TALLER 1: ESTADÍSTIDICA DESCRIPTIVA

INTEGRANTE:

Sebastián Giraldo Vallejo

PROFESOR:
JOSE LUIS MEDINA LÓPEZ

POLITÉCNICO COLOMBIANO JAIME ISAZA CADAVID

MEDELLÍN
2020
1. Buscar una base de datos que sea compatible con su carrera, con 20
datos como mínimo.

Se utilizó una base de datos con los

goleadores de la Premier League De
Inglatera de la temporada 2019-
2020,tomada de la página
https://espanol.eurosport.com/futbol/pre
mier-league/2019-
2020/standingperson.shtml, Los datos se
presentan a continuación:XNombre Partidos Gole Eda
Jugador Equipo jugados s d
Jamie Vardy Leicester 35 23 33
Danny Ings Southampton 38 22 28
Pierre-Emerick Aubameyang Arsenal 36 22 31
Raheem Sterling Manchester City 33 20 25
Mohamed Salah Liverpool 34 19 28
Harry Kane Tottenham 29 18 27
Sadio Mané Liverpool 35 18 28
Anthony Martial Manchester United 32 17 24
Marcus Rashford Manchester United 31 17 22
Raúl Jiménez Wolverhampton 38 17 29
Sergio Agüero Manchester City 24 16 32
Tammy Abraham Chelsea 34 15 22
Gabriel Jesus Manchester City 34 14 23
Chris Wood Burnley 32 14 28
Dominic Calvert-Lewin Everton 36 13 23
Kevin De Bruyne Manchester City 35 13 29
Richarlison Everton 36 13 23
Riyad Mahrez Manchester City 33 11 29
Heung-Min Son Tottenham 30 11 28
Teemu Pukki Norwich City 36 11 30
Mason Greenwood Manchester United 31 10 18
Michail Antonio West Ham 24 10 30
Alexandre Lacazette Arsenal 30 10 29
Troy Deeney Watford 27 10 32
Brighton & Hove
Neal Maupay Albion 37 10 24
Christian Pulisic Chelsea 25 9 22
Willian Chelsea 36 9 32
Roberto Firmino Liverpool 38 9 28
Jordan Ayew Crystal Palace 37 9 29
Olivier Giroud Chelsea 18 8 33
Bruno Fernandes Manchester United 14 8 26
Dele Alli Tottenham 25 8 24
Jay Rodriguez Burnley 36 8 31
Ayoze Pérez Leicester 33 8 27
Callum Wilson Bournemouth 35 8 28
Jack Grealish Aston Villa 36 8 25
Harry Wilson Bournemouth 31 7 23
Sébastien Haller West Ham 32 7 26
Diogo Jota Wolverhampton 34 7 23
Mason Mount Chelsea 37 7 21
Lys Mousset Sheffield United 30 6 24
Ashley Barnes Burnley 19 6 30
David Silva Manchester City 27 6 34
Trezeguet Aston Villa 34 6 25
Joshua King Bournemouth 26 6 28
Bernardo Silva Manchester City 34 6 26
Harvey Barnes Leicester 36 6 22
Oliver McBurnie Sheffield United 36 6 24
Jonjo Shelvey Newcastle 26 6 28
Todd Cantwell Norwich City 37 6 22

2. Determinar si la media es confiable para representar todos los datos (analice la

desviación estándar, la curtosis y el coeficiente de asimetría, también el de Fisher y el
de Pearson). Analice el histograma.

Para el desarrollo de este punto, se calculó por medio de la herramienta análisis de datos
la estadística descriptiva obteniendo los siguientes datos:

VARIABLE Partidos Jugados Goles Edad

Media 31,84 11,08 26,72
Error Tipico 0,775839243 0,701508579 0,51984299
Mediana 34 9,5 27,5
Moda 36 6 28
Desviación 5,486011897 4,960414729 3,675845037
estandar
Varianza de la 30,09632653 24,60571429 13,51183673
muestra
Curtosis 1,671573421 -0,27231205 -0,663149419
Coeficiente de -1,368393872 0,907543374 -0,037132708
asimetria
 Rango 24 17 16
Minimo 14 6 18
Maximo 38 23 34
Suma 1592 554 1336
Cuenta 50 50 50
Mayor(1) 38 23 34
Menor(1) 14 6 18
Nivel de confianza 1,55910733 1,409734268 1,044663601
(95.0%)
Curtosis de Fisher 1,217485586 -0,467885986 -0,806746584
Coeficiente de -1,287384955 0,853816806 -0,034934451
Asimetria Fisher
Coeficiente de -1,181185918 0,955565262 -0,636588315
Asimetria Pearson

De los datos anteriores podemos analizar lo siguiente:

Media:

La media de los partidos jugados es de 31,84, la media de goles es de 11,08 y la media de

edad es de 26,72. Hallando los coeficientes de variación para saber si es confiable

 Para el coeficiente de variación de partidos jugados:

σ 5,486011897
𝐶𝑉= ∗ 100 = ∗100 = 17,23%
x̅ 31.84

 Para el coeficiente de variación de goles marcados:

σ 4,960414729
𝐶𝑉= ∗ 100 = ∗100 = 44,77%
x̅ 11,08

 Para el coeficiente de variación de edad:

σ 3,675845037
𝐶𝑉= ∗ 100 = ∗100 = 13,75%
x̅ 26,72

R/ Como la variación con respecto al promedio es baja en las tres variables la media es
confiable.

Desviación estándar:

 La desviación de los partidos jugados en la premier league con respecto a su media

es de 5.48 partidos en promedio.
  La desviación de goles en la premier league con respecto a su media es de 4.96
goles en promedio.

 La desviación de edades de los goleadores de la premier league con respecto a su

media es de 3,6 años en promedio.

Curtosis: Para las series de datos de las variables Goles y Edad se obtienen valores de
curtosis negativas, lo cual indica que los datos no están distribuidos normalmente y que hay
una menor concentración de datos en torno a la media, siendo la curva más achatada,
siendo la de goles más cercana a 0.

Coeficiente de asimetría de Fisher:

El coeficiente de asimetría de Fisher para la variable de partidos jugados es de

-1,287384955, para la de Goles es de 0,853816806, y para la de edad es de
-0,034934451.
Para los datos de las variables Partidos Jugados y Edad el coeficiente de asimetría es
negativo, nos indica que la asimetría está comprendida a la izquierda. Para los datos de la
variable goles, donde se obtienen coeficientes de asimetría positivos, nos indica que la
asimetría de los datos está comprendida a la derecha.

Coeficiente de asimetría de Pearson:

El coeficiente de asimetría de Pearson para la variables de Partidos jugados es de

-1,181185918 ,para la de goles es de 0,955565262, y para el de edad es de
-0,636588315.

Para los datos de las variables de partidos jugados y edad el coeficiente de asimetría es
negativo, nos indica que la asimetría está comprendida a la izquierda. Para los datos de la
variable de goles, donde se obtienen coeficientes de asimetría positivos, nos indica que la
asimetría de los datos está comprendida a la derecha.

Diferencia entre coeficiente de Fisher y Pearson:

Para todas las variables no hay diferencias ya que las tres indican la misma asimetría entre
Fisher y Pearson.
3. Utilizar 3 variables (Activos financieros, o las variables elegidas en su
base de datos que sean numéricas ) de la base de datos. Analice los
estadísticos, de la estadística descriptiva.

Se escogieron las siguientes variables: Partidos Jugados, Goles Marcados, Edad.

4. Justificar el criterio por el cual se determina el número de intervalos y el

tamaño de clase. Además verificar que no existan frecuencias absolutas en
cero.

 Para variable partidos jugados.

Se realiza una tabla de frecuencias para datos agrupados por intervalo, hallando el
número de intervalos por el método de Sturges, y los tamaños de clase se realizan
con los siguientes datos:

# DE INTERVALOS Tamaño del Int. © Eje X ( Int. De clase)

Raiz (n) 3,39411255 14
7,071067812   17,39411255
1+3,3log(n)   20,7882251
6,606601014   24,18233765
    27,5764502
    30,97056275
    34,3646753
    37,75878785
    41,1529004

Así que se tiene la siguiente tabla de frecuencia:

Frec. Frec.
Limite Limite Marcas de Frec. Frec. Abs Relativ Relativa
n inferior superior clase Abs Acumulada a Acumul
10,605887 12,302943
1 45 14 73 1 1 0,02 0,02
17,394112 15,697056
2 14 55 27 0 1 0 0,02
17,394112 20,788225 19,091168
3 55 1 82 2 3 0,04 0,06
20,788225 24,182337 22,485281
4 1 65 37 2 5 0,04 0,1
24,182337 27,576450 25,879393
5 65 2 92 6 11 0,12 0,22
6 27,576450 30,970562 29,273506 4 15 0,08 0,3
 2 75 47
30,970562 34,364675 32,667619
7 75 3 02 15 30 0,3 0,6
34,364675 37,758787 36,061731
8 3 85 57 17 47 0,34 0,94
37,758787 41,152900 39,455844
9 85 4 12 3 50 0,06 1

En esta variable se observa que existe una frecuencia absoluta de 0 dentro del intervalo 14 y
17,39411255 del partidos jugados , no afecta la distribución de las frecuencias, es decir no
se necesita arreglarlo porque no hay frecuencias dentro de estas acciones.

 Para variable partidos jugados.

Se realiza una tabla de frecuencias para datos agrupados por intervalo, hallando el
número de intervalos por el método de Sturges, y los tamaños de clase se realizan
con los siguientes datos:

Así que se tiene la siguiente tabla de frecuencia:

Limite Limite Marcas Frec. Frec. Abs Frec. Frec. Relativa

n inferior superior de clase Abs Acumulada Relativa Acumul
3,59583 4,797918
1 6944 6 472 10 10 0,2 0,2
8,404163 7,202081
2 6 056 528 11 21 0,22 0,42
8,40416 10,80832 9,606244
3 3056 611 584 9 30 0,18 0,6
10,8083 13,21248 12,01040
4 2611 917 764 6 36 0,12 0,72
13,2124 15,61665 14,41457
5 8917 222 07 3 39 0,06 0,78
 15,6166 18,02081 16,81873
6 5222 528 375 6 45 0,12 0,9
18,0208 20,42497 19,22289
7 1528 834 681 2 47 0,04 0,94
20,4249 22,82914 21,62705
8 7834 139 986 2 49 0,04 0,98
22,8291 25,23330 24,03122
9 4139 445 292 1 50 0,02 1

 Para variable edad.

Se realiza una tabla de frecuencias para datos agrupados por intervalo, hallando el
número de intervalos por el método de Sturges, y los tamaños de clase se realizan
con los siguientes datos:

Así que se tiene la siguiente tabla de frecuencia:

Limite Limite Marcas Frec. Frec. Abs Frec. Frec. Relativa

n inferior superior de clase Abs Acumulada Relativa Acumul
15,7372 16,86862
1 583 18 915 1 1 0,02 0,02
20,26274 19,13137
2 18 17 085 0 1 0 0,02
20,2627 22,52548 21,39411
3 417 34 255 6 7 0,12 0,14
22,5254 24,78822 23,65685
4 834 51 425 10 17 0,2 0,34
24,7882 27,05096 25,91959
5 251 68 595 8 25 0,16 0,5
27,0509 29,31370 28,18233
6 668 85 765 14 39 0,28 0,78
7 29,3137 31,57645 30,44507 5 44 0,1 0,88
 085 02 935
31,5764 33,83919 32,70782
8 502 19 105 5 49 0,1 0,98
33,8391 36,10193 34,97056
9 919 36 275 1 50 0,02 1

En esta variable se observa que existe una frecuencia absoluta de 0 dentro del intervalo 18 y
20,2627417 del goles marcados , no afecta la distribución de las frecuencias, es decir no se
necesita arreglarlo porque no hay frecuencias dentro de estas acciones.

5. Analizar el intervalo de clase que más probabilidad tiene (el que tienen más datos.).
En la frecuencia relativa , que valor es máximo, interprete con el histograma.

 Para la variable Partidos Jugados

Frec. Frec.
Limite Limite Marcas de Frec. Frec. Abs Relativ Relativa
n inferior superior clase Abs Acumulada a Acumul
10,605887 12,302943
1 45 14 73 1 1 0,02 0,02
17,394112 15,697056
2 14 55 27 0 1 0 0,02
17,394112 20,788225 19,091168
3 55 1 82 2 3 0,04 0,06
20,788225 24,182337 22,485281
4 1 65 37 2 5 0,04 0,1
24,182337 27,576450 25,879393
5 65 2 92 6 11 0,12 0,22
27,576450 30,970562 29,273506
6 2 75 47 4 15 0,08 0,3
30,970562 34,364675 32,667619
7 75 3 02 15 30 0,3 0,6
34,364675 37,758787 36,061731
8 3 85 57 17 47 0,34 0,94
37,758787 41,152900 39,455844
9 85 4 12 3 50 0,06 1
 Histograma Partidos Jugados
20 120.00%
15 80.00%
10
40.00%
Frecuencia

5
Frecuencia
0 0.00%
. % acumulado
14 5 5 5 1 6 5 0 2 7 5 5 3 8 5 0 4 r..
12 22 37 45 62 67 87 90 ay
o
41 8 8 8 23 5 7 6 7 05 3 6 4 5 8 7 1 5 2
39 ,7 ,1 , 9 , 7 , ym
1 7, 2 0
24 27 3 0 , 34 37 , 41

Eje X ( Int. De clase)

R/ El intervalo con mayor frecuencia o máximo está comprendido entre 34,3646753 y

37,75878785 partidos jugados, con una frecuencia relativa del 34%.

 Para la variable Goles Marcados

Limite Limite Marcas Frec. Frec. Abs Frec. Frec. Relativa

n inferior superior de clase Abs Acumulada Relativa Acumul
3,59583 4,797918
1 6944 6 472 10 10 0,2 0,2
8,404163 7,202081
2 6 056 528 11 21 0,22 0,42
8,40416 10,80832 9,606244
3 3056 611 584 9 30 0,18 0,6
10,8083 13,21248 12,01040
4 2611 917 764 6 36 0,12 0,72
13,2124 15,61665 14,41457
5 8917 222 07 3 39 0,06 0,78
15,6166 18,02081 16,81873
6 5222 528 375 6 45 0,12 0,9
18,0208 20,42497 19,22289
7 1528 834 681 2 47 0,04 0,94
20,4249 22,82914 21,62705
8 7834 139 986 2 49 0,04 0,98
22,8291 25,23330 24,03122
9 4139 445 292 1 50 0,02 1
 Histograma Goles marcados
12 120.00%
10 100.00%
8 80.00%
6 60.00%
4 40.00%
Frecuencia

2 20.00% Frecuencia
0 0.00% % acumulado
6 56 11 17 22 28 34 39 45 ...
0 6 9 2 5 8 1 4 yor
63 32 48 65 81 97 14 30 a
41 0 8 21 2 61 6 02 0 42 4 8 29 23 3 ym
40 ,8 , , , , , ,
8, 1 0 13 15 18 20 22 25

Eje X ( Int. De clase)

R/ El intervalo con mayor frecuencia o máximo está comprendido entre 6 y 8,404163056

goles marcados, con una frecuencia relativa del 22%.

 Para la variable Edad

Limite Limite Marcas Frec. Frec. Abs Frec. Frec. Relativa

n inferior superior de clase Abs Acumulada Relativa Acumul
15,7372 16,86862
1 583 18 915 1 1 0,02 0,02
20,26274 19,13137
2 18 17 085 0 1 0 0,02
20,2627 22,52548 21,39411
3 417 34 255 6 7 0,12 0,14
22,5254 24,78822 23,65685
4 834 51 425 10 17 0,2 0,34
24,7882 27,05096 25,91959
5 251 68 595 8 25 0,16 0,5
27,0509 29,31370 28,18233
6 668 85 765 14 39 0,28 0,78
29,3137 31,57645 30,44507
7 085 02 935 5 44 0,1 0,88
31,5764 33,83919 32,70782
8 502 19 105 5 49 0,1 0,98
33,8391 36,10193 34,97056
9 919 36 275 1 50 0,02 1
 Histograma Edad
15 120.00%
10 80.00%
5 40.00%
Frecuencia

0 0.00% Frecuencia
. % acumulado
18 417 834 251 668 085 502 919 336 or..
27 254 882 509 137 764 391 019 may
,26 ,5 ,7 ,0 ,3 ,5 ,8 ,1 y
20 22 24 27 29 31 33 36

Eje X ( Int. De clase)

R/ El intervalo con mayor frecuencia o máximo está comprendido entre 27,0509668 y

29,3137085 años, con una frecuencia relativa del 28%.

6. Interprete los Deciles ,( Decil 1 y Decil 9) Cuartiles ( Q3 y Q1) y percentiles(

Solamente el P90, y el percientil P10.

VARIABLE Partidos Goles Marcados Edad

Jugados
Cuartil 1 30 7 24
Cuartil 3 36 14 29
Decil 1 24,9 6 22
Decil 9 37 18,1 32
Percentil 10 24,9 6 22
Percentil 90 37 18,1 32

 Interpretación variable partidos jugados

-El 25% o menos de partidos jugados de los goleadores de la premier
league en la temporada 2019-2020 es de 30. (Cuartil 1)
- El 75% o menos de partidos jugados de los goleadores de la premier
league en la temporada 2019-2020 es de 36. (Cuartil 3)
- El 10% o menos de partidos jugados de los goleadores de la premier
league en la temporada 2019-2020 es de 24,9. (Decil 1 y Percentil 10)
- El 90% o menos de partidos jugados de los goleadores de la premier
league en la temporada 2019-2020 es de 37. (Decil 9 y Percentil 90)
 Interpretación variable Goles marcados
-El 25% o menos de los goles marcados por los goleadores de la premier
league en la temporada 2019-2020 es de 7. (Cuartil 1)
- El 75% o menos de los goles marcados por los goleadores de la premier
league en la temporada 2019-2020 es de 14. (Cuartil 3)
- El 10% o menos de los goles marcados por los goleadores de la premier
league en la temporada 2019-2020 es de 6. (Decil 1 y Percentil 10)
 - El 90% o menos de los goles marcados por los goleadores de la premier
league en la temporada 2019-2020 es de 18,1. (Decil 9 y Percentil 90)
 Interpretación variable Edad
-El 25% o menos de las edades de los goleadores de la premier league en
la temporada 2019-2020 es de 24. (Cuartil 1)
- El 75% o menos de las edades de los goleadores de la premier league en
la temporada 2019-2020 es de 29. (Cuartil 3)
- El 10% o menos de las edades de los goleadores de la premier league en
la temporada 2019-2020 es de 22. (Decil 1 y Percentil 10)
- El 90% o menos de las edades de los goleadores de la premier league en
la temporada 2019-2020 es de 32. (Decil 9 y Percentil 90)

7. Generar su propia interpretación de la Estadistica descriptiva.

Recordar los coeficientes de asimetría de Fisher y Pearson lo mismo que la
curtosis.
 Para la variable Partidos Jugados
-Media: En promedio, los goleadores de la premier league en la temporada
2019-2020 jugaron 31,84 partidos.
-Mediana: La mitad de los partidos jugados por los goleadores de la
premier league en la temporada 2019-2020 es de 34.
-Moda: La cantidad de partidos jugados que más se repite entre los
goleadores de la premier league en la temporada 2019-2020 es de 36.
-Desviación estandar: La desviacion con respecto al promedio de partidos
jugados por los goleadores de la premier league en la temporada 2019-
2020 es de 5,486.
-Curtosis: Para la serie de datos de los partidos jugados por los goleadores
de la premier league en la temporada 2019-2020 se obtiene un valor de
curtosis positiva(1,67), lo cual indica hay una una mayor concentración de
datos en torno a la media.
-Coeficiente de asimetria de fisher: El coeficiente de asimetría de Fisher para
la variable de partidos jugados es de -1,287384955, esta es negativa, lo cual nos
indica que la asimetría está comprendida a la izquierda.
-Coeficiente de asimetria de Pearson: El coeficiente de asimetría de Fisher
para la variable de partidos jugados es de -1,181185918, esta es negativa, lo cual
nos indica que la asimetría está comprendida a la izquierda.
 Para la variable Goles Marcados
-Media: En promedio, los goleadores de la premier league en la temporada
2019-2020 anotaron 11,08 goles.
-Mediana: La mitad de los goles anotados por los goleadores de la premier
league en la temporada 2019-2020 es de 9,5.
-Moda: La cantidad de goles anotados que más se repite entre los
goleadores de la premier league en la temporada 2019-2020 es de 6.
-Desviación estandar: La desviacion con respecto al promedio de goles
anotados por los goleadores de la premier league en la temporada 2019-
2020 es de 4,96.
 -Curtosis: Para la serie de datos de los goles anotados por los goleadores
de la premier league en la temporada 2019-2020 se obtiene un valor de
curtosis negativa(-0,27), lo cual indica que los datos no están distribuidos
normalmente y que hay una menor concentración de datos en torno a la media,
siendo la curva más achatada.
-Coeficiente de asimetria de fisher: El coeficiente de asimetría de Fisher para
la variable de partidos jugados es de 0,853816806, esta es positiva, lo cual nos
indica que la asimetría está comprendida a la derecha..
-Coeficiente de asimetria de Pearson: El coeficiente de asimetría de Fisher
para la variable de partidos jugados es de 0,955565262, esta es positiva, lo cual nos
indica que la asimetría está comprendida a la derecha.
 Para la variable Edad
-Media: En promedio, los goleadores de la premier league en la temporada
2019-2020 tienes 26,7 años de edad.
-Mediana: La mitad de las edades de los goleadores de la premier league
en la temporada 2019-2020 es de 27,5.
-Moda: La edad que más se repite entre los goleadores de la premier
league en la temporada 2019-2020 es de 28.
-Desviación estandar: La desviacion con respecto al promedio de edad de
los goleadores de la premier league en la temporada 2019-2020 es de 3,67.
-Curtosis: Para la serie de datos de las edades de los goleadores de la
premier league en la temporada 2019-2020 se obtiene un valor de curtosis
negativa(-0,66), lo cual indica que los datos no están distribuidos normalmente y
que hay una menor concentración de datos en torno a la media, siendo la curva más
achatada.
-Coeficiente de asimetria de fisher: El coeficiente de asimetría de Fisher para
la variable de edad es de -0,034934451., esta es negativa, lo cual nos indica que la
asimetría está comprendida a la izquierda.
-Coeficiente de asimetria de Pearson: El coeficiente de asimetría de Fisher
para la variable de partidos jugados es de -0,636588315, esta es negativa, lo cual
nos indica que la asimetría está comprendida a la izquierda.

8. Presentar El grafico de Frecuencia relativa Vs intervalos de clase,

incluyendo la ojiva ( frecuencia acumulada) . Debe ser el mismo histograma.
Una sola variable.

 Para la variable partidos Jugados

 Frecuencia relativa Vs intervalos de clase

Frecuencia Relativa acumulada

0.4 1.2
0.35 1
Frecuencia Relativa 0.3
0.25 0.8
0.2 0.6
0.15 0.4
0.1
0.05 0.2
0 0
14 17.39 20.79 24.18 27.58 30.97 34.36 37.76 41.15
Int Clase

Frec. Relativa sens Frec. Acumul sens

 Para la variable Goles Anotados.

Frecuencia relativa Vs intervalos de clase

0.25 1.2

Frecuencia Relativa acumulada

0.2 1
Frecuencia Relativa

0.8
0.15
0.6
0.1
0.4
0.05 0.2

0 0
6 8.4 10.81 13.21 15.62 18.02 20.42 22.83 25.23
Int Clase

Frec. Relativa sens Frec. Acumul sens

 Para la variable Edad.

 Frecuencia relativa Vs intervalos de clase

Frecuencia Relativa Acumulada

0.3 1.2
0.25 1
Frecuencia Relativa
0.2 0.8
0.15 0.6
0.1 0.4
0.05 0.2
0 0
18 20.26 22.53 24.79 27.05 29.31 31.58 33.84 36.1
Int. clase

Frec. Relativa sens Frec. Acumul sens

9. Calcular la curtosis de datos agrupados utilizando la siguiente

Formula K = ½(Q3 –Q1)/(P90-P10)), este se compara siempre con 0.26, en
vez del cero del Excel.
 Para la variable partidos jugados.
1 35,86207789−28,8492424
K= (
2 37,35948049−24,18233765
=0,266 0 )
 Para la variable Goles Anotados.
1 14,4145707−6,546400695
K= (
2 18,02081528−4,797918472
=0,2 975 )
 Para la variable Edad.
1 29,07127189−23,76999133
K= (
2 32,02899854−21,77123617
=0,2 584 )
11. Verificar si tienen datos atípicos. ( investigar en la Red ) e interpretarlos

La base de datos escogida no contiene valores atipicos, ya que un valor atípico es

una observación extrañamente grande o pequeña. Los valores atípicos pueden
tener un efecto desproporcionado en los resultados estadísticos, como la media, lo
que puede conducir a interpretaciones engañosas.