Está en la página 1de 65
1. INTRODUCCION 1.1. INTRODUCCIÓN GENERAL Este libro tiene como objetivo principal recordar a los arqueólogos las gran des posibilidades de un estudio más detallado y sistemático de la estructuración espacial de la información arqueológica. Los mapas de distribución están de al guna forma presentes en algunos de los temas más fundamentales de la arquen logia, como el comercio, la difusión y la cultura, y también son importantes pin a la cronología. Por ejemplo, Clark (1957) afirma que el grado de superposición entre las distribuciones de diferentes conjuntos culturales puede darnos información sobre su contemporaneidad (Willey y Phillips, 1958, p. 32). *1 os mapas de distribución son uno de los principales instrumentos de la investiga ción y exposición arqueológicas, pero dada la trivialización que se hace de ellos en libros y artículos, conviene recordar lo que pretendemos con ellos, eslo es. conseguir y demostrar la totalidad de la información relativa a algún hec ho ai queológico, y estudiar toda la evidencia en el espacio que tenga relación con algún aspecto de los restos arqueológicos del pasado» (Daniel, 1962, p. 80). »Un los últimos treinta o cuarenta años los mapas de distribución arqueológicos lian constituido una de las armas principales del prehistoriador» (Clark, I,},W. p. 153). Pero el desarrollo de los estudios espaciales en arqueología ha ni * lento. Los primeros prehistoriadores se 1 dedicaron fundamentalmente a estable cer secuencias cronológicas y muy poco a la dimensión geográfica cíe las euliu ras que trataban. «De ahí que la cartografía arqueológica apenas avanzara ha «tu bien entrado el siglo veinte ... En 1912 Crawford utilizó por primera ve/ mapa de distribución para tratar cuestiones de historia cultural» (Clark, ihitl ). Sólo en los últimos años se lian empezado a utilizar métodos sistemáticos para el amibas de los mapas arqueológicos. Debido a esa negligencia del pasado, la inmrn .a mayoría de métodos que se utilizan actualmente en arqueología, y que son lo*, que se manejan en el estudio que aquí presentamos, constituyen adaptaciones procedentes de otras disciplinas, sobre lodo de la geografía y de la ecología bola nica. < I .a dish ihut ion de anidados en el espacio, mediante la aplii ación di' ana tisis locai lonalr* empieza poi lin a sel objeto de un estudio •¡islemalu o I a ai queología prehistórica todavía no ha asimilado las nociones de distribución espacial aleatoria y regular, la teoría del lugar central y de jerarquía de asentamientos, ni ln noción de correlaciones entre las distintas distribuciones» (Renfrew, I / U>, p. 250). El presente trabajo supone un intento de desarrollar un estudio sistemático de este tipo, si bien el campo es amplísimo y es imposible pretender i ubi II lodos los aspectos ni resolver todos los problemas que conlleva. < 'iremos necesario realizar un balance del papel de los estudios espaciales, y i lio poi iros razones. Primera, porque la investigación precedente en este campo IÍI .ido limitada en sus objetivos y métodos, con frecuencia acríticos y de poca nulidad para una interpretación detallada. Segunda, porque las valoraciones subjetivas de las distribuciones pueden ser peligrosas; y tercera, porque se necesitan ■ n i lov. métodos para manejar la enorme cantidad de información sobre distribu■• t iones que ya empieza a ser importante. I *ai a ilustrar el primer punto y mostrar el uso de los primeros mapas de distribuí ion en el campo de la arqueología, contamos con el estudio de Fox Theper- M ' t h i í i f v <>l Hritain (primera edición 1932, revisada en 1943). En palabras del incalió box: ■.■.Trataré de exponer el carácter de la Gran Bretaña en la prehistoria \ en la bisloi ia antigua, destacando la influencia del medio sobre la distribución \ di .lino de sus habitantes e invasores» (Fox, 1943, p. 10). «La línea de inves- in-ai itMI mas acertada consiste en descubrir, mediante el estudio de mapas de di iiihia ion, dónde vivió y trabajó realmente el hombre primitivo en esta isla» i i i f h I p II). «Pretendo establecer principios, no describir la prehistoria de la i han Ihelaba» (ibid.,p. 14). I I método para conseguir ese objetivo se basó en la interpretación visual de una idrau cantidad de mapas de distribución de diferentes períodos. Se buscaron semegenerales entre las distintas distribuciones. Se apreció, por ejemplo, una diIcieiu ia importante entre las distribuciones con un sesgo occidental (monumentos 1 MIC} a IÍI icos, por ejemplo) y las que tenían un sesgo oriental (vasos campaniforme., por ejemplo). Luego hubo que explicar e interpretar estas diferencias. «La piuñeta cuestión que se plantea es cómo explicar las distintas distribuciones. I leben considerarse aisladamente o existen factores subyacentes y constantes a l • * 11 ■ * i en cuenta a la hora de elaborar un marco de explicación racional? En estas p/ij’iiins se evidenciará la existencia de tales factores dominantes» (ibid., p. 14). Se d' M ubnoque «la posición geográfica y la forma bastan para explicar, en gran medidu, Lis dos principales variaciones de la distribución» (ibid., p. 15). Así, puede ni n mili se que el sureste de Inglaterra está bien situado para recibir el contacto y la iul lucncia de las zonas vecinas de Europa, mientras que las Islas Británicas occideiitules absorben influencias de las rutas del Atlántico. La fisiografía de Gran hirtaoa también desempeña un papel importante, al ser las tierras altas del oeste y del norte marcadamente diferentes de la zona de las tierras bajas. Resalla laríl rnlendei poi qué los principales tactores físicos ejercen una ¡IL 11 IICIM i n Inn delei muíanle sobre las disli i luir iones, I as tin ras bajas, con sus ¡nsiv» nificantes colinas de suaves contornos, resultan más fáciles de invadir que las tierras altas. Las dificultades que presentan las regiones montañosas para los invasores potenciales son bien conocidas; además, el habitante de las tierras altas vive una vida más dura, y resulta más difícil de conquistar y mucho más arduo de desplazar, que el habitante de las tierras bajas (ibid., p. 33). También resultó evidente que las diferencias de clima y sus efectos sobre la economía humana influyen en las distribuciones. Por ejemplo, «la distribución del bosque de robles “húmedo” y su rechazo por parte del hombre explica muchos rasgos curiosos de los mapas prehistóricos» (ibid., p. 58). Hoy los objetivos del estudio de Fox resultan insuficientes. De acuerdo con su deseo de establecer principios generales, «una gama de distribuciones dada puede ser expresada, como aquí, en términos muy simples, sin aquellas complejidades que hacen que el modelo de la vida y de las actividades humanas sea tan interesante, y que corresponde dilucidar al prehistoriador y al historiador» (ibid., p. 14). «Es cierto que algunos mapas, con gran variedad de símbolos, ilustran la diversidad de material que hace posible la construcción de un patrón o modelo cultural; pero sólo el patrón resultante suele ser relevante para mis objetivos» (ibid.,p. 14). Además, los métodos visuales utilizados suelen ser bastante acríticos. No existe un análisis detallado del grado de correlación existente entre los distintos mapas, ni de si una distribución indica un patrón de destrucción del yacimiento, de la intensidad del trabajo de campo, de una invasión, de comercio o de contacto social. Se suele optar por la hipótesis de la invasión, aunque apenas se profundice sobre el por qué tuvo que ser así. La insuficiencia de los primeros estudios de distribución de artefactos también se refleja en el interés común por establecer rutas de comercio prehistóricas. El trabajo de Sprockhoff (1930) analizado por Stjemquist (1966, pp. 8-9) es un ejemplo de ello. En la figura 1.1 se presenta la red de rutas de comercio de la edad del bronce establecida por Sprockhoff. Se combinaron dos métodos para producir este mapa. El primero consistió en trazar en el mapa hallazgos de bienes importados y hallazgos procedentes de depósitos. Estos depósitos no se analizaron con detalle, sino que se dio por sentado que se trataba de depósitos comerciales. El autor combinó este método con otro basado en los trazados de rutas comerciales medievales, presuponiendo que la red de rutas de comercio no habría cambiado demasiado desde la edad del bronce hasta la Edad Media. De Navarro (1925) construyó asimismo «rutas comerciales transcontinentales» a partir de la distribución de hallazgos de ámbar. En estos estudios y en otros, ningún estudioso de los problemas relativos a las rutas comerciales ha intentado analizar los mapas de distribución con más detalle. Se han trazado rutas de comercio con el fin de identificar la dirección principal del flujo de bienes. No existe un análisis detallado de las condiciones económicas o topográficas, a pesar de que los aspectos topográficos están presentes en estudios de áreas limitadas. Y sin embargo las conclusiones que se alcanzan presuponen la opinión de que los lugares I 'i< ii IK A l.l Rutas comerciales en la edad del bronce (según Sprockhoff). Fuente: Stjem- qmM |Ú()(), donde se encontraron objetos importados marcan una ruta de comercio. Subyace mui vaga idea de lo que ello significa y a través de la bibliografía puede constalui'se la confusión que existe entre la consideración de los bienes como evidencia de una ruta comercial y la de los bienes como evidencia de un mercado (Stjemquisl, l%6, p. 14). 1 1 ími segunda razón para avanzar en los estudios espaciales en arqueología nene su origen en la subjetividad implícita en la interpretación cartográfica. «Se I m i lemoslrado que la capacidad para discernir y valorar la información contenida < ii el mapa no está exenta de elementos subjetivos y que cuanta más información < < Mil lene, lanío mayor es la posibilidad de que exista ambigüedad e incertidumbre en la interpretación» (Harvey, 1969, p. 377). En cambio es posible medir algu- nn . aspectos de la información cartográfica y desarrollar métodos más rigurosos de interpretación. «Hasta la reciente introducción de una definición estadística de la uniformidad espacial basada en el análisis del vecino más próximo,... ir,tillaba difícil medir con rigor los modelos de puntos. Los métodos visuales ni as tradicionales no resultan nada satisfactorios» (Garner, 1967, p. 310). I ai subjetividad de una interpretación cartográfica quizá no resulta evidente de lumia inmediata y por ello vale la pena dar algunos ejemplos (véase igualmente p -12). lin las figuras 1.2 a 1.5 se han trazado puntos de forma aleatoria en un área delimitada (coordenadas de puntos obtenidas a partir de una tabla de números aleatorios). ( on un eníoque un tanto flexible de estas distribuciones, es •*® FIGURA 1.2. Puntos colocados de forma aleatoria en un área acotada. Los círculos indican esferas de influencia en torno a «yacimientos». posible identificar una estructura, aunque el patrón sea aleatorio. Por ejemplo, si consideramos que los puntos son yacimientos, en la figura 1.2 podemos trazar círculos alrededor de algunos puntos (el enfoque seguido por Stanford, 1972). Incluso pueden avanzarse algunos asociamientos y agrupaciones en el marco de una dispersión bastante equilibrada de yacimientos individuales. Dependiendo del contexto, podrían avanzarse algunas hipótesis para explicar este patrón «estructurado». Por ejemplo, que los asociamientos y las agrupaciones* responden a aquellos yacimientos que han cambiado de ubicación, y que los círculos representan el área de utilización del suelo de estos agricultores itinerantes (Clarke, 1972, p. 25). O, según olio punto de vista, los yacimientos individuales espaciados de forma regular podrían reflejar importantes centros de servicios con agrupaciones periféricas de yacimientos menores en áreas de menor competencia con los centros principales. En la figura 1.3 podemos verificar una hipótesis según la cual los puntos de una parte del área de estudio están espaciados de forma regular, trazando encima de ellos una red de hexágonos cuya orientación y tamaño son alterables a volun* Preferimos traducir cluster por «agrupación», y no por «conglomerado», como suele hacerse a veces, sobre lodo en obras que incorporan tratamiento estadístico. (N. de las t.) |M( mu A 1.3. I lexágonos colocados encima de una distribución aleatoria para indicar oNpitCmmienlo regular. mi (( larke, 1968, pp. 508-509). Vemos que en la mayoría de los hexágonos apan ve un yacimiento y de ahí concluimos que la hipótesis del espaciamiento regu- ku es conecta. Desde el momento en que se ha utilizado la forma hexagonal podemos incluso invocar aspectos de la teoría del lugar central para explicar la dis- ti¡luición. Una «ventaja» de la información arqueológica es su naturaleza incompleta. En los casos donde el modelo no encaja podemos introducir este ínclor. Por ejemplo, podemos decir que las celdas vacías predicen la ubicación de Iuluros yacimientos, o que indican los lugares donde han sido destruidos. Las celdas hexagonales que contienen dos yacimientos, y no uno, podrían explicarse diciendo que no son rigurosamente contemporáneos. Si se prefiere una hipótesis de agrupación de yacimientos, pueden trazarse hexágonos alrededor de la misma distribución de yacimientos, como vemos en In figura 1.4. Esta vez (fig. 1.5) indica una aglomeración, no una regularidad. lisios ejemplos sirven para llamar la atención sobre los peligros de un enfoque | >oco riguroso del análisis e interpretación cartográficos en aquellos casos en que poco se sabe del proceso espacial que produjo el patrón o modelo, como oí une con la información arqueológica. i FIGURA 1.4. Hexágonos colocados encima de una distribución aleatoria para indicar espaciamiento regular. Existe una tercera razón que justifica la necesidad de desarrollar y avanzar en el análisis espacial de la información arqueológica. El estudio de la copiosa in- formación distribucional recogida recientemente resulta difícil si no se avanza paralelamente en el campo de las técnicas disponibles. Por ejemplo, Bergmann trazó más de 112 mapas de distribución de diferentes tipos de artefactos pertenecientes a una fase de principios de la edad del bronce del noroeste de Alemania. Para cada uno de esos mapas se utilizaron diferentes símbolos para indicar el contexto de descubrimiento. No resultó fácil manejar las semejanzas y variaciones de toda esta información, y una segunda estimación (p. 233) identificó otra estructuración espacial además de la ya registrada en la primera operación visual. En un estudio de 542 hachas de talón del bronce medio del sur de Inglaterra (Rowlands y Hodder, no publicado), se tuvo que analizar la estructura espacial de los múltiples tipos de hachas de talón de cada uno de los cuatro grupos tipológicos del material para dos divisiones de hachas de talón. Trazar todos los mapas necesarios hubiera sido no sólo una tarea ingente, sino algo muy difícil de pre- senlai en forma de publicación, y extremadamente difícil de interpretar. Gracias ¡i hi utilización de algunas de las técnicas que se discutirán en este volumen, el problema resultó manejable. lín respuesta a la necesidad de ampliar y perfeccionar los estudios espaciales, el ira bajo arqueológico de los últimos años ha avanzado en dos principales direcciones. I Á\ primera supone un intento de describir y analizar las distribuciones de nmi forma más rigurosa con objeto de obtener mayor precisión y fiabilidad. Ejemplo-. de este enfoque son los trabajos de Whallon (1973; 1974) y Dacey (1973). I ios y otros ejemplos se analizarán en los próximos capítulos. Una caracterización más completa de las distribuciones definidas posibilita una base mejor para la interpretación. En general se trata de un enfoque cuantitativo y/o estadístico. I >mlas las dificultades que comporta la aplicación de tests estadísticos a la informnción arqueológica (que se discutirá después), el rigor conseguido por esta vía I Míen le ser más aparente que real. Pero a veces encontramos cierto rigor en algunos míenlos de utilizar procedimientos analíticos claramente definidos y repetibles. i i > r’u i i n< A 1.5. Una impresión de agrupaciones en una distribución aleatoria. I a segunda corriente prioriza el proceso que conduce a la formación de un patrón modelo arqueológico. Los intereses de Fox se mueven en este sentido, aunque un míenla realmente distinguir la invasión de otros posibles mecanismos. Con técnicas mejores nosotros confiamos en poder diferenciar diferentes procesos, como por ejemplo tipos distintos de difusión. En las tendencias espaciales pueden relacionarse algunas anomalías con distintas condiciones sociales, etc. En esta línea, Renfrew (1969; 1972b) ha realizado algunas generalizaciones relativas al comercio a partir de curvas de regresión, y Hogg ha construido un modelo del proceso de dispersión de las monedas de la edad del hierro. A lo largo de este estudio se hará más y más evidente la dificultad para inferir procesos a partir de la forma. Es posible construir un patrón espacial con una gran variedad de procesos espaciales (Harvey, 1968; King, 1962), y determinar el posible alcance de esa variedad es parte del cometido. Analizaremos distintas vías de diferenciación entre hipótesis alternativas relativas a la misma forma espacial (p. 102), pero con frecuencia tendremos que recurrir a la evidencia no espacial para corroborar o refutar teorías relativas a procesos espaciales. Como ejemplo de este tipo de dificultad consideremos la distribución de yacimientos. Demostraremos que la forma de muchos patrones locacionales es comparable a una distribución de Poisson, que nos dice que los asentamientos se localizan según un proceso aleatorio e independiente. Gran parte de la teoría locacional sugiere precisamente lo contrario. Sabemos que la probabilidad de localización de un lugar de almacenamiento en un área viene condicionada por muchos factores, uno de los cuales, y no el menos importante, es la ubicación relativa de otros lugares de almacenamiento. Por lo tanto, un simple modelo como la ley de Poisson apenas resulta deducible de la teoría, y en la medida en que pueda servir como una primera aproximación del patrón locacional, simplifica y esquematiza una situación que ya se sabe muy compleja. Además, es casi seguro que existen otros modelos de probabilidad que también encajarían con los hechos observados, y a falta de una teoría que oriente nuestra opción, un modelo puede ser tan bueno como cualquier otro (King, 1969, p. 43). Analizaremos la interpretación de patrones aleatorios en la sección 4.1. Un enfoque que utilizaremos continuamente para establecer patrones espaciales es el uso de procesos aleatorios o estocásticos. Este método ha demostrado ser muy útil a la hora de abordar las pautas del comportamiento humano y ya se ha empezado a utilizar en arqueología (Isaac, 1972, p. 178; Thomas, 1972). Ouiza debería explicitarse su utilidad en el análisis de los patrones espaciales. Nosolros esperamos distribuciones espaciales no aleatorias porque sabemos que el comportamiento humano no es aleatorio sino constreñido, y determinado, por e jemplo, por factores de parentesco en el intercambio de bienes y por factores físico:; en la localización de yacimientos. Sin embargo, descubriremos que el compon amiento no aleatorio pocas veces se refleja en los patrones espaciales. Mu- (líos de los patrones arqueológicos observados tienen una forma similar a los pa- iioiir’i producidos por un proceso aleatorio. Si la forma del patrón es similar al ic,silbado Imal de un proceso aleatorio, ello no significa necesariamente que el proceso que produjo el patrón observado fuera aleatorio. Sin embargo es posible, desde una perspectiva aérea, simular mucho mejor el comportamiento humano ■fregado mediante un proceso aleatorio, o mediante modelos muy simples que nieoi poren un fuerte elemento aleatorio. Curry (1964; 1967) ha trabajado en esta dirección, desarrollada luego por Cliff y Ord (1973; 1974). De acuerdo con f un y, «toda decisión puede ser óptima desde un punto de vista concreto y sin embargo las acciones resultantes, como un todo, pueden parecer aleatorias. La bilin de información, de vínculos sociales, etc., cambiarán una solución optimi- •'adora pero no la formulación de aleatoriedad» (1964, p. 138). Se puede considerar el comportamiento como racional cuando conocemos todos los condicionamientos de una decisión, que es el nivel donde se mueven los antropólogos so- ‘ «ales cuando estudian la interacción humana (por ejemplo, Bames, 1972). Pero en un marco dinámico existe tal cantidad de decisiones posibles -raras veces eoincidcntes en el tiempo, con motivaciones distintas y con circunstancias y grados de información distintos-, que abarcar la racionalidad a gran escala resulta imposible. Así, «los hombres, motivados por diversas ideas, actúan de forma que, desde el punto de vista de la estructura locacional vista como un todo, sus uu iones parecen aleatorias» (Curry, 1964, pp. 145-146). Seguramente resultará útil comparar esta noción de comportamiento aleato- 1 ío ( agregado con la noción de entropía de la teoría de la información (Harvey, % J, p. 462; Wilson, 1970). Si un sistema contiene n elementos y se comporta de manera que si se conoce el valor de un elemento del sistema todos los demás ' alores resultan predecibles, ese sistema será un sistema altamente organizado. I n cambio un sistema similar en el que pueden conocerse los valores de los 1 fírmenlos, pero donde el valor del pésimo elemento es impredecible, es un sis- U ina desorganizado v y en una situación de alta entropía. A veces puede darse una ¡u iedad de opciones posibles para una acción, de forma que el patrón agregado de acciones muestre escaso orden y suministre escasa información acerca de las Acciones. Esto es comparable a la noción de aleatoriedad discutida anterior- menic. I ,a información «puede considerarse como la medida de la cantidad de mgmuzación (en el sentido > I NTK( >1 )l ICdÓN ESTADÍSTICA i •* opuesto a aleatoriedad) del sistema» (Klir y Valach, I %7, p. 58). «Los resultados de un proceso aleatorio ilimitado pueden definirse en términos de orden cero. El orden se consigue restringiendo la libertad de ele- gír la acc ión. Esta variedad de opciones disponibles puede llamarse entropía y es el complemento del grado de ordenación» (Curry, 1964, p. 144). En un libro de estas dimensiones es imposible ofrecer siquiera una introduc- < ion a la teoría estadística básica o al uso de las técnicas estadísticas más co munes, sin que el resto del texto se resienta de ello. Claro que tampoco resulta uceesaiio va que existen muc líos manuales sobre el tema. Para una introducción directa a los aspectos teóricos recomendamos el libro de Lindgren (primera edición 1960, o segunda edición 1968, si bien las referencias se harán a las páginas de la primera edición), y para un enfoque más práctico recomendamos a Davies (tercera edición 1961) o a Davies y Goldsmith (1972). Cuando sea posible, estos trabajos se mencionarán como material básico para aspectos concretos de la teoría o técnica estadísticas. 1.2.1. Notación Se necesita un mínimo de notación matemática para la presentación de técnicas. La mayoría de los símbolos resultarán familiares, y los menos corrientes se explican más adelante. Aquellos que estén familiarizados con ellos pueden saltarse esta sección. 1) Subíndices: Son letras o números de caja baja, situados debajo de un símbolo, e indican que ese símbolo representa un ítem concreto de toda una serie de ítems. Por ejemplo, en la sección 4.3 el símbolo «p» se usa para denotar la proporción teórica de la distancia entre dos grandes ciudades donde está situada una ciudad secundaria. Existen varios ( )caminos, cada uno con su valor concreto de p, y vienen denotados mediante p] para el primer camino, p2 para el segundo y así sucesivamente hasta pn para el /íésimo. La expresión p¡ se utiliza por lo general para designar una proporción ze- sima no específica. Pueden utilizarse subíndices dobles o múltiples; por ejemplo en la sección 4.3 la pu significa la zesima proporción si la hipótesis 1 es verdadera, y p2¡ significa la zesima proporción si la hipótesis 2 es verdadera. 2) E yn (sigma y pi): con frecuencia es necesario expresar una suma múltiple, por ejemplo en la sección 3.1 la distancia media del vecino más próximo se calcula sumando ru r2 hasta rn y dividiéndola por n. Esto puede escribirse de la siguiente manera: — (r1 + r2 + ... + rn) pero resulta más sencillo y corto escribirlo n -1 r¡; el «rango» del subíndice z (de la nsignifica que se empieza a sumar en n i= i n y se acaba en rn. Allí donde el rango es evidente a partir del contexto, la 1 expresión puede abreviarse sin problemas así: - Er , y todavía más abreviado /• («r-bar»). l ambién se utilizan productos múltiples (por ejemplo, rx X r2 X ... X rn). La n abreviación matemática estándar para esto es IIr¿, o simplemente flr. 1) Factoriales: el factorial es un caso especial del producto múltiple. Escrito //!, es el producto de 1 X 2 X 3 X ... X Una notación importante relacionada . r\ con el factorial es el coeficiente binomial, escrito i .) , y que representa a n! . En el capítulo 6 se usará ampliamente. Dos propiedades importantes i! < ¡ (// n^ n n ! = 1. i leí coeficiente binomial son = \n-r) y o ' r' I) Estimaciones: una estimación de un parámetro desconocido suele venir A denotado mediante un « » o «sombrero». Por ejemplo, en la sección 3.2 el parámetro X (lambda) debe estimarse a partir de la densidad del yacimiento, y esta estimación se escribeX. . A I'unciones de distribución I a migren (pp. 31-90) analiza los importantes conceptos de variable aleato- M , I y función de distribución. (La «distribución» en este sentido no es lo mismo que la «distribución» de un mapa de distribución.) Supongamos que una variable x (por ejemplo, una distancia del vecino más próximo al cua- diado tal corno aparece en la sección 3.2, p. 59) puede tomar como valor cual- qnioi numero de un conjunto de números reales, y que la probabilidad (P) de que i sea menor que, o igual a, un cierto valor, digamos (omega), se escribe P( \ ‘ m). I mego la función F(), que en realidad se deriva de la fda; según el ejemplo ya dibuja la representación de f(jc) contrae, el área a la izquierda del valor - y debajo de la curva es igual a F(co) (el área sombreada de la fig. 1.7). Asimismo la probabilidad de que \ quede situado entre dos valores ay b, P(a * r) es la función de densidad de íD. a condición de que no sea menor o mnyoi que <\ A veces la variable solo puede adoptai un valoi de una cantidad finita (literal- / FIGURA 1.6. (a-c). Ejemplos de varias clases de funciones de distribución acumu lativa. Para la explicación de los símbolos, véase el texto. mente, contable) de diferentes valores (por ejemplo, el número de yacimientos dentro de una rejilla-cuadrícula sólo puede ser un número entero no superior al número total de yacimientos). Tales variables se llaman discretas y sus distribuciones son distribuciones discretas. Se caracterizan por las probabilidades asociadas a los posibles valores que la variable puede adoptar, que se escriben /'i F(.i vk), donde xk es uno de los valores posibles x2, etc. I ,as distribuciones mas comunes en este libro son: I) La distribución normal f(x) crV(2 1 ^ p { ---- — }(Lindgren, p. 88). ex l'lí JURA 1.7. Ejemplo de una función de densidad, que muestra una I'KIUUA I ,8. Ejemplo de una función de densidad, que muestra una relación entre la Iunción y la función de densidad acumulativa interpretación de probabilidad del área debajo de la curva. asociada. Para la explicación de los .símbolos, véase el texto. 2) I AÍ distribución exponencial (negativa), f(x) = X exp (- X x), x>0 (Lindgreii, p. 82), ambas distribuciones continuas, y . k \) La distribución de Poisson, pk = exp (- m) X m lm\ (Lindgren, p. 76) I) Iva distribución binomial negativa, pk = (r + &-l)! &!(r-l)! r p k donde q = 1 — p (Lindgren, p. 142), ambas distribuciones discretas. I >e estas cuatro distribuciones, dos —la exponencial negativa y la de Pois- sou tienen un parámetro (A. y m, respectivamente) que determina su forma, nnenlras que dos la normal y la binomial negativa— tienen cada una dos parámetros (// (mu), cT(sigmn), y ¡K r, respectivamente). Si se consideran dos (o más) variables, puede ocurrir que la distribución condicional de una, dado el valor de la otra, sea independiente de este valor (Lindgren, p. 103). En otras palabras, el valor de la segunda variable puede que no nos diga nada acerca del valor de la primera. En estas circunstancias se dice que las variables son independientes. Muchos tests estadísticos están basados en la premisa de que las variables presentes son independientes, y sólo así serán válidas. Si dos variables no son independientes, podemos buscar el grado de relación o «coherencia» entre ambas. La forma más corriente de medir la coherencia es mediante el coeficiente de correlación, que suele denotarse mediante p (rho). Puede adoptar cualquier valor entre -1 hasta + 1: si es cero se dice que las variables no están correlacionadas, mientras que un valor de + 1 indica una correlación positiva perfecta, y -1, una correlación negativa. Las variables no correlacionadas no tienen necesariamente que ser independientes, pero las variables independientes siempre están no correlacionadas (véase la sección 5.1). Supongamos una muestra aleatoriax = jq, x2,... = a partir de una distribución con función de densidad f(x), que está determinada por un solo parámetro 8 (theta), y por consiguiente puede escribirse como f(x, 8). La función de densidad tomará un valor distinto para cada una de las x¿ — f(;q, 8) , etc. Multiplicando todas n ellas nos da una nueva función L (8) = llf(xh 8) que se conoce como la i-1 s de verosimilitud (likelihood function) (Lindgren, p. 222). Esta puede servir para determinar el parámetro: la estimación de la máxima verosimilitud de 8 será aquel valor que maximiza la función de verosimilitud L(0). Sin embargo, nosotros nos centraremos preferentemente en la comparación de funciones de verosimilitud de diferentes valores de 8 (véase la sección siguiente). 1.2.3. Tests estadísticos Supongamos una hipótesis (llamada con frecuencia hipótesis nula si es particularmente simple) relativa a una situación específica, que queremos verificar por referencia a un conjunto dado de datos. Por ejemplo, en la sección 3.1 utilizamos la hipótesis de un patrón de puntos aleatorio con el fin de estudiar un patrón de distribución de yacimientos. En una situación así pueden cometerse dos tipos de errores: 1) rechazar falsamente una hipótesis verdadera (llamado un error tipo I) y 2) aceptar falsamente una hipótesis falsa (llamado un error tipo II). Cuando utilizamos un test estadístico debemos asumir la aceptable posibilidad de hacer un error del tipo I. Podría tratarse perfectamente de una remota posibilidad si las implicaciones de rechazar la hipótesis son de gran alcance. O la posibilidad podría ser mayor si estamos usando la hipótesis como una «Tía Sally»2 y 2 Juego de feria que consiste en arrojar bolas a figuras semiocultas para obtener un premio. (N. de las (.) no nos sentimos obligados hacia ella. Esta posibilidad se llama nivel de significación del test, cuyos valores más utilizados son el 5 por 100 y el 1 por 100, pero puede utilizarse cualquier valor. Entonces el test consistirá en rechazar la hipótesis si algunas estadísticas basadas en los datos (llamados estadísticos) sobrepasan un valor crítico, que depende del test que se utilice y del nivel de signiI ¡unción elegido. Si, una vez realizado el test, decimos que «el resultado es signi- I iealivo al nivel 5 por 100», queremos decir que, si la hipótesis nula fuera cierta, la probabilidad de obtener un conjunto de datos no más favorable a la hipótesis que nuestro conjunto real de datos sería del 5 por 100 o menos. Pongamos un ejemplo sencillo. Supongamos que nos hacemos con una muestra de n observaciones a partir de una distribución normal con una varianza conocida de 1 pero con una media desconocida, y que nuestra hipótesis nula es que el 0-0. Escogemos el 5 por 100 como nuestro nivel de significación, el cual (por las tablas de la distribución normal) nos obliga a rechazar la hipótesis nula si la media de nuestras observaciones está fuera de los límites -1,96Mn hasta i I ,%/v/7 (los valores críticos). Calculando la media (nuestro test estadístico), encontramos que su valor está fuera de estos límites y decimos que difiere de forma significativa de cero, al nivel 5 por 100. I Ina situación enteramente diferente se plantea cuando tenemos dos hipótesis V < lucremos optar por una de ellas. Para esto (como en la sección 4.3) calculamos ;i I unción de verosimilitud (o su valor mayor) de cada hipótesis y dividimos la una por la otra para formar una razón de verosimilitud (RV) ( ()bicndremos un valor crítico de esta razón, por debajo de la cual una hipótesis sei a aceptada y por encima de la cual lo será la otra (véase p. 96). 1(1 tema de la verificación de hipótesis está perfectamente tratado por Lindf.njn (pp. 232-267). Un caso especial es cuando la hipótesis nula especifica la forma de la distribuí ion primaría o base de la que nuestros datos son una muestra aleatoria de una distribución de Poisson. En estos casos suele utilizarse un test de la bondad del a _cua inste ( goodness-of-fittest). El muy conocido test de (ji drado) (Cochran, i ( I >52) es uno de ellos, pero hay muchos otros. listos tests suelen utilizarse cuando la posible alternativa a la hipótesis no i .111 bien definida. Lindgren (p. 296) pone de relieve un rasgo desconcertante de los tests de la bondad del ajuste: si la muestra es suficientemente amplia, la hipótesis nula será casi con certeza desechada, puesto que el verdadero estado de la situación, aun estando posiblemente muy cercano a nuestra hipótesis nula, probablemente no esté exactamente tan especificado en la hipótesis nula. La pregunta sera entonces, «¿la diferencia es significativa en la práctica?», en lugar de ■•¿es estadísticamente significativa?». 2. MAPAS DE DISTRIBUCION ARQUEOLÓGICOS: Un enfoque cuantificado y problemas asociados Ya hemos dicho que este estudio supone un intento de aplicar técnicas cuantitativas más rigurosas al análisis de las distribuciones arqueológicas. En este capítulo analizaremos la construcción y el simple examen de tales mapas de distribución, y destacaremos algunos de los muchos problemas asociados que plantea la evidencia arqueológica al respecto. En cierto modo cualquier mapa supone un intento de cuantificación. Proporciona la evidencia empírica que permite construir una teoría. Pero un mapa de este tipo puede despistar, puesto que la información arqueológica sobrevive y se recoge de forma bastante desigual. A la hora de configurar, o analizar, el mapa, habría que intentar paralelamente determinar su propia fiabilidad. En este capítulo se discutirán algunas formas de llevarlo a cabo. Cuando se incluye información relativa al grado de distorsión del mapa, también pueden incluirse muchos más datos cuantificados de lo que suele creerse conveniente. Por ejemplo, supondría un enorme avance tener una idea de la cantidad relativa de la variable cartografiada en cada yacimiento o en cada área. Ejemplos de ello serían el porcentaje de un tipo de cerámica y la cantidad relativa de hachas de piedra procedentes de diferentes lugares. Con esta información pueden identificarse y analizarse tendencias espaciales mucho más detalladas. Analizaremos algunos de los tipos de datos que interesa recoger para dos tipos de distribución: distribuciones de yacimientos y de artefactos. 2.1. DISTRIBUCIONES DE YACIMIENTOS Suelen recogerse datos sobre la altitud, el aspecto, el medio ambiente local, ele., de los yacimientos, datos que suelen ser por lo general valiosos. Un tipo adi- di* proporcionar una mejor comprensión de los patrones de asentamiento, es la estimación del tamaño de cada yacimiento. Mostraremos (p. 83) que una de las características más interesantes de las relaciones entre yacimientos es su organización jerárquica. Es posible analizar la relación espacial entre yacimientos de distinto rango mediante la jerarquización de los yacimientos según criterios como el del tamaño. A partir de su interés por el tamaño de los yacimientos, Sal- way, I lallam y Bromwich (1970) pudieron identificar en los Fenlands, entre los siglos i y IV d.C., una tendencia que, desde una creciente aglomeración, acababa produciendo agrupaciones de asentamientos mayores. I )cetz (1967, p. 11) ha definido un yacimiento arqueológico como «una concciil ración espacial de evidencia material de actividad humana». Pero en algunos casos puede resultar difícil definir lo que queremos denotar cuando hablamos de un yacimiento. Chang (1972) ha hecho un listado de las clases de yacimiento que pueden encontrarse: Una casa aislada, un granero, un foso de almacenamiento o un área continua que contenga algunas casas, graneros y/o fosos. Un depósito de basura y otros detritos de ocupación en un área continua y deposilados durante un período sin cambios significativos -a menudo delimitados por encima y por debajo por disconformidades deposicionales. I In enterramiento aislado. Un taller o un área de trabajo aislados. I Jn lugar de matanza y/o cazadero aislado. I Jn horno aislado. I Jn campamento para pasar la noche o uno de corta duración. Un área continua con todo o parte de lo anterior p. 9). Si bien algunos de estos yacimientos son fáciles de delimitar sobre el terreno, ni ros no lo son tanto. En una prospección de superficie de los Fenlands (Salway <7 I )INTRIIP ICIONES DE ARTEFACTOS 1 a distribución de los artefactos también se ve afectada por la intensidad del linhn|ode campo y por las condiciones de conservación, al igual que ocurre con los yacimientos. En ambos casos, las áreas en blanco del mapa son difíciles de interpretar. Tal vez esos blancos no significan que los artefactos o yacimientos no estuvieran allí, sino sólo que no se han encontrado. Por lo que se refiere a las distribuciones de artefactos, el problema puede solventarse, hasta cierto punto, con «negativos», esto es, con sitios contemporáneos donde el artefacto en cuestión no ha sido encontrado. Es el método que utiliza Jope (1963), por ejemplo. Asimismo, en un estudio de la distribución de hachas-martillo neolíticas, el patrón de descubrimientos de una fuente pudo ser comparado y contrastado con las hachas-martillo de otras fuentes (p.122). En un estudio sobre el trabajo del metal de la edad del hierro prerromana tardía del sur de Inglaterra, Spratling (1972) estudió la fiabilidad de estos datos de distribución cartografiando todos los hallazgos conocidos y luego, aparte, todos los hallazgos encontrados «al azar», o sea, descartando hallazgos procedentes de las excavaciones. Ambos mapas son muy similares y al parecer la excavación no ha variado el cuadro de las distribuciones de objetos. Si convenimos en que los factores que determinan el patrón de excavación difieren de aquellos que afectan a los hallazgos individuales realizados «al azar» (lo que quizá no sea del todo justificable), entonces debemos considerar que este enfoque suministra algún tipo de información sobre la fiabilidad de las distribuciones. De hecho, la influencia del trabajo de campo sobre la distribución de artefactos resulta detectable en muchas ocasiones. El estudio de Laux (1971) de una parte de los túmulos funerarios del bronce del norte de Alemania presenta la distribución de descubrimientos realizados por museos y buscadores privados en diferentes períodos entre 1820 y 1964. De ahí concluye ( p. 29) que cada una de las partes de su área de estudio fue, en algún momento, bien investigada, de forma que no hubieron lapsos en el patrón de investigación. Es, pues, posible concluir que, si en un área determinada no se encuentra un tipo de artefacto concreto, es más que probable que ese artefacto no se haya utilizado allí. Los factores que, en el estudio de Laux, influyen en la recuperación de artefactos en distintos períodos varían considerablemente. Es interesante comprobar si la influencia variable de estos diferentes factores tiene un gran impacto sobre el patrón global de recuperación de artefactos. Esto puede verificarse utilizando el coeficiente V de asociación espacial que discutiremos más adelante (sección 6.1, p. 224). Podemos preguntarnos si la distribución de descubrimientos en fases diferentes varía de manera significativa en el área comprendida entre el Elba y el Al leí' (figs. 2.1 y 2.2). Si comparamos la distribución de descubrimientos realizados en el período comprendido entre 1820 y 1879 con el del período 1921-1964, vemos que existe una asociación significativa entre ambos patrones, donde /> (),() I (cuadro 2.1). En otras palabras, existe una probabilidad (p) de menos de 1 entre 100 de que el grado observado de asociación pudiera deberse «al azar». lista asociación se ha considerado a escala de los cuadrados en la figura 2.1. Si, con lodo, juntamos los cuatro cuadrados contiguos para producir un cuadrado mayor, el coeficiente V de asociación aumenta (cuadro 2.2). I i< JURA 2.1. Distribución de descubrimientos (1820-1879) en un estudio de la edad del bronce en el norte de Alemania. La sección de una retícula muestra el tamaño del cuadrado utilizado en el análisis (véase texto). Información de Laux, 1971. FIGURA 2.2. la figura 2.1. Distribución de descubrimientos (1921-1964) en el mismo estudio que en miento. Por ejemplo, los mapas de Bergmann (1970) relativos a las distribuciones de los descubrimientos del bronce antiguo en el noroeste de Alemania presentan diferentes símbolos para los hallazgos encontrados en tumbas, en depósitos, en asentamientos o para los hallazgos individuales. El contexto de deposición muestra una distribución espacial interesante (Hodder, 1975). Las puntas de lanza del bronce antiguo de Escandinavia y del norte de Alemania estudiadas por Jacob-Friesen (1967) aparecen unas veces en depósitos y otras veces en tumbas (p. 189). Estas diferencias pueden ser indicativas de variación social. CUADRO 2.1. La relación entre las distribuciones de descubrimientos realizados en el norte de Alemania en 1820-1879 y en 1921-1964. 1820-1879 1921-1964 Presente Ausente Total Presente Ausente 56 57 113 52 175 227 Total 108 232 340 V = 0,28; significativo en 0,01. Cuando se trata de artefactos procedentes de una fuente conocida o que están claramente definidos, un importante tipo de información para recoger es el porcentaje de artefactos en el conjunto global de ítems, por ejemplo, el porcentaje de obsidiana o el de un tipo cerámico determinado (Peacock, 1969b). Las tendencias en la variación espacial de estos porcentajes pueden proporcionar información sobre los patrones de comercio y de intercambio (Renfrew, 1969; 1972b). Los problemas asociados a la recogida y análisis de este tipo de datos < MIADRO 2.2. La relación entre las distribuciones de descubrimientos realizados en el norte de Alemania en 1820-1879 y en 1921-1964 a escala mayor. 1820-1879 Presente Ausente Total • 1921 1964 1 Presente Ausente Tolal 0, 30; significativoen/> 0 , 01 . 40 12 52 12 19 31 52 31 83 CUADRO 2.3. La relación entre las distribuciones de descubrimientos realizados en el norte de Alemania en 1876-1920 y en 1921-1964. 1921-1964 1876-1920 Presente Ausente Total V = 0,52; significativo en 0,01. Presente Ausente 42 9 51 9 21 30 Total 51 30 • 81 I idURA 2.4. La distribución de la cerámica fina britano-romana tardía en el suroeste de Inglaterra. Se indican los hornos (♦) de New Forest (NF) y Oxford (Ox). O, ('on juntos con cerámica fina y con bordes, bases o piezas decoradas toscas; #, conjuntos <|iic también contienen cerámicas toscas. El tamaño del círculo para cada yacimiento relie ja el porcentaje de cerámica fina en el conjunto global. Líneas discontinuas = vías o calzadas; barras horizontales = yacimientos sin cerámica fina, líneas de puntos = contornos que indican concentraciones alrededor de centros importantes. Fuente: Hodder, 13>74cl. en realidad, apenas se han estudiado yacimientos alejados de los caminos. La agí tipación aparente al lado de los caminos puede ser, pues, fortuita. < .Jiros análisis de cerámica tosca britano-romana permitieron identificar dos i i pos de mecanismos de mercado. El primer tipo viene ejemplificado en la figura *-.5, donde los círculos vacíos vuelven a representar las muestras (pequeñas) menos fiables (Hodder, 1974b). Los hornos que producen esta cerámica de Sa- vernakc están cerca de una ciudad amurallada y la principal concentración de ■'tilos porcentajes de cerámica se localiza en un áira idrcdcdoi de la ciudad y de 3 odo esto puede parecer enormemente arbitrario, dado que se han guardado diferentes cantidades de fragmentos en diferentes muéstreos. En la práctica, sin embargo, la presencia de fragmentos comunes y de escaso interés aparente demostró ser un buen indicador de un muestreo bastante completo. El mapa de distribución resultante evidencia que en los siglos III y IV sólo se encontró un alto porcentaje de cerámica fina (20 por 100 a 25 por 100) en las ciudades y en los lugares próximos o al lado de los caminos (véase también Swan, 1973, pp. 123124). I ístos lugares con alto porcentaje de cerámica fina no constituyen en abso- uio una clase de yacimientos importante, como villas, por ejemplo, sino que inir; i FIGURA 2.5. La distribución de la cerámica de Savemake. V, Ciudades amuralladas; 0, hornos de Savemake; líneas discontinuas = vías; segmentos horizontales = yacimientos sin cerámica tipo; O, colección de bordes, bases y cerámica pintada; #, conjuntos que incluyen muchos fragmentos de cerámica tosca sin decoración. Fuente: Hodder, 1974d. los hornos, con algunas extensiones hacia el oeste a lo largo de los caminos principales. El patrón global de descubrimientos es amplio, pero se dispone de mayor cantidad de información que muestran porcentajes y yacimientos contemporáneos sin la cerámica tipo. Podría decirse ( .) que la comercialización princi pal de la cerámica tenía lugar a través de la ciudad amurallada central. Por otro lado en la figura 2.6 aparecen algunas cerámicas toscas de los hornos de Oxford alrededor de los hornos, pero no en las áreas situadas alrededor de las ciudades amuralladas cercanas (I lodder, I974d). La producción de homo es a mayor es- rala que en el ejemplo anterior y la comercialización parece haberse producido I i< il IRA 2.6. ANÁLISIS ESPACIAL EN ARQUEOLOGÍA La distribución de las vasijas toscas de «Churchill orange» producidas en los hornos de Oxford. V, Ciudades amuralladas; ♦, hornos; líneas continuas = vías; segmentos horizontales = yacimientos sin cerámica tipo. Fuente: Hodder, 1974d. sin el respaldo de una ciudad-mercado importante. Otros estudios semejantes de los i i pos de cerámica tosca britano-romana permitieron fundamentar mejor estos dos mecanismos de comercialización. A pesar de las dificultades que presenta el esludio de estos materiales (p. 120), quizá merezca la pena realizar un estudio mas detallado. Acabamos de analizar los artefactos procedentes de una fuente conocida. Un faclor importante a la hora de analizar las distribuciones de los tipos de artefactos es la forma en que se ha definido el artefacto tipo. Algunos artefactos, como las hachas planas simples, resultan menos fáciles de definir que otras, más decoradas y complejas, como la cerámica pintada o las fíbulas de la edad del hierro. I hiélenles investigadores pueden definir un artefacto tipo de distinta forma. En los estudios espaciales, definir un tipo según rasgos funcionales puede producir lesultados bastante diferentes de los que se obtendrían si se definiera según rasgos estilísticos. 1 ,a influencia de la definición de un artefacto tipo sobre los estudios de distribuciones tiene su importancia y ha sido analizada en un estudio de huellas del bronce medio (sección 5,2). A/oury y I lodson (1972) han analizado la influencia de la utilización de lis + A Período de Hallstatt DEde DISTRIBUCIÓN ARQUEOLÓGICOS A Grupo B2a Período los Grupo A MAPAS Grupo B2b campos de urnas GrupoBI Grupo Grupo C B2a. I u ¡i \\< A 1.1. Mapas de distribución de vasos de bronce con asas cruciformes, (a) Según SpmekholT; (b) según Von Merharl. IMíenle: Sijernquist, 1966. 39 tas distintas de rasgos sobre la agrupación tipológica de los artefactos. No tomaron en consideración la estructuración espacial. Stjemquist (1966, pp. 18-21) ilustró gráficamente el problema. Comparó los mapas de Sprockhoff (1930) y los de Von Merhart de recipientes de bronce con asas cruciformes. El mapa de Sprockhoff no muestra ninguna diferenciación entre los diversos ejemplos, pero Von Merhart, en cambio, distingue grupos localizados de recipientes que tienen una significación cronológica. Como dice Stjemquist (1966, p. 18), «la interpretación del mapa cronológicamente diferenciado respecto del lugar de fabricación y líneas de comunicación será totalmente diferente, según se siga uno u otro mapa». Vemos, pues, que existen algunos problemas serios asociados al análisis de los mapas de distribución arqueológicos. Un estudio espacial suele tomar en consideración este tipo de problemas, y es posible establecer mapas de erosión, de destrucción y de intensidad del trabajo de campo, y compararlos y contrastarlos con los mapas de hallazgos arqueológicos. La fiabilidad relativa y cambiante de las muestras arqueológicas suele ser cartografiable mediante el uso de diferentes clases de símbolos. Cuanta más información cuantificada pueda plasmarse en un mapa o pertenezca al patrón espacial, tanto mejor podrá discutirse e interpretarse ese mapa. Esto ya ha resultado evidente en los párrafos anteriores y se verá más claro en los análisis más detallados de los próximos capítulos. m « CÎ Ml U U © ; c O >*\ a a; (ft # A\

X N 1 00 7Ì O 0 c» «•A ù! g* (C (A P" 0 c(ft tu*** 3 ** 8‘ O Btt jp > Û > a< 2 tv i' ■>wi •*** V/?; w v>vC ÿ./ UU-. w ,À% :w V* XÌ ^y» * »jrv *.;>> •U „ ÿ-v O '*•' £> .’.Vk "*' <*£¿ .vX •\ÍW «A •>w ,#\\ •V< «•< «w> 'Mf VÁ >.v» • ■<' • •».■ •■: •* w, .VA VW ArV ..A VkV • •v:> ;.-?< ■¿¿» Ak 1 ri» tu Tî O. Oo ta »*-v C