Tema 3 Tratamiento de Datos

Tema 3 TRATAMIENTO DE DATOS
TRATAMIENTO DE DATOS
TEMA 3.- TRATAMIENTO DE LOS

DATOS EN CARTOGRAFA
MTICA
Cartografa Temtica y Topografa Subterrnea
Pgina n 1

1.- OBJETIVOS
Estudio de los mtodos y tcnicas estadsticas bsicas para el conocimiento cientfico de la
realidad social y su posterior plasmacin cartogrfica.
Conocer las condiciones de aplicacin de las diferentes medidas estadsticas.
Evaluar los diferentes mtodos de clasificacin para la realizacin de cartografa temtica.
Pgina n 2

2.- GENERALIZACIN ESPACIAL Y TEMTICA
Tratamiento: Comprende todas las operaciones que se realizan con los datos tras su adquisicin
hasta que toman forma cartogrfica
Desde la obtencin de coordenadas, hasta complejas tcnicas de tratamiento estadstico o de

algoritmos de simplificacin de lneas
Afectan tanto a la componente espacial como a la componente temtica
Puede encaminarse a la simplificacin o generalizacin de informacin o por el contrario a la

generacin de nueva informacin (anlisis, SIG)
Nos centraremos en lo primero; lo segundo es ms propio de otros especialistas, aunque los

lmites a veces no quedan claros
Generalizacin cartogrfica: Conjunto de tcnicas que permiten mantener la cantidad de

informacin presente en una mapa a pesar de reducir la cantidad de datos
Se aplica a todas las componentes del datos pero tradicionalmente en Cartografa se ha

dedicado ms atencin a la espacial
Adems de esta generalizacin cartogrfica podemos hablar de la generalizacin de datos,

normalmente previa a la cartografa
Tratamiento estadstico: medidas, regresin.
Clculo de datos relativos y derivados
Clasificacin, agregacin y conversin de datos
Pgina n 3

Son operaciones que se aplican sobre todo a la componente espacial, pero que terminan
afectando a la temtica
Implica una seleccin de elementos, una esquematizacin de los mismos y una armonizacin del
conjunto
La generalizacin se realiza a travs de una serie de operadores
clasificacin y simbolizacin
simplificacin
desplazamiento
agregacin y amalgamado
colapso
tipificacin
suavizado
exageracin
Pgina n 4


La generalizacin espacial, afecta sobre todo a la componente espacial de los datos aunque
la temtica se pueda ver afectada
Generalizacin vectorial:
Simplificacin y suavizado de lneas
Generalizacin de reas
Generalizacin raster
Estructural: Remuestreo, interpolacin de celdas
Numrica: Filtros de suavizado, realce,
direccionales
Morfologa matemtica (cascos urbanos)
Reduccin
Pgina n 5

3.- REDUCCIN NMERO DE DIMENSIONES
En Cartografa, se produce en muchas ocasiones una reduccin del nmero de dimensiones

(o componentes de los datos) que puede ser considerada como una generalizacin
(simplificacin)
Los datos se pueden considerar que tienen n dimensiones:
3 espaciales (x, y, z)
Varios atributos (a1, a2, )
Varios momentos en el tiempo (t1, t2, )
Metadatos, complecin, linaje,
En primer lugar se prescinde de la componente temporal (datos espacio-temporales o 4D) y
de otras componentes
En segundo lugar se suele considerar un solo atributo (capa) asociado a cada dato
En tercer lugar se prescinde de la tercera dimensin, reduciendo los datos a puntos, lneas o
zonas
En cuarto lugar los datos puntuales (ciudades) y lineales (ros) pueden ser una generalizacin
a escala de datos en realidad zonales
Pgina n 6

4.- TRATAMIENTO DE DATOS. CLASIFICACIN

El primer paso en el proceso cartogrfico es decidir una jerarqua para las clases a cartografiar, as
como el modelo de distribucin que se tomar
Tras estas decisiones bsicas se puede proceder a valorar una serie de cuestiones relacionadas
con los datos:
o
o
Homogeneizar los datos estadsticos, si se obtienen de distintas fuentes para tener valores
comparables.
Depurar las estadsticas para eliminar datos innecesarios.
Convertir los datos para poderlos utilizar en la elaboracin cartogrfica como ndices,
rendimientos por hectrea, densidades, porcentajes, etc. debindose calcular antes de
proceder al diseo del mapa.
Clasificacin de los datos en intervalos de clase.
Pgina n 7

5.- CONCEPTOS BSICOS DE ESTADSTICA

La estadstica descriptiva (en los ltimos aos tambin llamada Anlisis de Datos) est compuesta por
una serie de tcnicas orientadas a extraer informacin de un conjunto de datos, mediante determinadas
medidas que resumen los principales rasgos de la distribucin de frecuencias de ese conjunto de datos.
La estadstica inferencial, por su parte, tiene por objeto la verificacin de inferencias acerca de los
parmetros de la poblacin o del colectivo de objetos a analizar a partir de una muestra o subconjunto
de elementos conocidos.
En nuestro caso, aplicaremos la estadstica descriptiva para el anlisis de las diferencias espaciales entre
unidades territoriales (divisiones administrativas o cualquiera de las variables con una distribucin
espacial dada) y a la elaboracin de cartografa temtica.
Conviene iniciar este apartado diferenciando inicialmente las variables geogrficas en funcin de su
naturaleza: cualitativas y cuantitativas. Las primeras son aquellas que clasifican a los individuos
geogrficos en funcin de una categora o etiqueta (agrupacin de municipios segn comarcas,
provincias o comunidades autnomas de pertenencia, usos de suelo, unidad geolgica, etc.). Las
variables cuantitativas aplican una unidad de medida a todos los objetos o individuos, de manera que es
posible diferenciarlos por valores concretos y precisos.
Pgina n 8


POBLACIN Y MUESTRA
Poblacin: Conjunto de todos los objetos en los que se quiere estudiar un determinado carcter
Muestra: Subconjunto o cierto nmero de objetos de una poblacin. Utilizado en caso de

poblaciones muy grandes
Estadstica inferencial o inductiva: El anlisis de una muestra permite inferir resultados de toda la
poblacin
Estadstica
descriptiva: Analizar o describir un conjunto de datos correspondientes a una

poblacin o a una muestra
Representatividad de la muestra. Muestreos
DATOS ABSOLUTOS Y DATOS RELATIVOS
Los mapas cualitativos se hacen representando en ellos valores de dos tipos:
Absolutos
Relativos.
Mapas que muestran los datos en forma absoluta: los valores se muestran tal y como se toman:
produccin o el consumo de bienes, poblacin, las elevaciones de la superficie terrestre sobre el nivel del
mar, etc. Se muestran sobre el mapa en trminos absolutos.
Mapas que representan valores relativos: expresan algn tipo de resumen o alguna clase de relacin entre
dos o ms juegos de datos: densidad de poblacin, los ingresos per cpita, la tasa de paro
Pgina n 9


TABLAS ESTADSTICAS. FRECUENCIAS
Las tablas estadsticas permiten conocer el nmero de veces que se repite un fenmeno. En su nivel ms
desagregado se trata de un listado de valores, que muestra la distribucin de valores de la variable
representada. Sobre estos datos realizaremos despus las operaciones encaminadas a calcular las
medidas estadsticas bsicas.
Con el fin de reducir la presentacin de los datos y poder elaborar una representacin de cartogrfica de
los mismos es habitual agrupar los valores en clases y presentar la frecuencia de las mismas (nmero de
unidades territoriales que se incluyen en cada clase), estos datos se presentan en una tabla de
frecuencias.
Como ejemplo, tomando la distribucin de la renta a nivel provincial es posible agrupar los valores
principales en intervalos iguales y presentar el nmero de provincias en cada uno de ellos. Es decir,
presentamos las frecuencias absolutas (repeticiones) de cada una de esas clases (siguiente tabla). Es
habitual presentar ests las frecuencias de forma porcentual, frecuencias relativas o porcentuales, que
se calculan dividiendo las frecuencias absolutas por el total de observaciones (multiplicando por 100 en
las porcentuales). Estas ltimas permiten ver el peso de cada clase sobre el total.
Nmero de provincias segn PIB por habitante:
intervalos iguales, frecuencias absolutas y relativas.
El nmero de provincias segn intervalos

representa la frecuencia de la distribucin y la
frecuencia relativa se obtiene como el porcentaje
de la frecuencia absoluta de cada clase sobre el
total de provincias.
Pgina n 10


La tabla de frecuencias para una variable cualitativa o nominal presenta el nmero de casos en cada una
de las categoras posibles.
Para elaborar una tabla de frecuencias en el caso de las variables cuantitativas en necesario establecer
antes las clases o grupos. El nmero de clases es variable, estando en funcin del nmero de
observaciones. Algunos autores proponen que una distribucin de frecuencias debe tener un nmero de
clases no inferior a 6 y superior a 20. Otros han propuesto algunas formulaciones para establecer el
nmero de clases a partir del nmero de observaciones ,la ms famosa es la de Huntesberge lo estima
con la formula :
= 1 + 3,3 log 10
siendo n el nmero de observaciones. En realidad, no existe una regla fija, lo ms recomendable es

establecer el nmero de intervalos despus de una buena observacin de los datos.
Para establecer los lmites de las clases se parte del rango de la variable, que se obtiene como la
diferencia entre el valor mximo y el mnimo. Dividiendo el rango de la variable por el nmero de clases
se obtiene el ancho de cada una de las clases, de manera que pueden calcularse los lmites entre estas.
Se conoce como marca de clase o punto medio al valor que representa la mitad de cada clase
establecida.
Pgina n 11


Cuando se analiza la distribucin de una variable en el tiempo se habla de series temporales. De esta
manera, el tiempo sirve de referencia y una variable se observa y analiza en funcin del mismo.
Para la descripcin de una serie temporal es frecuente la elaboracin de nmeros ndice. Se trata de
igualar un ao base a un valor (normalmente 100) y analizar la evolucin por comparacin con el valor
para ese ao base:
= .
Donde:
=
= .
1
1 =
Evolucin de la poblacin en la regin centro. Absoluta y nmero ndices respecto a la situacin de 1991
Pgina n 12


FRECUENCIAS ACUMULADAS
La distribucin de frecuencias presentarse de forma acumulada. Si los valores no han sido agrupados en
clases las frecuencias acumuladas se corresponden al nmero de observaciones con valor igual o
inferior al considerado. Cuando los datos se presentan agrupados en clases, stas son ordenadas desde
las de valores inferiores a los mayores, y para cada clase las frecuencias absolutas acumuladas se
corresponden con el nmero de observaciones en esa clase y las inferiores. Es habitual presentar los
datos de frecuencias acumuladas porcentuales, de manera que se presentan el porcentaje de unidades
incluidas en cada clase y en las clases de orden inferior a las mismas.
Distribucin del PIB por habitante provincial: frecuencias absolutas acumuladas y porcentuales
Pgina n 13


REPRESENTACIN GRFICA. DIAGRAMAS DE BARRAS
Un diagrama de barras permite representar la importancia cuantitativa de las diferentes categoras de
una variable cualitativa. De esta forma, mediante el diagrama de barras es posible representar la
distribucin de usos del suelo en un determinado espacio a partir de la superficie que estos ocupan, o la
importancia de los parque naturales de una determinada comunidad autnoma a partir del nmero de
municipios que los integran o nuevamente de su superficie total.
El histograma de frecuencias se construye con un eje vertical que representa la frecuencia absoluta o
relativa y un eje horizontal para las clases, que son definidas por su intervalo y su punto medio o marca
de clase. En el histograma de frecuencias las barras estn contiguas, pues implican diferencias
cuantitativas entre ellas. El polgono de frecuencias aprovecha el mismo material que el histograma
pero tomando no una barra sino una lnea poligonal como esquema de representacin. Para ello se
define como identificador de cada barra el punto medio de la misma (o marca de clase) y como valor el
que corresponde con la frecuencia.
Un diagrama de sectores (conocido frecuentemente como un grfico de tarta) se basa en la misma idea
que un diagrama de barras o un grfico de frecuencias. Puede usarse indistintamente para variables
cualitativas o cuantitativas. Su representacin hace equivaler la frecuencia de las categoras o de las
clases establecidas de forma proporcional al rea de una circunferencia
Pgina n 14

MEDIDAS DE CENTRALIDAD. PROMEDIOS

LA MEDIA ARITMTICA
Los promedios constituyen probablemente el tipo ms comn de variables derivadas empleadas, ya que
utilizan una cualidad o cantidad seleccionada para caracterizar una serie de datos que normalmente son
numerosos. Existen muchos tipos de promedios, pero en trminos generales, en cartografa interesan
principalmente tres de ellos que son, la media aritmtica, la mediana y la moda.
La mayora de los mapas de clima, ingresos, produccin, y otros elementos tratados en el estudio del
carcter fsico y humano de las regiones se basan en medias aritmticas obtenidas mediante la reduccin
de grandes cantidades de datos estadsticos.
En cartografa a menudo la media debe considerarse en funcin de una superficie. Si se da la misma
importancia a todas las regiones se falsea el promedio de las comunidades, por lo que siempre que los
valores(x) en una distribucin estn relacionados de cualquier modo con una extensin de superficie,
stos deben considerarse en funcin de su frecuencia superficial.
La expresin general para cualquier media considerada en funcin del rea es, por lo tanto:
xs=Sa x/A
Donde Sa x representa la suma de los productos de cada valor x por su superficie y A es la superficie
total. La media considerada en funcin de la superficie tambin se denomina media geogrfica
Pgina n 15

LA MEDIANA
Si ordenamos todos los valores que toma una variable desde el inferior hasta el superior, la mediana es el valor
situado en el centro, de forma que la mitad de los valores sern superiores y la otra mitad inferiores a dicho valor. Es
otro tipo de medida relativa de la tendencia central, utilizable por ejemplo en un mapa que represente, en este caso,
la mediana de los valores de tierra de cultivo por hectrea en cada provincia, obtenida a partir de los datos
municipales.
Al igual que en el caso anterior, si las regiones varan muchsimo en cuanto a extensin, debe considerarse la mediana
en funcin de la superficie. Hacindolo as, la mediana geogrfica ser el valor por encima y por debajo del cual se
halla la mitad de la superficie total. El valor de la mediana geogrfica es aquel cuya superficie acumulada asociada,
resulta igual a la mitad de la superficie total
LA MODA
Es el valor que presenta

mayor frecuencia o mayor
rea
En caso de variables
clasificadas en intervalos,
tendremos el intervalo
modal como el que
presenta mayor frecuencia
Calculo de la moda. Datos

agrupados por intervalos
INTERVALOS
FRECUENCIA
4-6
7-9
10-12
13-15
16-18
19-21
22-24
25-27
28-30
31-33
Pgina n 16

MEDIDAS DE CENTRALIDAD. CONCLUSIONES

De las medidas de centralidad sobra decir que la media aritmtica es la ms utilizada, pues adems de
su fcil clculo presenta una serie de propiedades importantes. Por un lado, la suma de las desviaciones
de los datos respecto a la media es cero, por otro, si se suma o multiplica un valor constante a cada uno
de los datos la media se mantiene constante sumndola o multiplicndola por ese valor.
Sin embargo, la media est muy afectada por los datos extremos, y deja de representar bien a la
distribucin cuando hay valores que estn lejos del resto de los datos. En estos casos es ms valida la
mediana, pues est menos afectada por la variabilidad de los datos. La figura siguiente muestra las
posiciones de los estadsticos de centralidad en una distribucin tpica. Igualmente, la moda no suele
verse afectada por variaciones fuertes en uno de los datos.
Posicin de la media, la mediana y la moda en una distribucin de frecuencias
Pgina n 17

OTRAS MEDIDAS DE POSICIN NO CENTRALES: CUANTILES, DECILES O PERCENTILES
Al igual que la mediana, los cuartiles se calculan ordenando los datos de menor a mayor, y buscando
aquellos valores que dividen el conjunto de la distribucin en cuatro partes iguales.
Se denominan primer Q1, segundo Q2 y tercer Q3 cuartiles. Por lo tanto, Q1 deja por debajo el 25% de
los datos y por encima el 75%, mientras Q3 deja por debajo el 75% de los valores y por encima el 25%.
Lgicamente, Q2 coincide con la mediana. De lo anterior, se deduce que entre Q1 y Q3 hay un 50% de
los datos.
De la misma manera, los valores que dividen al conjunto de datos en cinco partes iguales son llamados
quintiles (Q1, Q2, Q3 y Q4 ), los que dividen al conjunto de datos en diez partes iguales son llamados
deciles (D1, D2, D9) y los que lo hacen en 100 partes iguales son llamados percentiles (P1, P2, P9).
Tanto los cuartiles como los deciles, percentiles u otros valores que subdividen el conjunto de datos en
grupos con el mismo nmero de valores se llaman cuantiles.
Pgina n 18

OTRAS MEDIDAS DE POSICIN NO CENTRALES: CUANTILES, DECILES O PERCENTILES
La figura presenta de forma grfica las medidas de posicin o cuantiles (ya sean cuartiles, quintiles, deciles y percentiles):
Pgina n 19

MEDIDAS DE DISPERSIN
Las medidas de centralizacin proporcionan una informacin parcial de la distribucin de la variable.
El rango y los cuantiles proporcionan cierta informacin complementaria a las medias de
centralizacin sobre la distribucin de la variable. Sin embargo, es necesario completar esta
informacin con medidas relativas a las desviaciones de los datos respecto a las medidas de
centralizacin.
Las dos medidas ms usadas son la desviacin tpica y la varianza. La varianza se refiere a la media
del cuadrado de las diferencias de los valores con la media. La formulacin es la que sigue:
=1( )
*fi
Los valores de las diferencias respecto a la media se elevan al cuadrado pues como vimos una de
las propiedades de la media es que la suma de las desviaciones es 0. Al elevar los valores al
cuadrado, estos toman siempre valores positivos, y cuando los valores son altos y las desviaciones
grandes la varianza ser grande. Para reducirla, se utiliza la desviacin tpica, que se obtiene
como la raz cuadrada de la varianza
Pgina n 20

COEFICIENTES DE DISPERSIN
Cualquier distribucin pueden ser caracterizado, por tanto, a partir de la media y la desviacin tpica.
De esta forma, ambas medidas son usadas con frecuencia para comparar las diferencias de las
distribuciones de una variable en dos espacios diferentes o la evolucin de una misma variable en
distintos momentos temporales.
Sin embargo, para comparar la variabilidad de datos que tienen distintas unidades se utiliza el
coeficiente de variacin de Pearson. Este se calcula como el porcentaje del cociente de la desviacin
tpica entre la media, y tiene la ventaja de no poseer unidades, lo que permite comparar la
dispersin entre datos de distinta naturaleza:
*100
Pgina n 21

INDICES
Otra clase de cantidad relativa es la consistente en medidas como razones o ndices, proporciones y
porcentajes, en las que algo se mide por unidades de otro elemento, o en las que algn elemento de
los datos se individualiza para compararlo con el resto.
Los mapas que representan el porcentaje de das de lluvia, la proporcin de ganado vacuno dentro de
la ganadera en general, las tasas o ndices de mortalidad, o la tasa de crecimiento o decrecimiento de
algn fenmeno son algunos ejemplos. En este grupo el valor numrico representado en el mapa ser
normalmente el resultado de una de las siguientes operaciones:
RAZN O NDICE
La razn es una expresin de relacin entre datos que se expresa de la forma fa/fb, en donde fa es la
frecuencia de una clase a y fb es la frecuencia o nmero de elementos de otra clase b. Como ejemplo
podemos considerar la razn de sexos de una pequea poblacin. Saber que existen 3000 hombres da
una idea al respecto, pero si adems se sabe que el nmero de mujeres es de 1500 la idea cambia y
vemos que la razn es de dos hombres por mujer
PROPORCIN
La proporcin es la razn entre la frecuencia de una clase (fa para la clase a) y el total (fa/N) siendo N
la frecuencia total. En el ejemplo anterior, la proporcin de hombres es de 3000/4500, es decir de
0,66
Pgina n 22

INDICES
PORCENTAJE
Normalmente las proporciones se dan multiplicadas por 100, o lo que es lo mismo en porcentajes. En
este caso decir que el 66% de la poblacin son hombres, es ms sencillo y fcil de entender que hablar
de una proporcin de hombres de 0,66. Tambin estas estadsticas presentan a veces las
caractersticas de un promedio espacial. Este tipo de razones son la base del concepto de densidad
que se trata ms adelante. Una razn tpica de la geografa es la de densidad de poblacin, definida
como el nmero de habitantes por kilmetro cuadrado o por otra unidad superficial. Si el rea de la
poblacin anterior es de 10 kilmetros cuadrados, la densidad de poblacin sera de 4500/10, es decir
de 450 hab/km2.
La cartografa de este tipo de cantidades relativas se elabora para mostrar las variaciones de un lugar a
otro de la realizacin definida, y normalmente se prepara a partir de resmenes de datos estadsticos.
Cuando los porcentajes, razones y tasas se simbolizan en unos lmites, el usuario supone que el valor
representado se extiende de modo ms o menos uniforme a travs de dicha unidad.
Pgina n 23

INDICES
DENSIDADES
Las densidades se utilizan cuando lo que se quiere reflejar es la acumulacin o escasez geogrfica
relativa de datos discretos. Se calcula dividiendo el dato por la superficie en la que se encuentra, pero
en muchos casos este valor no es tan significativo como el que expresa la razn entre otros factores que
estn ms estrechamente relacionados. Por ejemplo, la relacin entre nmero de personas y superficie
productiva en sociedades predominantemente agrcolas. Esta relacin se considera ms til que lo es el
simple clculo de la poblacin con respecto al rea total, productiva o no.
Al trabajar con densidades el cartgrafo est limitado en el detalle que puedan presentar los tamaos
de las unidades de enumeracin (municipios, regiones o pases).
Otra categora de cantidades relativas son las potenciales (o criterio de gravedad), que tambin se
utilizan en mapas, y que supone que los elementos de una distribucin (personas o precios por
ejemplo) influyan entre s directamente con las magnitudes del fenmeno e inversamente con la
distancia entre sus ubicaciones. De este modo el valor del potencial en un punto, es la suma de la
influencia de todos los dems puntos sobre l, ms su propia influencia
Pgina n 24

CLASIFICACION DE LOS DATOS EN INTERVALOS DE CLASE

A menudo los datos que se representan en un mapa son demasiado numerosos por lo que se presentan
categorizadas, en clases ordenadas y con diferencias cuantitativas expresas, de modo que se agrupan en
funcin de que tengan menos de 25.000 habitantes o de 25.000 a 100.000 y as sucesivamente hasta
alcanzar el mximo, o la ciudad ms habitada.
La forma de categorizar las poblaciones anteriores es desde luego arbitraria, en el sentido de que los
lmites pueden ser cualesquiera, aunque siempre se debe buscar la forma ms representativa de mostrar
la distribucin que se trate, siendo decisivo al emplear la tcnica coropltica, donde se ver que hay que
resumir en un nmero de clases reducido el total de los datos que hay que representar.
Son dos las decisiones fundamentales a tomar al clasificar los datos; por un lado el nmero de clases a
representar y por otro los lmites de cada uno de los intervalos. Cada subdivisin de datos estadsticos en
intervalos de clase puede ser comparada con un proceso de generalizacin, asumiendo que esta
generalizacin afecta a la superficie estadstica correspondiente, uniformizando sus irregularidades
Pgina n 25

CLASIFICACION DE LOS DATOS EN INTERVALOS DE CLASE

LA SUPERFICIE ESTADSTICA
Una superficie estadstica es la superficie formada al asignar a cada punto del territorio (x,y), una z
proporcional al valor que toma una variable cuantitativa en dicho punto.
EL NMERO DE CLASES
El nmero de clases es funcin del detalle necesario para mostrar adecuadamente el contenido
temtico, pero viene limitado por aspectos perceptivos. Hay que buscar un punto de equilibrio segn
cada caso particular.
LOS LMITES DE CLASE

Una vez decidido el nmero de clases que se van a emplear en una representacin, el siguiente paso
es establecer por dnde se realizarn los cortes en la distribucin. Los sistemas que se pueden
emplear son muy numerosos.
Como gua general a seguir, se deben buscar lmites que reduzcan al mnimo las diferencias entre los
datos de una misma clase y que a su vez hagan mximas las diferencias entre clases.
Pgina n 26

CONCLUSIONES
La clasificacin de datos en intervalos es un proceso de generalizacin que afecta a la superficie
estadstica correspondiente, donde se uniforman sus pequeas irregularidades. No obstante se deben
intentar mantener los rasgos ms destacados de cada distribucin, de modo que si entre los datos
existe alguno excepcional, ste debe constar como tal en el mapa.
Se debe intentar seleccionar las clases de manera que se mantengan las caractersticas ms
significativas de la distribucin, abarcando todo el rango de datos y sin que existan claves vacas.
Asimismo resulta conveniente dividir los datos en grupos de nmeros de observaciones
razonablemente similares, as como buscar una relacin lgica en los tamaos de los intervalos pues
facilitar la lectura.
Una progresin aritmtica ser adecuada cuando la grfica de la distribucin del conjunto de datos se
asemeje a una progresin aritmtica, y lo mismo ocurrira con las progresiones geomtricas, que sern
aplicables cuando la grfica tienda a mostrar una progresin geomtrica
Los puntos de ruptura de la distribucin nos proporcionarn grupos de valores homogneos, lo que
sin duda es deseable, y su utilizacin ser interesante cuando dichas rupturas queden claramente
definidas. Adems este sistema puede utilizarse junto con algn otro sistema de clasificacin.
Vistos los distintos tipos de clasificacin para un mismo conjunto de datos, slo queda ver cul de ellos
es el que mejor se adecua a la distribucin real de los mismos. La ms parecida al modelo real es la
correspondiente a la mejor clasificacin para el conjunto de datos
Pgina n 27

Tema 3 Tratamiento de Datos - Clasificacion

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Tema 3 Tratamiento de Datos - Clasificacion

Diunggah oleh

Hak Cipta:

Format Tersedia

TEMA 3.- TRATAMIENTO DE LOS

Cartografa Temtica y Topografa Subterrnea