Eines gràfiques alternatives als núvols de paraules

A les entrades
Herramientas para hacer nubes de palabras o tag clouds (1) i
Herramientas para hacer nubes de palabras o tag clouds (2): Wordle, Tagxedo y WordItOut
ja vaig explicar què són els núvols de paraules i vaig mostrar unes quantes eines gratuïtes (concretament GoogleDocs, Wordle, Tagxedo i WordItOut) per dibuixar-los.

En aquesta entrada presentaré una altra eina alternativa al tradicional tag cloud, com és el diagrama d'àrees o rectangular. Aquest tipus de gràfic no és més que un organigrama, però en aquest cas l'he adaptat per, en lloc de per a dibuixar una estructura organitzativa, mostrar la freqüència amb què apareixen unes determinades paraules.

Per fer servir aquest gràfic, hem d'ulititzar l'eina de GoogleDocs (ara Google Drive), i el seu full de càlcul. Per començar, com sempre, hem de preparar bé les dades a treballar. Aquest tipus de gràfic requereix una organització concreta de les dades en columnes, de tal manera que:

1. La primera columna ha de ser el nom d'una entitat en una jerarquia.
2. La segona columna ha de ser el nom de l'entitat principal  (la segona columna mostra el nom del "pare") de les entitats de la primera columna.
3. La tercera columna (opcional) ha de ser un valor numèric associat a l'entitat, i representa la mida que tindrà en el gràfic el quadre d'aquesta entitat.
4. La quarta columna (també opcional) ha de ser també un valor numèric, i representarà el color que tindrà el quadre en el gràfic.
Si no posem bé les dades Google ja s'encarrega d'explicar-nos com ho hem de fer. En qualsevol cas, podeu veure un exemple genèric de configuració de les dades en aquesta pàgina.

Un cop tenim les dades hem d'anar a l'opció de gràfics de GoogleDocs i seleccionar el gràfic corresponent, que es diu "Organigrama". Un cop fet el gràfic podem canviar-li les preferències fent clic al desplegable que hi ha a cada gràfic i seleccionant "Edició avançada". Aquí podrem canviar el títol, les graduacions de color, eliminar o modificar l'encapçalament, canviar la mida i el color de la lletra, etc. Per publicar-ho només hem de copiar el codi HTML que se'ns genera i enganxar-ho al nostre web. També podem descarrregar-ho com a format imatge per si ho volem inserir en un informe en el nostre editor de text.

Per posar-vos un exemple en català i més proper al que us he enllaçat més amunt, he posat en aquest format el buidatge dels programes electorals de 7 formacions polítiques candidates a les eleccions al Parlament de Catalunya del 25 de novembre de 2012, en la línia del que vaig fer amb les eleccions del mes de novembre de l'any passat. El treball previ amb els programes electorals i l'obtenció de les paraules amb l'eina d'anàlisi de textos Textalyser ja ho vaig explicar en aquesta entrada, així que passo directament a mostrar-vos els gràfics.

Nota: he eliminat la paraula "Catalunya" de l'anàlisi perquè en tots els programes sortia com la paraula més utilitzada, així que, sabent-ho, la podem obviar :)

Si voleu podeu descarregar aquí el full de càlcul que he utilitzat.
 

Calendari de difusió de l'estadística catalana

Recentment l'Institut d'Estadística de Catalunya ha posat a la seva pàgina web el calendari complet de difusió (prevista) de resultats de les operacions estadístiques de 2012. Amb aquest calendari l'institut d'estadística oficial de Catalunya posa a disposició de tothom la data concreta de publicació de cada grup de dades i facilita a l'usuari l'accés a aquesta informació.

L'accés al calendari es pot fer a través d'una API http://www.idescat.cat/api/cal/ o a través de la pàgina web http://www.idescat.cat/cal/

Un altre punt interessant és que permet consultar les dates en format iCalendar, podent-se sincronitzar amb el calendari de la feina, el del telèfon mòbil, etc. http://api.idescat.cat/cal/v1/calendari/2012.ics

A més, ni no es vol, no cal subscriure's al calendari de totes les publicacions. És a dir, si per exemple només ens interessa saber quan es publica l'EPA o les dades de l'IPC podem subsciure'ns només a aquests dos productes.

Aquest sistema de calendari es suma a les diferents eines que l'IDESCAT posa a l'abast per assabentar-se de la producció estadística catalana, com les diferents opcions de l'API, el seu RSS o el gadget de iGoogle.

Ja no hi ha excusa per no estar informat de quan l'Idescat publica dades!

Las clasificaciones estadísticas

No es ninguna osadía afirmar que una de las características del ser humano es su necesidad de ordenar constantemente la realidad que le rodea. En ocasiones sucede que a la hora de analizar un fenómeno tenemos que separar, homogeneizar y graduar los datos que nos encontramos referentes al mismo para darles un sentido que nos permita extraer una conclusión y estudiarlo de una manera más práctica. Con frecuencia la realidad es enormemente diversa (fact is stranger than fiction) así que nos hemos de servir de instrumentos que nos ayuden a simplificarla para obtener de manera ordenada y sistemática la información que nos proponemos describir o analizar.

Una clasificación no es más que un instrumento lógico, una herramienta que intenta ordenar, estandarizar, categorizar y describir las características de una realidad concreta para encontrar una manera operativa de analizarla desde el punto de vista estadístico, con el objetivo de garantizar la comparabilidad de los datos y la unicidad de criterios. Nos permite ordenar y disponer por clases, para después interpretar los resultados.

Como cualquier otro instrumento de medida, las clasificaciones no son estables en el tiempo, sino que son permeables y están sometidas a constante revisión y actualización. Una clasificación que en un período de tiempo determinado puede sernos útil, en cualquier momento puede requerir una revisión o modificación. Todo cambio en una clasificación existente puede suponer tres tipos de variaciones en las categorías clasificatorias:

• La creación de nuevas categorías que antes no existían. 
• La eliminación de categorías anteriormente existentes. 
• La modificación del contenido de las categorías, que puede consistir en una agrupación de categorías, una división de las mismas o una reubicación de conceptos entre categorías. 

En  el análisis social existen distintos tipos de categorizaciones para cada campo de análisis: económicas, sociales, educativas, etc. Los institutos oficiales de estadística suelen ser la mejor fuente para obtener las clasificaciones que se utilizan en la actualidad, y son de consulta obligada antes de aventurarnos en la confección de una nueva clasificación, pues nos dan las pautas para que el instrumento de análisis que diseñamos se adapte a los estándares que se están usando en ese campo y de este modo tenga una mayor robustez y una mayor comparabilidad con los que previamente se han diseñado.

Próximamente escribiré en este blog algunas entradas monográficas sobre las nuevas clasificaciones específicas de actividades económicas y de ocupaciones. Por el momento dejo los enlaces a los apartados dedicados a clasificaciones del Instituto Nacional de Estadística (INE), del Institut d’Estadística de Catalunya (IDESCAT) y del instituto de estadística europeo (EUROSTAT), donde se puede obtener una buena guía para el análisis:

Clasificaciones (INE).
Clasificaciones (IDESCAT).
Clasificaciones (EUROSTAT).

Herramientas de (auto) defensa estadística

La estadística es una ciencia exacta, o sea, dice exactamente lo que queremos que diga. 

Esta máxima es uno de los motivos por los que hay que estar alerta cada vez que desde la prensa escrita, televisión u organismos públicos se lanzan datos y tenemos que interpretarlos. Cabe decir que la estadística en sí no es mala. De hecho, sin ella muchísimos de los avances en el conocimiento de un sinfín de campos no hubieran sido posibles. Sin embargo, como todo(s), la estadística en ocasiones puede ser maliciosa. En esta entrada pretendo ofrecer un conjunto de herramientas en forma de bibliografía para protegernos de los ataques perversos de datos a los que cada día nos vemos sometidos, en concreto en el ámbito de las ciencias sociales o el estudio “científico” de la sociedad, que es el que trabajo.

La estadística está por todas partes. En ocasiones incluso sin darnos cuenta estamos haciendo estadística, o contribuyendo a ella. Cada vez que nacemos (en este caso, sólo una vez, excepto para quien crea en reencarnaciones), tomamos un avión, subimos a un autobús, entramos en el metro, retiramos una bicicleta del Bicing, visitamos una página web, nos descargamos un archivo de internet, ponemos un “Me gusta” en Facebook, superamos un curso académico o nos inscribimos en la oficina de empleo, estamos haciendo estadística. Nuestro paso por el mundo en que vivimos deja huella en forma de número. Y estos registros se suelen utilizar para obtener conocimiento de la realidad. Desde el punto de vista pesimista, para controlarnos mejor. Desde el punto de vista optimista, para conocernos mejor y actuar en consecuencia.

La cantidad ingente de información que generamos después de recolectada es, normalmente, analizada estadísticamente e interpretada. Esta capacidad analítica, sin embargo, no siempre es bien utilizada. Que los datos digan exactamente lo que dicen o exactamente lo que queramos que digan depende de quién los trabaje y de cómo se hayan obtenido. Pero es tarea de quien recibe la información el interpretarlos y el despertar un espíritu crítico hacia esos datos. La estadística social, económica, demográfica, los sondeos, las encuestas, los análisis y la visualización de datos son susceptibles de cometer errores de concepto o de análisis. Ante ello, es necesario estar prevenido.

He aquí algunos libros o recursos en internet que ayudan a tamaña empresa (se aceptan sugerencias para completar la relación):

Claudi Alsina. Asesinatos matemáticos. Ariel. 2010.
Claudi Alsina es catedrático de matemáticas en la Universidad Politécnica de Catalunya y tiene diversas obras de divulgación matemática. En este interesante y entretenido libro se dedica a analizar en clave de humor anécdotas cotidianas de la política, la salud, los medios de comunicación, la cocina o la educación poniéndolos en tela de juicio y haciendo la correcta aclaración matemática cuando es necesario.

Pere Grima. La certeza absoluta y otras ficciones. RBA. 2010.
Pere Grima es profesor en la Universidad Politécnica de Catalunya y trabaja en temas de gestión de calidad y estadística industrial, además de la divulgación de la estadística. La certeza absoluta y otras ficciones es una magnífica introducción a la estadística donde se explica su origen, evolución, temas principales e incluso algunas anécdotas históricas. Parte del contenido de este libro y otros aspectos interesantísimos están disponibles en su perfil de la página web de la UPC.

Michael Blastland, Andrew Dilnot. El tigre que no está. Turner. 2009
Los británicos Michael Blastland y Andrew Dilnot participan en un famoso programa radiofónico sobre números llamado More or Less. En El tigre que no está hacen una recopilación de algunos temas tratados en su programa que se ocupan de los principales temas de la estadística, desde problemas de muestreo a interpretaciones o presentaciones de datos erróneas.

Blog Malaprensa.com
El blog de Malaprensa.com es la herramienta más cercana de autodefensa estadística. En él se analizan periódicamente noticias que aparecen en los medios de comunicación que contienen algún error en los datos que presentan o en la interpretación de los mismos. Frecuentemente tomamos como un dogma de fe la información que aparece en los periódicos, pero en ocasiones hay (muchos) errores. Es un blog muy recomendable para despertar el espíritu crítico a la hora de leer una noticia en un diario.


Para terminar, me gustaría decir que el mes de febrero de 2011 el Ateneu Barcelonès realizó un ciclo de conferencias llamado “Curs d’autodefensa matemática”, una gran iniciativa en la cual me he basado para realizar esta entrada y en el que participaron algunos de los autores de los libros que he explicado anteriormente.

Blog Malaprensa.com: gazapos y malas interpretaciones de datos en los medios de comunicación

Hace poco descubrí este blog, que se dedica a inventariar errores que a menudo se encuentran en los medios de comunicación relativos a la mala interpretación de los datos, a la utilización de conceptos erróneos o simplemente al despiste o frivolidad del periodista a la hora de escribir sobre un asunto. La verdad es que no está mal, así que si os interesa el tema echadle un vistazo aunque sea por curiosidad.

Próximamente colgaré algunos libros relacionados con este tema de la (mala) interpretación de los datos en los medios de comunicación y en la vida cotidiana.

Personalització de dades estadístiques a la pàgina web a través de l'IDESCAT

L'Institut d'Estadística de Catalunya (IDESCAT) ha tret el servei "El municipi en xifres", que dóna accés a les dades estadístiques bàsiques dels 947 municipis i de les 41 comarques de Catalunya. Permet consultar la darrera dada disponible de 190 indicadors sobre diversos temes (població, macromagnituds, treball, etc.)

En la seva tasca d'obertura de dades estadístiques, també es permet crear un giny (widget, en anglès) per tal de personalitzar dades sobre un àmbit territorial. En concret, es poden escollir fins a 10 indicadors d'un llistat de temes i tenir-los actualitzats contínuament a la pròpia pàgina web per part de l'IDESCAT.

Val a dir que aquest producte és només un exemple del que es pot arribar a fer, ja que l'institut d'estadística també ha endegat una interfície de programació d'aplicacions (API), que ofereix mètodes perquè els programes de tercers puguin obtenir la informació i integrar-la en altres serveis, sempre i quan es tingui el potencial informàtic per fer-ho.

Un exemple d'aquesta eina, el giny de "El municipi en xifres" és aquest quadre que incrusto en aquesta entrada del bloc, amb una selecció de les darreres dades de Viladecans:

L'atzar no és regular

Si disposéssim una caixa transparent amb 120 pilotes de ping pong de les quals 114 blanques i 6 (un 5%) taronges i les boles es puguessin fer saltar per remenar-les, comprovaríem com les boles taronges no queden repartides uniformement quasi mai. Veuríem com hi hauria zones sense cap bola de color taronja i zones amb més d'una bola.

Aquest és un fet del qual no en som massa conscients. Esperem que l'atzar reparteixi els casos uniformement. Tendim a buscar explicacions a l'acumulació de fets, ja siguin casos de càncer a un barri o resultats esportius adversos, que a vegades es poden explicar simplement per la naturalesa no regular de l'atzar.

Aquesta explicació, la pròpia caixa i d'altres exemples els podeu trobar a l'exposició itinerant Experiències matemàtiques, que fins al 9 de novembre estarà situada al vestíbul central de l'edifici històric de la Universitat de Barcelona a Plaça Universitat.

Tot això ve perquè avui dia 20/10/2010 és el primer Dia Internacional de l'Estadística.