menos dos medidas numéricas (p. ej.: Sales y Quantity) y una clave temporal o categórica.
Noções básicas de DAX y del Editor de consultas.

Paso 1: Preparar los datos

Importa los datos a Power BI y asegúrate de que tienes columnas numéricas para X e Y (por ejemplo, Quantity como X y Sales como Y). Si es necesario, crea una tabla de muestra en el Editor de consultas o usa Excel/CSV.

// Exemplo de tabela simples (CSV) com Product, Quantity, Sales
Product,Quantity,Sales,Date
A,10,200,2024-01-01
B,5,75,2024-01-02
C,20,420,2024-01-03

Paso 2: Crear medidas base

Crea medidas que representen los ejes X e Y. Normalmente son sumas o medias. Ejemplos con suma de Sales y Quantity:

QuantitySum = SUM(Table[Quantity])
SalesSum = SUM(Table[Sales])

Si estás analizando por fila (punto por producto), puedes usar columnas en lugar de medidas. Pero, para agregaciones por categoría, las medidas son más flexibles.

Paso 3: Calcular la regresión lineal en DAX

Vamos a calcular la línea de regresión (y = a + b*x) usando fórmulas DAX para b (pendiente) y a (intersección). Usamos medidas que consideren el contexto actual del visual.

// Soma das X e Y no contexto
X_Sum = SUM(Table[Quantity])
Y_Sum = SUM(Table[Sales])

// Contagem de pontos (dependendo do detalhe, pode ser DISTINCTCOUNT de Product)
N = COUNTROWS(VALUES(Table[Product]))

// Média X e Y
X_Mean = DIVIDE([X_Sum], [N])
Y_Mean = DIVIDE([Y_Sum], [N])

// Covariância e variância para o declive b
Cov_XY = SUMX(VALUES(Table[Product]), (SUM(Table[Quantity]) - [X_Mean]) * (SUM(Table[Sales]) - [Y_Mean]))
Var_X = SUMX(VALUES(Table[Product]), (SUM(Table[Quantity]) - [X_Mean]) ^ 2)

Slope_b = DIVIDE([Cov_XY], [Var_X])
Intercept_a = [Y_Mean] - [Slope_b] * [X_Mean]

// Valor da linha de tendência para um ponto (usado para plotar a linha)
TrendY = [Intercept_a] + [Slope_b] * SUM(Table[Quantity])

Notas: usa VALUES(Table[Product]) u otra granularidad adecuada a tu modelo. Si los puntos son por fila, ajusta para iterar por ID de fila.

Paso 4: Crear el gráfico de dispersión con puntos

Inserta un Scatter chart en el informe. Define:

X Axis: QuantitySum (o columna Quantity para cada punto)
Y Axis: SalesSum (o columna Sales)
Details: Product (o identificador del punto)
Size: (opcional) otra medida, p. ej.: SalesSum

Esto dibuja los puntos. Si usas agregaciones, asegúrate de que el nivel de detalle en el visual corresponde a lo que usaste en las medidas DAX (por ejemplo, Product o Date).

Paso 5: Añadir la línea de regresión al gráfico

El Scatter chart nativo no permite líneas calculadas directamente. Hay dos enfoques sencillos:

Crear una tabla auxiliar con valores X ordenados y calcular TrendY en DAX; luego trazarla como línea usando un Line and clustered column chart con X en el eje y TrendY como serie de línea.
Usar un visual personalizado que acepte serie de línea sobre puntos (p. ej.: Line and scatter visual do AppSource).

Ejemplo para la tabla auxiliar:

TrendTable = 
VAR MinX = MINX(ALL(Table), Table[Quantity])
VAR MaxX = MAXX(ALL(Table), Table[Quantity])
VAR Step = 1
RETURN
ADDCOLUMNS(
    GENERATESERIES(MinX, MaxX, Step),
    "Quantity", [Value],
    "TrendY", [Intercept_a] + [Slope_b] * [Value]
)

Después crea un visual de líneas: Eje = Quantity (de la TrendTable), Valores = TrendY; para presentar en conjunto, puedes alinear escalas o usar un visual combinado que acepte ambas tablas.

Paso 6: Formatear y manejar errores comunes

Formatea los ejes para una buena lectura y verifica estos errores comunes:

División por cero en Slope_b: evita usando DIVIDE y comprobaciones en [Var_X].
Granularidad inconsistente: medidas que usan VALUES diferentes producen resultados incorrectos; uniformiza el detalle (Product, Date).
Puntos solapados: usa Size y Tooltip para distinguir o aplica jitter en la tabla auxiliar (ligero desplazamiento en X).

Verificar el resultado

Confirma que los puntos reflejan los registros y que la línea de tendencia sigue la nube de puntos. Verifica extremos y calcula manualmente un par de puntos para confirmar la ecuación y = a + b*x. Usa Tooltips y una tabla visual con Quantity, Sales, TrendY para comparar valores punto a punto.

Conclusión

Ahora tienes un gráfico de dispersión con una línea de regresión calculada en DAX, útil para análisis de correlación y detección de outliers. Próximos pasos: experimentar regresión ponderada, R² en DAX o usar un visual personalizado para sobreponer línea y puntos. Consejo: comienza con pocos puntos y aumenta la granularidad solo después de validar las medidas.