Organizacién y representacién “* de datos Ass! 2.4, INTRODUCCION a En el eapitulo anterior hemos desrito cuatro ejemplos en ios que Hlegsbamnos a t ta punto donde nos eacontesbamos con un conjunto de valores tomades en una o : ‘atlas variables, A prt ellos no dnpontames a exrar eopclusionesrelacions Gascon fos objetivosplantesdos al comienzo de Ia investigacin. Pra ellos con Neniente empezar por inspecciontr cuidadosamente los datos. A veces esta pt t meta inspeccion, previa la realizecién de complejascéleulos poseiores, nos alguna informacion tobre cizcunstancias larativas interesanes. Si se han observado pocos valoces, porque in mess 8 poco mumeross, fa simple ins 5 peccidn visual de los mismos puede darnos Una idea cabal de fo que los némecos lag de nimeros recolecads es demasia Snifieen, Sin embargo, cuando la So arande, y Ste es el esto ms fecuent, se ace dif hacer una ins divccta que Sea realmente compreniva, Por eso el primer peso suele consis en feorganizar fos datos uilizando un formato mis ineligible que la simple yoxtapo- ‘cide de nmeros. Un instumento pra consegui ea erdenaidn es ia denomins {b distrbucion de frecuencas, y part de ella es frecuente también consti vrepresentaciones géficas. En este capitalo vamos a describ estos dos instumen- fs, anf como una alterativarecentemente propuesta par las distibuciones de fencias, denominada diagrama de tall yo | 2.2. DISTRIBUCION DE FRECUENCIAS Le distibucign de freeuencias es wn instromento disefado para cumplr tes fonciones 2) proporcionar una feorganizacién y orGenacién raciona de ecopidos; 6) ofrecer la informaciOn necesria pars hacer representaciones gf fase) falta los célevlos necesarios para obtener los estadisticos muesas Esta tina funcin ya ha quedado obsoleta por los orcenadores, que permiten un cfleulo macho mas eSpido y preciso. Vamos 2 igunos elementos que ap46 | Antsi de datos en pce | recen en una distribuci6n de frecuencia, tlizando fa simbotogia siguiente: ce Presentaremos por X ala variable con ia que tabajamos,y que puede adoptar di Yintos valores, X, XX Pero ada uno de esos valores puede eparecerfepetido 1s de una vez en Tos n elementos qve componen la muests; as en el ejemplo, sobre Ia iocuacion de ests habia varios suetos que compartan el valor 106 en inteligencia,oel valor Sen esrés. Con estos mbolos pademos dar las siguientes Setiniiones Se tama frecuencia absoluta de un valor X; y se smboiza por n, ‘ndmero de veces que se repite el valor Xen la moesta Se lama frecuencia relativa de un valor X, y se simboliza por p, alco ciemte entre la frecuencia absoluta de eae valor ye tamefo de la muestra Bo dest p= n/n Se llama frecuencia absoluca acumulada de un vilor X, y se simboliza porn. al nimero de veces que se repite en la musstra ese valor X,0 cul {ier otro alr inferior, Se tama frecuencia relaiva acumulada de un valor X, y se simboiza or pal cocienteente su frecuencia absolutaseumulada y el tana de Ie ruestia Bs deci, p, = nn A [A veces la frecuencasrelatvas, ya sean simples o acumuladas, se expresaa en téeminos porcenuales. En esos casos suelen representarse con mayusculas, para ‘obieneras asta con muitiplicar por 100 la frecuencis relativas. Asi pera eu. oier valor dela variable, Ky tenenun gue Pep yep 100 na ditibucién de recuecias se orgnia en forma de tuba en eae eabece- +3 pueden aparece ton o algunos dels elementos fue sean de denn, ung ay uno as frecuencia abla, que stl sparetr cal temp, Por sepuet, los elementos acum (anol ecusnca aul aculnon came le tetntve sarod) no son ponies en varies calatvas Su defined poedeaplicas a varices en eq os nimeros empleados para eps odes impican magrtes, mientras gue no puaden epee sande cies simeror son mers etqutss. Enna disband fecentas compl sure Geen pier logar, na eons con os valores ue adopa a vale cee de ab hacia aaj. A continactn de fos valores dei varie spacey ee sata elementos que hemos definigo seta de tn vance causes i, tras que sve ata de ua cataiva nominal, slo pueden spuie ude pr eros (ny p). Veamos un ejempio deca oo de esos tips mpeg or oa ‘arable cantiatva (abla 21) Supongomos ques part de osu eteentads po Oraannacién yropresoteisn de cites | 87 blacién un investigadorseleecions una muestra de veinte familias, cuenta el m6 mero de hijo (X) y encuentra los siguientes valores: 2,1, 0,3, 22,3, 1,1, 0, 2.2, 12, 0, 2,4, 2, 39 1. Consiuimos la dstdbueién de frecvencas siguienda lot patos descrios: 2) Lavarsble es cuantiativadisretay toma valores entre Oy 4en esta mues ‘ws, portato, ponemos en Is primera columaa esos valores, erecieado de samba hacia abajo. +) Para la columns de fecuencist absoluas contamos el nimero de veces (qe se repite cada valor, sel nimero de valores es mvy grande convient ir haciendo marcas por cada valor, para contariss al final. Una forma de Comprobar que no hemos cometidociertcstpos de erores es ateguramos de que la sums de las, es igual an ©) Parala columea de frecuencias relativas dividimos cada frecuencia abso Ita porn, Para detectarerrores también aqui podemos hacer la comproba: cidn de que la suma de las p, es igual e 1 (a veces esta columna no suma aritméticamente 1, debido a que la necesdad de edondear la ,distorsio aloe valores verdadero; no es raro encontrar que la euma de esta colom ‘a da valores iguaes 20.98 00.99) 4) Paraobtener las fecuencias absolutas acumuladassumamos para cade velor sa frecuencia abgoluta mas la absoluta acumolada del valor anterior. De ‘nuevo comprobamos que Ia frecuencia absolta acumulada del valor a yores igual an 2) Paralasfrecuenciasrelasiva acumuladas dividimos cada frecuencia abso ‘a acumulada por n. La frecuencia relaiva acumulada del valor mayor debe ser igual aL TABLA 21 Disiribucion de frecuencies construida sobre el eemplo Gel miimero de hijos(véase texto) yap wpe eo ° a | ous 3] ous : @ | oe | 5 | oe 3 3 [oes | | os 4 ica | | te mo | 100 De Ia inspeccisn de Ia distribucién confecciontda en I abla 2.1 podemos ex teaer de forma inmediata algunas informaciones. Por ejemplo, en las frecvenciascates on pscoogia sbsolutas comprobarnos que el tamaio de familia més frecuene en la muesea es de dos hijo, seguido de cerca por el de un solo hijo. Las familias sin hij no Son muy frecuentes. De la columna de frecuencias relatives acumuladas deduci tos que sdio una proporcign de 0,20 de fs familias (una de cada cinco) supera la barrera de ln antrreprodcciGn, es deci, tiene més de Los dos hijs, que significa: fa que por cada pareja de adultos ntciera una pateja de hijo. ‘A veces se organiza ls cistribucién de frecuencas de ung form ligeramente distnta, En concreto, sie aimeco de valores observadas distintos es muy grande, Ia distribucion serd una tabla demasiado large y engorrosa, Para eviar esto, tad. cionalmente se han agrupado los valores observados en coajuntos, lamados win Cervalos 0 clases, Sin embargo, eateprocedimiento est ceyendo en desuso debi {do la cresienteautomatizaci6n en el tatamiento de [os datos, ‘Veartos ahora un ejemplo de dstribucida de fecuencias con uns variable cos Itativa Supongamos que estamos ineresados en conocer el campo de trabajo pro fesional de los licenciados en psicologa que terminaron sus studios en Ia década de fos ochenta en la Facultad de Psicologia de Ia Universidad Autonoma de Ma Arid, Para ello enviamnos un cuestonaro alos 3.500 licenciados en ese periogo en fl que, entre ort cosas, let preguntames cull es su campo de trabajo principal (algunos pueden dedicare a més de uno), déndoles varias opciones de eleccién pata sus cespuestas. Con los 2.500 cuestionarios recibidos coafeccionamos la dis- tabucign de frecuencias de la abla 22, en la que hemos ineluido las Trecuencias bsoluta yrelaiva, En ella observarnos que la modalidad ms freeuente, quella a Ja que se dedican més licenciedos, es Ia de recursos humanos y organizaciones, sungue las tres especialidades ms clsicas estén bastante bien representadas. Aparte {el 12 por 100 dedicado a la doceneia, hay un admero signifcativo de licenciados 100 se salen de los campos TABLA 22 Distribucin de frecuencias construida sobre el ejemplo de los campos profesionalesde los licenciadas ex psicologla de la decade de las ochenta | Prcooat etnies eo | 0260 Recursos humanoey orgs 70 | 0300 \p so | oa iclogi edveniva 0 | 0200 Asesoraniene psioliieo 200 | 0980 Docencia sco | 0,120 Ors 10 | 0000 ¢ i Cgariacin y opraceniacin de oats | 9 2.3. REPRESENTACIONES GRAFICAS nes yaficas. La fancién de éstas es da inf fgolpe de vista. Las hay de muy diversas tipes, aunque nosotos vam fn aquellas que ms fecuentemente ns encontrames en [A pastir de las sistibuciones de frecuencis se pueden consruirrepesentacio rtnaciones globales mediante wn $010 “rico de la psicolosia ‘Tras describ sus earaceristicas pasaremos a estabecer algunas convencions acer cade suconfecién y, por Gkimo, watremos el tsa del honestidad en ls gr 234 4) Diagrama de barras. Se puede enplear tanto en variable: Representaciones graticas de uso frecuente cvanttativasdisretas, En el je de abscisas se sitian las modalidades (0 1 ni tmeros que las representan) yen el eje de ordenadas ls fecuencias (pueden set buoltaso relaivas i es una variable cuantativa también pueden ser acurula dis), ‘empleada en la tabla 2.1, mientras que en la figura Campo de aplicacién profesional empleade en a able Figur, 2.1—Diagrama de bars eva Figure 22-—Diagroms de bara de avaible cones en forma de as dela vansble nine de bijos aparece el de Ia variable Va figura 2.1 aparece un disgrama deb “| “ieee oe SP FFE 2) Diagrama de pastel. Se emplea en variables cualitativas, Son cepresents culos en las que 610s Son divididos en seceiones cuys su-50 / Andis we cote on peclogs 1 perfcie es proporcional s Ia frecuencia del figure 2.3 aparece un ds plage anveriormente. la modalidad correspondiente. En le rama de pastel de la variable campo de eplicacién ems igus 2.3—Dingrama de patel del variable «campo de splicaica pofesacls de va mut. de puclogos iceciados ee dead 6) Histograma. Se wiliza con variables caanttatves continuss. Es muy pe recido al dagrama de barra, or ents sent empizaos on cl ee de abst Se pando alc feeseasae eon scumuladas. En la figura 2.4 aparece un ejemplo. ° ae a hott tt Flee 24—Hsopana dela ale siempo enlace spt, en ema deep, Poligono de frecuencias. Pata vatiables cia es Ia figura que result de unit lore Sido las bares i Se hubiera hecho una gr discretas, ef poligano de frecuen mos superiores de las que hubieran fica como la de la figura 2.1 (figura 23). Figur 25-~Poligno de fecuencis de wa varie ontiva dere COrganiracisny rpresentacion de cos / 51 Si se trata de una variable continua ce sucle afar un valor supetiory oto inferior on frecuencia cero (figura 2.6). Es frecuente que se quieranrepresentarconjunt mente los datos de dos © mis gropos en una misms variable, Para faciitar la com: paraciGn se pueden dibujr, en una misma grfica, un poligono de frecuencias por ada grupo, aunque bay otros prozedimients (véase el captulo 11). Lo principal ique debemos resaltar sobre estas grficas es que silos grupos soa de tamatios Tarcadamente dstntos no deben reaizarse sobre frecuencias absolutas sito rela tives. En la figura 27 presentamos un ejemplo de una represertacion grtica de exe tip. igre 27 Representa gris conjt, medinte polgons de ecu, de os tos una mots ce mijres oa de vaones 2.8.2. Convenciones sobre las representaciones graficas ‘Aunque las representaciones grficas de los datos incidos en una distibo- inde frecuencias pueden realizarse de muy dstinta formas, vamos a establecer Algunas convenciones para unificarciteros, asf como suger algunas direct eS que nosotros mismas seguiremos en el resto de este libes52 | Andiais de datos on pscooga | 1) Enel eje de abscisescolocamos ls valores de Ia vile, y en el de ore rnadas las frecuencis (absoltas 0 relatives, simples o acummladas) 6) La imterseceidn de Ios dos ejes es el origen, de mado que en el eje de abscisas las puntuaciones mds baas estarin ala inquerda, las mus alts 8a erecha; en el de ordenadas Tos valores pequeio estarin aba y low altos aciba 1) Sie valor misimo det eje de abscisasfuersexcesivamentesrande, se debe ora Ia linea, como en el ejemplo de Is figura 2.6 (aay que tenes presen. tes, no obstante, las precauciones que se detallan en el prOximo apatado) 4) Conviene inclir en cada gcfico toda le informaciGn posible para evita ambigdedades y facilitar su interpretaci6n por otras personas © por noso ‘wos mismos al cabo del tempo (nombre Ge fa vauiable junto al ee de abscisas, tipo de frecuencia junto al eje de ordenadas, gropo al que co tresponde cada gréfica cuando se han representado dos o més Reupos conjuntamente, et.) ©) Cuando en un mismo grifico se representan dos o més grupos simulténes mente y Estos son de tamanos considerablementedisinos, se deben ut zat frecuenciascelativas, Una vex expuestas estas convenciones, no quezemos concluir este apatado sia hacer un comentario final sobre la flexbiided y el sentido comin aplicados¢ la representacin gréfica. En este agpecto de [a estaditica se ha observado como en ocos ia aparicin de ideas creativas e innovadoras. En realidad, cualquier represen lacion gréfica es bienvenida siempre y cuando tirva alos objetivosplanteados yo ‘haga honestamente (véase el apartado siguiente), En este sentido, debeinos lever presenes los hallazgos dela psicologia cogntiva sabe las limitaciones dela men ‘ehumana en cuanto al aimoro do elementos distin uc aks wane sid reamente lahore de hacernos una idea global de un problema, Los estados ind can que este limite suele estar en tomo a 7+ 2, y por tanto un buen conselo sera "no ulilizar, siempre que ello ne fuerce demasiado los datos, un nimero de inter los, columnas, bars, grupos. secciones, ete, mayor de 9. Por ota pate hay que tener siempre presente que las represetaciones sirven para comaniedr informa, «6a de un solo golpe de vista, y por ello en su construccign debe tenerse en vena et pablico al que van drigidas, sus necesidades de informaciones ands bien globe les y generales o especifcas y precsas y cualquier otra consideraiOn que pueda mejorar la transmision de iaformacisn gil y precisa, 2.3. Tendenciosidad en jas representaciones griticas Las representacones gificas pueden utlizarse de manera teadeacise par in dcirimpresionesenganiosas intresade, Los métodos mis fecuentementewiliados pra ello fueron recagides y expuests en un pequeio y divertido libro por Darel Hut (1958), Aunque este libro podria considertse une estupenda introduce + los | - t i Organic yreprasaniain oats / 83 aniods de eagao pra desaprensivosydesaogado, lator uss pblice eed i spun mane, cQuis pasa js de a mia forms ie 1 Ant nr cteeaysmemort pteaieeaian su an t (Si muniulr crates yzndar in ser odo Los incuetes ya copocen esos, ‘Ronit sete honad debe concests pares stolen fp, 9). Con (Gitiame Rlwta man ccogido aids Ios rocedimientos ms sation TUnpnner edo conse ea rcorar eee de oteaas (porta hs bas, tos toga figura qu se haya teas), eliminanéo fs menores valores 1 tecences conta excasn Se que 0 ay tngsna observa qu ss soe Sa tenecome conecienia ue pues diferencias pareacen mayne. Un sepa Slag de eran se rode coals liza gua representatives ce sg CUADRO 21 acompatada desu altemativa cor jemplos de erdfcastendencioses, cada un Al hacer el clagrama de bas de Ia variable edagnéstice prquisicos de ln ‘Equa, parce qu ny mcios fs euro gb pestis Est impein | Se debe 2 gue el sje decrees ba i recon, puerto gus en ease hsy 160 pcos y 200 neureas. Al renscer! diagrams coe © ee completo pti que la eferenia eal nize ambos ips es my peer | m | 1) rn pesca is ses de ition de voto reas en 2 ‘cuesta utilizamos perfiles de figuras humanas. Aunque dos tercios han indicado Ge urinario nea gue voto Senne de se qu tres y detect salu design rene ce ropes ces pease els ps esate ops ware | “superficie oscurecida en la primera figura sea menor que la mitad de 1a superficie | Stace osequde Ln impetn sae qu ec fic muro m= Sor Est to oeane en asses en fore de diaprae debs . “|54 J Andisis oe cato on pecloga | ue 86 esté midiendo, Estas figuras svelen hacerseproporcionando sus altura ls frecuencia comesponientes. Sin embargo cl incremento ena altura conlleva ambiey tum nerementoen le anchura. Como consecuenia de elo la superficie dels figures no guarda relacién con ln frecuencias observadas, dando la impeesign de que Is lerencia es mayor que la realruenerepistada, Und alterntiva no tend Jos diagram de baras, en los que nose product esa distorsién porque la Jas bares es constnte, Er el euadro 2.1 presentamos ejemplos de grdficas hechas ‘on estos procesimintos,y jum aellas las allemativascorectamenteconfecionads 23 Propledades de las distribuciones de frecuencias {Los conjuntos de datos de variables cuanitatvas obtenidos en muestra, y que hemos onpanizado mediante distibuciones de frecuencas, nen algunas caracteris iets que iremos exponiendo detalladamente a lo largo ce los prénimos eapitulon, Sin embargo, vamos a deseribir sucintamente en este pusto cules son exes ara ‘tieas 0 propiedades, Par ilustarls utlizaremoe curvas suavizadas. que no soo mds que poligonos e fecuencis sin dngulos, es deci, dibujadas mando ls coger nas y suavizando su tnzado. Hay que tener en cuenta gue los poliganos de lrsccen is dependen demasiado de la unidsd de medide utiliza, dei sgrupacisn en in tervals hecha (en caso de haber recursdo a ella) y de las fluctuaciones particulars ‘sperables en una muestra concreta. Por ello as curva suavzades svelen ser repre Sentaciones mis apropiadss que ls pliganos de fecvencies simples. Son cua las ropiedades con las que desenbirems las dstbuciones de frecuencias, 1) Tendencia central. Una primera propledad es la que se refiere la magni td general de as observaciones hechas, Eta magnitd general pede cusmtiSear Se mediante unos indices conocidos como indices de tendencta central 9 prone dios, y que reciben ese nombre porque pretenden ser sintesis de los valor de la ‘arable, Asi, en la figura 2.8 puede observarse qu los valores del grupo A tiene tuna tendencia central en torno al valor 90, mieneas que is tendenca cecal de loe el grupo B ests en torn al valor 100 Figure 28.—Bjemplo de dos disebuciones cs endencins cena itis, 2) Variabitided. Esta propiedad se retire al grado de concentracién de las ‘observacionesen tomo al promedio. Unaistibucin de fecuencias srs homogénen Crgeniacin yropresentacisn oo cates / 55 ‘0 poco variable silos datos deren poco ene sy, por tanto, se agolpan en torno 4 5u promedio. Seré heterogénzo 0 muy vanabl silos datos se dspersan mucho on reepeto al promedi. Esta propiedad es independiente dela anterior, ex decir, Gos grupos que tengaa distinta varabilidad pueden tener tendencas centrales muy Cistntaso similares. Ast, en Ia figura 2.9 aparecen las representaciones de las dis tribuciones de fecuencias de tres grupos, A, B y C. Los grupos A y B tienen la risa tendeneia central, pero el Bes mds variable que el A, ienras que el grupo Cees igual de variable que el A pero lene un rayor promedio, gu 29 —Djempl de ws dnibacons cn ns oe Ay B denen denis cena i Int y mesos gue ae mens gu naan de ex mayor qu le sos ox )_Ancrio esgo Bo ig. 2.0 pan rn os 8A B La el grupo A indica que n general a mayeta de los wuts ban otek Zanauconescenales, en tomo a media, mientras que unos poco Nan oben) Puutionsreltvamente als oon poco an obtenido puntciones rela Ta se tie A indi. Ex mo reo os By C. Enel primero de ellos hay cts obervaciones con puntucioes bas pots com prisons alae, mets gue en segundo ae lo conn: se dice Gps dahon By Cate ese tiv epi pane, [Esta propiedad se refiere, por tanto a grado en que fos datos tienden & eoncentrarse lot valores cele, oot vloes inten a pomedioo en ls valores supe Fores «exe Eke simeira perfect cuando en caso de dota a represent rife por una vera tazade sore 1 media, las dos milades se superponen pe. {eetamene. Las dstibuciones con ssmetra negsiva son propas de lx prices, trea o test lesen as qe la mayors de low secs pun ao Lax debe ‘onesie positives son ics de prbas, ten ess ils, en as qe lamayors de lo sjetos putin so. Las prt, eso tes eu me a susen produ ditibuciones mis o meno siméticas Fs 210-—Bhepl eur om ne i a in Ao56 / aati de detos on ps. ,_Curcoss, Se refiere al grado de apuntamiento dela dsteibucign de frecuen clas. Si es may apuntada, se lame leptocrtica, y st ex muy aplastada, se lame plaucivtica. Generalmente el grado de curtsis de una distibucion se compare on un modelo de distibucién lamado wdinibucién normal del qu hablaremos en capitulos posterior, y qu respecto ala eurtosis sella ditibucign mesocdr. fica, pues esté entre los ous dos tigas de cuctsis. En In figura 2.11 apaecen las representaciones de zes grupos, A, By C: la del grupo A es lepocétie, le del B mesocbstea y It del C patcaicn, epoca. a mesoeiieny In pluie. En este aparado hemos pretendido séleindicar, de una fora muy ituitva las propiedades mds importantes de las disuibuciones de fecuencias. Sin embargo, 20 os vamos 2 contentar con hacer las comparaciones visuals que, grosso made, he os hecho en los ejemplos anteriores (weange también los ejemplos numércos del ‘adn 7 en Is pina signtent), sino queen lor temas sigeientes vamor a exposes procedimientos pare cuantificar esas propiedades, con lo que podremos comparat unos conjunts de valores con oes con tol preisin, Podremos asi hacer afirma iones dt tipo wet grupo A tene un mayor promedio que el B>, «el grupo C es menos homogéaco que el Ds o el gp E es mis simétrico que el Fe. 2.4. DIAGRAMA DE TALLO Y HOJAS Las disribuciones de feecuencias no son e nico mestio par resuanir y expo ner conjutos de datos; una aiternativaaellas son los lamados diagrams de allo 1 hojas, que fueron ideados por Tukey (1977) en el context de enfoque denon ado andlists exploratoria de datos Su obtenciéa requiere separa cada puntuacién en dos pastes: el primer 0 pri eros digits. que reciben el nombre de tala, y el digito 6 dgios restantes, que reciben el nombre de hojar: por ejemplo, X = 36 se puede separar en (allo) 9 © (hoja) Sin embargo, como veremos mas adelante, estos diagramas tienen It suflcenteflexibilidad como para admitir otras posibilidades. Lor pasos que hay (que seguir para construir un diagrams de allo hojas sn los siguientes panic yeprsanicin de dats { 57 CUADRO 22 Ejemplos numéricor de disribuciones con disinas propiedades el empl jm aos ee confcinaon con on va deve soc Mapuelien eects column I eeensn ahaa obese x very 100 mje eta ao, oe epesetremos prs Ire ABCD. WE Foetecons oe farses yds compere oe fra snpenene EET ol poise queso eco ences Aa adatoms Ay B ‘Sehestentects envees presi poo tbls Acs fs omopénn got Silico, anbus asboonss son smc Porel conto ib BSCS vere el mamo grado de vaiabad, tage liner ene ime sung) usa aii ont 5 i D 2426 2 233 6 L 120 10 3 sit 2 5 | nis “0 7 0 0 : | ‘wo 12) Se identifican los valores mximo y minimo observados, 1). Se toma una decisidn acerca del nimero mds apropiado de tll distin 6) Se lista tos los tllos distintos en une columea, odenados de forma reciente de ariba hacia abajo. 4) Seeseribe cada hoj junto a allo que te conesponda,preferibiemente or fdenados sein 80 valor En ol evadeo 23 presentamos un ejemplo numérico sobre 0 obsecvacioes. Al igual que al tatar In agropecin en sntervalos nos planterfamos Ia cuestion de hdl es el nimero més apropiedo de intervalos, ahora podemosplantearnos con Aue criterio deciimas ch mero de tallos. De nuevo hay que decir que no Ray formas estictas sobre ello, y Is directrices que podemos dar son tan generals Como fas que dimos en aquel caso. En general, un nimero de tallos superior + Cinco y que no pase de veintesuele ser spropisdo. Aparte de ser mds cil de cons- trun el diagrama de talloy hojas tiene varias Venajas sobre la distibuci6n de frecuencia y también algin inconveniente:58 / Ani dates en pscoigia 1 Cogantzacin yrpresaniacln de cats / 59 CunpRo 23 : 2) Una primera vei ex qb permite erie ada puts ini enpode confer den gra de ley hj : ta Enns stone ean slo cnecnes ecard , fava, tno olga ln Gs de citar dos Sr | tans sin eoceiaci cn po meds bun me Tlrhencs rao demecerumnyar gs dcaie wien | ae fives dnt nal Sn era ven eee ada lor . ‘Sl vine acmpatia elastase uo Saga xt 7.707168 4,76 CE dal 4 Hoy ols lin conola bccn deca cs eels 85, 42,9563, 61,32 51,34, $5, 57,58, 61 = de fos extaisticos que estudiaremos més adelante. Simones ss Seen a o> Stew timatcanese unio dn det pnasoes somo 63, 55, 58, 46, 57, 73 3,73, 73.75, 77,77 4 bujo de la distribucién. Efectivamente, si tumbamos el diagrams obtene- Ramona Rees a. ‘ 6) Ai cota ou re fc Seo, ds hl de mods 4). Loe valores mayo y énor son 52y 32, eects P tara obtener un dibujo con on nivel de dull dst, mayor o menor, de 5) STtomms inde oo eaaence es dann a pue- | HE tn dtbcin (ae on spl nl pre Gi! coo 22) ‘eet spopaty, area eens umanconresaetee | Ee rr ———sS—S iconundcines Lotta ofa crane | fics simeldneamente chal iano Gaga con ogee ahaa coo wooed enty ; ren Eno cur 24 peelune e Sapl 974) Colocamos en columpa Jos lis yexeibimos cada hoje junto 6 tll = rm “mn sound 4 cuaDRO 24 | ahaa a Benplo de un dagrana de alo hj cnet tlhe i 5 ise Dispel des uc pe ial on xpi an on 6 ise i tee cna Confers ayer gp ale 2am ogeye een pe ecenrceee af coi : Tapco sistant eg 2.2,3,0.07 20.72.2,19.28 Stacia edn tac dpa conan guna dedate po | 4 sas S07 20702 .28 nate ons so Paes agate Baan ae ' ino ae a8 hee a : : ata a2 Sanaa a / a | Comet pein a 5] a Pan 1 semi |2 | eis ies see ei Lato ion ale ete 094 ion ome 7 finsss “+5 La hoje toma valves ere a3 os 14 [5778 : S¥8 a a | a su dagen pei de rm nmin ts ee pei j istrict! os wl ait pan on opera, vine tion ede bs