Académique Documents
Professionnel Documents
Culture Documents
Repr esentacinde
Gr ficos
Dr .TemstoclesMuozLpez
SERIEDIDCTICA:METODOLOGADE
LAINVESTIGACIN
FCEyH Edicin2008
RepresentacionesGrficas
UNIVERSIDADAUTNOMADECOAHUILA
FACULTADDECIENCIA,EDUCACINYHUMANIDADES
MAESTRAENMETODOLOGADELAINVESTIGACIN
DISEO,LECTURAYREPRESENTACINDEGRFICOS
DR.TEMSTOCLESMUOZLPEZ
SALTILLO,COAHUILA
SEGUNDAEDICIN,REVISADOENAGOSTODE2008
2
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
DISEO,LECTURAYREPRESENTACINDEGRFICOS
SERIEDIDCTICA:METODOLOGADELAINVESTIGACIN
FACULTADDECIENCIA,EDUCACINYHUMANIDADES
EDIFICIONUNIDADCAMPOREDONDO
TEL.4129133
ISBN:
UNIVERSIDADAUTNOMA DECOAHUILA
BLVD.GONZLEZLOBOYV.CARRANZAS/N
SALTILLO,COAHUILA
C.P.25000
UNIVERSIDADAUTNOMADECOAHUILA
SEGUNDAEDICIN,REVISADOENAGOSTODE2008
IMPRESOENMXICO
3
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
CONTENIDO
EL DISEO,LALECTURAYLAREPRESENTACINDELOSGRFICOS .................................. 7
4
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
5
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
XVII. ALISADODEDISTRIBUCIONESBIVARIANTES.................................................. 94
XVIII. COMPRESINDECAPAS.................................................................................. 96
XIX. PROYECCIONESDEJUEGOSDEDATOS3D ........................................................... 97
XX. DIAGRAMASDE CONOS..................................................................................... 98
AnalizandoDiagramasdeconos........................................................................................................ 99
TaxonomadeDiagramasdeconos.................................................................................................. 101
Estandardizacindevalores ............................................................................................................. 103
Aplicaciones ..................................................................................................................................... 103
GrficasRelacionales ....................................................................................................................... 104
TiposdeGrficosdeconos .............................................................................................................. 104
conosenmarcados ........................................................................................................................... 109
XXI. TCNICASDEREDUCCINDEDATOS ................................................................ 110
XXII. ROTACINDEDATOS(ENESPACIO 3D) ........................................................ 111
LigasparaconsultarlostiposdegrficasenStatistica ...................................................................... 112
6
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
ELDISEO,LALECTURAYLAREPRESENTACINDE
LOSGRFICOS1
Lossignosgrficosylasformasfnicaspuedenvariardeunalenguaaotra,perolascosas
ylasimgenesdelascosassonlasmismasparatodas.
Aristteles:Deinterpretatione,1628
1
Ctese como: Muoz Lpez, Temstocles. 2008. Diseo, Lectura y Representacin de Grficos.
Segunda edicin.Maestra en Metodologa dela Investigacin.Facultad de Ciencia, Educacin y
Humanidades.UniversidadAutnomadeCoahuila.Saltillo.
7
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
parasacomunidad,solamenteellayparas,lodecodificaeinterpretaenunacto
significador.
Todosignoensimismoparecemuerto:quesloqueledavida?...vivedesuuso.
Wittgenstein(InvestigacionesFilosficas)
Lasrepresentacionesgrficassiguendehechostepatrn,enelcual,loquelas
comunidades acadmicas consideran cientfico, por lo tanto racional, objetivo y
verdadero,entantoestil,esincorporadoporotrascomunidadesperifricas.Con
ello el proceso de normalizacin o normativo para representar los hechos
cientficos ha madurado conservando las especificidades y criterios de cada
disciplinaenparticular.
8
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
APARTADOA. NORMASGENERALES
DEICONOGRAFAESTADSTICA
LAICONOGRAFAESTADSTICAYSUSFUNCIONES
Existequizunarespuestaalproblemadelarelacinentreellenguajeylarealidad.El
lenguajees,obienunvelotejidoporlacostumbreentrenosotrosylarealidad,yquees
necesariodesgarrar,obienunadeformacindelarealidadquehacefaltarectificar
inventandootrossmbolosyotrosinstrumentos.
W.M.Urban,LanguageandReality(1951)
Losgraphos(insensulato)sontransformacionesdelosdatosquesirvenparare
presentarlos, con la finalidad de propiciar o mejorar la comprensin de los
fenmenos que se estudian (funcin exploratoria), o para mostrar y sustentar
afirmaciones que se hacen sobreellos (funcin explicativa). Enlaspublicaciones
acadmicas las normas generales sobre los graphos se aplican con rigor, y la
creatividadsedejaparaelesfuerzoporcumplirlas.
Terminologadelasrepresentacionessimblicas
Primeroesconvenienteanalizarlaterminologageneralinvolucradaenelusode
lasrepresentaciones,dadoquecadaeditoriallasconceptualizaenformadistinta.
Sepresentanacontinuacinalgunosconceptosbsicosparaanalizar,deacuerdo
alaRealAcademiaEspaolamediantelaconsultaenlneaen:www.rae.es:
9
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Representacin.(Dellat.representato,nis).f.Accinyefectoderepresentar.||
Figura,imagen o idea que sustituye ala realidad. || Cosa que representa otra. ||
Psicol. Imagen o concepto en que se hace presente a la conciencia un objeto
exterior o interior. || Grfica. f. Mat. Figura con que se expresa la relacin entre
diversasmagnitudes.
Iconoocono.(Delfr.icne,estedelrusoikona,yestedelgr.bizantino,
o).Signoquemantieneunarelacindesemejanzaconelobjetorepresentado.
Inform. Representacin grfica esquemtica utilizada para identificar funciones o
programas.
10
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
discurso,teora,etc.,atendiendosoloasuslneasocaracteresmssignificativos.
||Ideaoconceptoquealguientienedealgoyquecondicionasucomportamiento.
||en~.loc.adv.esquemticamente(pormediodeesquemas).
Figura.(Dellat.figra).f.Formaexteriordeuncuerpoporlacualsediferenciade
otro. || Cosa que representa o significa otra. ||ilustracin(estampa, grabado de
unlibro).||Geom.Lneaoconjuntodelneasconqueserepresentaunobjeto.||
Geom.Espaciocerradoporlneasosuperficies.||
Ilustracin.f.Accinyefectodeilustrar.||Estampa,grabadoodibujoqueadorna
o documenta un libro. || Publicacin, comnmente peridica, con lminas y
dibujos,ademsdeltextoquesuelecontener.||.
Semntico,ca.(Delgr.,significativo)adj.Pertenecienteorelativoala
significacindelaspalabras.||f.Estudiodelsignificadodelossignoslingsticosy
desuscombinaciones,desdeunpuntodevistasincrnicoodiacrnico.V.calco
~,campo~.
Seal.(Dellat.signlis,desgnum,sea).f.Marcaonotaqueseponeohayen
las cosas para darlasa conocer y distinguirlas de otras. || Signo o medio que se
emplea para luego acordarse de algo. || Distintivo, marca. || Signo (cosa que
representaosustituyeaotra).||Indicioomuestrainmaterialdealgo.||Sea(nota,
indicioogesto).||Vestigiooimpresinquequedadealgo,pordondesevieneen
conocimiento de ello. || Imagen o representacin de algo. || Prodigio o cosa
extraordinariayfueradelordennatural.||dar~esdealgo.fr.Mostrarindiciosde
suexistencia.||en~.loc.adv.Enprueba,prendaomuestradealgo.
Signo. (Del lat. signum). m. Objeto, fenmeno o accin material que, por
naturalezaoconvencin,representaosustituyeaotro.||Indicio,sealdealgo.||
Mat. Seal o figura que se usa en los clculos para indicar la naturaleza de las
11
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Tabla. (Del lat. tabla). Lista o catlogo de cosas puestas por orden sucesivo o
relacionadas entre s. || Cuadro o catlogo de nmeros de especie determinada,
dispuestos en forma adecuada para facilitar los clculos. Mat. tabla de
multiplicacindelosnmerosdgitosdispuestaenformadecuadro.
NormasGeneralesdepresentacin
LosCriterios
Paralaelaboracindelasrepresentacionesseguiremoscincocriteriosnormativos
bsicosquenecesariamentedebencumplirse:
12
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Pertinencia.Implicalainclusindesolamentelonecesario,importanteylo
conveniente.
Simplicidad.Conlosmenoselementosposibles.
LasNormasparalaelaboracindelasrepresentaciones
Losgraphosdebenirnumeradosprogresivamentesinanteponerlaabreviaturade
nmero (i.e., Cuadro 3), acontinuacin se anotar el ttulo, el cual estarescrito
en la parte superior y con letras minsculas, excepto la inicial de la primera
palabraylasinicialesdelosnombrespropios.Elttulofinalizarconunpunto.
Laubicacindelcuadrodeberserinmediatamentedespusdelprrafodondese
lemencionaporprimeravez(anotadocomoreferenciacruzadaconsolortuloy
nmero), siempre y cuando quepa completo en caso de que no quepa en la
13
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
mismapginadondeselemenciona,secolocaraliniciodelasiguientecuartilla,
en la cual debe reanudarse el texto si an queda espacio despus del grapho,
facilitandoaslalecturayelanlisisdelainformacin.Noesaceptableubicarlos
graphosalfinaldelaLiteraturaCitada.Losgraphosqueensuversinfinalocupen
msdeunapginanosonaceptables.
Encadagraphosolamentepresenteunmximodetreslneashorizontalesatodo
lo largo o (aunque puede haber varias sublneas que abarquen parte de las
columnasoconceptos):laprimeralneasecolocadebajodelttulodelgraphola
segunda,abajodeloscriteriosdeclasificacinprincipalesycontieneelcuerpode
datosylatercera,alfinaldelgrapho.
Despus de la ltima lnea horizontal mayor se colocan las notas de pie del
grapho,lasquesondedostipos:
EnlaTabla1sepresentaunejemplodelformatogeneral.Ntesequecuandose
generaliza se escribe cuadros o tablas o figuras, etc. en minsculas. Cuando se
14
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Tabla1.Caractersticasacadmicasdegruposdealumnosintegradosporsuscalificaciones
endosaosdeevaluacin.
Caractersticasdeaprovechamiento Atributosmedidos
Gruposde Historia Calificaciones Calificacin Asistencia Horasdiarias
acadmica semestral deestudio
Alumnos promedios Exmenes Tareas(%) Hrs.medidas Hrs.
declaradas
2001
GrupoA 87 85 34.2 248 3.25
GrupoB 92 89 33.4b 145 3.00
IntegracinAyB 97 96 31.0c 120 3.12
2002
GrupoA 87 86 28.5 340 3.60
GrupoB 94 92 41.3 280 3.00
IntegracinAyB 99 95 35.0 150 2.00
F
:Promediosdetrestrimestresen2001ycuatroen2002.
:Serefierealobtenidodearchivosdespusdeldiseodelestudio.
:Enesteao,seconcentraronmanualmentelosdatoslosprimeros20dasdespusdelosexmenes.
F:Promediosseguidosdelamismamaneraencadaao,quenosondiferentesestadsticamente,segnDuncan(p0.05).
Cuadros
15
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Solamente los cuadros y las tablas tienen el epgrafe en su parte superior. Las
demsrepresentacionesiconogrficaslotendrnenlaparteinferior.
Tablas
Figurasyotrasrepresentacionesgrficas
Encasodelasfotografas,debenteneruncontrasteadecuadoparasuimpresin
o fotocopia de tamao postal y que claramente sealen lo que el autor desea
mostrar.
Losdibujos,grficasydiagramasdebenserpresentadoscontodalainformacin
que permita su comprensin para un pblico amplio, en un epgrafe al pie de la
figura.
Aligualqueenelcasodeloscuadros,lasfigurasseespecificaneneltextoyenel
ttulo de las mismas como referencias cruzadas con mayscula inicial, como por
16
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
ejemplo Figura 1, Figura 2,... (Figuras 8 y 9), etc. Los autores deben considerar
que la reproduccin de figuras es conveniente hacerlas de un tamao tal que
permitamantenerlanitidezenunareduccinhastade50%paralaimpresinfinal.
Alrespecto,sesugiereuntamaodemediapginaparafigurassencillasydeuna
pginaparafigurascomplejas,conuntamaomnimode8puntosparalasletras
onmeros.
80.00
70.00 Edades
estimadas
60.00
11
50.00 12
13
40.00
14
30.00 15
16
20.00
10.00
0.00
11 12 13 14 15 16
Edadesreales
Figura1.Ejemplodeelementosdeunafigura.
17
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Aligualqueloscuadros,todaslasfigurasdebernestarexpresamentecitadasen
eltextoprevio,enordenprogresivo.
Unidades
Las unidades a usar son las del Sistema Internacional. Se sugiere colocar entre
parntesis la equivalencia de los smbolos de cualquier otro sistema la primera
vezquesenombreunaunidad,sisondiferentes.
Enunaseriededatosconigualunidaddemedicin,utilicenumeralesseguidosde
laformaabreviadadelaunidad(sincolocarpuntofinalnimaysculasalprincipio)
porejemplo:2,4y6mlL1,16,20y33%3400,1200y400kg,4y9meses.
Encambio,sislohayunacifraystaesmenorde10,seescribeconpalabras
(seisvariables,cuatrorepeticiones,ochoambientes),adiferenciade16alumnos,
126 casos sin embargo, si esa cifra va acompaada inmediatamente de alguna
unidaddelsistemainternacional,debeexpresarseconnmero(2mg,g1,6g,5lt)
18
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Frmulas
Losndicesysubndicesestarnbienubicadosylegibles.Tengaespecialcuidado
endiferenciarclaramentelosnmeros0y1delasletrasOel,respectivamente.
Eltamaomnimoaceptableesde2mmu8puntos.
Lasletrasgriegas,ascomolossmbolosqueseutilizanparamarcaroreferir,se
explican inmediatamente despus de haberse usado por primera vez, excepto
aquellosdeldominiodelsistemainternacional.
Para expresar fracciones use la forma lineal, con exponentes negativos para los
denominadoresejemplo:g/cm2,kg/ha1
Enlaescrituradeistopos,elnmerodemasaseindicaenlapartesuperiordel
ladoizquierdodelsmboloejemplo:15N,14C,etctera.
Normasticas
Las grficas pueden ser modificadas para facilitar su lectura y magnificar los
efectosdelosdatos,perotambinparacrearintencionalmenteimpresionesfalsas,
19
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Lasiguientegrficapuedesermodificadaparamagnificarlosefectosdelosdatos
y crear las impresiones que convienen a los que la elaboran. En ella se indican
dos variables que miden lo mismo y son recprocos, de tal suerte que la
modificacin no es en los datos, sin en la escala utilizada y las dimensiones del
grfico.
140
ndicedepreciosalconsumidor
120
100
80
Poderadquisitivo
60
40
20
0
Ene Feb Mar Abr May Jun Jul Ago Sep Oct Nov Dic
130
ndicedepreciosalconsumidor
120
110
100
90
80
Poderadquisitivo
70
Jul
Ene
Feb
Jun
Oct
Mar
Dic
May
Nov
Sep
Ago
Abr
20
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Elefectoanterior,magnificado,siespreparadoparaunapresentacinpuedetener
un sentido negativo sobre la percepcin pblica de la conduccin de la poltica
econmica, en tanto que si es con fines de anlisis o exploracin de los datos
servirparaapreciarconmsdetallelasvariaciones.
Latica(ethos:comportamiento)delinvestigadorlereclamaapegarsealaverdad
y a la responsabilidad que tiene con los dems usuarios de la informacin que
presenta.
Tiposdeicongrafoscomoejemplo
Seenfatizaquelosprogramasestadsticosparalainvestigacindifierenen
la construccin de grficas, con los programas comerciales de
procesamientodetextosydebasesdedatosconhojasdeclculo,enque
los primeros agrupan los datos en rangos numricos (ambos ejes son
tratados como nmeros o ejes verdaderos X e Y), y los comerciales
presentansolamentelaestructuraquetienenlastablasdeorigen(unejees
tratadocomonmerosyotrocomoetiquetasdecategoras).
LosprimerossellamanGrficosCientficosoTcnicosylossegundos
GrficosSecuenciales.
Elanlisispreliminardelasbasesdedatosesaltamenterecomendableantesde
suprocesamiento,paraelloloscasosatpicosuoutliersseeliminansiestnms
all de 3 sigmas, siempre y cuando exista un previo anlisis explicativo
independientedecadaunodeellos,yaquepudieronserintroducidosporerrores
dededoenlacapturaodesviacionespreferencialesafectivasdelossujetos.Para
logrardetectarlosseutilizangrficoscomoBoxPlotquelosmarcan.
21
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
1. Matrices
Lasmatricesdedatosusualmentenosepresentanenlainvestigacinamenosde
quesetratedeejemplificaromostrarconellasalgnhechorelevantequeinfluye
enlainvestigacin.Lasmatricessonreferidascomotablasdedobleentrada.
Elsiguienteejemplomuestraunfragmentodeunabasededatos:
Nmero GEdad GCiudad Regin GGnero RMafecto REreconv HreaucasHregtradHregacua
1 15 Saltillo Sureste 1 1 0 2 3 5
2 15 Saltillo Sureste 1 9 7 0 5 8
3 15 Saltillo Sureste 2 10 9 10 10 9
4 15 Saltillo Sureste 2 10 9 10 10 8
5 15 Saltillo Sureste 2 8 1 5 10 10
6 15 Saltillo Sureste 2 9 2 5 8 9
7 15 Saltillo Sureste 1 9 7 5 3 5
8 15 Saltillo Sureste 1 10 7 8 6 7
9 14 Saltillo Sureste 2 10 1 5 8 9
10 14 Saltillo Sureste 2 9 7 5 9 9
11 15 Saltillo Sureste 1 9 3 8 6 8
12 14 Saltillo Sureste 1 7 2 1 3 7
13 15 Saltillo Sureste 2 10 3 6 10 7
14 14 Saltillo Sureste 2 8 3 4 10 9
15 15 Saltillo Sureste 1 8 1 7 10 9
16 14 Saltillo Sureste 1 10 1 3 10 7
17 15 Saltillo Sureste 2 10 0 1 6 5
Seconsideransimilares:Matricesdecorrelacin(generalmentepresentadascomo
tablas),Matricesdelasbasesdedatos.
22
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
HNOCAST
REACTIV 0.348 0.309
REAFECTO 0.312 0.478 0.319 0.362
REAPADRE 0.359 0.331
REAPJUVE 0.449 0.316
REAPMOTR 0.338 0.503
REBUECON 0.460 0.410 0.394 0.516 0.364 0.539
2. Cuadros
Loscuadrossonrepresentacionesdedatosimportadosdeotrosautores,dondese
concentralainformacinsistemticamenteorganizadaypertinente.
Ejemplo:
Factores: Polticas:
Global Especfica
23
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Subsidiosparalarefo
restacin.
3. Tablasparaelinformedeinvestigacin
Las tablas concentran datos con una entrada de rtulos en la parte superior, y
representan una concentracin de datos relevantes y pertinentes de lo que se
deseamostrar.
4. Diagramas
24
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
5. Figuras
Seconsideransimilares:Grficasdeconos,CarasdeChernoff,conosdePastel,
Estrellas, conos de Columnas, Rayos solares, conos de Lneas, conos
poligonales,conosdeperfiles.
25
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
6. Grficos
26
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
27
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
7. Lminas
Ilustracionescoloreadas.
28
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
8. Mapas
Distribucionesterritorialesymentales(siasseespecifica),Ubicaciones,Rutas.
Combinacionespersonalizadas
Losarreglosespecficosdelosdatosmodificandolosestilospredeterminados.
Diseos2Dy3D
Solamenteusualesencasosenqueserequiereincluir3omsvariablesquese
relacionan dimensionalmente. No se permiten en la mayora de las editoriales
debidoaquesepierdelaperspectivadelosejesXeY.
Ajustespersonalizados
Sepermitenlasmodificacionespredeterminadasenejes,colores,leyendas,tablas
adjuntas, tendencias, lneas de divisin. De hecho, es deseable realizar las
modificacionespertinentesparaganarmayorriquezaenlapresentacin.
29
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Simbologa
Colores.
Serequierepreferentementeusarloscoloresblancoynegroparapublicacionesy
encolorparapresentacionesenpantallaconfinesexploratorios.
30
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
APARTADOB. GENERACINYUSODE
GRFICOSCOMUNES 2
I. PRLOGO
Seinsisteenquelosprogramasestadsticosparalainvestigacindifierendelos
programascomercialesdeprocesamientodetextosydebasesdedatosconhojas
declculoparalaconstruccindegrficas,enquelosprimerosagrupanlosdatos
enrangosnumricos(ambosejessontratadoscomonmerosoejesverdaderos
XeY),yloscomercialespresentansolamentelaestructuraquetienenlastablas
deorigen(unejeestratadocomonmerosyotrocomoetiquetasdecategoras).
LosprimerossellamanGrficosCientficosoTcnicosylossegundosGrficos
Secuenciales.
Evidentemente los grficos cientficos tienen mucha mayor riqueza y poder enla
presentacin y la exploracin de los datos para convertirlos en informacin
confiable. Al estudiar stos mdulos bsicos, se sigue un criterio de anlisis
didcticoparafavorecerelaprendizajedelusodeestadsticosporgrficos.
2
Laadaptacin,traduccinyajustesquepresentanlostextosseleccionadosenstosapunteshan
sido modificados por el autor a partir de materiales originales de NCSS (Number Cruncher
StatisticalSystem)yStatistica,parafacilitarsucomprensincomomaterialdegua.
31
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Nmerodeclases
Ejemplo:
Muestra:257
Desarrollo:Logden=2.41
Base3.3+1=4.3
k=10
2) Regladeltanteo (http://www.cofc.edu/~milesd/freqdist.htm)k=5(logn).
donde:
k=nmerodeclases
n=tamaodelamuestra
Ejemplo:
Muestra:257
Desarrollo:Logden=2.41
Base5
k=12
Enamboscasoselnmerodeintervalosdeclaseesmuysimilargrficamenteyel
investigadorrequiereaplicarambosparaobservarydecidirculeselquemuestra
mejorlosdatos.
II. HISTOGRAMAS
Introduccin
Lapalabrahistogramavienedelosgriegosstos(ists)quesignificamstil,telar,
tejido, trama de filamentos, y gram (gramma) a, que significa letra, trazo, signo,
32
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
paraexhibirladistribucindelos 13.3
valoresdelosdatosalolargodel
nmero de la lnea verdadera. 0.0
40.0 53.3 66.7 80.0
Compite con el diagrama de SepalLength
probabilidadcomomtododeanlisisgrficodelanormalidad.
ObserveenelsiguienteejemplodeStatisticacmoseincluyenlosrangosdelos
intervalos y los detalles tcnicos de la grfica. Todas las especificaciones de la
grficapuedensereditadasdesdeelprogramaantesdequelapuedaincluirensu
informe de investigacin. Para editar algn aspecto especial en ese programa
33
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
haga clic con el botn derecho del ratn y selecciones options o layout.
Observequeentreparntesisseincluyenlosintervalosdeclase.
Histogram(EJERMETI.STA12v*25c)
y=25*5*normal(x,49.2,13.31665)
6
4
Noofobs
0
<=25 (25,30] (30,35] (35,40] (40,45] (45,50] (50,55] (55,60] (60,65] (65,70] (70,75] >75
POTENCIA
LaDensidaddeltrazo
Tambin,laaparienciaglobaldelhistogramarepresentalanaturalezaalgoalisada
de la distribucin de los datos. Estas quejas contra el histograma han trado
34
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Unavezqueustedescojaunaanchuraconvenientedelintervalo,puedecalcularla
densidadencualquier(yacada)valordex.Siustedcalculaladensidaden,por
ejemplo, 50 valores y los conecta, obtiene la densidad del trazo.
Desafortunadamente muchosprogramasno contienenstafuncin.EnNCSS,la
anchuradelintervaloseespecificacomoporcentaje.Mientrasqueustedaumenta
elporcentaje,ustedaumentalacantidaddedatosincluidosencadaclculodela
densidad.Estoaumentalasuavidaddelagrfica.Loscuatrotrazossiguientesde
ladensidadfueronhechosdelosmismosdatosconaumentodelporcentajedela
suavidad. Observe cmo muestran ms estas grficas que el histograma comn
presentadoaliniciodestecaptulo.
Ladensidaddeltrazoal25%delosdatosserepresentadelasiguienteforma:
Histogram
80.0
53.3
Count
26.7
0.0
40.0 53.3 66.7 80.0
SepalLength
Condensidadde30%quedaraas:
35
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Histogram
50.0
33.3
Count
16.7
0.0
40.0 53.3 66.7 80.0
SepalLength
Entantoquecon40%lafiguraseagrupams,peromantienelaconcentracin
marcada:
Histogram
40.0
26.7
Count
13.3
0.0
40.0 53.3 66.7 80.0
SepalLength
Enuncasoextremodeagrupamientoal60%elefectoseexageradelasiguiente
forma:
36
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Histogram
40.0
26.7
Count
13.3
0.0
40.0 53.3 66.7 80.0
SepalLength
Estructuradedatos
37
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Elhistogramaseconstruyeconunasolavariable.Unasegundavariablesepuede
utilizarparadividirlaprimeravariableengrupos(Ej.,categoradeedadognero).
No se solicita otro requisito en los datos de entrada. Sin embargo, las
distribucionesdisponiblesenNCSSasumenquelosdatossoncontinuos.Observe
quesonignoradaslasfilasconvaloresperdidosenlasvariablesseleccionadas.
III. GRFICASDEPASTEL
IntroduccinyPropsitosGenerales
Losfinesgeneralesdelagrficadepasteles
Grficadepasteldelpresupuesto
construirsegmentosdividiendouncrculoen
Marketing Administracin
dosomssecciones.Lagrficaseutiliza
R&D
paramostrarlaproporcinenquecadaparte
contribuyealtotal.Porlotanto,debeser
utilizadacuandousteddeseacomparar
categorasindividualesconelconjunto.Si
usteddeseacompararlosvaloresdeuna
categoraconotra,utiliceundiagramadela
Produccin
grficadedispersindebarras.Porejemplo,
lagrficamuestraelpresupuestoparacadaunodeloscuatrodepartamentosen
unacompaahipottica.Lasgrficasdepastelsontilesparaexhibirhastacerca
deseisosieterebanadasoporciones.
Laestructuradelosdatos
Los valores de datos deben ser positivos y numricos. Se omiten los valores no
positivos. Los datos se pueden incorporar en la tabla en dos formatos posibles:
verticales u horizontales. En el formato vertical, una variable (columna) contiene
losvaloresquesegraficarn.Enelformatohorizontal,unafilaloscontiene.Estos
datosestnenlabasededatosoriginaldelagrfica.
38
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
IV. DIAGRAMADECAJAS
Introduccin
Al analizar los datos con un diagrama usted necesita ver a menudo las
caractersticas de una sola serie de nmeros, de observaciones o de medidas.
Puede ser que desee conocer el centro y cmo est la distribucin de los datos
sobre este valor central. Puede ser que usted desee investigar los valores
extremosatpicos(llamadosoutliers)oestudiarladistribucindelosvaloresdelos
datos(elpatrndelosvaloresdelosdatosalolargodelejedelamediana).Hay
varias tcnicas que estn disponibles para permitir que usted estudie la
distribucin. stos incluyen el diagrama de tallohoja, el histograma, la densidad
del trazo, el diagrama de probabilidad, y el diagrama de cajas (Box Plot)
presentadoenseguida.
Ladefinicindeldiagramadecajas
Eldiagramadecajasdemuestratrescaractersticasprincipalesdeunavariable:su
centro,ladistribucindesusdatos,ysusoutliersovaloresatpicos.
LaCaja
Eldiagramadecajassecomponedeunacaja(unrectngulo)conlaslneas,ylos
puntosagregadosaella.Laanchuradelacajapuedeserarbitrariaoconvencional
ysedebeseleccionarsudimensinparahacerunaexhibicinagradablealavista.
La presentacin usual de los lmites de la cubierta y el fondo de la caja son los
porcentajes25avoy75avo.Lalongituddelacajaesaselrangointerquartil(IQR).
Esdecir,lacajarepresentael50%omitaddelosdatoscentrales.
ElIQResunamedidapopulardeladistribucin.Ustedpuederepresentarlacaja
comounrectngulo,undiamante,unaelipse,ounafiguraespecialdiseadapara
hacercomparacionesmltiples.Enellasedibujaunalneaatravsdelcentrode
39
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
lacajaenelpuntomedioomediana(elporcentajedel50avo).Elpuntomedioes
unamedidapopulardelalocalizacindelvalormedioodecentrodelasvariables.
BoxPlot
80.0
SepalLength
65.0
50.0
35.0
1 2 3
Iris
BoxPlot
80.0
SepalLength
65.0
50.0
35.0
1 2 3
Iris
Losvaloresadyacenteslmites
40
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Losvaloresextremos
Losvaloresqueseubicanfueradelosvaloresadyacentessuperioresymsbajos
quelaTdelagrficasellamanvaloresextremos,anmalosoatpicos(outliers).
Los valores que estn debajo de tres IQRsdelos 25avo y75avoporcentajes se
llamanoutlierssuaves,entantoquefueradetresIQRssellamanoutliersseveros.
Losoutlierssuavesnosonrarosylosoutliersseverossiloson.
Comparacionesmltiples
Seconstruyenloscortesusandolafrmula:
( ) MedianaIQRn 1.57.
41
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
BoxPlot
80.0
SepalLength
66.7
53.3
40.0
1 2 3
Iris
Recientemente,losestadsticoshannotadoqueeldiagramatruncadodecajano
permitequeustedsecentreenlascomparacionesmltiples.Sehapropuestouna
versin moderna del diagrama truncado para hacer esta comparacin (vase el
diagramaabajo).
BoxPlot
80.0
SepalLength
66.7
53.3
40.0
1 2 3
Iris
Estaversinmodificaelsmbolousadoparalacaja.Dehecho,ponelacajahacia
fuera, y dos lneas horizontales marcan la posicin de la caja. La parte que se
grafica es solamente la parte truncada. Esto hace mucho ms fcil hacer
comparaciones.Sidosdeloscortessetraslapan,lospuntosmediosdelgrupono
42
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Laestructuradedatos
Eldiagramadecajasseconstruyeapartirdeunavariable.Unasegundavariable
sepuedeutilizarparadividirlaprimeravariableengrupos(Ej.,categoradeedad
o gnero). En este caso, un diagrama separado de la caja se exhibe para cada
grupo.Nosesolicitaotrorequisitoenlosdatosdeentrada.
V. CARTASOGRFICASDEBARRAS
IntroduccinyPropsitosGenerales
Lasgrficasdebarrasse
utilizanparacomparar
90
visualmentevalores 80
70
contiguos.Hayalgunas
Toneladas
60
50
variacionesenlagrfica 40
debarras,stasincluyen 30
20
lagrficadebarras 10
0 Abril
vertical,lagrficade Mayo
s
na
s
za
barrashorizontal,la
ra
s
an
Pe
no
Junio
M
s
az
ja
grficaderea,yla
ur
an
s
D
wi
ar
Ki
es
grficadelneas.Hay
on
el
M
versionesbiy
tridimensionalesdecadauno.Arribasemuestraunejemplodeunagrficade
barras3D.
Laestructuradedatos
43
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
VI. DIAGRAMASDEPROBABILIDAD
Introduccin
44
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
NormalProbabilityPlotofSepalLength
80.0
SepalLength
66.7
53.3
40.0
3.0 1.0 1.0 3.0
NormalDistribution
Muchos anlisis estadsticos asumen que los datos estn muestreados de una
poblacinmsgrandeconunadistribucinespecificada.Amenudo,ladistribucin
de esta poblacin ms grande se asume que es normal (en trabajos de
confiabilidad y de supervivencia la distribucin subyacente se asume que es
exponencialoWeibull).Estoamenudosellamalaasuncindenormalidad.(note
queladistribucinnormalavecesesllamadadistribucingaussianaparaevitarla
confusinconsudefinicincomn.Aunqueimplicaqueesnormalladistribucin
generalmente,noloes!Estaasuncindenormalidadsehaceporvariasrazones:
1.Permitequelosdatosseanrepresentadoscompactados.Milvaloresquevienen
deladistribucinnormalsepuedenresumirporsolamentedosnmeros:lamedia
ylavarianza.
2.Permiteelusodevariosprocedimientosestadsticos,talescomoelanlisisde
lavariabilidad,depruebast,oderegresinmltiple.
45
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Obviamentelanaturalezanogeneraautomticamentelosdatosquesiguencierta
distribucin de probabilidad. Cuando usted asume que sus datos siguen la
distribucinnormal,realmenteestasumiendoqueladistribucindesusdatoses
razonablementeaproximadaaladistribucinnormal.Lapreguntaquesepresenta
es que tan bastante cerca est de lo normal? Esta pregunta se puede estudiar
usando procedimientos numricos y grficos. Se han desarrollado las pruebas
numricas de hiptesis que permiten que usted determine si sus datos siguen
ciertadistribucin.ConsultesobremnibusK.
Laspruebasparalanormalidadseproporcionangeneralmenteenlosprogramas
estadsticosenelapartadodeestadsticadescriptiva.Losprocedimientosgrficos
son tiles porque le dan una impresin visual sobre si es vlida la asuncin de
normalidad. Le permiten precisar si la asuncin es invalidada por uno o dos
outliers (que podran ser quitados), o si los datos siguen una distribucin
totalmente dispersa. Tambin sugieren qu transformacin de los datos (raz
cuadrada,registro,locontrario,losetc.)siguemsdecercaladistribucinnormal.
El mejoracercamientoesaplicarprocedimientosnumricosygrficos.Dadoque
losdatosestndisponiblesensucomputadora,tomansolamentealgunosgolpes
detecladohaceramboschequeos.
Lalecturadeldiagramadeprobabilidad
46
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
hacer varias prcticas con bases de datos que siguen los patrones que usted
comprende.Generelosdiagramasdeprobabilidadparaconseguirunaapreciacin
decmosemuestrandiversospatronesdedatosenlosdiagramas.Silospuntos
en la probabilidad se trazan en toda la pendiente a lo largo de una lnea recta,
ustedpuedeasumirquelosdatossiguenesadistribucindelaprobabilidad.Porlo
menos,ladistribucinrealesbastanteaproximadaparaladistribucinqueusted
ha trazado. Discutiremos brevemente los tipos de patrones que coincidan
generalmenteconsalidasdelarectituddeestalnea.
Losoutliers
Losoutliersocasosatpicossonlosvaloresquenosiguenelpatrndelcuerpode
los datos. Se localizan en cualquier extremo de la probabilidad. Puesto que los
outliers grandes desviarn seriamente la mayora de los anlisis estadsticos,
usted debe investigarlos cuidadosamente. Si son errores u ocurrencias de una
sola vez deben ser quitados de su anlisis. Una vez que se hayan quitado los
outliers,eldiagramadeprobabilidaddebeserrediseadosinellos.
Lascolaslargas
Laasimetra
47
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Lasmesetasylosvalles
Precauciones
Elestudiodediagramasdelaprobabilidadesunaherramientamuytilenanlisis
dedatos,teniendoalgunasprecaucionesdebidoaque:
1.Estosdiagramasacentanlosproblemasquepuedenaparecerenlascolasde
ladistribucin,noenelcentro(puestoqueahhaymuchospuntosagrupados).
2.Lavariacinnaturalenlosdatoscausarunaciertasalidadelarectitud.
4.Loslmitesdeconfianzaexhibidoseneldiagramasonsolamenteaproximados.
Tambin, dependen mucho de un tamao de muestra razonable. Para las
muestras inferiores de 20 casos, estos lmites se deben tomar con mucha
precaucin. Tambin puede cambiar mucho los lmites cambiando el nivel de
confianza(elvalordealfa).Asegresedequeelvalorqueustedestutilizandoes
razonable.
Losdetallestcnicos
48
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Vamosaasumirquetenemosunsistemadelosnmerosx1,x2...,xn ydeseamos
estudiar visualmente si la asuncin de la normalidad es razonable. El mtodo
bsicoes:
2. Defina los quantiles empricos de n, p1, p2..., pn, donde pi = i/n. stos son
similares a los porcentajes. Por ejemplo, sin = 5 los pis seran 2, 4, 6, 8, 10. El
valorp2del4seinterpretacomosignificadoquesteesel40porcentaje.
3. Encuentre un sistema de los nmeros, z1, z2..., el zn, que esperara de los
datos que siguen exactamente la distribucin normal. Por ejemplo, z2 es el
nmero que contbamos con si obtuviramos 5 valores de una distribucin
normal,clasificndoles,yseleccionadoelsegundomsbajo.stossellamanlos
quantiles.
4. Construya un diagrama de dispersin con los pares x(1) y z1, x(2) y z2,
etctera. Si los xis vinieran de una distribucin normal, anticiparamos que los
puntostrazadoscaernalolargodeunalnearecta.Elgradodenonormalidades
sugeridoporlacantidaddelacurvaturaeneldiagrama.
Hayvariosrefinamientosalprocedimientodearriba.Elmscomnesladefinicin
de los pis en el paso 2. La frmula usada generalmente es pi = (ia)/(n2a+1),
dondeaesunnmeroentre0y1.Muchosestadsticosrecomiendana=1/3.ste
eselvalorpordefectousadoporprogramascomoNCSS(elvalordeasefijaenla
opcindelaconstantedelporcentaje).Otramodificacinestenelescalamiento
usado paralos zis. Si se utilizanlos zis del paso 3, la definicin terminante es el
diagrama del quantil. Si los zs se convierten a una escala de probabilidad, el
diagrama se conoce como diagrama de probabilidad. Hoy en da estas
definicionessehandebilitadoyutilizamoseltrminodediagramadeprobabilidad
para representar cualquiera de estos diagramas. Los diagramas de probabilidad
49
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Loscuatropasosantedichosseutilizanparacualquieradelassietefuncionesde
distribucin que estn disponibles en NCSS. Las tablas de compartimientos, de
Cleveland, de Kleiner, y de Tukey (1983) que se muestran debajo dan la
informacin tcnica sobre estas distribuciones. Una de las caractersticas ms
tilesdeestastablaseslacolumnaordenadaymarcadaenlasegundatabla.Esta
columnadefinelatransformacindelosdatosquesedebenutilizarparaalcanzar
undiagramaestndardeprobabilidadparaesadistribucin.
Porejemplo,sideseabagenerarundiagramagammadeprobabilidad,debetomar
los datos de una mitad de poder. Observe que no hay transformacin especial
necesaria para el diagrama normal de probabilidad. Estos lmites de confianza
sirven en tanto que la referencia limita cuando est estudiando un diagrama de
probabilidad. Cuando la cada de los puntos est fuera de estos lmites, los
considerara como evidencia que la asuncin de la normalidad (o cualquier
distribucinqueestconsiderando)esinvlida.
Laestructuradedatos
VII. DIAGRAMADEDISPERSIN
Introduccin
50
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Eldiagramaxydedispersinesunadelasherramientasdemayoralcancepara
analizardatos.NCSSincluyeunmendecaractersticaspararealzareldiagrama
bsicodedispersin.Algunasdeestascaractersticassonlneasdelatendencia
(mnimos cuadrados) y lmites de confianza, polinomios, lneas, curvas lowess,
diagramasdecajainsertados,ydiagramasdegirasol.
Loquesigueesunejemplodeundiagramatpicodeladispersinconunalnea
detendenciaycondiagramasdecajaincorporados.
Estructuradedatos
Eldiagramadedispersinseconstruyeapartirdedosvariables.Sepuedeutilizar
una tercera variable para dividir las primeras dos variables en grupos (Ej.,
categoradeedadognero).Nosehacenotrosrequerimientosparalosdatosde
entrada.
Height(inches)vsWeight(lbs)
250.0
Weight(lbs)
183.3
116.7
50.0
50.0 60.0 70.0 80.0
Height(inches)
Silavariablegneroseincluyeparasepararlosdatos:
51
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Height(inches)vsWeight(lbs)
250.0
Gender
1
2
Weight(lbs) 183.3
116.7
50.0
50.0 60.0 70.0 80.0
Height(inches)
Considerequelasfilasconvaloresperdidosenunadelasvariablesseleccionadas
sernignoradasenambas.
VIII. MATRIZDEDIAGRAMASDEDISPERSIN
Introduccin
Enelsiguienteejemplohaycincovariablesdelapruebaqueformanunjuegode
variablesindependientes,contrastadascontraellasmismasconsiderandocadala
variable como dependiente para organizarlas. Observe cmo puede explorar
rpidamentelosdiagramasparavariablesaltamentecorrelacionadas,youtliers.
52
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Ex_Esc_
Raz_Ded_
Raz_Ind_
Pens_Cr_t_
Poten_
Estructuradelosdatos
Cadadiagramadedispersinseconstruyeapartirdedosvariablesnumricas.Se
puede utilizar una tercera variable, alfanumrica para controlar el smbolo del
diagrama.
IX. DIAGRAMASDESUPERFICIE3D
Introduccin
53
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Losdiagramasdesuperficie3D
sondiagramasdedatos
tridimensionales.Msque
mostrarlospuntosdereferencias
individuales,losdiagramas
superficialesmuestranuna
relacinfuncionalentreuna
variabledependientesealada
(Y),ydosvariables
independientes(X1yX2).
SeconstruyeunarejilladedosdimensionesdeX1ydeX2.Elrangodeestarejilla
esigualalrangodelosdatos.Despus,unvalordeYsecalculaparacadapunto
delarejilla. Este valor de Y esun promedio cargado de todoslos valoresdelos
datosqueseacerquenaestepuntodelarejilla.(Elnmerodepuntosgenerados
es un promedio especificado por el usuario). Se construye la superficie
tridimensional usando un promedio de estos valores. Por lo tanto, el diagrama
superficial nomuestra la variacinen cadapunto de rejilla. Estos diagramas son
tiles en el anlisis de regresin, para ver la relacin entre una variable
dependienteydosvariablesindependientes.
54
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Grficodesuperficie3D
10.0
ExEsc
10.0
2.0
0.0
10.0 0.0
RazDedRazInd
Recuerde que la regresin mltiple asume que esta superficie es una superficie
perfectamente plana. Por lo tanto, el diagrama superficial le permite precisar
visualmentesilaregresinmltipleesapropiada.
Losdiagramasdesuperficiesonmuytilesenlaexploracindelosdatos,sobre
todo haciendo rotar el diagrama con las opciones del programa tanto en NCSS
como en Statistica. Despus de rotar la figura en tres dimensiones el poder
explicativo del investigador se incrementa, pero desafortunadamente muchas
veces no es posible expresar la explicacin en una sola perspectiva de la figura
dentro del informe de investigacin, por lo cual se requiere seleccionar la mejor
vista.
LaEstructuradelosdatos
EstilosdelDiagramadesuperficie
55
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
ScatterPlot
10.0
ExEsc
10.0
2.0
0.0 10.00.0
RazDedRazInd
LasiguientegrficaestelaboradaconStatistica,queademspermitelarotacin
dinmica.
3DSurfacePlot(BDInvestigacindevaloresfinal83v*980c)
AUTOCONT=DistanceWeightedLeastSquares
12
10
8
6
56
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
X. DIAGRAMASDEVIOLN
Introduccin
ElDiagramadeVioln,comoeldiagramadecajas,estilparaexhibirlamediayla
distribucinde un sistema de datos. Variosdiagramas de caja se pueden exhibir
enanchurasdistintasparapermitirqueustedcompareelpromedioylaextensin
devariosgrupos.
57
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Enundiagramadecajaslosdatossemostrarandelasiguientemanera:
BoxPlot
70.0
48.3
Amount
26.7
5.0
PetalLength
Variables
Entantoqueenunhistogramaconaltadensidaddetrazosepresentaranas:
Histogram
80.0
53.3
Count
26.7
0.0
0.0 23.3 46.7 70.0
PetalLength
58
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Lacombinacinenlosdiagramasdevioln
Eldiagramadelviolnsehacecombinandounaformadecajaparatrazarcondos
anchurasenproporcinaladensidadvertical.Unadensidaddeltrazoseextiende
alaizquierdamientrasquelaotraseextiendealaderecha.Nohaydiferenciaen
estosrastrosdedensidadconexcepcindeladireccinalacualsonextendidos.
Ponemosdosrastrosdeladensidadeneldiagramaparaagregarlasimetra,que
hacemucho msfcilcompararlasagrupaciones.Eldiagramadelviolndestaca
lospicosylosvallesdeunadistribucindevariables.Cambiamoseldiagramade
cajaslevementedemostrandoelpuntomediocomocrculo,hicimosestodemodo
que las comparaciones de los puntos medios pudieran ser hechas rpidamente.
Llamamos a esto un diagrama del violn porque uno de los primeros juegos de
datosquetrabajamostenaelaspectodeunvioln.Ustedloencontraras:
ViolinPlot
70.0
Densidaddetrazo
Quartilsuperior
46.7
Amount
Mediana
23.3
Quartilinferior
0.0
PetalLength
Variables
Si usted compara este diagrama con la densidad del trazo y de la caja con los
mismos datos, notar que aunque el diagrama de cajas es til en muchas
situaciones, no representan los datos que se arraciman (multimodales). Por otra
parte, aunque la densidad del trazo demuestra la distribucin de los datos, es
59
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Diagramadeviolnal10%deltrazodelosdatos:
ViolinPlot
70.0
46.7
Amount
23.3
0.0
SepalLength SepalWidth PetalLength PetalWidth
Variables
Diagramadeviolnal30%deltrazodelosdatos:
ViolinPlot
70.0
46.7
Amount
23.3
0.0
SepalLength SepalWidth PetalLength PetalWidth
Variables
Elejemplosiguientedemuestralosdiagramasdeviolndelascuatrovariablesen
datos del diagrama de Fisher. Observe cmo pueden comparar fcilmente los
puntos medios, las longitudes de la caja (la extensin), y los patrones de
60
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
distribucin de los datos. En este ejemplo, note que las dos variables de petal
(ptalo) demuestran dos picos (bimodal) mientras que las dos variables sepal
(spalo)sonunimodales(unpico).Hayvariasopcionesqueledejarnajustareste
diagramaasusnecesidades.
Estructuradedatos
Eldiagramadelviolnseconstruyedeunaomsvariables.Unasegundavariable
sepuedeutilizarparadividirlaprimeravariableengrupos(Ej.,categoradeedad
ognero).Enestecaso,undiagramadelviolnseexhibeparacadagrupo.Nose
solicitanotrosrequerimientosenlosdatosdeentrada.
XI. CARTASDEPARETO
Introduccin
EnelcontroldecalidadelanlisisdeParetorefierelatendenciaalacumulamiento
delosproblemasdecalidadenunaspocasfuentesposiblesdeltotal.Porlotanto,
aislandoycorrigiendolasreasproblemticasprincipales,ustedobtieneelmayor
aumentodecalidad.
61
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
MuestraeldiagramadeunagrficadePareto
45.00
FEET
30.00
15.00
0.00
C I G D E A J F B H
Label
Estructuradedatos
Latabla37.1muestralosdatosparalagrficaantedichadePareto.Daelnmero
de tableropies defectuosos (en 100s) a partir de diez diversos aserraderos
(etiquetadosAJ).
QATEST,basedeDatosPareto
aserraderos Piesdefectuosos
A 6
B 2
C 57
D 13
E 7
F 3
G 36
H 1
I 42
J 4
62
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
XII. AGRUPAMIENTOSJERRQUICOS
Introduccin
Brevedescripcin
Losalgoritmosdeagrupamientosjerrquicosconstruyenunajerarquaderacimos
que se exhiben comnmente como un diagrama de rbolllamado Dendrograma.
Comienzanconcadaobjeto(casosovariables)enunracimoseparado.Encada
paso, los dos racimos que son ms similares se ensamblan en un solo racimo
nuevo. Una vez que estn fundidos los objetos nunca se separan. Los ocho
mtodos que estn disponibles representan ocho mtodos para definir la
semejanzaentrelosracimos.
Supongaquedeseamosagruparenracimoslosdatosbivariadosmostradosenel
siguientediagramadedispersin.Enestecaso,elagrupamientosepuedepercibir
visualmente.Losdatostienentresracimosydoscasosaislados,6y13.
RedvsBlue
16.0
Variables
6
10.7
2 8 10
Blue
1 3 5 7 12
4 9 11
13
5.3
141516
171819
202122
0.0
0.0 6.7 13.3 20.0
Red
63
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
representalosobjetosylosracimosquecomprendecadarama. Eldendrograma
esbastantesimpledeleer.
Dendrogram
Row
12
11
9
10
8
7
22
21
20
19
16
18
17
15
14
6
13
5
4
2
3
1
Con este dendrograma puede ver los tres racimos como tres ramas que ocupan
una distancia horizontal casi igual. Los dos outliers, 6 y 13, estn fundidos algo
arbitrariamenteadentroendistanciasmuchomsaltas.staeslalectura.Eneste
ejemplo podemos comparar nuestra lectura con un diagrama real de los datos.
Desafortunadamente, esto generalmente no ser posible si nuestros datos
consistenenmsdedosvariables.
XIII. LASGRFICASDEBARRASDEERROR
64
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Introduccin
Propsitosgeneralesydescripcin
Lasgrficasdebarradelerrorexhibenlaslneasdemediasyloserroresestndar
(olasdesviacionesestndar).Lossiguientessonejemplosdelostiposdegrficas
producidasporesteprocedimiento.
ErrorBarPlot
300000.0
State
Nev
Vir
250000.0
Price
200000.0
150000.0
100000.0
1 2 3 4
Bedrooms
ErrorBarPlot
300000.0
State
Nev
Vir
250000.0
Price
200000.0
150000.0
100000.0
1 2 3 4
Bedrooms
Losvaloresperdidos
65
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Estructuradedatos
Cada fila de datos debe contener por lo menos una variable numrica de
respuesta.Tambinpuedensersealadashastadosvariablescategricasyhasta
cinco variables clasificatorias. Se produce una grfica separada para cada valor
nicodelasvariablesclasificatorias.
Porcindelosdatosdeventadelaspropiedades
State Price Bedrooms
Nev 260000 2
Nev 66900 3
Vir 127900 2
Nev 181900 3
Nev 262100 2
Nev 967500 2
Nev 167200 2
Nev 395700 2
XIV. MATRIZREJILLADEPUNTOS
Introduccin
66
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Las variantes pueden ser seleccionadas en muy distintas formas para facilitar la
lecturadelosdatos.
GridPlotofPetalLength
45.0
PetalLength
A 3.9
B 11.7
37.5 C 19.4
D 27.2
SepalWidth
E 35.0
F 42.8
30.0 G 50.6
H 58.3
I 66.1
22.5
15.0
40.0 50.0 60.0 70.0 80.0
SepalLength
Estructuradedatos
Eldiagramaderejillaseconstruyeapartirdetresvariables.LasvariablesdeXe
Y se muestran en los ejes horizontales y verticales, respectivamente. Se reparte
enelloslavariableZysusvaloressonrepresentadosporelsmbolodeldiagrama
o el color del bloque (vase los ejemplos arriba). Observe que las tres variables
debensernumricas.
Lasopciones
67
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
ConsultelaseccindeOpcionesdondesedescribenlasopcionesdisponiblesen
esteprocedimiento.
Variable(X,Y,Z)
Mnimoymximo(X,Y,Z)
Sonlosvaloresmnimosymximosalolargodecadaeje.Debetenerelcuidado
deutilizarlosdadoquepuedendistorsionareldiagrama.
Rebanadas(X,Y,Z)
Eselnmerodelasdivisiones(puntosderejilla)alolargodecadaeje.Elnmero
derebanadasalolargodelejedezeselnmerodelaslneasdelcontorno.Se
utilizasolamentesilacajadelosvaloresdelcontorno(z)sedejaenblanco.
DecimalesdeZ
Elnmerodedecimalesamostrarenlosnmerosdereferenciadelaleyenda.
Elestilodeldiagrama
EspecificaelmtodousadoparaexhibirelvalordelavariabledeZ.
Bloques
LosvaloresdelavariabledeZseexhibencomobloquescoloreados.
68
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Smbolosconuncolor
LosvaloresdelavariabledeZsontodaslasletrasconelmismocolor.Cadaletra
representaunagamadevalores.
Enelcasodelossmbolos:
GridPlotofPetalLength
45.0
B PetalLength
B A 3.9
B
B B 11.7
C
B
37.5 C
B C I I C 19.4
BB
B
B B
B H D 27.2
C
B
B
B B
SepalWidth
BCC
B
B
BC
B FG H E 35.0
B
C G
H H
BB
C
B B G GF
G H
H
GH F 42.8
BC
B H G
H
FG G 50.6
30.0 B
B BB
C FFFG
F
G
G
F GH
F
G
H H
H IH
B E
F F
G
F
H
FF I H 58.3
G
F
G G
F
G
G
H
F G H I
F FG
FG G
G I 66.1
FE
F H I
FD FF
G G H
E E
22.5 B E F F
G
FF
E
15.0
40.0 50.0 60.0 70.0 80.0
SepalLength
Smbolosdecoloresmltiples
69
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
70
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
APARTADOC. TPICOSSELECTOSDE
TCNICASGRFICASANALTICAS
TcnicasRepresentativasdeVisualizacin
basadasenStatistica
XV. GRFICASCATEGORIZADAS
71
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
patrones que no pueden ser cuantificados fcilmente (Ej., las interacciones, las
excepciones,lasanomalascomplejas),yproporcionanlasperspectivasanalticas
multidimensionales,globalesnicas,paraexploraro"explotar"losdatos.
QusonlosGrficosCategorizados?
72
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Losgrficoscategorizadosenalgunossistemasdesoftware(Ej.,enSTATISTICA)
tambin apoyan las clasificaciones de dos vas o de multiva, donde no hay un
criterionico(Ej.,Ciudad)sinodosomscriterios(Ej.,Ciudadypocadelda)se
utilizan para crear los subconjuntos. Los grficos categorizados de dos vas se
pueden pensar como " grficos de tabulaciones cruzadas" donde cada
componente grfico representa una seccin representativa de un nivel de una
variableagrupadora(Ej.,Ciudad)ydeunniveldelaotravariableagrupadora(Ej.,
tiempo).
73
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
dividirtodosloscasosanalizadosengrficosseparados.Segnloilustradoarriba,
un grfico ser creado para cada grupo (categora) identificado por la variable
agrupadora.
MtodosdeCategorizacin
74
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
75
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
"mayorqueoiguala10peromenosde0,""mayorqueoiguala0peromenosde
10,"y"igualomayorquea10").
76
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Histogramas
Engeneral,loshistogramasseutilizanparaexaminardistribucionesdefrecuencia
de valores de las variables. Por ejemplo, las demostraciones del diagrama de la
distribucindefrecuenciaenquelosvalores,olosrangosespecficosdevalores
de la variable examinada son los ms frecuentes, qu tan diferentes son los
valores, si la mayora de las observaciones estn concentradas alrededor de la
media,siladistribucinessimtricaosesgada,siesmultimodal(esdecir,sitiene
dosomspicos)ounimodal,etc.Loshistogramassontambintilesparaevaluar
la semejanza de una distribucin observada con distribuciones tericas o
previstas.
Unopuedeaprendersobrelanaturalezadelavariableexaminadaapartirde
la forma de distribucin (Ej., una distribucin bimodal puede sugerir que la
muestra no sea homognea, y no consista de las observaciones que
pertenecen a dos poblaciones que se distribuyen ms o menos
normalmente).
Muchadelaestadsticasebasaenasuncionessobrelasdistribucionesdelas
variables analizadas y los histogramas lo ayudan a uno a probar si esas
77
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Histogramasydiagramasdepuntoscategorizados.Unusotildelosmtodos
de la clasificacin para las variables continuas es representar las relaciones
simultneasentretresvariables.Semuestraabajoundiagramadepuntosparala
carga1dedosvariablesylacarga2.
78
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Ahorasupongaqueustedquisieraagregarunaterceravariable(salida)yexaminar
cmoestasedistribuyeendiferentesnivelesdeladistribucincomndelacarga
1ydelacarga2.Elgrficosiguienteserproducido:
Enestegrfico,lacarga1ylacarga2estnambascategorizadasen5intervalos,
y se computa dentro de cada combinacin de intervalos la distribucin para la
variable de salida. Observe que el "cuadro" (paralelogramo) incluye
79
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Diagramasdepuntos
La opcin categorizada del diagrama de puntos permite que usted produzca los
diagramas de puntos categorizados por una o ms variables. Va el mtodo de
mltiplessubjuegos(vaselosmtodosdelaclasificacin),ustedpuedetambin
categorizar el diagrama de puntos basado en las condiciones lgicas de la
seleccinquedefinencadacategoraogrupodeobservaciones.
80
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
referenciasquevienenapartirdedos
diferentes grupos experimentales,
pero este hecho fue ignorado cuando
la correlacin era calculada. Suponga
que la manipulacin experimental en
unodelosgruposaumentlosvalores
deambasvariablescorrelacionadas,y
los datos de cada grupo forman as
una "nube" distintiva en el diagrama de puntos (segn lo mostrado en la
ilustracin).
Si usted sospecha que tal patrn puede existir en sus datos y usted sabe cmo
identificar el "subjuego" posible de datos, entonces producir un diagrama de
puntos categorizado como el anterior puede dar un cuadro ms exacto de la
fuerzadelarelacinentrelavariabledeXydeY,dentrodecadagrupo(esdecir,
despusdecontrolarcadamiembrodelgrupo).
81
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
RelacionesCurvilneas.Lacurvilinearidadesotroaspectodelasrelacionesentre
las variables que se pueden examinar en diagramas de puntos. No hay pruebas
fciles o automticas a utilizar para medir relaciones curvilneas entre las
variables: El coeficiente estndar de Pearson r mide por si mismo relaciones
lineares,peroalgunascorrelacionesnoparamtricastalescomolardeSpearman
pueden medir relaciones curvilneas, pero no las relaciones nomontonas. El
examinar diagramas de puntos permite que uno identifique la forma de las
relaciones, para poder elegir ms adelante una transformacin apropiada de los
datos al "enderezar" los datos o elegir una ecuacin no lineal apropiada de la
estimacinaqueseajustar.
Paramsinformacin,vealoscaptulosenestadsticabsica,noparamtrica,las
distribuciones,laregresinmltiple,ylavaloracinnolinealenStatistica.
GrficosdeProbabilidad
82
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
DiagramasQuantilQuantil
83
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
ConlosdiagramascategorizadosdeQQ,seproduceunaseriedediagramasdel
QuantilQuantil (o QQ) para cada categora de los casos identificados por las
variables de la categora de X o de X y de Y (o identificados por los criterios
mltiples del subconjunto, vea los mtodos de la clasificacin). Los ejemplos de
las distribuciones que se utilizan para los diagramas de QQ son la Distribucin
Exponencial, las Distribuciones Extremas, Normal, de Rayleigh, Beta, Gammas,
deLognormal,ydeWeibull.
DiagramasProbabilidadProbabilidad
84
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
identificado por los criterios mltiples del subconjunto, vea los Mtodos de
Clasificacin).
DiagramasdeLnea
Enlosdiagramasdelneaslospuntos
de referencias individuales son
conectadosporunalnea.Eldiagrama
de lneas proporciona una manera
simple de presentar visualmente una
secuencia de muchos valores (Ej.,
cotizacin en la bolsa sobre un
nmero de das). El grfico de lnea
categorizada de los diagramas es til cuando uno desea la visin de tales datos
analizados(categorizados)porunavariableagrupadora(Ej.,elcierredeacciones
cotizaellunes,martes,eletc.)oalgunosotroscriterioslgicosqueimplicanunao
ms variables (Ej., el cierre cotiza solo para los das cuando hay otras dos
85
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
accionesyelndicedeDowJonesvaparaarriba,contraelrestodecierresvea
losMtodosdeClasificacin).
DiagramasdeCaja
Enlosdiagramasdelacaja(trminoprimerousadoporTukey,1970),losrangos
devaloresdeunavariableseleccionada(olasvariables)setrazanporseparado
para los grupos de casos definidos con valores de hasta tres variables
(agrupadoras) categricas, o segn lo definido por las categoras de Subjuegos
Mltiples.
Porejemplo,enelgrficosiguiente,loscasosatpicosextremos(enestecaso,los
puntos mayores o menos de 1.5 veces el rango interquartil) indican
particularmenteun"desafortunado"extremoenunacombinacinqueseradeotra
maneracasiperfectadefactores:
86
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Hay dos usos comunes paralos diagramas de caja: (a) demostrar rangos delos
valores para los tems, los casos o las muestras individuales (Ej., un diagrama
tpicodeMINMAXparalasexistenciasolosproductosolosdiagramasdedatos
agregadosconlosrangos),y(b)demostrandolavariacindeconteosengruposo
muestras individuales (Ej., la caja y el filamento truncado presentan la mediana
para cada muestra como un punto dentro de la caja, los errores estndar en la
caja, y las desviaciones estndar alrededor de la mediana como una caja ms
estrecha,ounparde"filamentostruncados").
Lacaja,almostrarlavariacindeconteospermitequeunoevalerpidamentee
"intuitivamente con imaginacin" la fuerza de la relacin entre la variable
agrupadora y la variable dependiente. Especficamente, si se asume que la
variabledependienteestdistribuidanormalmente,ysabiendoquproporcinde
observaciones baja, por ejemplo, dentro de desviaciones estndar 1 o 2 de la
media (vase los conceptos elementales), uno puede evaluar fcilmente los
resultadosdeunexperimentoydecirque,porejemplo,lasconteosenelcercade
95% de casos en el grupo experimental 1 pertenecen a una diversa gama que
conteosencercadel95%deloscasosenelgrupo2.
87
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Adems, pueden ser trazadas las Medias Truncadas supuestas (este trmino
primero fue utilizado porTukey, 1962) excluyendo un porcentaje especificado de
casosdelosextremos(esdecir,lascolas)deladistribucindecasos.
GrficasdePastel
Lagrficadepastelesunodelosformatosmscomunesusadospararepresentar
proporcionesovaloresdevariables.Estepermitequeustedproduzcalasgrficas
depastelanalizadasporunaomsvariables(Ej.,agrupandovariablestalescomo
gnero) o categorizadas segn algunas condiciones lgicas de seleccin que
identifiquensubconjuntosmltiples(vaselosmtodosdelaclasificacin).
88
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Diagramasdepuntosdedatosperdidosporrango
Este grfico produce una serie de grficos 2D (uno para cada categora de los
casos identificados por las variables agrupadoras o porlos criterios mltiples del
subconjuntovealosMtodosdeClasificacin)depuntosdereferenciaquefaltan
y/ode"fueradelrangodeespecificacindelusuario"puntosenloscualesusted
puede visualizar el patrn oladistribucin de datos que faltan (y/o puntos "fuera
delrangodeespecificacin")dentrodecadasubconjuntodeloscasos(categora).
89
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Diagramas3D
90
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
(Ej.,calidaddemiembrodegrupo).
Por ejemplo, del diagrama superficial categorizado mostrado al lado, uno puede
concluir que el ajuste del nivel de tolerancia en un aparato no afecta la relacin
investigada entrelas medidas (Dependiente1, Dependiente 2, y altura) a menos
queelajustesea3.
Elefectoesmssobresalientecuandoustedcambiaalarepresentacindel
diagramadelcontorno.
DiagramasTernarios
Undiagramaternariocategorizadosepuedeutilizarparaexaminarlasrelaciones
entre tres o ms dimensiones, donde tres de esas dimensiones representan
componentesdeunamezcla(esdecir,lasrelacionesentreellosseobligandetal
forma que los valores de las tres variables agreguen la misma constante para
cadacaso)paracadaniveldeunavariableagrupadora.
91
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
En un diagrama ternario
categorizado, se produce un
grficocomponenteparacada
nivel de la variable
agrupadora(odelsubconjunto
de datos definido por el
usuario) y todos los grficos
componentes se arreglan en
unapresentacinparapermitir
comparaciones entre los
subconjuntos de los datos
(categoras).
92
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Esas relaciones entre las variables se pueden visualizar por las funciones
ajustadas (Ej., por las lneas 2Ds o las superficies 3D) y sus intervalos de
confianza, as, por ejemplo, uno puede examinar cambios en esas funciones
recprocamente (temporalmente) quitando o agregando subconjuntos especficos
de datos. Por ejemplo, uno de muchos usos de la tcnica de cepillado debe
seleccionar,destacando,enundiagramadematrizdepuntos,todoslospuntosde
referencia que pertenezcan a cierta categora (Ej., un nivel "medio" de ingresos,
observeelsubconjuntodelcomponentesuperiorderecho,destacadoenelgrfico
delailustracindeabajo):
93
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Si la facilidad de cepillado
soporta las caractersticas
como "cepillado animado"
(vaseelejemploabajo)o"funcinautomticadereajuste",unopuededefinirun
cepillodinmicoquesemoversobrelasrangosconsecutivasdeunavariabledel
criterio (Ej., "ingreso" medido en una escala continua y no una escala discreta
comoenlailustracinantedicha),yexaminarladinmicadelacontribucindela
variable de criterio y las relaciones entre otras variables relevantes en el mismo
subjuego.
XVII. ALISADODEDISTRIBUCIONESBIVARIANTES
Loshistogramastridimensionalesseutilizanparavisualizartabulacionescruzadas
devaloresendosvariables.Puedenserconsideradosparahacerunaconjuncin
94
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
de dos (es decir, univariada) histogramas simples, combinadas de tal forma que
pueden ser examinadas las frecuencias de coocurrencias de valores en las dos
variables.Enelformatomscomndeestegrfico,unabarra3Dsedibujapara
cada"celda"enlatabladelatabulacincruzada,ylaalturadelabarrarepresenta
lafrecuenciadelosvaloresparalaceldarespectivadelatabla.Sepuedenutilizar
diferentesmtodosdeclasificacinparacadaunadelasdosvariablesenlasque
sevisualizaladistribucinbivariante(vaseaqu).
Si el software proporciona la
facilidad para alisar, ustedpuede
ajustar superficies a las
representaciones3Ddelosdatos
bivariantes de la frecuencia. As,
cada histograma 3D se puede
transformar en una superficie
alisada. Esta tcnica es de
relativamente poca ayuda si est
aplicada a un patrn simple de
datoscategorizados(talescomoelhistogramaquefuemostradoarriba).
95
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
XVIII. COMPRESINDECAPAS
Cuandoseutilizalacompresindecapas,elreadetrazodelgrficoprincipalse
reduce de tamao al espacio, para permitir lugar a los grficos del margen
derechosuperiorylograr
la presentacin (con un
grfico miniatura en la
esquina). Estos grficos
ms pequeos del
margen representan
imgenes comprimidas
vertical y
horizontalmente del
grficoprincipal.
96
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Enlosgrficos2Dlacompresindecapasesunatcnicaexploratoriadelanlisis
dedatosquepuedefacilitarlaidentificacindetendenciasydepatrones,deotra
manera cubiertos en subjuegos de 2 dimensiones. Por ejemplo, en la ilustracin
siguiente,(basadoenunejemplodiscutidoporCleveland,1993),puedeservisto
que el nmero de manchas solares en cadaciclo se decae ms lentamente que
cuando se levanta en el inicio de cada ciclo. Esta tendencia no es fcilmente
evidente al examinar el diagrama de lneas estndar sin embargo, el grfico
comprimidorevelaelpatrnocultado.
XIX. PROYECCIONESDEJUEGOSDEDATOS3D
Con respecto a los diagramas superficiales, pueden ser menos eficaces para
visualizarrpidamentelaformacompletadelasestructurasdedatos3D,
97
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
sinembargo,suventajaprincipalesquepermitenelexamenprecisoyelanlisis
de la forma de la superficie (los diagramas de contorno exhiben una serie de
seccionescruzadas"delasuperficienodistorsionadashorizontalmente).
XX. DIAGRAMASDECONOS
98
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Laideabsicadelosdiagramasde
conos es representar unidades
individuales de observacin como
objetosgrficosparticulares,donde
los valores de las variables se
asignan a las caractersticas o a
las dimensiones especficas delos
objetos (generalmente un caso =
unobjeto).Laasignacinestalqueelaspectototaldelobjetocambiaenfuncin
delaconfiguracindelosvalores.
AnalizandoDiagramasdeconos
Eldiseo"ideal"delanlisisdelosdiagramasdeconosconsisteencincofases:
99
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
1.Seleccioneelgrupodevariablesquevaaseranalizado.Enmuchoscasosuna
secuencia que comienza al azar es la mejor solucin. Usted tambin puede
intentar incorporar las variables basadas en el orden de una ecuacin de la
regresin mltiple, las cargas factoriales en un factor interpretable (vase el
captulo del anlisis factorial), o una tcnica multivariada similar. Ese mtodo
puede simplificar y "homogenizar" el aspecto general de los conos que pueden
facilitar la identificacin de patrones escondidos. Puede tambin lograr algunos
patrones interactivos ms difciles de encontrar. No se pueden dar a este punto
ningunasrecomendacionesuniversales,conexcepcindequeintenteotromtodo
ms rpido (ordenar al azar) antes de involucrarse en un mtodo ms
desperdiciadordetiempo.
3.Siseencuentranalgunasregularidades,intenteidentificarlasentrminosdelas
variablesespecficasimplicadas.
4.Reasignelasvariablesalascaractersticasdelosconos(oseleccioneunode
los diagramas secuenciales del cono) para verificar la estructura identificada de
lasrelaciones (Ej., intente mover juntos losaspectos relacionados del cono ms
cercanoparafacilitarotrascomparaciones).Enalgunoscasos,enelfinaldeesta
fase se recomienda sacar las variables que no parecen contribuir al patrn
identificado.
5.Finalmente,utiliceunmtodocuantitativo(talcomounmtododelaregresin,
una valoracin no lineal, un anlisis de funcin discriminante, o un anlisis de
racimos) a la prueba, y cuantifique el patrn identificado o por lo menos algunos
aspectosdelpatrn.
100
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
TaxonomadeDiagramasdeconos
101
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
desecuenciapequeos(dediferentestipos).
CarasdeChernoff.Estetipodeconoesunacategoraporsmismo.Loscasos
son visualizados por las caras del diagrama esquemtico, de tale forma que los
valoresrelativosdelasvariablesseleccionadassonrepresentadosporvariaciones
decaractersticasfacialesespecficas.
102
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
las variables, que no se pueden observarse por ninguna otra tcnica. Esta
declaracinpuedeserunaexageracin,sinembargo.Tambin,debeseradmitido
que las caras de Chernoff son un mtodo que es difcil de utilizar, y requiere
mucha experimentacin con la asignacin de variables a las caractersticas
faciales.VeatambinlasTcnicasdeanlisisdedatos.
Estandardizacindevalores
Aexcepcindecasosinusuales,cuandoustedseproponequelosconosreflejen
las diferencias globales en rangos de valores entre las variables seleccionadas,
losvaloresdelasvariablessedebenestandardizarenlaescalaparaasegurarla
compatibilidad de rangos del valor dentro del cono. Por ejemplo, porque los
valoresdeljuegodedatossonmsgrandesqueelpuntodereferenciaglobaldel
escalamientoparalosconos,entonces,sihayvariablesqueestnenunagama
de orden mucho ms pequea, pueden no aparecer en el cono, Ej., en un
diagramadeestrella,losrayosquelosrepresentanserndemasiadocortospara
servisibles.
Aplicaciones
Losdiagramasdeconosongeneralmenteaplicables(1)alassituacionesdonde
uno desea encontrar patrones o racimos sistemticos de observaciones, y (2)
cuando uno desea explorar posibles relaciones complejas entre varias variables.
Elprimertipodeusoessimilaralanlisisderacimos,esdecir,puedeserutilizado
paraclasificarobservaciones.
Porejemplo,supongaqueustedestudilaspersonalidadesdeartistas,yregistr
lospuntajesparavariosartistasenunnmerodecuestionariosdelapersonalidad.
El diagrama puede ayudarle a precisar si hay racimos naturales de los artistas
distinguidos por los patrones particulares de conteos en diferentes cuestionarios
(Ej., usted puede encontrar que algunos artistas son muy creativos,
indisciplinados, e independientes, mientras que un segundo grupo son
103
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Elsegundotipodeuso(laexploracinderelacionesentrevariasvariables)esms
similaralanlisisfactorialesdecir,puedeserutilizadoparadetectarquvariables
tiendena"agruparse"Porejemplo,supongaqueustedestudiabalaestructurade
la opinin de la gente con coches. Varios sujetos terminaron los cuestionarios
detallados que clasificaban diferentes coches en numerosas dimensiones. En la
basededatosseregistranlospromediosencadadimensin(lasvariables)para
cadacoche(comocasosuobservaciones).
CuandoestudiaustedahoralascarasdeChernoff(cadacaraquerepresentalas
opiniones para un coche), si el precio fue asignado a sonrisa y aceleracin al
tamaodeorejas,puedeocurrirlequelascarassonrientestiendenatenerorejas
grandesentonceseste"descubrimiento"significaqueloscochesrpidossonms
costosos. Esto, por supuesto, es un ejemplo simple en anlisis de datos
exploratorios de la vida real, pueden llegar a ser evidentes las relaciones
complejasnoobviasentrelasvariables.
GrficasRelacionales
Losdiagramasdematrizvisualizanrelacionesentrelasvariablesapartirdeunao
dos listas. Si el software permite que usted marque subconjuntos seleccionados,
losdiagramasdematrizpuedenproporcionarlainformacinsimilarendiagramas
decono.
Sielsoftwarepermitequeustedcree,yqueidentifiquesubconjuntosdefinidospor
el usuario en diagramas de puntos, los diagramas de puntos 2D simples se
pueden utilizar para explorar las relaciones entre dos variables asimismo, al
explorar las relaciones entre tres variables, los diagramas de puntos 3D
proporcionanunaalternativaalosdiagramasdecono.
TiposdeGrficosdeconos
104
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Hayvariostiposdediagramasdecono.
Caras de Chernoff. Una "cara" separada se dibuja para cada caso los valores
relativosdelasvariablesseleccionadasparacadacasoseasignanalasformasy
alostamaosdelascaractersticasfacialesindividuales(Ej.,longituddelanariz,
ngulodecejas,anchuradelacara).
Estrellas.Losconosdeestrellassonuntipocirculardediagramadecono.Una
estrellaseparadasetrazaparacadacasocomoconolosvaloresrelativosdelas
variables seleccionadas en cada caso son representados (a la derecha,
comenzando en las 12:00) porlalongitud de rayos individuales en cada estrella.
Losextremosdelosrayossonconectadosporunalnea.
105
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Rayos de Sol. Los conos de rayos de sol son un tipo circular de diagrama
separado para cada caso, cada rayo representa una de las variables
seleccionadas(hacialaderecha,comenzandoenlas12:00),ylalongituddelrayo
representa elvalor relativo dela variable respectiva. Los valores de los datos de
lasvariablesparacadacasosonconectadosporunalnea.
Polgonos. Los conos de polgono son un tipo circular que se traza para cada
caso, y los valores relativos de las variables seleccionadas en cada caso son
representadosporladistanciadelcentrodelconoalasesquinasconsecutivasdel
polgono(aladerecha,comenzandoenlas12:00).
106
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Pasteles.Losconosdepastelsonuntipocirculardediagramadondelosvalores
de los datos para cada caso se trazan como grfica de pastel (a la derecha,
comenzando en las 12:00) los valores relativos de variables seleccionadas son
representadosporeltamaodelasrebanadasdelPastel.
107
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Lneas.Lalneaconosesuntiposecuencialdediagramadeconos.
108
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
conosenmarcados
109
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Todosloscasosquerenanlacondicindefinidaenelsubconjunto2(esdecir,los
casosparaloscualeselvalordeIristypesonigualesalavariableVirginic,ypara
los cules es menor el nmero del caso de 100) tendrn un marco diferente
alrededordelosconosseleccionados.
XXI. TCNICASDEREDUCCINDEDATOS
110
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Observequetalesmtodosdelareduccindesubjuegos(otamaodemuestra)
dibujan con eficacia una muestra escogida al azar de los subjuegos existentes.
Obviamente,lanaturalezadetalreduccindedatosesenteramentediferenteque
cuando los datos se reducen selectivamente a un subconjunto especfico o se
partenenlossubgruposbasadosenciertoscriterios(Ej.,elgnero,laregin,oel
nivel de colesterol). Los ltimos mtodos se pueden poner en ejecucin
recprocamente(Ej.,conelmtododecepilladoanimado),uotrastcnicas(Ej.,los
grficos categorizados o las condiciones de seleccin de casos). Todos estos
mtodos pueden ayudar posteriormente a identificar patrones en subjuegos
grandes.
XXII. ROTACINDEDATOS(ENESPACIO3D)
111
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
LigasparaconsultarlostiposdegrficasenStatistica
112
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
puntos
Histogramas Diagramasdepuntos
GrficasnD/cono
Lneas 3DTernarias
CarasdeChernoff
GrficasdePastel Contorno/rea
Columnas
Probabilidad Contorno/Lneas
Lneas
Probabilidad Desviacin 3D
Probabilidad Pasteles
Espaciales3D
QuantilQuantil Polgonos
Grficas2D
Rango Categorizadas Perfiles
Diagramasdepuntos ProbabilidadTendencial Estrellas
Secuencial/Estacas ProbabilidadMitad RayosdeSol
Normal GrficasMatriciales
Diagramadepuntos
Voronoi ProbabilidadNormal Columnas
Grficas3DXYZ Probabilidad
Lneas
Probabilidad
Contorno Diagramasdepuntos
QuantilQuantil
Desviacin
Diagramasdepuntos
Espaciales
113
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
APARTADOD. DIAGRAMAS
CORRELACIONALES
ASCC
XXIII. ELANLISISSISTMICOPORMEDIODE
CONSTELACIONESCORRELACIONALES
INTRODUCCIN
Lalecturadelosdatosessimplificadacuandosediagramanlasrelacionesentre
las variables, lo que permite concentrar la atencin en secuencias y
agrupamientosespecficos.
Porejemplo:
Tabladecorrelacincannicaentrelasvariablesde13y14aos.Correlaciones
significativas a p 0.01,r 0.2578, n=99.La fila superior corresponde alos 14
aosylaprimeracolumnaalos13.
1314REAFECT RMREGJU RMCONVP RMAUTIM RMSENPR RMDEBIE RMBIENO RMASERT REOPAYU REAPJUV REPADEF
REAFECT 0.27
RMREGJU 0.31 0.29
114
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
RMCOMRE 0.35
RMAUTIM 0.26
HNOCAST 0.28
REPOROB 0.28
RMSENPR 0.29
RMBIEMA 0.28 0.34 0.34
RMAYUDA 0.30 0.28
REACTIV 0.27 0.30
RESOCIA 0.29 0.26
RMBIENO 0.30 0.33 0.28
RMASERT 0.27
HAESIMP 0.27
HBUEXIG 0.27
REBUECO 0.28
REPROLE 0.32 0.29
REVALYS 0.35 0.36
REINVES 0.26 0.32
REAPADR 0.29 0.34
RECAMEJ 0.26 0.31 0.27
REAPCOM 0.32 0.30
REHEREN 0.26
Enundiagramalarepresentacinquedaradelasiguienteforma:
115
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
ARESOCIA
ARMAUTIM
BRMAUTIM BRMCONVP BRMBIENO
ARMSENPR
AREHEREN
AREAPCOM
BRMSENPR
AREINVES
AREBUECO
AREPROLE
BREAFECT
ARMCOMRE ARMASERT
AREVALYS
AHBUEXIG
BREOPAYU
AREACTIV
BRMREGJU
AREAPADR
ARMBIEMA ARMAYUDA
ARMREGJU
ARMBIENO
BREPADEF ARECAMEJ
BREAPJUV
BRMDEBIE
AREPOROB
116
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Elusodelossistemasdecmputohahechovariarlasmetodologasytcnicasde
investigacin, tanto en diversidad como en una significativa reduccin deltiempo
deejecucindelasmismas.
Una de las caractersticas que se denotan con mayor nfasis en el uso del
procesamiento por cmputo, es que cada vez en mayor medida se utiliza en la
tomadedecisiones.
Apuntescomplementariossobrelacorrelacinestadstica
117
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
relacionesquehayentredosomsvariablesquecovaranrecprocamente.Sihay
una mayor tendencia para variar conjuntamente, mayor correlacin habr entre
ambas,pudindosellegaraunacorrelacinperfecta.
sistema,yaquedesdesupuntodevistaestnunidosporcohesinycovarianza.
No habr de perderse de vista que la correlacin estadstica mide el grado de
intensidaddelaasociacinentrevariables,ynopuedehablarsedecausalidad,a
menosquesetenganevidenciasconsistentes.
Elestadsticormideelgradodecorrelacinentredosvariables,as,unvalorder=
1.00 indica una correlacin positiva perfecta, un valor de 1.00 expresa una
correlacinnegativaperfecta,entantoqueunvalorcorrelacionalde0(cero)indica
independencia total entre las variables, o falta de correlacin entre ellas. En las
ciencias sociales o en la naturaleza no suelen obtenerse correlaciones perfectas
debidoaltipodevariablesqueseestudianyalosinstrumentosdemedicinque
seutilizan,pudindoseencontrarcorrelacionesimperfectasdecincotipos:
1
1. Altasypositivas
2. Altasynegativas 3
3. Nulas Variable1 4
5
4. Bajasypositivas
2
5. Bajasynegativas Variable2
118
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Elcoeficientedecorrelacinpermitepredeciropronosticarunavariableapartirde
losvaloresobtenidosenlaotra.Deestaforma,elcoeficientedecorrelacinlineal
r,eslamedidadelafuerzaderelacinlinealentredosvariables,lamagnituddel
efectoquecualquiercambioenunavariableejerceotransmitesobrelaotraenun
sentidopositivoonegativo.
Elconocimientodecomovaraunelementoofenmenoconotrodelsistemahace
posible explicar la dinmica de una situacin o hacer predicciones, de esta
manera, con el conocimiento de la variacin conjunta (covariacin) se podra
controlarun hecho o fenmeno manipulando otro u otros elementos del sistema,
unaaspiracincientficaytecnolgicadelhombre.
DeacuerdoconSpiegel,M.(1991),hayvariostiposdecorrelacin:
b) Correlacinespuria.Esunacorrelacinsinsentidoqueseestableceentre
dosvariablesevidentementenorelacionadasenlarealidad.
d) CorrelacinMltiple.Eselgradodecorrelacinqueseestableceentretres
omsvariables.
119
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
podemosmencionaralgunascualidadesdediferentestiposdecorrelacin(S.E.P.
1985),comolassiguientes:
a)Lacorrelacinpositivaqueidentificatendenciasconcordantesdesentido.
Unacorrelacinpositivasignificaquelosindividuos(variables,elementosocasos)
que obtienen altas calificaciones en una variable, tienden a obtener altas
calificacionesenunasegundavariablesegnGonzlezAlans(1992).
Deacuerdoconelmismoautorlaclasedecoeficientedecorrelacinqueseusa,
dependedeltipodeescalaenlacualseexpresalavariabledelanaturalezadela
distribucin fundamental segn sea continua y discreta, ydela forma lineal o no
linealdeladistribucindelascalificaciones.Expresaademsque:
ElcoeficientedecorrelacindelproductomomentodePearson"r",sepuede
emplearconvariablesdeintervalooderazn.
Noencontrarevidenciadeunarelacinentredosvariables,atravsdelarde
Pearson,puedesignificarquelasvariablesestnrelacionadasenunaforma
distintadelarelacinlineal.
120
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Esconvenientequeparapoderleerlosresultadosestadsticamente,secontemple
cuando menos la siguiente clasificacin de relaciones de acuerdo a S.E.P. (Op.
Cit.):
1. Contingente:Fortuita
2. Casual:Alazaroaleatoria.
3. Causal:Determinacinunivariable.
5. Concausal.:Determinacinmultivariable.
6. Condicional:Causaspredisponentes,desencadenantesydeterminantesen
una funcin polivalente, diacrnica y sincrnica, en sus perspectivas
relacionales,longitudinales,transversaleseintegrales.
121
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Estohaimpactadodemanerarelevantealascienciasdelaeducacin,forzandoa
los investigadores a introducirse en los beneficios tecnolgicos que representan
los tratamientos cuantitativos para el manejo preciso de grandes volumenes de
informacin. En esta tcnica, que tiene carcter exploratorio, se pretende
precisamentemejorarlacalidaddelasdecisionestomadasenlaeducacinconel
auxilio de la estadstica y del cmputo, ampliando el acceso de usuarios a estos
beneficiostecnolgicos.
Descripcindelatcnicadeconstelacionescorrelacionales.
Antecedentesdelatcnica
122
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Porotraparte,seencontrquelatcnicadeASCCpodraservirparaexplicitarel
procesoeducativoenelaula,arrojandoinformacintilparalatomadedecisiones
ylaprevisinycontroldelasvariables,llevndolasaunprocesodedesarrolloy
pruebaensituacionescontingentes,dentrodeunamplioespectrodecondiciones
educacionales.
Lanecesidaddedepuraryprecisarlatcnicaparafacilitarlatomadedecisiones,
tanto de la organizacin escolar como de la prctica educativa, llev al autor a
usarlaensituacionesdiversas(RomeroDvila.A.1992yMuozLpez,T.1991),
ademsdeaplicarlaensutesisdoctoral(MuozLpez,T.1997).
Msadelantetambinpuedetrabajarsimulacionesconlaalteracindelosvalores
de alguna variable en estudio, antes de hacer los cambios en la realidad, por
ejemplo: Que sucedera si aumentamos el presupuesto destinado a la
capacitacin docente?, antes de programarlo en el gasto puede incrementar en
123
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
un,digamos20%,losvaloresdesubasededatosparasavariableyobservarel
efecto del cambio resultante sobre la correlacin con otras variables como el
aprovechamientoescolaroelporcientodeavancedeloscursos.
Laterminologarelativaalasconstelaciones
Probablementelapsicologaylosestudiosrelativosalcomportamientohanusado
entiemposmsrecienteselconceptodeconstelacinconmayorasiduidad(como
concepto, no como configuracin correlacional), sobre todo en sociogramas. Su
significado vara ampliamente y es utilizado para indicar situaciones donde se
presentanconjuntos,secuenciasuordenacionesderelacionesentrevariablesde
muydiversotipoynivelesdecomplejidad.
Entreotrosestudiossobre"constelaciones",M.Hiteyotros(1985),R.Williamsy
B. E. Compas (1988), R.W. Bradley en 1982, R. Scott y David A. Stone (1986),
Auvenshine (1987) yKreppner(1986)estudiaronconstelacionesfamiliares.
124
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Sepudieronencontraradicionalmenteesquemas metodolgicosquedieronideas
acerca del desarrollo de sta tcnica en trabajos como los de Peter H. Smith
(1981),sobrelaMovilidadPolticaenelMxicoContemporneohaciendousode
laprobabilidadestadstica.Tambinestnenlascorrelacionesentreespeciesde
125
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Elprocesoylaseleccindelosdatos
Esteltimoenlamayoradelosprogramaspuedeapareceralacabezadellistado
comopigualacero,osealaprobabilidadconquesepruebalahiptesisnula.En
lamedidaenqueaumenteelvalordep,aumentarlaprobabilidaddelerrorhasta
llegar a un mximo de 1. Otros programas dan el nivel de significancia, como
anlogoalaprobabilidad,quenosindicaquehayescasaprobabilidad(p<0.05)de
quelarelacinencontradasedebaalazar.
Dadoqueustedrequieretrabajarconunaltoniveldeprecisin,paraelcasodep
igual a cero se procede a seleccionar las variables marcando en los listados las
quetenganvaloresigualesomenoresde0.05deprobabilidaddeerror,omejorp
igual o menor ( ) que 0.01 de probabilidad de error, de acuerdo al criterio del
investigador,criterioqueparatodosloscasosnecesitaserelmismoyprecisadoal
principiodelainvestigacin.
126
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Losvaloresaceptablesderquesebuscaobtenerdependendeltamaodela
muestra.A muestras msgrandeselvalorderaceptableesmenoryviceversa.
Usted necesitar saber stos valores antes de leer los datos para saber cuales
sonlascorrelacionesaceptables,paralocualsepresentanenlaTabla2,donde
sebuscaelvalorderaceptablesegnelniveldeprobabilidaddeerrorquehaya
fijado.
Tabla2.Valoressignificativosderparadiferentestamaosdemuestras(n),representadosporlos
gradosdelibertad(g.l.).Laprobabilidaddeerror(p)aceptadaesde0.05o0.01.
g.l.(n rcon rcon g.l.(n rcon rcon
2) p=0.05 p=0.01 2) p=0.05 p=0.01
1 0.997 1.000 24 0.388 0.496
2 0.950 0.990 25 0.381 0.487
3 0.878 0.959 26 0.374 0.478
4 0.811 0.917 27 0.367 0.470
5 0.754 0.874 28 0.361 0.463
6 0.707 0.834 29 0.355 0.456
7 0.666 0.798 30 0.349 0.449
8 0.632 0.765 35 0.325 0.418
9 0.602 0.735 40 0.304 0.393
10 0.576 0.708 45 0.288 0.372
11 0.553 0.684 50 0.273 0.354
12 0.532 0.661 60 0.250 0.325
13 0.514 0.641 70 0.232 0.302
14 0.497 0.623 80 0.217 0.283
15 0.482 0.606 90 0.205 0.267
16 0.468 0.590 100 0.195 0.254
17 0.456 0.575 125 0.174 0.228
18 0.444 0.561 150 0.159 0.208
19 0.433 0.549 200 0.138 0.181
20 0.423 0.537 300 0.113 0.148
127
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Forma1.Listadodevariablescorrelacionadasenunestudiolosinteresesyhbitosdelosalumnos
deunaescuelatcnicaforestaldenivelmediosuperior.
Variable Variablescorrelacionadas3
1.IntersporAct.alairelibre 4,5,10,11,12,13,16.
2.Intersmecnico 9,11.
3.Intersporelclculo 9
4.Interscientficos 1,8,11,12,14,16,19.
5.Interspersuasivo 1,6,16.
6.Intersartstico 5,8,13,17.
7.Intersliterario Sinvariablescorrelacionadas.
8.Intersmusical 4,6.
9.Intersporserviciosocial 2,3.
10.Intersdeoficina 1,16,24,27.
11.Coeficienteintelectual 1,2,4,12,19.
12.Promediodehbitosyhabilidades(13a21) 1,4,11,13a21.(nosegrafica)
13.Motivacinparaestudiar 1,6,12,16,17.
14.Organizacindeltiempo 4,12.
15.Concentracin 12,18,20,21.
16.Lecturadetextos 1,4,5,10,12,12,19,20.
17.Elaboracindeapuntes 6,12,13.
18.Redaccindeensayoseinformes 12,15,18,21.
19.Disponibilidaddemateriales 4,11,12,16,18.
20.Revisindecontenidosvistos 12,13,15,16,21.
21.Preparacindeexmenes 12,15,18,20.
22.MemorizacinyTransf.deConocimientos Sinvariablescorrelacionadas.
Altrminodellistadosepuedenseleccionarlasvariablesquetienenunarelacin
espuria(porcarecerdesentidoonoposiblesenlarealidad),labordelimpiezaque
nos dejar menos relaciones y por lo tanto, menos trabajo al elaborar
posteriormenteeldiagramadelsistema.
3
Lascorrelacionesnegativasenelconcentradodedatossemarcansubrrayndolas.
128
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Elaboracindelasconstelacionescorrelacionales
3) Sedibujancrculosquesemejanladisposicindelashorasenunacartulade
reloj(verFigura2),tantoscrculoscomovariablesexistanydentrodeellosse
anota el nmero de la variable (puede ponerse texto, pero ste tiene la
desventajadeocupardemasiadoespacioqueenestepasopuedeahorrarse).
1
22 2
21 3
20 4
19 5
18
6
17 7
16 8
15 9
10
14
13 1
12
Figura2.Variablesdispuestasinicialmenteenformadecartuladereloj.Elejemplocorrespondeal
estudiodelperfildelalumnodenivelmediosuperiordelaEscuelaForestaldelaSARHenSaltillo
durante1990.
129
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
5) Haciendousodelaimaginacin,pensemosquelaslneassonhilosmvilesy
elsticos que unen las variables. Esto, en una hoja de papel o pizarrn, nos
permite desplazar fcilmente primero aquellas variables (crculo numerado)
que tengan menos relaciones (1 o 2 lneas) hacia espacios externos a la
cartula del reloj, cerca de las variables con las que se relacionan. Ser
necesarioborrarlasyredibujarlasenlanuevaposicin,iniciandopormovera
aquellas variables que tienen pocas lneas o relaciones (Figura 4). Repita el
procesoconotrasvariables.
1
22 2
21 3
20 4
19 5
18
6
17 7
16 8
15 9
10
14
13 11
12
Figura3.Lneasquedenotanlascorrelacionesentrelasvariables.Lascorrelacionespositivasson
lneasslidasylasnegativaspunteadas.
6) Buscamosqueeneldiseofinalnoexistaningunalneaquesesobrepongaa
otra, o sea, lneas cruzadas. Ahora procuremos mover las variables de los
crculos numerados que tengan ms relaciones al centro de la cartula
imaginaria inicial en todos los casos posibles. Como se puede observar, la
longitud de las lneas variar con los cambios de posicin, esto no es
importante, pero poco a poco nos llevar a que el sistema o modelo se
flexibiliceyvayatomandosupropiaconfiguracin.
130
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
10 1
14
21
15
20 4
8
19 5
18
22
16
17
12
7 13 11 2 9 3
Figura4.Resultadodelaprimeradescomposicindevariables.
7) Elcrucedelaslneastienequeserresueltoensutotalidad,situacinquese
complica si tenemos muestras demasiado grandes, dado que tendremos
numerosasrelacionesconbajosvalorescorrelacionalesperoconunaltonivel
designificancia.
8) Ahorasepuedeprocederaanotarenelextremodelalneaunapuntaquela
convierta en flecha, lo que indicar la posibilidad de una relacin de
condicionalidadeinfluenciadeunasvariablessobreotras.Sinperderdevista
quedeseamosestructurarunsistemaexplicativo,elcriterioquellevaimplcita
ladireccindelaflechaeseldetemporalidad ,oseaquesepresuponeyse
tieneevidenciadelaexistenciapreviaylainfluenciadeunavariable(fuentede
laflecha),paraquesucedaunarespuestaenotra(destinodelaflecha).Sino
tiene evidencia terica o emprica de la temporalidad y/o de la supuesta
condicin previa de las variables para el caso especfico que estudia, evite
indicarlosdireccionamientos,slodibujelalnea.
131
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
6
5
13
17
1 8
16 10
11 2
4
9
20 14
3
15 21
19
7 12 22
18
Figura5.Constelacincorrelacionalajustandolaposicindelasvariables.
Dado que estamos trabajando con una correlacin entre mltiples variables,
generalmentelaexpresindeunadeellasestcondicionadaporunnmeroque
puedesermuygrandedevariables,ysepresumeporlotantoquesobreellano
hay un efecto puro o nico. Podemos decir que esperamos una
multicondicionalidad(verFigura5ylafinalFigura6),yavecespermanecenlneas
cruzadasqueimplicanunaconfiguracinenterceradimensin.
132
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
6
5
13
17
1 8
16 10 2
11
4
9
20 14
3
15 21
19
7 12 22
18
Figura6.Resultadodelaconstelacincorrelacionalfinal.
1 1
16 8 20 4
16
4
19 5
14 11
19 10
Figura7.Ejemplodecorrelacionesconunavariabledeintersenelcentro.
Lecturadelasconstelaciones
133
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Esnecesarioquealfinaldelalecturadelosresultadosreconsiderelaclasificacin
originaldelasvariablesysupertenenciaaunadeterminadacategoraovariable
compleja. En la grfica elaborada es tambin recomendable dejar anotadas las
variablesaisladas(lasquenoresultaroncorrelacionadasconotras)yrevisarque
noestnpresenteslascorrelacionesespurias,sinsentidooilgicas.
134
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Porotraparte,sistatcnicaseaplicaeninvestigacionescientficasformales,no
precisamente en las operacionales y diagnsticos, evite el uso de las flechas y
explorelainformacinconotrosestadsticos.
Lasconclusionesysuvalidezexterna
Otraformadepresentarlaexplicacindelosresultadosesmediantelaobtencin
deconclusionesquesintetizanlalecturafinal.Paraconcluirnecesitamosprimero
reunirlosenunciadosdelosresultadosqueserefierenaunmismotpico.
135
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Consideracionesfinales
Latomadedecisionessepuedederivarfcilmentedelalecturadelaconstelacin
correlacional obtenida, sin embargo, el sistema o configuracin logrado debe ser
136
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
estudiado cuidadosamente para ver las variables que podemos manipular para
lograrlosresultadosdeseados.
Latcnicaquesepresentapuedeserllevada,conloslmitesdesuimaginaciny
susnecesidades,alatomadedecisionesenotroscamposdelaadministracin,la
investigacindelosfenmenosnaturales,algunoscasosdeproduccindebienes
oestudiossociales.
Literaturadeconsulta
AgenciaparaelDesarrolloInternacional.1971.ConferenciassobreMuestreo.
Cursosuplementarioparaunestudiodecasosobreencuestasycensos.
Versinenespaol.BureauofCensus.U.S.DepartmentofCommerce.
AmericanPsychologicalAssociation.1999.Electronicreferenceformats
recommendedbytheAmericanPsychologycalAssociation.(1999,
November19).Washington,DC.RetrievedNovember3,2000from:
http://www.apa.org/journals/webref.html
Campbell,StephenK.1990.EquvocosyFalaciasenlaInterpretacinde
Estadsticas.Primerareimpresin.Ed.Limusa.Mxico.
Cochran,WilliamC.1985.Tcnicasdemuestreo.Ed.CECSA.Mxico.
ColegiodepostgraduadosdeChapingo.1996.Guaparaautores.Agrociencia
30:4.601610pp.
Forns,M.,T.Kirchner,yM.Torres.(1991).Principalesmodelosdeevaluacin
psicolgica.L'estudid'enllopBarcelona.
GarcaSantos,Aguinaldo.1990.Muestreo.Apuntesparalamaestraen
ProductividaddelaUANEylaMaestraenEducacindelaU.A.deC.
Saltillo.
137
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Gibaldi,Joseph,andWalterS.Achtert.MLAHandbookforWritersofResearch
Papers,3rded.NY:MLA,1988
Isebrands,J.G.yT.R.Crow.1975.Introductiontousesandinterpretationof
PrincipalComponentAnalysisinForestBiology.GeneraltechnicalReport.
USDAForestService.St.Paul,Minnesota.
Krejcie,R.V.andD.W.Morgan.1970.Determiningsamplesizeforresearch
activities.EducationalandPsychologicalMeasurement.30,607610pp.
Li,Xia,andNancyCrane.ElectronicStyle:AGuidetoCitingElectronic
Information.Westport:Meckler,1993.
Ludwig,JohnA.andJamesF.Reynolds.1988.StatisticalEcology.Aprimeron
methodsandcomputing.JohnWiley&Sons.NewYork.
Mendenhall,William.1982.Introduccinalaprobabilidadylaestadstica.
WadsworthInternacional/Iberoamrica.Belmont.
ModernLanguageAssociation(MLAonline).2002.AWriter'sPracticalGuideTo
MLADocumentation.http://ccc.commnet.edu/mla/practical_guide.htm.
MuozLpez,Temstocles.1999.Recomendacionesparaelaborarun
cuestionariodeinvestigacinoparaevaluacinencienciassociales.
PerfilesAo2,Nmero12.CoordinacinGeneraldeEstudiosdePostgrado
eInvestigacin.UniversidadAutnomadeCoahuila.Saltillo.
MuozLpez,Temstocles.2000.Apuntessobremuestreo.Perfiles.Ao3,
Nmero15.CoordinacinGeneraldeEstudiosdePosgradoe
Investigacin.UniversidadAutnomadeCoahuila.Saltillo.Artculo.
NCSS2000.1999.NCSSandPASSTrial.UsersGuide.Utah.
Pla,LauraE.1986.Anlisismultivariado:MtododecomponentesPrincipales.
Monografa.SecretaraGeneraldelaO.E.A.ProgramaRegionalde
DesarrolloCientficoyTecnolgico.Washington.
RojasSoriano,R.1982.GuapararealizarInvestigacionesSociales.Textos
Universitarios.UNAM.Mxico.
RomeroDvila,MaraAntonieta.1992.LacapacitacinenelIMSSDelegacin
Coahuila,conlatcnicadeAnlisisSistmicopormediodeConstelaciones
Correlacionales.TesisdeLicenciatura.Fac.deCienciasdelaEducaciny
Humanidades.U.A.deC.,Saltillo.
S.E.P.Coahuila.1985.ProgramaIntegraldeInvestigacinEducativa.Saltillo.
138
Dr.TemstoclesMuozLpez
RepresentacionesGrficas
Selltiz,C.,L.S.WrightsmanyS.W.Cook.1980.Mtodosdeinvestigacinenlas
relacionessociales.EdicionesRIALP.Madrid.
Smith,PeterH.1981.LamovilidadpolticaenelMxicoContemporneo.In.
LecturasdepolticaMexicana.CentrodeEstudiosInternacionales.El
ColegiodeMxico.Mxico.
StatSoft,Inc.(1997).STATISTICAforWindows[Computerprogrammanual].
Tulsa,OK:StatSoft,Inc.,2300East14thStreet,Tulsa,OK74104,phone:
(918)7491119,fax:(918)7492217,email:info@statsoft.com,WEB:
http://www.statsoft.com
StatSoft,Inc.(2003).ElectronicTextbook.Glossary.
http://www.statsoft.com/textbook/stathome.html
StatSoft,Inc.(2003).ElectronicTextbook.GraphicalTechniques.
http://www.statsoft.com/textbook/stathome.html
Young,Robertk.yDonaldJ.Veldman.1981.Introduccinalaestadsticaaplicada
alascienciasdelaconducta.2edicin.Ed.Trillas.Mxico.
139
Dr.TemstoclesMuozLpez