Académique Documents
Professionnel Documents
Culture Documents
De Pascal se dice que es un lenguaje fuertemente tipeado. Esto quiere decir que todos
los datos deben de tener un tipo declarado explícitamente, y además que existen ciertas
restricciones en las expresiones en cuanto a los tipos de datos que en ellas intervienen.
Una ventaja de los lenguajes fuertemente tipeados es que se gasta mucho menos
esfuerzo en depurar (corregir) los programas gracias a la gran cantidad de errores que
detecta el compilador.
Los tipos de datos, como casi todos los objetos de Pascal, se pueden declarar. La
declaración de tipos ya se comentó en el tema correspondiente a la estructura de un
programa.
En Pascal existen gran variedad y cantidad de tipos de datos. Pero en este tutorial sólo
se trataran los básicos para que puedas ir construyendo tus primeros programas.
Existen muchas clasificaciones para los tipos de datos, y dependiendo de la fuente que
mires, te mostrarán una u otra. A continuacón tienes una de las posibles clasificaciones.:
Dinámicos
Estáticos
o El tipo cadena
o Estructurados
o Simples
Ordinales
No-ordinales
Tipos estáticos
Casi todos los tipos de datos son estáticos, la excepción son los punteros y no se tratarán
debido a su complejidad.
Que un tipo de datos sea estático quiere decir que el tamaño que ocupa en memoria no
puede variar durante la ejecución del programa. Es decir, una vez declarada una variable
de un tipo determinado, a ésta se le asigna un trozo de memoria fijo, y este trozo no se
podrá aumentar ni disminuír.
Tipos dinámicos
Dentro de esta categoría entra sólamente el tipo puntero. Este tipo te permite tener un
mayor control sobre la gestión de memoria en tus programas. Con ellos puedes manejar
el tamaño de tus variables en tiempo de ejecución, o sea, cuando el programa se está
ejecutando.
Los punteros quizás sean el concepto más complejo a la hora de aprender un lenguaje de
programación, sobre todo si es el primero que aprendes. Debido a esto, no lo trataremos.
Además, lenguajes que están muy de moda (por ejemplo Java) no permiten al
programador trabajar con punteros.
Tipos simples
Como su nombre indica son los tipos básicos en Pascal. Son los más sencillos y los más
fáciles de aprender. Por todo esto, serán en los que nos centremos.
Los tipos simples más básicos son: entero, lógico, carácter y real. Y la mayoría de los
lenguajes de programación los soportan, no como ocurre con los estructurados que
pueden variar de un lenguaje a otro.
Tipos estructurados
Mientras que una variable de un tipo simple sólo referencia a un elemento, los
estructurados se refieren a colecciones de elementos.
Las colecciones de elementos que aparecen al hablar de tipos estructurados son muy
variadas: tenemos colecciones ordenadas que se representan mediante el tipo array,
colecciones sin orden mediante el tipo conjunto, e incluso colecciones que contienen
otros tipos, son los llamados registros.
Tipos ordinales
Dentro de los tipos simples, los ordinales son los más abundantes. De un tipo se dice
que es ordinal porque el conjunto de valores que representa se puede contar, es decir,
podemos establecer una relación uno a uno entre sus elementos y el conjunto de los
números naturales.
Tipos no-ordinales
Simplificando, podríamos reducir los tipos simples no-ordinales al tipo real. Este tipo
nos sirve para declarar variables que pueden tomar valores dentro del conjunto de los
números reales.
A diferencia de los tipos ordinales, los no-ordinales no se pueden contar. No se puede
establecer una relación uno a uno entre ellos y los número naturales. Dicho de otra
forma, para que un conjunto se considere ordinal se tiene que poder calcular la posición,
el anterior elemento y el siguiente de un elemento cualquiera del conjunto.¿Cuál es el
sucesor de 5.12? Será 5.13, o 5.120, o 5.121, ...
Después de ver una de las posibles clasificaciones para los tipos de datos, pasemos a ver
los que nos interesan: los tipos simples. Realmente de los tipos simples veremos los más
básicos, que son: integer, boolean, char y real. Además, también hablaremos un poco de
las cadenas de caracteres, los llamados strings.
Como ya habrás leído el tipo de datos entero es un tipo simple, y dentro de estos, es
ordinal. Al declarar una variable de tipo entero, estás creando una variable numérica que
puede tomar valores positivos o negativos, y sin parte decimal.
Controlar un bucle
Usarlas como contador, incrementando su valor cuando sucede algo
Realizar operaciones enteras, es decir, sin parte decimal
Y muchas más...
type
tContador = integer;
var
i : tContador;
n : integer;
begin
n := 10; (* asignamos valor al maximo *)
i := 1; (* asignamos valor al contador *)
El tipo de datos lógico es el que te permite usar variables que disponen sólo de dos
posibles valores: cierto o falso. Debido a esto, su utilidad salta a la vista, y no es otra
que variables de chequeo. Nos sirven para mantener el estado de un objeto mediante
dos valores:
si/no
cierto/falso
funciona/no funciona
on/off
etc.
type
tLogico = boolean;
var
llueve : tLogico; (* si llueve o no *)
paraguas : boolean; (* si encuentro o no el paraguas *)
begin
(* aqui se determinarian los valores de "llueve" y
"paraguas" *)
Como ya has visto, Pascal soporta el conjunto entero de números. Pero no es el único,
también te permite trabajar con números pertenecientes al conjunto real.
El tipo de datos real es el que se corresponde con los números reales. Este es un tipo
importante para los cálculos. Por ejemplo en los estadísticos, ya que se caracterizan por
tratar fundamentalmente con valores decimales.
nota: Aunque pueda que estés acostumbrado a escribir con coma los decimales, te
advierto que en Pascal y en todos los lenguajes de programación se escribe con un
punto. Por ejemplo: 3.1416
A continuación tienes un ejemplo en el que se utiliza el tipo real. En el puedes ver las
dos formas de declarar una variable real, y tambíen el uso de una constante real. Por si
tienes curiosidad, el resultado de ejecutar el programa compilado es:
El area para un radio de 3.14 es 63.6174
const
pi = 3.1416;
type
tArea = real;
var
A : tArea; (* area *)
R : real; (* radio *)
begin
R := 4.50;
A := pi * R * R; (* calculamos el area *)
Con el tipo carácter puedes tener objetos que representen una letra, un número, etc. Es
decir, puedes usar variables o constantes que representen un valor alfanumérico. Pero
ojo, cada variable sólo podrá almacenar un carácter.
Sin embargo, con las cadenas de caracteres (strings) puedes contener en una sóla
variable más de un carácter. Por ejemplo, puedes tener en una variable tu nombre.
type
tNombre = string[10]; (* puede almacenar 10 caracteres
*)
var
nombre : tNombre; (* variable para almacenar el
nombre *)
letra_NIF : char; (* caracter para contener la letra del
NIF *)
begin
nombre := 'Beni';
letra_NIF := 'L';
A continuación se presenta un ejemplo con el que puedes interactuar para que veas de
forma más amena alguno de los conceptos sobre los tipos de datos.
En el ejemplo tienes en la parte izquierda el código del programa, y en la derecha la
parte con la puedes jugar. Esencialmente, lo que tienes que hacer es:
program Prueba;
type
tNumero = integer;
tLogico = boolean;
tCaracter = char;
tCadena = string[5];
var
numero : tNumero;
cadena : tCadena;
char_A, char_B : tCaracter;
logico_A, logico_B : tLogico; Suerte!!
begin
(* aqui se iniciarian las vars. *)
(* ... *)
logico_A := numero > 3;
logico_B := numero < 6;
if logico_A and logico_B then
cadena := char_B
else
cadena := char_A;
end.
ESTADÍSTICA DESCRIPTIVA
Un método para iniciar el análisis exploratorio de los datos, previo al uso de los
métodos estadísticos tradicionales, y que además proporciona información rápida, visual
y es relativamente nueva, es la representación gráfica de tronco y hoja. Esta
representación se basa en la ordenación de los datos a manera de gráfico, pero sin llegar
a ello, utilizando las decenas y las unidades.
78 93 61 100 70 83 88 74 97 72
66 73 76 81 83 64 91 70 77 86
Ahora pensaremos en cada uno de los datos separando las decenas de las unidades, es
decir, el número 51 se verá como 5 | 1. De esta manera las decenas se pondrán en una
columna, en forma vertical, y las unidades a su derecha:
6 1 6 4
7 8 0 4 2 3 6 0 7
8 3 8 1 3 6
9 3 7 1
10 0
Para entenderle un poco más, hemos de decir que el primer renglón que dice 6 | 1 6 4
quiere decir que entre la lista de datos se encuentran los valores 61, 66 y 64.
Esta es la representación gráfica tronco y hoja, donde cada renglón es una posición de
tronco y cada dígito de la derecha es una hoja.
Además, si se desean tener los datos ordenados, y hay gente que lo prefiere así, se
pueden ordenar las hojas en cada renglón para que la representación quede como sigue:
6 1 4 6
7 0 0 2 3 4 6 7 8
8 1 3 3 6 8
9 1 3 7
10 0
6- 1 4
6+ 6
7- 0 0 2 3 4
7+ 6 7 8
8- 1 3 3
8+ 6 8
9- 1 3
9+ 7
10- 0
Con esto se han duplicado el número de posiciones del tronco, con la intención de
buscar una mayor claridad en la presentación.
Esta manera de representación inicial de los datos no la profundizaremos más, sino que
la utilizaremos más adelante en algunos casos para, precisamente, presentar una
representación inicial de la información obtenida.
2. Población y muestra
Algo importante que hay que mencionar es que no siempre se trabaja con todos los
datos. Ésto por diversas razones, que pueden ser desde prácticas hasta por economía.
Por ejemplo, resultaría muy costoso obtener los datos de todos los seres humanos, o
impráctico (y a la vez destructivo) obtener como datos el tiempo en el que se funden las
bombillas producidas por una cierta marca realizando la medición de toda la
producción. El estudio conduciría a la empresa a la ruina, pues la producción entera
desaparecería.
Por esta razón se considera un subconjunto del total de los casos, sujetos u objetos que
se estudian y que se les obtienen los datos. La población, entonces, es el total hipotético
de los datos que se estudian o recopilan. Ante la imposibilidad ocasional de conseguir a
la población, entonces se recurre a la muestra, que viene siendo un subconjunto de los
datos de la población, pero tal subconjunto tiene que contener datos que pueden servir
para posteriores generalizaciones de las conclusiones. Un estudio más detallado de las
características de las muestras para permitir tales generalizaciones se realizará más
adelante.
2.2. Parámetros y estadísticos
Para el caso de las poblaciones, las medidas que las descriven se denominan
parámetros, y suelen estar representadas con letras griegas (por ejemplo m y s). Por
otro lado, para el caso de aquellas medidas que describen a una muestra se les llama
estadísticos o estimadores, y son representados por letras de nuestro alfabeto (por
ejemplo, x o s).
3 y 4. Datos sin agrupar / Medidas de tendencia central para datos sin agrupar
David Lane de la Universidad Rice (Rice Virtual Lab in Statistics) tiene un applet que
demuestra las propiedades básicas de la media y la mediana.
Puedes realizar un ejercicio calculando las medidas de tendencia central para una
población de tamaño 20 haciendo click en el botón de la derecha.
7. Datos agrupados
8. Distribuciones de frecuencias
9. Representaciones gráficas
Hay un punto que conviene remarcar: existe software que permite la construcción rápida
y eficiente de gráficas a partir de bases de datos o hojas de cálculos, pero no importa
cuán bonita, bien delineada, bien coloreada o bien presentada esté una gráfica, si no se
han tomado en cuenta consideraciones de este tipo que tienen que ver más sobre el
objetivo de estas herramientas y la Estadística: la transmisión eficiente de la
información.
Es importante observar que resulta difícil utilizar este tipo de representación cuando
existen intervalos abiertos o cuando los intervalos no son iguales entre sí.
Un tipo de gráfico muy parecido al histograma es la gráfica de columnas. Para este tipo
de gráfica, elaboradas con rectángulos también, se pide que sus bases sean del mismo
ancho y sus alturas equivalentes con las frecuencias. Para este tipo, a diferencia del
histograma, no es necesario tener una escala horizontal continua, por lo que los
rectángulos (o barras) no tienen que aparecer juntas entre sí.
donde se representa el porcentaje del PIB gastado en docencia e investigación por cinco
países en el lapso de 1988 a 1999 (fuente: Revista "Ciencia y Desarrollo", 1994,
XIX(114):12). Es importante considerar que este tipo de gráficos puede complicarse
mucho, haciendo que la información sea menos legible.
Es muy común que este tipo de gráficos se utilicen para ilustrar el tamaño de una
población dividida en estratos como, por ejemplo, son sus edades. El ejemplo que se
presenta es la población de un país ficticio llamado "Timbuctulandia":
Cuando los datos se relacionan entre sí, es decir, cuando podemos decir que existe cierta
continuidad entre las observaciones (como por ejemplo el crecimiento poblacional, la
evolución del peso o estatura de una persona a través del tiempo, el desempeño
académico de un estudiante a lo largo de su instrucción escolar, las variaciones
presentadas en la medición realizada en algún experimento cada segundo o minuto) se
pueden utilizar las gráficas de líneas, que consisten en una serie de puntos trazados en
las intersecciones de las marcas de clase y las frecuencias de cada una, uniéndose
consecutivamente con líneas:
Este ejemplo muestra el comportamiento del peso corporal (en kilogramos) de dos
individuos a lo largo de cinco observaciones anuales. Al igual que en el caso de las
gráficas de columnas (y de otras más) es posible presentar varias series de
observaciones (en este caso cada serie de observaciones son los pesos de un individuo).
Otra forma de representación de un uso menos común, y muy parecida a las gráficas de
líneas, es el polígono de frecuencias. La diferencia fundamental entre ambas es que en
el polígono de frecuencias se añaden dos clases con frecuencias cero: una antes de la
primera clase con datos y otra después de la última. El resultado es que se "sujeta" la
línea por ambos extremos al eje horizontal y lo que podría ser una línea separada del eje
se convierte, junto con éste, en un polígono.
Una gráfica similar al polígono de frecuencias es la ojiva, pero ésta se obtiene de aplicar
parcialmente la misma técnica a una distribución acumulativa y de igual manera que
éstas, existen las ojivas mayor que y las ojivas menor que.
Existen dos diferencias fundamentales entre las ojivas y los polígonos de frecuencias (y
por ésto la aplicación de la técnica es parcial):
La ojiva mayor que (izquierda) se le denomina de esta manera porque viendo el punto
que está sobre la frontera de clase "4:00" se ven las visitas que se realizaron en una hora
mayor que las 4:00 horas (en cuestiones temporales se diría: después de las 4:00 horas).
De forma análoga, en la ojiva menor que la frecuencia que se representa en cada
frontera de clase son el número de observaciones menores que la frontera señalada (en
caso de tiempos sería el número de observaciones antes de la hora que señala la
frontera).
El ejemplo que se presenta es la comparación del total de las especies de las familias del
orden Carnivora y las que están amenazadas, en México, (fuente: Revista "Ciencia y
Desarrollo", 1994, XIX(114):58):
Por ejemplo, para ilustrar la matrícula en licenciatura (en México) por áreas de
conocimiento en el año de 1992 se puede usar algo así como sigue (Fuente:
ANUIES,1995):
De hecho, si se desea resaltar una de las categorías que se presentan, es válido tomar esa
"rebanada" de la gráfica y separarla de las demás:
Hay que tomar algunas precauciones al utilizar este tipo de gráficos. Por un lado,
comparar dos gráficos circulares (por ejemplo, si se quisieran comparar las proporciones
de matrículas en licenciatura por áreas de conocimiento en licenciatura para dos años
distintos) resulta muy difícil y, por tanto, no es muy aconsejable.
Por otro lado, en ocasiones existen categorías con pocas frecuencias (por ejemplo, dos o
tres con frecuencias relativas menores al 1% cada una), haciendo que la gráfica resulte
"pesada" y las etiquetas se encimen. Una posible solución es juntarlas en una sola
categoría (por ejemplo, la típica "otras" o "varias"), pero entonces habría que ponderar
si se hace una gráfica extra con dichas observaciones únicamente, haciendo la anotación
pertinente, o simplemente se ignoran por no resultar significativas.
Actualmente, y mucho en los medios masivos de comunicación, se utilizan gráficos para
ilustrar los datos o los resultados de alguna investigación. Regularmente se utilizan
dibujos para representar dicha información, y el tamaño o el número de estos dibujos
dentro de una gráfica queda determinado por la frecuencia correspondiente. A este tipo
de gráfica se le llama pictograma y éstos son dos ejemplos:
Las versiones del Excel 7.0 y anteriores no tienen opciones para realizar este tipo de
gráficas, las posteriores sí. Otros programas contemporáneos (como el Corel Draw o el
Harvard Graphics) sí son capaces.
Uno de los usos de este tipo de gráficas es precisamente encontrar si las observaciones
siguen algún patrón lineal (una línea de tendencia) o si existen valores atípicos. Para el
caso del Excel, el programa es capaz de graficar las líneas de tendencias que siguen un
conjunto de datos.
Un tipo de gráfico similar a las gráficas de dispersión son las gráficas de burbujas, en
las cuales se presenta la dispersión de las observaciones de la misma forma que
aquéllas, pero se le añade la posibilidad de visualizar otra variable representada en el
tamaño del punto, pues éstos se convierten en círculos (burbujas) con radios
proporcionales a las magnitudes que representan.
Este ejemplo compara la distancia que existe en cada uno de los planetas interiores de
nuestro sistema solar al Sol contra el tiempo que necesitan para recorrer sus órbitas, y el
tamaño de las burbujas indica la masa de cada planeta.
Además existen otros tipos de gráficos, cada uno con características particulares que les
proporcionan cierta intencionalidad para su uso, como son las gráficas de radar y las
gráficas polares.
GRÁFICO DINÁMICO
Un gráfico dinámico va un paso más allá de los gráficos de Google Analytics y ofrece
un análisis multidimensional de todos los indicadores en un solo informe. Los datos se
representan en cuatro dimensiones distintas, con lo cual usted podrá identificar tanto
oportunidades únicas como anomalías de la forma más rápida y fácil.
Para empezar a utilizar el gráfico dinámico, siga los pasos que se indican a
continuación:
1. Haga clic en el icono "Visualizar" de cualquier informe que contenga una tabla
con datos segmentados. Si lo desea, puede volver a la vista tradicional de los
gráficos de sus Informes de Analytics seleccionando uno de los informes del
menú de la izquierda. Para este ejemplo, utilicemos el Informe de palabras clave.
2. Una vez cargado el gráfico dinámico, verá una serie de burbujas. Cada una de
ellas representa una palabra clave distinta.
3. Seleccione las cuatro dimensiones para representar los datos: eje X, eje Y, color
y tamaño. Haga clic en cada control para ver el menú de los indicadores que
puede seleccionar. Cuando haya habilitado los cuatro indicadores, coloque el
puntero del ratón encima de una burbuja para obtener su valor numérico.
4. Haga clic en "Reproducir" en la parte inferior del gráfico para ver el rendimiento
de las palabras clave en el transcurso del tiempo. Si hace clic en una burbuja y
selecciona la casilla de rastros bajo el indicador de tamaño, puede planificar el
movimiento de una burbuja en el transcurso del tiempo.