Resumen

Un correcto anlisis de los datos adquiridos durante la investigacin geolgica es fundamental

tanto para la interpretacin de los mismos como para su posterior comunicacin a la
comunidad cientfica. Por ese motivo el aprendizaje de una metodologa de anlisis de datos
debe formar parte de la preparacin de todo gelogo a lo largo de su formacin. En este
trabajo se desarrolla una metodologa de anlisis de datos como parte principal de dicha
preparacin. Las tcnicas propuestas no requieren conocimientos avanzados de estadstica por
parte del gelogo y tienen como principal objetivo el establecimiento de relaciones entre
datos y la elaboracin de hiptesis sobre las mismas que debern ser formalizadas en una fase
final de tratamiento estadstico aplicado

INTRODUCCIN

El Anlisis de Datos es un conjunto de tcnicas y mtodos estadsticos que aplicados de forma

global y sistemtica a unos datos permiten obtener conclusiones sobre ellos mismos y sobre la
poblacin o poblaciones de la que proceden. Todo anlisis de datos debe comprender al
menos las siguientes fases:

1. Modelizacin

2. Adquisicin y depuracin

3. Descripcin y representacin

4. Establecimiento de relaciones e hiptesis de trabajo

5. Formalizacin estadstica

Las cuatro primeras fases pueden ser realizadas por cualquier gelogo con una preparacin
adecuada en anlisis de datos cuyo desarrollo metodolgico es el cometido de este trabajo. El
ltimo punto lo podr realizar el gelogo con conocimientos en estadstica aplicada, aunque si
la complejidad es alta tendr que resolverse por especialistas en esta materia. Algunas de
estas fases forman parte, de forma parcial o completa, de los programas de asignaturas de
Matemticas y/o Estadstica que se imparten preferentemente en el primer curso de Grado de
Geologa. Estas asignaturas tienen en comn el enfoque formal Matemtico como demuestra
el hecho de ser impartidas por docentes de departamentos de Matemtica Aplicada,
Estadstica o Investigacin Operativa. Por ese motivo se basan en el aprendizaje de conceptos
eminentemente matemticos como la combinatoria; el clculo y las distribuciones de
probabilidades; las variables y la inferencia estadstica. Solo en algunos casos se complementa
la formacin matemtica con el manejo de herramientas informticas (p.e. Tratamiento
estadstico e informtico de datos geolgicos en el segundo curso de Grado de Geologa en la
Universidad de Zaragoza). El enfoque del anlisis de datos como metodologa de investigacin
no se plantea durante la formacin de graduados ni tampoco en la formacin de posgrado. La
realizacin de un anlisis de datos incompleto tiene dos problemas asociados. El primero es
que en las publicaciones de las investigaciones geolgicas no se incluyen descripciones y
anlisis de datos correctos dificultando el seguimiento de todo el proceso de adquisicin y
descripcin de datos (apartados siempre presentes en estos artculos) y por lo tanto la
discusin y posterior conclusiones del trabajo de investigacin. El segundo que el gelogo
investigador no explota toda la informacin contenida en los datos adquiridos en muchas
ocasiones con un coste y esfuerzo muy elevado. En este trabajo se propone el contenido y
desarrollo de una metodologa de anlisis de datos basada en la aplicacin de tcnicas
eminentemente prcticas de tratamiento y representacin de datos que deber
complementarse con la utilizacin de herramientas informticas para la realizacin del anlisis
de datos. Se ha incluido un apartado final con algunas de las herramientas informticas
recomendadas. Los autores proponen que la metodologa de anlisis de datos debera formar
parte de seminarios eminentemente prcticos enmarcados en cursos de posgrado (doctorado
o mster).

MODELIZACIN Y ADQUISICIN DE DATOS

El punto fundamental de todo anlisis de datos es definir de manera clara y concisa qu es lo

que queremos hacer. Esto implica entre otras cosas identificar la poblacin de estudio y definir
toda la informacin en forma de datos que vamos a manejar de la misma. Los principales datos
geolgicos sern medidas de magnitudes fsicas o qumicas (p.e. datos morfomtricos,
composiciones qumicas, parmetros fsicos, cartogrficos), datos calculados a partir de dichas
medidas y datos obtenidos al clasificar muestras. Modelizacin: consiste en asociar variables a
cada uno de los datos que van a ser adquiridos o calculados. Las variables pueden ser
cuantitativas cuando representan datos numricos y que por lo tanto toman cualquier valor
dentro de un intervalo; y cualitativas para los datos categricos que solo toman 2 o ms
valores dentro de un conjunto limitado de opciones denominadas modalidades. Para las
variables cuantitativas es necesario definir las siguientes propiedades: Rango o intervalo de
variacin Unidades de medida en funcin de la magnitud que representan Nmero de
decimales representativos La consulta bibliogrfica sobre trabajos anteriores es fundamental
para asignar valores a las propiedades de las variables cuantitativas. Para las variables
cualitativas solo habr que definir todos los posibles valores o modalidades que puedan tomar.
Es importante asignar un valor numrico a cada modalidad para poder representar relaciones
de orden. Por ejemplo, podemos asignar valores numricos para expresar el grosor mediante
1, 2, 3, 4 y 5 representando 1 un menor grosor que 3 y este que 5; y a su vez a cada nmero
una etiqueta: muy delgado, delgado, normal, grueso y muy grueso.

Adquisicin de datos: es necesario tener en cuenta y definir los siguientes aspectos: Errores
cometidos durante el proceso de medida - Errores sistemticos. Constantes, controlables y por
lo tanto medibles - Errores accidentales. Inevitables y no controlables y necesitan del uso de
tcnicas estadsticas para su manipulacin Representatividad de los datos adquiridos. El azar
no es garanta de representatividad. La representatividad de los datos respecto de la poblacin
que pertenecen es requisito para la validez de la investigacin Precisin y sensibilidad de los
aparatos de medida. Se especifica como parte de la descripcin del instrumental de medida
utilizado. Relacionado con la modelizacin de los datos y en concreto con las unidades y
posiciones decimales Nmero de medidas necesarias. Las medidas necesarias dependen de
la variacin y de la mxima diferencia esperadas entre el valor medido y el valor real. La
consulta bibliogrfica permite estimar esta variacin

DESCRIPCIN Y DEPURACIN

Los objetivos de esta fase son el conocimiento de los datos adquiridos y calculados, su
descripcin y su posterior depuracin para detectar valores anmalos y/o incorrectos. Aunque
la descripcin de los datos lleva asociada una serie de descriptores numricos cuya
especificacin es fundamental en todo trabajo de investigacin, como parte de la metodologa
de anlisis de datos se propone la utilizacin de mtodos grficos como potentes herramientas
de descripcin de datos. Los trabajos de Cleveland (1993), (1994) y Chambers et al. (1983) se
proponen como textos de referencia en la descripcin grfica de datos. Las variables
cualitativas se describen mediante frecuencias absolutas y relativas, acumuladas o no. La
representacin numrica de las variables cualitativas consiste en tablas en las que se indican
las frecuencias de cada una de las modalidades. La representacin grfica visual se realiza en
forma de diagramas de sectores y de rectngulos (Cleveland, 1985) estableciendo una
correspondencia entre las frecuencias de cada modalidad y el rea de los sectores o los
rectngulos (ver Figura 1). Las comparaciones entre variables cualitativas se realizarn mejor
mediante representaciones grficas.

Las variables cuantitativas se describen mediante medidas de posicin (media aritmtica,

mediana, moda y cuantiles), dispersin (rango, error estndar de la media; recorrido
intercuartil, varianza, cuasivarianza, desviacin y cuasidesviacin tpica) y simetra (coeficiente
de simetra de Pearson). El valor de las mismas junto con el nmero total de datos debe
incluirse como resultado de todo anlisis de datos. La representacin grfica de los datos
cuantitativos se realiza mediante histogramas (ver Figura 2), diagramas de tallos y hojas y
grficos de cajas (Chambers et al., 1983). Los mtodos grficos, adems de ofrecer una
representacin rpida y concisa de las medidas de posicin, dispersin y simetra, permiten
depurar rpidamente los datos y efectuar un anlisis bsico de normalidad e igualdad de
varianzas. Las tcnicas estadsticas ms utilizadas (punto 5 del anlisis de datos) solo son
vlidas cuando los datos se han obtenido de forma independiente (fcilmente asumible),
siguen una distribucin estadstica normal (por lo tanto simtrica) y existe homogeneidad de
varianzas (los lmites de variacin son similares entre variables comparadas). Ambos supuestos
pueden contrastarse fcilmente en las representaciones grficas de variables cuantitativas
aunque la formalidad se asignar mediante tcnicas estadsticas. Una alternativa al
cumplimiento de estos requisitos es el uso de medidas posicin robustas (mediana, medias
recortadas o Windsorizadas) y mtodos estadsticos robustos en el punto 5 del anlisis de
datos, obtenindose conclusiones formales sin necesidad de normalidad e igualdad de
varianza (Garca-Prez, 2005)