Upload
others
View
4
Download
0
Embed Size (px)
Citation preview
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
1
TEMA 2
Variables estadístiques
Dep. Estadística i Inv. Operativa
Univ. de València
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
2
Una variable és una característica observable que varia entre els
diferents individus d’una població. La informació que disposem de cada
individu es resumida en variables.
Prenent com a població els individus que viuen a la Comunitat
Valenciana, són variables:
Grup sanguini: A,B,AB,O
Nombre de fills: {0,1,2,3,...}
Sexe: M, F
Nivell d’estudis: Sense, Elemental, Mitjà, Superior
Glucosa en sang basal: [70,400]
Variables
Un individu d’aquesta població pot tindre els següents valors:
Grup sanguini: A Nombre de fills: 2 Sexe: M Nivell d’estudis: Superior
Glucosa en sang basal: 110
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
3
No totes les variables tenen el mateix tractament estadístic, distingim entre:
Tipus de Variables
Qualitatives o Categòriques
Si els seus valors (categories) no es poden associar de forma natural a un valor numèric (no es raonable fer operacions amb ells)
Nominals: Els seus valors no es poden ordenar
• Grup Sanguini, Sexe, Estat civil, Fumador, Color,…
Ordinals: Els seus valors si que es poden ordenar
• Nivell d’estudis, Estat d’una malaltia (incipient, avançada, crònica), Grau d’un esquinç (1er, 2n, 3er), Gravetat d’una cremada, …
Quantitatives o Numèriques
Si els seus valors són numèrics (té sentit fer operacions amb ells)
Discretes: Si prenen valors enters
• Nombre de fills, Nombre de viatges d’autobús utilitzats en un mes, Bolons tombats en una tirada, Morts en carretera el cap de setmana,…
Contínues: Si entre dos valors, són possibles tots els valors intermedis.
• Pes, Tensió arterial, Glucosa en sang, Temperatura, Altura,…
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
4
Agrupar els valors d’una variable numèrica per a interpretar-la millor és
habitual. Per exemple, un nivell de glucosa de 90 mg/dl no és diferencia
(des del punt de vista mèdic) d’una glucosa de 100 mg/dl. En eixe cas, els
valors originals poden agrupar-se en classes o ser codificats.
Transformació de Variables Numèriques
La codificació dels valors de les variables mitjançant números és un bon recursper a processar-les amb facilitat.
D’aquesta forma hauríem convertit una variable quantitativa (nivell de Glucosa) enuna altra qualitativa ordinal, però simplement per conveniència. Ens convindria lavariable original per a traure una mitjana o altre càlcul i ens convindria l’altra per a ferun diagrama de barres o de sectors, per exemple.
De vegades convé codificar valors perduts “missing values” amb valors diferents.Per exemple, si s’ha perdut el nivell de glucosa d’un pacient, podríem assignar el valor-1 i caldria excloure aquest valor dels càlculs. En les enquestes és costum assignar elcodi 99 a la resposta “No sap no contesta”.
Glucosa ≤ 72 mg/dl Glucosa Baixa 0
72 < Glucosa ≤ 110 Glucosa Óptima 1
110 < Glucosa ≤ 180 Glucosa Alta 2
180 < Glucosa Glucosa Molt Alta 3
Codificació4 Classes
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
5
Representacions gràfiques: Exemple 2.1
Variable: Grup sanguini (Categòrica no ordinal)
Valors (sense atendre al Rh): A,B,AB,O.
Diagrama de barresTaula de freqüències
Moda: El nivell observat més freqüent A en aquest cas
GrupFreq.
Absoluta
Freq.
Relativa
A 197 43,3%
B 58 12,7%
AB 18 4,0%
O 182 40,0%
Total 455 100,0%
Tornar
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
6
Exemple 2.1 (cont.)
Diagrama de sectors: Cada sector és d’un àrea (angle) proporcional a la
freqüència relativa de la categoria.
Anomenats també
DIAGRAMES DE TARTA
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
7
Diagrama de punts: Exemple 2.2
Variable: Nivell d’atenció d’aquest hospital. (Categòrica Ordinal)
Valors: 0,1,2,3,4,5 (Molt dolent, Dolent, Regular, Normal, Bo, Excel·lent).
Mostra: 0,1,5,4,3,3,0,3,2,1,2,5,5,4,2,1,5,2,3,3,1,3,5
0 1 2 3 4 5
Diagrama de punts
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
8
Histogrames: Exemple 2.3
La creatina fosfokinasa (CK) és un enzim relacionat amb el funcionament del cervell i
dels músculs. Com a part d’un estudi encaminat a determinar la variació natural de la
concentració de CK, es va traure sang de 36 homes voluntaris, Les concentracions de
sèrum CK ( mesurades en U/l) dels quals són:
Variable: Concentració de sèrum CK U/l
Mostra: Homes voluntaris
Grandària mostral: 36
Quantitativa
contínua
Amb una variable quantitativa contínua el més adequat és agrupar les dades en classes i
després fer una gràfica apropiada: Histograma, Diagrama de tija i fulles,…
121 82 100 151 68 58 95 145 64
201 101 163 84 57 139 60 78 94
119 104 110 113 118 203 62 83 67
93 92 110 25 123 70 48 95 42
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
9
Exemple 2.3 (Continuació)
Com construir un histograma
Observacions preliminars: Valor mínim: 25 Valor màxim: 203 Rang: 178
Nombre de classes n Tenim n=36, 36=6 , construïm 7 classes, per exemple,
Amplària classes Rang/Nom. classes 187/7 = 25,42 i arrodonim a 30 (sempre per excés)
Classes Comptadors Freqüència
(20,50] 3
(50,80] 9
(80,110] 13
(110,140] 6
(140,170] 3
(170,200] 0
(200,230] 2
Total 36
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
10
Histogrames
Valors de la variable
en l’eix X
Freqüència en
Ordenades
Barres unides amb
àrea proporcional a
la freqüència
Marques de classe
La construcció d’un histograma no és única !!!
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
11
Histogrames: Nombre de classes
12 classes semblen
moltes
3 classes són
insuficients
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
12
Diagrames de tija i fulles: Exemple 2.4
Com a part d’un experiment farmacològic, 31 rates de laboratori
varen estar sense aigua durant 23 hores i aleshores se’ls va
permetre l’accés a l’aigua durant una hora. Les quantitats d’aigua
consumida (ml) durant eixa hora són:
10,6 14,3 11,5 18,4 11,8 14,1 13,0
9,4 17,4 15,8 13,7 12,6 16,5 11,1
13,5 15,2 12,0 13,7 15,8 15,4 14,0
14,7 17,0 12,5 10,0 16,6 13,6 12,9
18,2 11,4 16,6
Un diagrama de tija i fulles és un gràfic fet amb números, on es separa la tija
o part principal del valor de la fulla o part secundària. Es sembla a un
histograma gitat. La font utilitzada per a fer el gràfic és la Courier.
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
13
Diagrames de tija i fulles (cont.)
9 4
10 0 6
11 1 4 5 8
12 0 5 6 9
13 0 5 6 7 7
14 0 1 3 7
15 2 4 8 8
16 5 6 6
17 0 4
18 2 4
Tija Fulles
Correspon al valor 9,4
(mínim)
Hi ha 4 valors amb tija ’15’: 15,2 15,4 15,8 i 15,8
La diferència amb un histograma és que no perdem la informació de la mostra.
De vegades, la tija pot estar afectada d’un factor, per exemple 10 (amplària =
width) en eixe cas els valors serien 152, 154, 158,...
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
14
Representacions numèriques: Paràmetres i Estadístics
Paràmetre: És una quantitat numèrica calculada sobre una població.
La altura mitjana dels individus d’un país, la renda per càpita,…
La idea és resumir la informació més rellevant d’una població en uns pocs valors (paràmetres).
Estadístic: Igual que l’anterior canviant població per mostra.
L’altura mitjana dels que estem aquí. Som una mostra representativa de la població?
Si un estadístic s’utilitza per aproximar un paràmetre rep el nom d’estimador. El valor de
l’estadístic que s’obté d’una mostra rep el nom d’estimació.
Normalment ens interessa conèixer un paràmetre, però per la dificultat/impossibilitat que comporta
estudiar a TOTA la població, calculem el valor d’un estimador sobre una mostra i “confiem” que estiguen
pròxims. Més endavant veurem de quina grandària cal elegir les mostres per a que l’error siga
“sensiblement” xicotet.
Cal distingir diversos tipus d’estadístics segons la seua finalitat, els veurem a continuació.
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
15
Tipus d’Estadístics
Tendència central o centralització: Proporcionen valors al voltant dels quals els de la mostra
tendeixen a agrupar-se.
Mitjana, mediana.
Localització: Divideixen la mostra ordenada en grups amb el mateix nombre de valors o
marquen punts amb qualitats especials.
Quantils, percentils, decils, quartils, modes,…
Dispersió: Ens donen valors que representen la “separació” de les dades entre sí i/o respecte
a la seua mitjana.
Rang o Amplitud, Variància, Desviació típica o estàndard, Coeficient de variació.
Forma: Produeixen valors que donen idea de l’assimetria o biaix, o del grau d’aplastament o
curtosi respecte de la normalitat.
Coeficients d’assimetria, Curtosi,…
ESTADÍSTIC: És una mesura obtinguda a partir dels valors d’una variable
quantitativa en una mostra. Hi han de diversos tipus:
Ja hem vist una taula de freqüències en la diapositiva 6, si la variable és quantitativa contínua cal fer
un agrupament de les dades en classes per a que la taula de freqüències siga útil.
El programa SPSS construeix fàcilment una taula de freqüències / histograma com aquests:
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
16
Taules de freqüències
imagen
Frecuencia Porcentaje Porcentaje
válido Porcentaje acumulado
Válidos engorda 374 8,0 8,0 8,0
hombres 238 5,1 5,1 13,1
SudAustraliano 268 5,7 5,7 18,9
tradicional 186 4,0 4,0 22,9
superior 196 4,2 4,2 27,1
sano 249 5,3 5,3 32,4
cafeína 217 4,7 4,7 37,1
nuevo 219 4,7 4,7 41,8
atractivo 190 4,1 4,1 45,8
duro 182 3,9 3,9 49,7
popular 279 6,0 6,0 55,7
curativo 119 2,6 2,6 58,3
bajo en grasa 242 5,2 5,2 63,5
niños 114 2,4 2,4 65,9
trabajando 209 4,5 4,5 70,4
dulce 177 3,8 3,8 74,2
impopular 112 2,4 2,4 76,6
feo 140 3,0 3,0 79,6
fresco 167 3,6 3,6 83,2
yupis 157 3,4 3,4 86,6
nutritivo 185 4,0 4,0 90,5
mujeres 254 5,4 5,4 96,0
secundario 188 4,0 4,0 100,0
Total 4662 100,0 100,0
Taula extreta de l’arxiu
coffee.sav
Histograma extret de l’arxiu
salarios.sav
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
17
Estadístics de centralització: Mitjana i Mediana
Mostra
Mitjana: És el centre de gravetat de les dades i les utilitza totes. Per contra és molt
sensible als valors extrems. Es calcula així:
Mediana: Primer cal ordenar la mostra de menor a major i després agafar el valor que
divideix a la mostra ordenada en dos parts amb el mateix nombre de dades.
Mostra ordenada: 158, 162, 164, 167, 175, 176, 182, 188
n=8 (parell) mediana = (167+175)/2 = 171.Si la mostra no té un nombre parell de dades, la mediana coincideix amb el valor de la mostra
ordenada que ocupa el lloc
La mediana no és tan sensible als valors extrems com la mitjana però en el seu càlcul no intervenen
tots els valors de la mostra.
Com podem observar la mitjana i la mediana poden no coincidir, en aquest cas estan molt pròximes
cosa que és indicativa de simetria.
Si una mostra és simètrica respecte al seu centre de gravetat, la mediana i la mitjana coincideixen,
per exemple: 19, 28, 21, 33, 3, 37, 7, 12, 20.
1
2
n
1
1 1(175 164 188 176 167 158 162 182) 171,5
8
n
i
i
x xn
175, 164, 188, 176, 167, 158, 162, 182
x1 x2 x3 x4 x5 x6 x7 x8
n=8
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
18
Estadístics de localitzacióDefinim quantil d’ordre 0< al valor de la variable sota el qual hi ha unafreqüència acumulada . Els percentils, quartils i decils són casosparticulars.
mitjana
1,40
mediana0
,05
q1
-0,74
p.20
-1,15
p.05
-5,36p.70
0,88
p.90
4,18
p.95
8,54
5%
50%
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
19
Exemple: Llenguatge tècnic
El 5% dels nadons tenen un pes molt baix. (Col·loquialment)
El colesterol es distribueix simètricament en la població. Es consideren patològics
els valors extrems. El 90% dels individus són normals.
Quin pes ja es
considera “molt baix”?
Percentil 5é ó
quantil 0,05
Quin pes és superat pel
25% dels individus?Percentil 75é ó
quantil 0,75.
Entre quins valors es
troben els individus
normals?
Entre el percentil 5é i el 95é o
entre els quantils 0,05 i 0,95.
Entre quins valors es
troben la meitat dels
individus “més normals”
d’una població?
Entre el quartil 1er i 3er o
entre els quantils 0,25 i 0,75.
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
20
Utilitzant una taula de freqüènciesEstadísticos
Número de años de escolarización
1508
0
12,90
12,00
12
9,00
11,00
12,00
12,00
12,00
12,00
13,00
14,00
15,00
16,00
16,00
Válidos
Perdidos
N
Media
Mediana
Moda
10
20
25
30
40
50
60
70
75
80
90
Percenti les
Número de años de escolarización
5 ,3 ,3
5 ,3 ,7
6 ,4 1,1
12 ,8 1,9
25 1,7 3,5
68 4,5 8,0
56 3,7 11,7
73 4,8 16,6
85 5,6 22,2
461 30,6 52,8
130 8,6 61,4
175 11,6 73,0
73 4,8 77,9
194 12,9 90,7
43 2,9 93,6
45 3,0 96,6
22 1,5 98,0
30 2,0 100,0
1508 100,0
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
Total
Frecuencia Porcentaje
Porcentaje
acumulado
≥20%
≥ 90%
≥80%
Localització
de percentils
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
21
Posicions relatives de mitjana i mediana
24.020.016.012.08.04.00.0
16
14
12
10
8
6
4
2
0
Desv. típ. = 4.43
Media = 4.3
N = 51.00
Mitjana 4,43
Mediana 3,7
La mitjana és més
sensible als
valors extrems que la
mediana.
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
22
Els estudiants de Bioestadística obtenen diferents qualificacions (variabilitat)
en l’assignatura. Qué pot generar açò?
Variabilitat o dispersió
Explicació acadèmica: Diferències individuals en el coneixement de la matèria.
Altres fonts de variabilitat Coneixements (no controlables): Suposem que tots els alumnes tenen el mateix nivell de
coneixements. Les notes serien les mateixes en tots? Segurament No.
Personals: Dormir poc el dia anterior de l’examen, control dels nervis, manca de
concentració, velocitat de resposta, problemes personals,… (Variabilitat entre individus no
degudes al que estem mesurant).
Error en l’instrument de mesura: L’examen no és una mesura perfecta del coneixement
(Variabilitat per error de mesura).
Si l’examen és de tipus test: Si es dubta entre diverses opcions i triant a l’atzar es tria una errònia.
(Variabilitat per atzar, aleatorietat).
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
23
Mesurant la variabilitat (1)Les mesures de localització i/o centralització no mesuren la variabilitat. Dues
mostres diferents poden tindre la mateixa mitjana i mediana, etc… i ser
completament diferents.
Mitjana=Mediana= 40
0, 20, 40x7, 60, 800x5, 40, 80x5
Mitjana=Mediana= 40
Les dues mostres tenen variabilitat diferent
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
24
Mesurant la variabilitat (2)
• Rang o Amplitud: Diferència entre els valors màxim i mínim.
• Rang interquartílic: IRQ = Q3 – Q1
• Variància:
• Desviació típica o estàndard:
Regla 68-95-99 de la Desviació típica o estàndard
En distribucions aproximadament simètriques i unimodals:
Aproximadament el 68% de les observacions estan en
Aproximadament el 95% de les observacions estan en
Aproximadament el 99% de les observacions estan en
x s
2x s3x s
2 2 2 2
1 1
1 1( ) ( )
1 1
n n
i i
i i
s x x x nxn n
2
2( )
1
ix xs s
n
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
25
Coeficient de Variació
És la raó entre la desviació típica i la mitjana.
S’anomena també variabilitat/dispersió relativa. Es representa en %. No té dimensions.
Els enginyiers electrònics parlen de la relació senyal (mitjana) soroll (desviació típica) és
a dir la inversa del CV.
Permet fer comparacions entre mostres i fins i tot amb diferents variables.
sCV
x
1 1
11
1
Mostra 1
12 . 3 .
30.25 (25%)
12
x cm s cm
sCV
x
2 2
22
2
Mostra 2
27 . 7 .
70.2592 ( 26%)
27
x kg s kg
sCV
x
Les dues mostres tenen
una dispersió relativa
semblant (observem que
les unitats són diferents).
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
26
Mesures de forma
Assimetria o Biaix: És la mesura que
determina el grau d’allunyament d’una
distribució respecte d’una simètrica. En
una distribució simètrica com la Normal
(campana de Gauss) la assimetria val 0.
L’assimetria és positiva o negativa
depenent de quin és el costat de la cua
més llarga de la distribució. La mitjana
tendeix a desplaçar-se cap als valors més
extrems de la distribució, mentre que la
mediana no.
Les discrepàncies entre la mediana i la
mitjana són indicatives de l’assimetria.
Hi ha diversos estadístics per a mesurar
el biaix, anomenats coeficients
d’assimetria.
Coeficient d’Assimetria > 0
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
27
Apuntament o Curtosi
Curtosi: Mesura el grau
d’apuntament o aplatament d’una
distribució respecte de la Normal.
La curtosi d’una Normal és 0.
Platicúrtica
8481787572696663605754514845
Fre
cu
en
cia
160
140
120
100
80
60
40
Leptocúrtica
138
108
102
97
92
87
82
77
72
67
62
57
52
47
42
37
32
27
16
3
Fre
cu
en
cia
400
300
200
100
0
Mesocúrtica
99
93
89
85
81
77
73
69
65
61
57
53
49
45
41
37
32
27
Fre
cu
en
cia
300
200
100
0
Platicúrtica: Curtosi
Negativa (més xafada
que la Normal, cues
més curtes)
Leptocúrtica: Curtosi
Positiva (concentració
major entorn al centre i
cues més llargues)
Mesocúrtica:
Curtosi aprox. 0
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
28
Exercici: Mira i respon
Descriptivos para Número de hijos
1,90 ,045
1,81
1,99
1,75
2,00
3,114
1,765
0
8
8
3,00
1,034 ,063
1,060 ,126
Media
Límite
inferior
Límite
superior
Intervalo de
confianza para la
media al 95%
Media recortada al 5%
Mediana
Varianza
Desv. típ.
Mínimo
Máximo
Rango
Amplitud intercuartil
Asimetría
Curtos is
Estadístico Error típ.
• Ombrejat està tot el que sabem interpretar fins ara. Ho comprens tot? Quina és la variable i de quin tipus és? Quines unitats té cada estadístic? Quina és la variabilitat relativa?
• Calcula els estadístics que pugues basan-te només en el gràfic de barres? Quin biaix presenta la distribució?
Una raó entre l’estadístic i l’error
típic, en valor absolut, major que
2 indica un allunyament important
de la normalitat.
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
29
Diagrames de caixa i bigots (box & whiskers)
Tornem a l’exemple del consum d’aigua de 31 rates.
9 4
10 0 6
11 1 4 5 8
12 0 5 6 9
13 0 5 6 7 7
14 0 1 3 7
15 2 4 8 8
16 5 6 6
17 0 4
18 2 4
Q1=12,0
Q2=13,7
Q3=15,8
Mediana
• La longitud dels bigots no pot ser més llarga que 1,5 vegades el rang interquartílic
(IRQ). En principi, s’estenen fins al valor màxim i mínim, respectivament.
• Si hi han valors que superen la longitud màxima dels bigots, s’anomenen valors
extrems o atípics (outliers), es representen separadament (per punts o asteriscs) i els
bigots es retallen fins al primer valor no extrem.
Mín
Màx
Q1
Q3
25%
25%
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
30
Comparacions amb els diagrames de caixes
El següent gràfic compara cinc tipus de fertilitzants, la variable és la longitud d’un
mateix tipus de planta, després de ser nodrida amb un fertilitzant durant un temps,
en idèntiques condicions. Clarament el fertilitzant F2 és el millor i el F5 el pitjor, la
resta sembla que no tenen diferències molt importants.
F1 F2 F3 F4 F5
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
31
Exemple 2.5: Utilitzant la forma d’un histograma
En 1977 uns paleontòlegs descobriren estructures fòssils microscòpiques, paregudes a
algues, en roques de 3.500 milions d’anys d’antiguitat. Una qüestió central fou si eixes
estructures eren d’origen biològic. Una línea d’argumentació es basà en la distribució de
les seues grandàries.
% d
e m
icro
estr
uctu
res
Els éssers vius segueixen
distribucions
morfològiques
(estatura, pes, longitud,…)
que solen ser normals
en forma acampanada
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
32
Exemple 2.6: Utilitzant la forma d’un histograma
Un neurobiòleg observà les descàrregues de cèl·lules de músculs de rates que han estat
cultivades junt amb cèl·lules nervioses. Els intervals de temps entre 308 descàrregues
successives es distribuïren d’una forma exponencial.
Temps (seg.)
Nom
bre
d’in
terv
als
0
0,1xe
X
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
33
De la mostra a la població
Distribució
mostral
Corba ajustada
Com serà la distribució de la població?
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
34
Formes típiques de distribucions
(a) Simètrica, forma acampanada (b) Simètrica, sense forma de campana
(c) Esbiaixada a la dreta (d) Esbiaixada a l’esquerra
(e) Exponencial (f) Bimodal
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
35
Consells per a la presentació de dades
La idea bàsica és transmetre al lector de forma clara la informació obtinguda de les dades.
Cal decidir primer quin missatge es vol transmetre i assegurar-se que eixe missatge descriu de forma clara i fidel les dades.
Fugir de la sobreabundància de taules i gràfiques.
Preguntar-se: Quina gràfica proporciona la informació més rellevant? Éixa deuria ser l’única representació inclosa en l’informe.
Només afegim altres representacions si proporcionen una informació nova i rellevant.
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
36
Èmfasi en allò que és important
Cadascun dels tipus de representacions ressalta un
aspecte de les dades.
Al mateix temps, redueix la importància d’altres i
descarta part de la informació.
Dades
Aspectes resaltatsAspectes implícits
Aspectes descartats
Estadística - Grau de Nutrició
Humana i Dietètica. Tema 2
37
Expressar dades de la forma més simple
14,63610,02713,70525,062
10,25411,81919,03828,617
11,73413,11821,70336,092
14,13016,48224,61739,421
14,63610,02713,70525,062
10,25411,81919,03828,617
11,73413,11821,70336,092
14,13016,48224,61739,421
15101425
10121929
12132236
14162539
15101425
10121929
12132236
14162539