Clasificación y Tipología en Arqueología - Francisco Contreras
Clasificación y Tipología en Arqueología - Francisco Contreras
Clasificación y Tipología en Arqueología - Francisco Contreras
INTRODUCCION
loga, sera necesario definir algunos trminos que normalmente aparecen en los trabajos y
artculos referentes al anlisis de los artefactos:
-Artefacto es un trmino muy usual en las publicaciones espaolas, habindose acu
ado para denominar a todo lo que ha sido construido o modificado por el hombre. Los
artefactos nos proporcionan una de las dimensiones formales referentes a la excavacin
arqueolgica, ya que pueden ser medidos tanto cuantitativamente (sus atributos mensura
bles) como de manera cualitativa (sus atributos o rasgos reconocibles). Los artefactos tam-
327
distribucin, tanto espaciales como temporales, siendo ms operativa esta labor si se cuenta
de antemano con una serie de tipos ya creados.
R. J. Sharer y W. Ashmore (1979: 277-28 1) nos resumen perfectamente cuales son los
propsitos u objetivos de toda clasificacin: 1) organizar amplias cantidades de datos en
unidades manejables; 2) permitir al investigador resumir o sumarizar las caractersticas de
muchos objetos individuales mediante el listado de sus atributos compartidos; y 3) al descri
bir y ordenar las clases y tipos el cientfico sugiere una serie de relaciones entre los mismos.
La consecucin de estos objetivos implica la realizacin de una buena clasificacin.
Pero qu criterios se pueden considerar como vlidos para obtener una clasificacin ade
cuada. C. Orton (1980: 33) nos proporciona los siguientes: 1) los objetos pertenecientes al
mismo tipo deberan ser parecidos; 2) los tems incluidos en tipos diferentes deberan ser
menos parecidos a los que pertenecen al mismo tipo; 3) los tipos deberan ser definidos con
propiedad, es decir, si el trabajo se repite, los resultados obtenidos deberan ser los mismos;
y 4) debera ser posible decidir a qu tipo pertenece un nuevo objeto encontrado.
Cuando el arquelogo, desde un punto de vista filosfico amplio, se cuestiona el signifi. cado de la clasificacin y de lo que se puede obtener con ella nos sumergimos en uno de los
debates ms apasionados que ha marcado el desarrollo de la arqueologa anglosajona, el
llamado "debate tipolgico", centrado en si las clasificaciones reflejan el "descubrimiento"
de un orden "natural" inherente a los datos, o por el contrario, reflejan una "imposicin" del
cientfico de un orden "artificial".
Este debate ser tratado ms ampliamente en los apartados siguientes al hablar del
enfoque tradicional y del atributual. Pero existe un tercer enfoque que es un poco la culmi
nacin de una tendencia, no exclusiva de la Prehistoria, sino tambin presente en las dems
Ciencias Sociales, a buscar en la cuantificacin de los datos una ayuda que nos permita un
anlisis ms completo. Esta cuantificacin implica la utilizacin de tcnicas matemticas
cuya complejidad depende nicamente de la dificultad del problema que pretendemos ana
lizar. Esta cuantificacin ya comenz a estar presente en el enfoque tradicional (los porcen
tajes y grficas del mtodo de F. Bordes), as como en el atributual (el test de la chi-cuadrado
de A Spaulding), pero es con el desarrollo de la taxonoma numrica cuando realmente al
arquelogo se le ofrecen amplios caminos para analizar y estudiar ingentes masas de tems,
contabilizando un nmero ilimitado de atributos mediante la aplicacin de anlisis multi
variables.
Dentro de este enfoque numrico de clasificacin de unidades, el arquelogo puede
seguir varias estrategias: si opta por una basada en la ordenacin aceptar cada unidad por
separado y estudiar las relaciones globales entre las mismas. El resultado final dar la posi
cin de esa unidad en relacin a la configuracin global. Tambin puede utilizar una estra
tegia de agrupamiento, reduciendo entonces las unidades de estudio, al combinar las
unidades similares. Sus resultados se representan en unos rboles jerrquicos o dendrogra
mas. Una tercera va, de la que somos partidarios, contrasta ambas estrategias para obtener
una tipologa ms completa y fiable.
El desarrollo de los mtodos numricos ha ido a la par con la evolucin de la taxono
ma numrica y de las posibilidades que brinda el uso del ordenador. Es por esto que a con
tinuacin y en primer lugar, expondremos_ de forma sucinta lo que significa y representa la
329
LA TAXONOMIA NUMERICA
Un problema que afecta a todas las ciencias es el de la clasificacin de las entidades
definidas medi ante una serie de atributos. Este problema es comn a la Biologa, Geologa,
Psicologa, Antropologa, etc. y, por supuesto, a la Arqueologa. En algunas de estas discipli
nas ya se haban utilizado desde antiguo una serie de mtodos matemticos y estadsticos
para intentar conseguir clasificaciones ms objetivas, sobre todo en las ciencias biolgicas,
donde se haban desarrollado tcnicas taxonmicas para agrupar los esp cimenes en fun
cin de sus atributos.
En las ltimas dcadas asistimos a un desarrollo frentico de los mtodos taxonmicos,
reunidos bajo la denominacin de "taxonoma numrica", debido fundamentalmente a dos
factores: a) el rpido desarrollo de la informtica que ha provocado un avance paralelo de
mtodos objetivos, explcitos y fiables tanto en la evaluacin de las relaciones taxonmicas
como en la creacin de los "taxa"; estos mtodos han sustituido el enfoque tradicional de la
clasificacin, basado en la habilidad individual para distinguir las diversas caractersticas,
similitudes o diferencias entre las unidades; y b) los trabajos de P. H. A. Sneath (Universi
dad de Leicester) y R. R. Sokal (Universidad de Nueva York) publicados en 1963 y 1973, que
han sintetizado los diversos mtodos y enfoques de la taxonoma numrica, ejerciendo un
gran peso e influjo en otras ciencias como la Arqueologa. Bajo la denominacin de taxono
ma numrica se agrupan dos categoras que son fundamentales para el arquelogo: el agru
pamiento de los datos y la clasificacin de los mismos (Solomon, 1971: 63).
Sistemtica
Es un trmino muy usado en Biologa, definido en este campo como "el estudio cient
fico de los tipos y diversidad de los organismos y de las relaciones entre ellos" (Sokal y
Sneath, 1973 : 2). Es decir, podemos entender por sistemtica el modo de crear unidades en
330
Se puede definir como "la ordenacin de los organismos en grupos o conjuntos sobre
las bases de sus relaciones" (Sokal y Sneath, 1 973: 3 ). J. Doran y F. R. Hodson ( 1 975 : 1 59)
fijan el concepto de clasificacin como "la colocacin de entidades en clases inicialmente
no definidas, de tal forma que los individuos en una clase estn unos cerca de otros". R. C.
Dunnell ( 1 978: 58) restringe el trmino a la ordenacin en el reino ideacional, explicndolo
como "la creacin de unidades de significado mediante la estipulacin de redundancias
(clases)", mientras que el agrupamiento ("clustering") lo define como "la creacin de unida
des de cosas (grupos)". Ambos conceptos se articulan entre s mediante otro proceso que se
denomina "identificacin".
Identificacin
En la Taxonoma Numrica, las clases en las que se incluyen las unidades se denomi
nan "grupos" ("clusters") y las entidades se definen como unidades taxonmicas op erativas
(abreviado OTU), ocupando el escaln ms bajo en el "ranking" de los "taxa" empleados en
un estudio dado (Sokal y Sneath, 1 973: 69). Las unidades se describen por las medidas de
sus atributos. Normalmente se busca una jerarqua de "grupos" o "clusters" ms que un
nivel de agrupamiento. En la jerarqua, los "clusters" son en s mismos clasificados en gru
pos; el proceso se va repitiendo en diferentes niveles hasta formar un rbol, que se repre33 1
Entidades
Atributos
artefactos
3
4
S
6
A
X
X
X
X
X
B
X
X
X
X
X
D
X
X X
X X
X X
X X
e
X
E
X
X
X
X
X
F
X
X
9
10
X
X
X
X
7
8
X
X
X
X
X Presente
-Ausente
X
X
-
X
X
X
-l
X
X
.X
Grupo
monottico
Grupo
polirtico
Una distincin muy importante que hacen tambin los taxonomistas numencos es
entre a) clases que han sido definidas en funcin de la similitud de sus miembros y b) clases
cuyos miembros poseen caractersticas dadas (fig. 1). Las clases del tipo "a" se definen como
politticas o naturales (cada miembro de una clase comparte con otros un gran nmero de
caractersticas pero ninguna de ellas tiene que ser poseda por todos los miembros) y las cla
ses del tipo "b" como monotticas o artificiales ya que cada miembro de la clase debe poseer
obligatoriamente las caractersticas definitorias de la misma (Sokal y Seneath,
1973: 18-27;
3) La afinidad global entre dos unidades es una funcin de sus similitudes individua
en
cada uno de los muchos caracteres en los que se pueden comparar.
les
4) Dos clases distintas se pueden reconocer debido a que las correlaciones de los ca
racteres difieran en los mismos.
5) Se pueden realizar inferencias culturales a partir de la estructura taxonmica de un
grupo y a partir de las correlaciones de los caracteres.
6) La Taxonoma se considera como una ciencia emprica.
7) Las clasificaciones se basan en similitudes mensurables.
Una de las caractersticas de la Taxonoma Numrica que ms nos interesa se refiere al
segundo punto, al considerar a priori que todas las variables o atributos pueden jugar un
papel similar en la creacin de los grupos o taxones, es decir, deben ser tratados con el
mismo peso. Esto va en consonancia con la creacin de grupos politticos, en donde los
artefactos pueden compartir bastantes caracteres pero no necesariamente todos, en contra
posicin con los tipos tradicionales marcados en Arqueologa donde uno o dos atributos lle
vaban todo el peso tipolgico y su nica posesin era la codicin exigida para pertenecer
al tipo. R. R. Sokal y P. H. A. Sneath (1973 : 109- 1 1 3) dan una serie de argumentos para dar
igual peso a los atributos, al menos en un primer momento:
1) Si a priori no podemos jerarquizar el peso de los atributos, entonces es mejor dar
inicialmente el mismo peso.
2) En la bsqueda y aislamiento de los grupos no podemos usar un criterio que presu
ponga su inexistencia y sus lmites. No podemos escoger rasgos distintivos ya que no tene
mos conocimiento de qu rasgos son distintivos.
3) La "importancia" que podemos dar al peso de un atributo concreto puede respon
der a menudo a un reconocimiento intuitivo.
4) Si admitimos un peso diferencial de los atributos, entonces debemos dar las reglas e
"ideologa" que hemos tenido en cuenta, ya que hasta el momento no existe un sistema
ptimo que valore los pesos de los atributos por lo que a los datos arqueolgicos se refiere.
5) Ya que la ventaja de la Taxonoma Numrica consiste en poder trabajar con gran
cantidad de datos sera conveniente no dar mayor peso a los atributos. Por ejemplo, si pre
tendemos realizar la clasificacin morfomtrica de un complejo cermico, es necesario
hacer una seleccin y resaltar aquellos atributos numricos que nos pueden indicar los valo
res morfomtricos de las vasijas.
6) La propiedad de la "naturaleza" en una taxonoma se debe al alto contenido de
informacin variada que est implcita en un grupo natural especfico, es decir, la taxono
ma est diseada para ser un vehculo para la mxima transferencia de informacin con
mltiples propsitos. Esto no quiere decir que cuanto ms amplios creemos los grupos o
taxones mayor informacin estar contenida en los mismos.
7) En la prctica, el necesario uso de muchos atributos o caractersticas iguala el peso
efectivo con el que cada atributo o carcter contribuye al coeficiente de afinidad, convirtin
dose en un sistema de igual peso en cualquier caso.
Podemos sealar, como resumen a estos siete puntos, que en un principio es conve333
niente tener claro cual es el propsito de nuestra clasificacin (tipologa morfomtrica, esti
lstica, funcional, etc.) para poder establecer una primera seleccin de atributos que nos
informen sobre esa categora. Una vez dado. este paso, es conveniente conceder igual impor
tancia a todos los atributos, ya que normalmente los propios mtodos numricos nos van a
sealar cuales de estas variables tiene un peso o papel mayor en la muestra, indicndonos
los diversos ndices de correlacin existentes entre las variables.
Por ltimo, podemos ver cuales son las contribuciones fundamentales de la Taxonoma
Numrica a la Arqueologa, que D. L. Clarke (1968: 5 1 8-520) resume en tres principalmente:
a) La capacidad para una definicin ms objetiva de nuestras unidades arqueolgi
cas, ya que slo los mtodos de la Taxonoma Numrica pueden definir adecuadamente los
tipos en funcin de 'clusters" de atributos o de artefactos.
b) La habilidad para determinar y expresar el grado en el que diferentes entidades son
similares o no usando un procedimiento explcito y repetitivo. Esto permite afirmar o no la
afinidad entre artefactos concretos, conjuntos, culturas, etc.
e) Ya que las entidades han sido definidas objetivamente se pueden jerarquizar en
una estructura ms compleja.
EL ENFOQUE TRADICIONAL
Caractersticas y aplicaciones
Los primeros intentos clasificatorios y tericos en relacin con la tipologa los hemos
agrupado bajo la denominacin de "enfoque tradicional", al ofrecer un punto de vista sobre
la clasificacin cualitativo e intuitivo, en contraposicin a los modelos atributual y de agru
pacin de tems que pretenden seguir unos criterios cuantitativos y objetivos. Esta dicotoma
entre la consideracin de los tipos ha estado presente en una serie de trabajos tericos que
334
ger, en todos los estudios de comportamiento es esencial distinguir entre el patrn ideal o
tradicional y las variedades que resultan de la variabilidad individual. Tiene, por tanto, una
concepcin normativista de la tipologa, ya que la tarea del analista consisitir en trabajar
con productos variables de manufactura primitiva para recuperar, si es posible, los patrones
mentales que subyacen en estas tcnicas de manufactura, los cambios en los patrones a tra
vs del tiempo y las fuentes de tales cambios. Por lo tanto, el propsito de un tipo en arqueo
loga debe ser proporcionar un instrumento organizativo que facilitar al investigador
agrupar los especmenes en cuerpos que tengan un significado histrico demostrable en
relacin con los patrones de comportamiento (Krieger, 1 944: 27 1 -273).
l.-Clasificacin en grupos
segn
un
claro
plan
estructural.
2.-Clasificacin en grupos
detallados combinando
los rasgos.
3.- Tipos
experimentales
pos de trabajo.
trabajo
de otro
esquema.
4.-Consolidacin de los tipos a travs de la comprobacin de su forma
variacin.
6.-a) Determinacin de las series de los tipos ligados; b) determinacin de los com lejos de cultura material;
e)
deter
Segn Krieger, el verdadero mtodo tipolgico sera aquel en el que los tipos son toma
dos como grupos especficos de rasgos estructurales que han proporcionado significado his
trico (fig. 2). Como caso prctico propone una aplicacin concreta del mtodo tipolgico
sobre la cermica (Krieger, 1944: 278-279). En sntesis, viene a decir que cada tipo cermico
se puede definir por una combinacin especfica y cohesiva de atributos de pasta, desgra
sante, textura, dureza, etc. La base terica de su mtodo se puede resumir en los siguientes
puntos:
336
Fig. 3.-Ejemplo de clasificacin tradicional en el que se agrupan las casas pequeas dentro del crculo interior que
representara la media (Ford, 1954a, fig. 1).
nes que delimitaran al tipo cultural y de las que el arquelogo debe ser consciente si quiere
hacer un uso inteligente del concepto (Ford, 1954a: 52):
1) La organizacin inherente que existe en la cultura en todos los tiempos y lugares.
El tipo cultural en ma yor o menor grado ser el reflejo de los lmites de una
corriente de ideas.
2) El nivel de abstraccin a partir de la estructura cultural ajustadamente entremez
clada en el que se formula la tipologa.
3) El tipo cultural abarcar la variacin debida a la variabilidad cultural a travs del
espacio geogrfico.
4) El tipo cultural incluir la variacin que sufre con el paso del tiempo.
338
tema Tipo- Variedad ("Type-Variety System"), sistema clasificatorio para la cermica, que ha
sido teorizado y experimentado en el Suroeste de los Estados Unidos (Wheat et al., 1958;
Phillip, 1958; Gifford, 1960; Sabloff y Smith, 1969 y Sears, 1960). El intento inicial del "sis
tema tipo-variedad" fue extender y modificar er mtodo descriptivo bsico de la taxonoma
cermica que ya se haba desarrollado en el Suroeste de los Estados Unidos. El mecanismo
metodolgico de este sistema (fig. 4) consiste en crear una serie de tipos cermicos
-"representaciones de un conjunto de atributos cermicos visualmente distintos, objetiviza
dos dentro de una o ms variedades que, cuando son tomadas en su totalidad, son indicati
vas de un tipo concreto de cermica producido durante un tiempo especfico dentro de una
regin dada (Sabloff y Smith, i969)- y variedades constituidas por atributos distintos que
tienen connotaciones culturales, espaciales y temporales, y que adems son entidades signi
ficativas de interpretacin cultural. Este sistema acua tambin el trmino "cluster-tipo"
para referirse al tipo y todas sus variedades y el trmino "sistema cermico" que hace men
cin a un grupo de clusters-tipo. Existen, por tanto, cuatro niveles de clasificacin en el
esquema: variedad, tipo, sistema cermico y cluster-tipo. Una sntesis del mtodo y comenta
rios sobre el mismo se pueden consultar en R. Vossen (1970: 61-63).
El '"sistema tipo-variedad" es en definitiva por un lado un enfoque normativista, donde
se considera que los tipos nos informan de las "ideas compartidas" entre la poblacin y por
otro lado dota a los tipos de un significado tempo-espacial o histrico, como se plasma en
las tres ideas que suscribe Gifford en 1960:
1)
X
A
1' 2. 3.
4.
::'1,
6, 7
2,
3.
S, 9, 6,
type
type
.,
4,
S, 1 O, 6, 7
1. 2, 3, 1 O, 11. 6. 7
cbss I I
class I II
COLLECTION
Fig. 4.-Diagrama tipolgico representativo del concepto tipo-variedad (Vossen, 1970, tig. 6).
2)
Fig. 5.-Empleo de sistemas cuantitativos por el modelo tradicional: grficas acumulativas de Bordes (1954) com
parando tres complejos musterienses.
342
En la Arqueologa tradicional, por tanto, las relaciones entre los tems (es decir, su simi
litud o diferencias) son juzgadas intuitivamente por un amplio rango de caractersticas
observadas, pero normalmente mal definidas, cada una de las cuales puede reflejar una
mezcla de impulsos generalizadores (funcionalidad intencionada, tecnologa conveniente,
tradicin estilstica, etc.). Si es factible a priori relacionar algunos atributos observados a
impulsos especficos de este tipo, puede ser posible al principio dividir el rango total de las
clases en grupos y establecer una distincin para cada uno (Doran y Hodson, 1 975: 1 65- 167).
La definicin del tipo dentro de este modelo requiere: a) enumerar todos los miembros
considerados que lo constituyen; b) contabilizarlos anotando una puntuacin promedio y
una dispersin para cada uno de sus atributos relevantes; y e) hacer una lista de aquellos
343
344
EL ENFOQUE ATRIBUTUAL
Caractersticas y significado del tipo
riado, pues los tipos no existen como realidades objetivas, sino que son tiles usados por el
arquelogo, que pueden variar segn las necesidades que l tenga. Un defe nsor de este
punto de vista, J. O. Brew ( 1946), ha afirmado que los sistemas de clasificacin son tiles de
trabajo y cada investigador debe aplicar el sistema que le sea ms til para resolver los pro
blemas que se le plantean sin que los otros investigadores estn obligados a integrar sus
materiales en estos sistemas.
Aos ms tarde L. R. Binford ( 1 965) dirigir un fuerte ataque contra lo que denomina
una visin de la cultura "normativa" o "univariada", destacando que los tipos no son mani
festaciones de una nica cosa ("cultura compartida"), sino que nos informan sobre la varia
bilidad existente dentro y entre las culturas. Binford considera que un sistema cultural est
compuesto por subsistemas que pueden funcionar independientemente o en combinaciones
variadas. El uso de un armazn multidimensional facilitar el aislamiento de las causas de
varios tipos de cambios y diferencias y proporcionar las bases para estudiar comparativa
mente los patrones de cambio en las diferentes clases de fenmenos culturales (Binford,
1 965: 205).
Otro autor que mantiene este punto de vista positivista, A. Watson ( 1 973), sostiene
que las tipologas no estn gobernadas por las cualidades inherentes existentes en los datos,
sino por las ideas a priori de los investigadores, por lo que, como ya hemos dicho, cualquier
conjunto de artefactos puede ser ordenado mediante numerosos sistemas tipolgicos. A este
respecto recalca que los atributos que el arquelogo escoge reflejan el problema de investi
gador, mientras que los tipos definidos por estos atributos reflejaran el mundo real y, en
segundo lugar, que tericamente existen infinito nmero de tipologas posibles, pero en la
prctica, ese nmero es muy restringido, dndose una serie de limitaciones: a) la primera
viene impuesta por las caractersticas fsico-qumicas y espacio-temporales del objeto en s
mismo ; b) las tipologas estn limitadas porque muchas son trasladables a otras; e) estn
tambin restringidas por nuestras tcnicas de investigacin, nuestros instrumentos de obser
vacin, la extensin espacio-temporal; y d) por ltimo tambin estn limitadas por las habi
lidades humanas, los intereses y los deseos (Watson, 1 973 : 209-2 10).
Aplicaciones
346
por los fabricantes de los artefactos, no por el procedimiento arbitrario del clasificador"
(Spaulding, 1 953: 305). Su objetivo es demostrar que con la ayuda de las tcnicas estadsticas
se puede descubrir la consistencia de las combinaciones de atributos en cualquier contexto
arqueolgico que sea significativo y que, por tanto, se pueden establecer tipos sobre la base
del anlisis del material a partir de un componente.
El problema estribaba en encontrar un enfoque numrico, un algoritmo, que llevara a
cabo la separacin de las unidades en tipos segn su definicin. Spaulding sigui un
camino natural y se dirigi a la literatura estadstica para encontrar un mtodo apropiado,
escogiendo el test del chi cuadrado (x2), que es una prueba de significancia entre pares de
atributos, con el que va comparando pares de cualidades de los tems, estableciendo qu
asociaciones son significativas para demostrar la existencia de un tipo. Dicha metodologa
la ha desarrollado en varios trabajos, encaminndose principalmente a la seriacin ( 1970,
1 97 1, 1 973 y 1 978). La clasificacin segn Spaulding se realizara en tres pasos: 1 ) todos los
rasgos importantes presentes en los artefactos son considerados y se enumera su aparicin
en cada objeto; 2) todas las combinaciones de rasgos presentes se enumeran y agrupan en
cualquier clase de orden y 3) se distinguen las combinaciones estadsticamente similares y
concurrentes.
Mantiene Spaulding, por tanto, una posicin terica emprica y en ciertos aspectos nor
mativista cuando dice que "la relevancia histrica se deriva esencialmente del anlisis tipo
lgico. Un tipo propiamente establecido es el resultado de inferencias secundarias relativas
al comportamiento usual de los fabricantes de los artefactos" ( 1 953 : 306). Las divergencias
de A C. Spaulding con los arquelogos del enfoque tradicional, especialmente J. A Ford
(Spaulding, 1 954) y A D. Krieger (Spaulding, 197 1), se centran fundamentalmente en el
mtodo tipolgico para seleccionar los atributos, que l considera que debe ser de tipo esta
dstico.
El mtodo matemtico escogido por A. C. Spaulding (test de chi-cuadrado) es muy criti
cado por J. E. Doran y F. R. Hodson ( 1 975: 169), ya que lo entienden ms como un mtodo
de contrastacin que como un mtodo de asociacin o combinacin, en la forma en que lo
utiliza Spaulding. Adems slo se puede trabajar con dicotomas entre atributos, ya que ni
camente se pueden comparar - pares de variables.
Un avance en este modelo viene dado por la utilizacin del denominado "anlisis
matriz", procedimiento analtico que es usado por D. J. Tugby en 1958, quin, siguiendo el
concepto de tipo de A C. Spaulding, define tales tipos contando con una muestra de unos
1 35 choppers y hachas australianas a partir de la descripcin de estos tiles mediante medi
das continuas (altura, peso, etc.), siendo reducida a tres categoras o estados. El primer paso
en su anlisis fue registrar en una matriz simtrica el nmer.o de veces que cada rasgo apare
ca en concurrencia con otro, usndose esta informacin como medida de asociacin entre
los rasgos. Este "ndice" de asociacin presenta los mismos problemas que achacbamos al
chi-cuadrado de A. C. Spaulding. Posteriormente, Tugby ( 1965) seala que el mtodo del
anlisis matriz nos proporciona un modelo ptimo para los cuatro niveles de interpretacin
de los datos que distingue: identificacin, distribucin unidimensional, distribucin bidi
mensional y anlisis procesual (fig. 6).
Pero quizs el que mayor publicidad ha dado al mtodo atributual ha sido D. L. Clarke
347
ATT R I BUTES
' ATT R I B U T E S
1
1
1
1
'
'
1
1
(.)
1
1
1
A. UN S ORTEO MATR I X
ltJ
0..
(/)
(/)
z
ltJ
::E
'
'
B. SORTEO MATR I X
(1962, 1963 y 1970), quien no slo realiza trabajos tericos sobre esta tcnica, sino que
intenta aplicarla a la cermica campaniforme de Gran Bretaa e Irlanda, seleccionando un
total de 39 variables relativas a la forma, los motivos decorativos, la posicin de la decora
cin, la pasta y la coccin. La matriz resultante se ordena segn los principios de la seria
cin de G. W. Brainerd y W. S. Robinson (Brainerd, 1951 y Robinson, 195 1) (fig. 7). A pesar
de lo poco convincente del mtodo de cara a la construccin tipolgica hay que destacar con
este intento la utilizacin del ordenador para llevar a cabo su anlisis.
La aplicacin de estos mtodos de contingencia ha tenido un gran nmero de seguido
res, algunos de los cuales como J. R. Sackett han intentado perfeccionar el mtodo usado
por Spaulding (1966, 1969 y 1973). Sackett trabaja con un conjunto de raspadores auria
cienses (1966), utilizando una variacin basada en el test del chi-cuadrado (V2 de Cramer).
Las variables que ha seleccionado Sackett son cuantitativas, pero en lugar de tratarlas como
tal, las reduce a varias categoras y contabiliza cada divisin como un estado, es decir, pri
mero separa los atributos en categoras o estados y, a continuacin, asocia estos estados. Al
igual que puede criticarse en el caso de Spaulding se trata de un mtodo ineficiente de corre
lacionar los atributos y es importante sealar que este "anlisis cluster" de atributos tiene
poco que ver con el anlisis "cluster" tal como es concebido y usado en la Taxonoma Nu
mrica, que describiremos ms adelante.
Esta tcnica ha sido tambin usada desde otra perspectiva (Benfer, 1967): los grupos de
atributos relacionados se deben de utilizar para indicar atributos independientes clave de
348
Fig. 7.-Matriz ordenada que muestra grupos significativos de asociaciones de atributos (Clarke, 1970, p. 469).
un conjunto dado. de artefactos; conocimiento que nos podra ayudar a la bsqueda de tipos
en un estadio ms tardo del anlisis. En uno de sus trabajos, Benfer ( 1 967) selecciona de
una muestra de 73 puntas de flecha un total de 40 caractersticas, aplicando un anlisis fac
torial para determinar el peso de las diversas variables, llegando a seleccionar cuatro facto
res que recogen la mayor variabilidad de los artefactos.
Pero quizs uno de los intentos ms clsicos dentro del enfoque atributual sea el de J.
N. Hill en su estudio del Broken K Pueblo (1968), donde intenta describir el patrn locacio
nal de los diversos tipos de rasgos culturales del yacimiento. Cuantifica los datos y los mani
pula estadsticamente, usando el chi-cuadrado y el test de Fisher para demostrar la
variabilidad existente entre las diversas unidades de habitacin; emplea tambin el anlisis
factorial para distinguir los grupos de tipos cermicos.
Un ejemplo ms reciente del "anlisis de atributos" viene representado por R. B. Clay
(1976) (fig. 8), quien critica las tipologas lticas tradicionales, ya que no estn bien equipa
das para distinguir las similitudes estilsticas y funcionales. Plantea el uso del "anlisis de
atributos" como una alternativa a la tipologa formal, basndose en las mltiples dimensio
nes de la variabilidad de los tiles. La idea de este tipo de anlisis estriba en el supuesto de
que el til individual tien un significao primario como una entidad compleja dentro de
una muestra ms amplia de tiles en un contexto especfico de comportamiento antes de su
349
Fig. 8.-Modelo atributual: utilizacin del diagrama triangular para realizar la frecuencia de tres tipos de buriles en
tres complejos industriales (Clay, 1976, fig. 3).
pertenencia a un tipo formal establecido para el rea, para el perodo y para una cultura
dada. El objetivo ltimo de este enfoque no es ni la produccin de una lista maestra de atri
butos de aplicacin universal, ni la definicin de unos tipos lticos convenientes. Reconoce
que la significacin de los atributos individuales vara entre los tiles y los contextos y que
cualquier intento por forzar todos los tiles de piedra a travs de un anlisis de atributos
estandarizado debe concluir viendo que atributos significativos en un contexto pueden ser
irrelevantes en otros. Las ventajas de este mtodo las presenta Clay, realizando un anlisis
estilstico y funcional de un conjunto de buriles de tres culturas del Paleoltico Superior
Perigordiense VI, Proto-magdaleniense y Magdaleniense II y III; ofrece los resultados en
una lista tabulada de las frecuencias de los tipos y en un grfico triangular de coordenadas
para ilustrar la "distancia" tipolgica.
Para finalizar podemos sintetizar en los siguientes puntos la respuesta del modelo atri
butual a los interrogantes planteados en el debate tipolgico (Hill y Evans, 1972: 260-268):
1) Los tipos son reales y existen "clusters" o grupos de atributos no-aleatorios que pue
den ser descubiertos y denominados "tipos". Los tipos no son "inventados", ni son comple
tamente "arbitrarios", resultando nicamente del inters del arquelogo. La llamada
"arbitrariedad" ocurre solamente en una etapa concreta del proceso, cuando el arquelogo
selecciona y escoge unos atributos especficos. As, el investigador puede bien seleccionar
sus atributos de forma conveniente a sus problemas especficos o decidir simplemente esco
ger aquellos rasgos que la mayor parte de sus colegas haban considerado importantes.
2) Dado un conjunto de materiales, se puede descubrir que existe un "continuum" de
350
variabilidad, pero se puede ver tambin que existen de hecho una serie de lmites entre los
artefactos, lo cual slo se puede demostrar mediante una investigacin emprica.
3) En lo relativo a si es posible encontrar la "mejor clasificacin", Hill y Evans expli
can que una vez que un investigador ha seleccionado sus problemas o hiptesis y tiene un
conjunto especfico de materiales para trabajar con ellos y ha seleccionado los atributos que
son relevantes para sus hiptesis existe una clasificacin ptima de los materiales, es decir,
es la mejor clasificacin con respecto a un conjunto dado de materiales y a un grupo dado
de atributos.
4) Mantienen que no es posible formular tipos estandarizados, ya que es muy difcil
que los arquelogos se pongan de acuerdo sobre una serie de puntos.
5) Sobre el significado de los tipos, argumentan que si un arquelogo selecciona sus
tipos sobre la base de problemas e hiptesis especficas, el significado de sus tipos ser auto
mticamente aparente. Por ejemplo, si estamos interesados en la funcionalidad de un con
junto de vasijas y seleccionamos aquellos atributos relevantes para descubrir la
funcionalidad, entonces el agrupamiento que obtengamos al menos ser representativo de
una tipologa funcional.
En resumen, los enfoques estadsticos atributuales de la tipologa se han centrado en la
definicin del tipo como un grupo no aleatorio de atributos, clasificando e identificando los
artefactos por la posesin de una serie de caractersticas. Sin embargo con el desarrollo de la
taxonoma numrica y de los mtodos de anlisis multivariante ha cobrado vida un nuevo
enfoque, especialmente animado por J. E. Doran y F. R. Hodson, que intenta buscar un
agrupamiento de tems o artefactos similares, con una concepcin polittica del agrupa
miento.
Despus de haber analizado los dos enfoques tipolgicos que en cierta medida afectan
a lo taxonmico, vamos a describir un nuevo punto de vista, basado en los mtodos mate
mticos multivariables y que ha sido llamado por J. E. Doran y F. R. Hodson como "enfo
que de agrupamiento de tems" ("item-clustering"), considerando un tipo como "un cluster o
grupo de objetos similares" (Doran y Hodson, 1975). Esta definicin plantea una serie de
preguntas inmediatas : Cmo se determina la similitud entre los objetos? qu son los "clus
ters" y cmo se reconocen?, una vez reconocidos cmo tienen que especificarse los "clus
ters"? y cmo constituyen los "clusters" una clasificacin global? Las respuestas a estas
interrogantes pueden resumirse en los siguientes puntos (Doran y Hodson, 1975; Hodson
1980b y 1980c):
a) Una clasificacin de unidades depende de la valoracin que hagamos de su simili
tud. Esta similaridad se podr asegurar en funcin de una o ms variables escogidas presu
miblemente porque se ha demostrado que son relevantes; este conjunto de variables selec351
pies de representar el complejo que estamos estudiando reduciendo, por ejemplo, el nmero
de variables a estudiar.
2) Clasificacin: ver si los tems_ se pueden incluir en grupos o "clusters".
3) Agrupamiento de variables: nos puede interesar ver si las variables tambin se pue
den incluir en grupos.
4) Anlisis de la interdependencia : el tem nos puede servir para ver si existe interde
pendencia entre las variables o no.
5) Construccin de hiptesis y contrastacin de las mismas.
Formalmente, podemos definir el anlisis multivariable como "la rama de la estadstica
que trata de las relaciones entre conjuntos de variables dependientes y los individuos que
las presentan" (Kendall, 1 975: 1 ). Como veremos, algunos de los mtodos familiares en el
anlisis univariable se pueden hacer extensivos a situaciones multivariables, como por
ejemplo, la media, la varianza o los mtodos basados en stos, como la correlacin o la
regresin. Son muchos los mtodos multivariables usados y sera intil reflejar aqu su filo
sofa y su prctica exhaustivamente, mxime cuando existe una bibliografa extensiva al res
pecto (Cooley y Lohnes, 1 97 1 ; Sneath y Sokal, 1 973; Kim y Mueller 1 978a y 1 97 8b), aunque
creemos conveniente realizar un resumen global de los principales mtodos, viendo algunos
ejemplos concretos de su aplicacin a la Arqueologa.
En esta sntesis podemos distinguir dos grandes bloques de mtodos: los de agrupa
miento jerrquico (Anlisis cluster) y aqullos que son auxiliares o alternativos a este tipo
de anlisis y que nos muestran tendencias o direcciones en los elementos (Anlisis factorial,
Componentes principles, etc.).
A) ANALISIS CLUSTER
La idea que subyace detrs de estas tcnicas de agrupamiento es producir una clasifica
cin en forma de rbol o dendrograma, en el que los objetos que son similares aparecen en
ramas cercanas y los disimilares en ramas separadas. Como veremos despus, mientras
estas tcnicas tienen un gran desarrollo en la arqueologa anglosajona, sin embargo en la
arqueologa espaola son casi nulos los intentos tipolgicos basados en las mismas.
El anlisis cluster nos permite mediante el uso de procedimientos numricos dividir un
grupo de unidades en subgrupos homogneos. Para un arquelogo, este tipo de clasificacin
es quizs la ms bsica de todas las tareas que tiene que realizar.
El arquelogo, como clasificador, comienza a partir de lo que l considera como un
cuerpo significativo de material y lo organiza o agrupa en base a lo que supone relevante y
contando con una estrategia de clasificacin, es decir, un objetivo definido de la clasifica
cin y un mtodo para realizarla. Las estrategias de agrupamiento o "clustering" sirven para
reducir el nmero de unidades del estudio, combinando los elementos similares en clases
que formarn una base nueva para la interpretacin, mientras que las estrategias de ordena
cin (componentes principales, factorial, discriminante, etc.) aceptan cada unidad por sepa
rado y como tal estudiarn las relaciones globales entre las mismas.
353
Antes de ver las diversas estrategias del agrupamiento nos queda por analizar una con,
sideracin preliminar sobre qu aspecto de los datos est siendo investigado en cualquier
anlisis especfico. Una lista de datos consiste en un conjunto de unidades descritas por una
serie de propiedades. En cada caso, el arquelogo debe decidir si lo que l est buscando
son "clusters" de unidades (un anlisis de modalidad Q) o de atributos (un anlisis inverso
de tipo R) -normalmente, en taxonoma numrica se emplea el anlisis cluster de modali
dad Q-. Existen diversos mtodos de agrupamiento y no todos producen los mismos resul
tados, por lo que el arquelogo tendra que juzgar qu mtodo es el que mejor se adapta a
sus necesidades. Por lo tanto, el arquelogo tiene que elegir una tcnica que: a) tiene que ser
factible su realizacin, pues algunas veces el ordenador de que disponemos nos puede limi
tar el estudio si no tiene capacidad de memoria; b) tiene que ser conveniente al tipo de datos
con que contamos y a los objetivos que nos propongamos y e) tiene que ser tericamente
vlida, pues no todos los mtodos de agrupamiento pueden responder a los intereses tipol
gicos del arquelogo.
Las estrategias generales de la taxonoma han sido sintetizadas por Doran y Hodson
( 197 5: 1 73-17 5) de la siguiente manera:
1) El arquelogo observa todo el conjuto de materiales y va colocando juntos aqu
llos que son ms similares, creando una serie de clases. Esta es una estrategia "aglomera
tiva". Los objetos seran probablemente considerados "iguales" en su morfologa total ms
que seleccionando un atributo aparentemente clave, por lo que el procedimiento sera poli
ttico. El arquelogo entonces mirara qu rasgos seran los que separaran los "tipos" dife
rentes en los diversos niveles.
2) Una segunda estrategia consistira en supervisar los objetos como un todo y escoger
el que aparentemente parece ser el atributo ms notable y que muestra una ms clara varia
cin. El conjunto se dividira en dos segn este criterio y cada uno de estos grupos se podra
volver a subdividir, y as sucesivamente hasta que alcancemos un nmero conveniente de
'
grupos. Esta es una estrategia "divisiva", de hecho monottica, ya que cada divisin se hace
segn un rasgo individual solamente.
3) La tercera estrategia intentara establecer dentro del conjunto una serie de tipos
provisionales y distintivos siguiendo un criterio arbitrario. Cada uno de los restantes espec
menes se comparara con estos tipos y se agrupara con el que fuera ms similar. Una vez
que todos hayan sido agrupados, cada grupo podra supervisarse y si fuera necesario se
seleccionara un tipo ms representativo. Un estudio posterior puede dar lugar a un reagru
pamiento de algunos especmenes entre grupos, consiguiendo unos grupos ms o menos
estables. Esta estrategia equivale a una redistribucin o procedimiento de relocalizacin.
4) Por ltimo, se podra establecer una clasificacin previa mediante las tcnicas 1 2
y posteriormente realizar la tcnica 3, reasignando los especmenes dentro de los grupos en
los niveles dados para hacer los grupos ms homogneos. Esta estrategia es, desde nuestro
punto de vista, ms ptima, realizando una primera clasificacin global, polittica, y a partir
de los grupos establecidos efectuando una redistribucin siguiendo la tercera tcnica.
Veamos a continuacin las principales tcnicas de agrupamiento y algunos de los ejem
plos concretos que se han realizado en el campo arqueolgico.
354
a)
distancias, que consiste en una tabla de doble entrada donde aparecen los artefactos en las
filas y en las columnas, representndose en su interior los valores o ndices de similitud
entre cada par de variables. Sealemos que el coeficiente de un objeto consigo mismo es
siempre O, lo que indica el mayor ndice de similitud y que el coeficiente de similitud entre
un artefacto X y otro Y es el mismo que el existente entre el artefacto Y y el artefacto X, indi
cndonos esta propiedad que la matriz es simtrica, por lo que normalmente se prescinde de
media matriz para ahorrar espacio y operaciones de clculo. En trminos matemticos, el
arquelogo convierte un conjunto amorfo de artefactos en un espacio: las similitudes entre
ellos estn representadas por las distancias existentes entre los puntos en el espacio, ya que
cada artefacto se puede concebir como un punto en el espacio, ms cercano a aquellos obje
tos con los que es ms similar y ms lej ano de los que es ms distinto. Durante el procedi
miento jerrquico aglomerativo se van contabilizando las relaciones entre cada par de
unidades y se van agrupando; las unidades similares a los miembros de los clusters existen
tes son sucesivamente asociadas con ellos, hasta que todas las unidades y "clusters" se
hayan fundido en uno. Como ya hemos indicado, este tipo de estructura puede ser represen
tado por un rbol o dendtograma, en el que cada unidad constituye el extremo de una rama,
que gradualmente se van uniendo h asta juntarse todas en el tronco.
Segn el concepto de similitud o distancia que empleemos nos resultar uno u otro den
drograma. El ms simple de los procedimientos es el conocido como anlisis cluster de single
linkage. Este enfoque, a veces llamado tambin como clasificacin del "vecino ms
prximo" ("nearest neighbour") fue uno de los usados por primera vez en los anlisis por
ordenador. En este procedimiento, en cada paso sucesivo de l a jerarqua se h ace un examen
de los pares ms cercanos de unidades previamente no enlazados y se hace una fusin entre
ellos (fig. 9). Se correspondera con una nocin simple y consistente del agrupamiento: en
cada nivel de la jerarqua todas las unidades asignadas a un "cluster" pertenecen ms a ste
que cualquier otra unidad de cualquier otro "cluster". En este procedimiento ocurre como
en las cadenas, es decir, un miembro o eslabn es similar a sus vecinos inmediatos, pero no
necesariamente es similar a cualquier otro miembro, con lo cual los dos finales de la cadena
pueden ser muy distintos, es por esto que esta estructura no ha sido normalmente h allada
como til por algunos taxonomistas (Hodson et alii, 1 966), aunque ha sido alabada a
menudo por poseer las propiedades formales requeridas para una comprensiva teora del
agrupamiento (Jardine et alii, 1967; Jardine, 1 969; Jardine y Sibson, 1 968).
Una alternativa posible a las dificultades que presenta el enlace individual (single
linkage) ha sido desarrollada por N. Jardine y R. Sibson ( 1 968) y se puede definir como anli
sis cluster de doble enlace (double-link). Su procedimiento permitira que los clusters que se
funden inmediatamente en un single-linkage se superpongan o solapen mediante un cierto
nmero de unidades antes de unirse; es decir, este procedimiento requiere dos enlaces de
similitud entre una unidad, par o "cluster" y otro par o "cluster" antes de unirse (fig. 1 0). Es
un proceso j errquico para la formacin de clusters, pero sus resultados presentan un alto
grado de solapamiento o superposicin por lo que es difcil la representacin mediante un
355
e e e e e e e e e e e e e e e e e e e e a a
1 1 1 8 1 4 1 3 26 24 S 2 2 2 3 1 6 1 7 I S 1 0 1 9 2 1 1 2 3
2 9 20 4 6
o o e o
8 2 8 2 5 1 2 1 30 2 9
9.-Dendrograma construido mediante u n anlisis cluster de "single-linkage" (Hodson, 1970, fig. 3).
dendrograma, siendo conveniente el uso de dagramas de Venn que permiten que los enla
ces y superposiciones se representen en un nivel especfico de similitud. Hodson (1970) cri
tica este mtodo, con el que segn l sera casi imposible definir una taxonoma com
prensiva.
Un desarrollo ms complejo es el procedimiento jerrquico que produce clusters ajusta
dos, el anlisis cluster de enlace completo (complete-linkage). Durante el proceso de jerarquiza
cin slo se permite a una unidad incorporarse a un "cluster" si su similitud con todos los
miembros del grupo alcanza los valores requeridos. Aunque fue uno de los primeros mto3 56
( Q g c i
e G o e o
e e e e e e e e e e e $ e e e e e e e e
6 28 2 8
1 2 1 1 2 3 1 0 26 1 3 24 1 4 1 1 1 8 1 .5 1 6 1 1 .5 2 2 2 3 1 9 27 20 9 4
o e
7 25 30 29
.5
Fig. 10.-Dendrograma construido mediante un anlisis cluster de "double-linkage" (Hodson, 1970, p. 309).
dos de anlisis cluster experimentado no lleg a ser popular en las prcticas taxonmicas
dentro de la Arqueologa.
Por el contrario, uno de los procedimientos ms usados por los arquelogos es el nli
sis cluster de promedio no ponderado (average-linkage). Se trata de un mtodo ms refinado.
Durante el enlace o encadenamiento permite a una unidad juntarse a un cluster nicamente
si su promedio de similitud con todos los miembros existentes alcanza un nivel especfico
(fig. 1 1). Una de las principales objecciones a este mtodo ha sido hecha por N. Jardine et
alii ( 1967), quienes sealan que existe una dificultad de carcter terico, pues en lenguaje
357
He o o T G O $ $ e e e e e e e e e $ e e e e e e e e e e e
29 25 28 8 1 6 4 23 1 9 27 1 7 1 6 22 S 26 24 1 4 1 3 1 8 1 1 I S 1 O 20 1 2 3 9 2 30 2 1 1
: --:
- '-!. ! 1 [ 1
.:
. .
:.
..
.
.
.
.
.
.
.:
.
.
.
..
.
.
..
.:.
; =-----
..
:
.
.
---------- -----==::::
.
- - -
i.
.=:
._
- - - - -- - - - - -- - - - - - - - - -- - - - - - - - - - - - - - - - - - - - - - -
.:
.
:
!
- - - - - - -- -- - - - - - - - - - - - - - - - -- - - - - - - - --
..
.
:
:
.
.
_
:; .
..
- - - -- - - - -- - - - - - - - - -- - - - - - - - - - - - - - - -- - - - - - - -- - - - - - - - -
:.
.
...
.
.
.
.
.
..
.
..
..
.
.
.
.
...
..
.
..
.
_____
Fig. 1 1.-Dendrograma construido mediante un anlisis cluster de "average-linkage" (Hodson, 1970, p. 307).
nicas, as en el "single-linkage" la distancia entre dos grupos es igual a la distancia entre las
dos unidades ms vecinas, una perteneciente al primer grupo y otra al segundo. En el
"complete-linkage" la distancia entre dos grupos es igual a la distancia entre las dos unida
des ms lej anas, respectivamente del primer y segundo grupo; y, por ltimo, en el "average
linkage" la distancia entre dos grupos viene dada por la existente entre dos puntos
calculados, internos al grupo.
Estas son en sntesis las principales tcnicas de anlisis cluster jerrquicos y aglomera
tivos. Veamos ahora algunos ejemplos de aplicaciones concretas dentro del campo de la
Arqueologa, donde los trabajos ms clsicos vienen desarrollados por Doran y Hodson.
Uno de los primeros ensayos ha sido el trabajo realizado por F. R. Hodson, P. H.
Sneath y J. E. Doran ( 1 966) sobre un conjunto de fbulas de La Tene procedentes de la
necrpolis de Mnsingen, cerca de Berna. Comienzan describiendo numricamente las uni
dades por medio de la presencia-ausencia de una proporcin variable de propiedades y cal
culan los coeficientes de similitud entre cada par de unidades; posteriormente pasan al
anlisis de esos coeficientes mediante dos procedimientos: anlisis cluster y escalas multidi
mensionales. Dentro del primero, optan por el single-linkage y el average-linkage, aunque se
decantan por el segundo, que esencialmente clasifica la gama de unidades en grupos sobre
la base de la similitud, llegando a la conclusin que el single-linkage no produce clasifica
ciones de significado arquelogico demostrable.
En otra publicacin, Hodson ( 1 969) analiza dos conjuntos de datos arqueolgicos : una
serie de 55 "assemblages" del Paleoltico Superior procedentes de Francia y Europa Central
y una pequea muestra de unos 1 00 objetos de cobre y bronce. Lo interesante de este trabajo
es que combina el anlisis cluster de promedio no ponderado con el anlisis de componen
tes principales, llegando a la conclusin de que el mtodo de promedio no ponderado no es
el ms apropiado p ara este tipo de material, ya que piensa que cuando el nmero de ele
mentos es muy elevado no funciona correctamente, si bien hay que tener en cuenta las limi
taciones del mtodo en 1 969. En los dendrogramas fruto de este anlisis no indica el mtodo
que ha seguido para determinar los diferentes clusters, dando la impresin que el criterio
seguido para jerarquizar los grupos ha sido totalmente arbitrario. Esta laguna relativa al
nmero de unidades viene rellenada por el anlisis de componentes principales, que tiene
adems la ventaja de proporcionar informacin tanto sobre las variables como sobre las
unidades, pero lgicamente este procedimiento no produce una taxonoma detallada y jerar
quizada, sino que tan slo intenta ordenar las unidades.
Un intento de desarrollo del anlisis cluster de "average-linkage" de modalidad R, ha
sido realizado por D. E. Dumond ( 1 974) para analizar y jerarquizar los atributos dentro de
un conjunto de unidades. Experimenta este procedimiento con dos conjuntos: en primer
lugar con tiles de slex del Suroeste de Alaska, dividiendo los tiles en funcin de las activi
dades especializadas que pueden representar; distingue 30 tipos de tiles y les aplica un an
lisi s cluster con la intencin de encontrar una trayectoria temporal en la asociacin de estos
artefactos. El segundo conjunto representa un lote de objetos cermicos recogidos superfi
cialmente en Tlaxcala (Mxico) y categoriza la similitud en funcin de la presencia
ausencia de los atributos, intentando refinar la secuencia cermica de la zona (fig. 1 2).
La combinacin de tcnicas de ordenacin y agrupamiento est presente tambin en un
359
Qyt..
lA
1
{
{
10CHO + U
C.amic
a..
200
180
180
140
1 20
1 00
80
10
17
33
2
12
13
4
23
27
22
16
20
40
3
26
IIA
21
38
11
14
24
16
3li
..
...
...
21
:M
IU
l
l
1
...
IV
28
37
42
43
41
28
30
31
31
32
31
1
11
i
8
7
8
lO
Fig. 12.-Ejemplo de anlisis de modalidad R (agrupamiento de atributos) que muestra la agrupacin de 44 clases
cermicas procedentes del norte de Tlaxcala (Dumond, 1974, fig. 3).
360
b)
Estos procedimientos, que a veces nos recuerdan la definicin intuitiva de tipo y que
sucesivamente dividen las clases mediante un slo atributo en cada etapa, no gozan de una
gran predileccin por parte de los arquelogos. El principio bsico de los mismos consiste
en encontrar, en cada punto donde se ha hecho una divisin, que el atributo dictomo ms
altamente relacionado con los otros atributos todava muestra variacin en el grupo, divi
dindose entonces las unidades en dos de acuerdo con su me dida en este atributo dictomo.
El grado de correlacin o asociacin tiende a ser medido mediante la suma de los valores de
la chi-cuadrado, calculados entre cada atributo considerado y los otros que son relevantes.
Los clusters en s mismos son sucesivamente subdivididos por este procedimiento y la "sig
nificacin" de cada subdivisin viene asegurada por los clculos del chi-cuadrado. Cuando
este valor d una medida insuficiente se acaba la particin en cada rama. En este mtodo,
tambin llamado "anlisis de asociacin", los "clusters" en cualquier nivel de la jerarqua
son definidos por agrupamientos previos en lugar de por criterios generales que proporcio
nen homogeneidad o bondad en los clusters.
Cabe destacar como a uno de los principales tericos dentro de este campo a R. Wha
llon Jr., quien en un trabajo realizado en 1 972 intenta reexaminar un estudio tipolgico de la
cermica de Owasco ( 1 000- 1 300 d.C.) concebido segn criterios tradicionales (Whallon,
1 972a: 1 8-21). Rompe con la tipologa tradicional utilizando un enfoque estadstico, sirvin
dose para ello del anlisis de asociacin, que es un mtodo divisivo y monottico, por el cual
va dividiendo los datos originales en subgrupos cada vez ms pequeftos hasta que se consi
dera que la clasificacin se ha completado (fig. 1 3). Es monottico porque considera a todos
los atributos individualmente y procede subdividiendo cualquier grupo sobre la base de la
361
Col la red
Noncol lared
Cord-on-cord
decoration "'
Other
Other
Other
Plain Ex
Decorated ext e r i o r
l n c t sed n e c k
Outfo l d e d
notohed l i p
l n terru pted l i n e a r
decoration on c o l l a r
Other
Extenor bead
O the r
Other
l nc 1 sed n e c k
Punctates
on col lar
'
/ l
Other
C o r :J - w rapped-sti c k
exe n or p un c t a t e s
E xt e n o r p l a t s
Othe r
er
er
hemng bone
Extenor m u l t 1 p l e
h o r i zo n t a l l i n es
E xtenor o b l t q u e
Other
Othe r
a n d v e rt 1 c a l 1 m es
362
e) Procedimientos de reagrupamiento
Las tcnicas de anlisis cluster vistas en los dos apartados anteriores tenan como obje
tivo la creacin de una estructura continua de clasificacin: un cluster se deriva siempre a
partir de otro y contribuye directamente sobre el otro en los procesos de jerarquizacin.
Planteamiento que tiene una ventaja pues un dendrograma puede representar una clasifica
cin total; pero tambin ofrece como desventaja, que construye un armazn rgido, donde
los clusters no se pueden romper, ni sus miembros redistribuirse. Esto ha hecho que se desa
rrollen una serie de mtodos que almacenan y operan con las listas originales de los datos y
una serie de medias o centros de unos "clusters" hipotticos, de aqu el nombre de procedi
mientos K-means que se le da en la literatura arqueolgica (Doran, 1970a; Doran y Hodson,
197 5 y Orton, 1980).
Cada objeto o unidad se va comparando repetidamente con estos centros, que van
siendo progresivamente cambiados. El objetivo directo de la mayor parte de estos procedi
mientos es conseguir la participacin de las unidades en "K" clusters de tal forma que la
medida global de dispersin dentro de los clusters sea minimizada. Este enfoque no es bsi
camente jerrquico, pero variando el valor de K es posible construir una j erarqua de parti
ciones. Una ventaja consiste en que no se tienen que calcular las relaciones entre todos los
pares de unidades, sino tan slo las relaciones entre las unidades y los. centros o "centroides"
de los "clusters", eliminndose as cualquier lmite rgido para el nmero de unidades que se
pueden agrupar en un cluster o en un anlisis.
Una segunda caracterstica de este procedimiento estriba en que existen algunas medi
das de distancia para las que este proceso de reagrupamiento equivale a maximizar algn
criterio definido para un buen agrupamiento. La medida ms regular de relacin entre una
unidad y el centroide de un cluster es la distancia de Euclides. Sin embargo, razones tericas
hacen que sea preferible utilizar un enfoque ms complejo que localice las unidades en un
espacio discriminante transformado, trabajando en este espacio con la distancia de Mahala
nobis, que presenta algunas ventajas tericas sobre la djstancia eucldea, ya que sta ignora
la correlacin entre los atributos. La distancia de Mahalanobis y el espacio discriminante
proporcionan las condiciones necesarias en las que las transformaciones de los datos origi
nales no tienen ningn efecto y donde las intercorrelaciones entre los atributos se pueden
realizar.
El clculo de la distancia de Mahalanobis requiere el conocin1iento previo de los gru
pos a los que se asignan las unidades. Es decir, este anlisis se ejecuta sobre un agrupa363
miento previo, que puede ser totalmente arbitrario, o mediante una combinacin de anlisis
cluster average-linkage y un anlisis de componentes principales. Una vez establecidos los
grupos, las distancias entre los centroides de los grupos o entre las unidades y los centroides
de los grupos se p ueden calcular u sando el conocimiento de las correlaciones o de las cova
rianzas dentro de estos grupos. Sobre las ventajas de la distancia de Mahalanobis o sobre su
uso existen algunos trabajos especializados (Cooper, 1963; Millier y Tomassone, 1 970 y Rao,
197 1).
El procedimiento K-means seguido por Doran y Hodson ( 1 975) ha consistido en alcan
zar una particin ptima mediante la distancia eucldea y luego modificar este resultado
mediante el reagrupamiento de la distancia de Mahalanobis. Nos mostramos partidarios de
este proceso, que hemos aplicado con , ptimos resultados a la cermica funeraria de la
Cuest del Negro (Esquivel y Contreras, 1 984) (fig. 14).
Uno de los trabajos ms significativos sobre el desarrollo de los procedimientos K
means es el realizado por Hodson ( 1 97 1 ), en el que sintetiza los pasos que implica esta tc
nica y que se pueden resumir de la siguiente manera:
1) Eleccin de un nmero conveniente de "clusters".
2) Divisin del conjunto total de los datos en este nmero de "clusters" como punto de
partida para el experimento. Cada "cluster" se caracteriza por las puntuaciones ,p romedia
das de sus miembros en cada variable.
3) Clculo para esta particion de un criterio de agrupamiento (normalmente una divi
sin entre la dispersin de las unidades repecto a su centro de grupo y el promedio total de
la muestra).
4) Se requiere un procedimiento de investigacin reiterativo par tranformar las uni
dades partiendo de un grupo a otro progresivamente hasta que la clusterizacin haya alcan
zado un mximo.
5) Se debe , alcanzar la "mejor" clusterizacin.
lnclic 3 1
1 1 l . H l 3 't 1 't
5 1 2 Z 3
l Z
1
Z 3 4 4 5 't ztd
z 1 1 f 3 5 3 't Z 't 5 Z
Slmill ud 7 5 6 4 O q 3 8 Z 1 3 lt 3 o Z 1 4 l 6 t 6 l 8 4 2 '1 q '1 q 8 O 6 5 6 8 8 6 O 1 1 9 1 O 5 t 3 1
LJ
10
33,79
Fig. 14.-Dendrograma construido mediante un anlisis cluster "k-means" aplicado sobre cermicas de la Cuesta
del Negro (Purullena, Granada).
365
modelo fsico o diagrama de dispersin que muestre un cuerpo de datos transformados con
el que sea ms fcil trabajar. Veamos a continuacin algunos de los mtodos ms frecuente
mente usados en los trabajos arqueolgicos.
a)
Se trata de una tcnica de ordenacin, que consiste en situar las unidades en un espacio
dimensional. La representacin de estas unidades en ms de tres dimensiones no es posible
por medios convencionales. Sin embargo, los mtodos multivariables de ordenacin s son
capaces de crear este espacio "n-dimensional". Supongamos, por ejemplo, que localizamos
en un espacio multidimensional euclideano una serie de puntos. El espacio viene definido
por unos ejes ortogonales, estando su origen en el centro de una dispersin de puntos. El
propsito del anlisis de componentes principales es encontrar un nuevo conjunto de ejes
ortogonales, con el mismo origen, y que tenga unas p ropiedades convenientes para nuestro
propsito: la principal es que el primer eje nuevo se desarrolle a lo largo de la mayor disper
sin de puntos, el segundo a lo largo de la direccin del mayor nmero de puntos restantes,
etc. Estos nuevos ejes se llaman "componentes" y los dos primeros ejes o componentes reu
nirn lgicamente el mayor nmero de puntos. Este es uno de los mtodos ms usados en
Arqueologa y su funcionamiento y base terica se pueden consultar en varios trabajos
(Sneath y Sokal, 1973 : 245-247; Doran y Hodson, 1975 y Kendall, 1975 : 13-30).
Normalmente este mtodo de compo nentes principales se utiliza como test de contras
tacin, entendiendo por tal la medida de adecuacin de una solucin de agrup amiento
(Aldenderfer, 1982: 61), ya que los mtodos de agrupamiento, al estar basados en la simili
tud, no producen los resultados esperados por el arquelogo, por lo que se suele utilizar el
anlisis de componentes principales para esclaracer y contrastar los resultados del anlisis
cluster (fig. 15). Esto es lo que hace, por ejemplo, Hodson (1969) en su estudio de tiles lti-
11
11
111
11
'" 1
IV
Fig. 1 5.-Diagrama tipolgico resultado de la aplicacin del anlisis cluster "k-means'' y el anlisis de componen
tes principales sobre cermicas de la Cuesta del Negro (Purullena, Granada).
3 66
cos del Paleoltico Superior, cuando realiza una representacin grfica de los tres primeros
componentes: el primero es el eje horizontal, el segundo el vertical y el tercero lo representa
mediante el grosor de los smbolos (Hodson, 1 969: 94). Otra manera de representar la tercera
componente es de forma vectorial (Esquivel y Contreras, 1984) (fig. 1 6). En opinin de Hodson, "para una sumarizacin ms general de la estructura que se encuentra detrs de los
datos multivariables, el Anlisis de componentes principales es un procedimiento aceptado
y disponible que puede trabaj ar con una gran cantidad de datos. Tiene la ventaja de propor
cionar informacin sobre las variables en estudio as como de los sujetos (fig. 1 7), pero el
tipo de simplificacin que produce, mientras que ayuda a dar una visin general, no suge
rir fcilmente una taxonoma detallada" (Hodson, 1969: 1 02).
En la literatura arqueolgica es un mtodo muy empleado destacando las aplicaciones
de 1 Thuesen et alii (1 982) al anlisis de la cermica con el objetivo de ver si se ha producido
localmente o si se ha fabricado para su produccin y distribucin; C. J. Salter ( 1982) tam
bin lo aplica sobre cuestiones arqueomtricas, analizando la procedencia qumica en tiles
de la metalurgia del hierro de los celtas en Gran Bretaa; P. M. Dolukhanov et alii ( 1980)
analizan conjuntos lticos del Paleoltico Superior y Mesoltico-y M. W. Pitts (1978) lo utiliza
conjuntamente con el anlisis cluster para estudiar varios conjuntos lticos.
C\J
Q)
+>
e
Q)
e
o.
E
Componentes
Componente
Fig. 16.-Representacin grfica de atributos con referencia a las tres primeras componentes, representndose la
tercera vectoralmente (Esquive! y Contreras, 1984, p. 136).
b)
Anlisis factorial
Este tipo de anlisis ha gozado durante algn tiempo de la predileccin de los arque
logos, siendo uno de los mtodos multivariables ms usados en Arqueologa para intentar
367
2
o
\<?:
Fig. 17.-Aplicacin del anlisis de componentes principales sobre la cermica sepulcral de la Cuesta del Negro
(Purullena, Granada).
368
hallar dusters o grupos de atributos. Hay que tener en cuenta que este procedimiento ha
sido y es utilizado frecuentemente por los psiclogos, que son los que principalmente lo han
investigado y desarrollado. En los estudios de Psicologa, el analista lo que investiga son los
aspectos generales de la personalidad, como por ejemplo, la inteligencia, que no se puede
aislar y medir directamente, por lo que est obligado a aplicar tests que midan sus diversos
aspectos. Su supuesto bsico estriba en que la puntuacin en un test dado se compone de
dos partes: una reflej a una combinacin de los efectos generales en los que el analista est
interesado y otra segunda que refleja la actuacin especfica de ese test y que no tiene nin
gn inters. El anlisis factorial intentara separar esos dos aspectos en los datos, dese
chando los efectos "especficos" y sealando los efectos "comunes" entre un nmero de
factores generales de la personalidad (Doran y Hodson, 1 97 5: 1 98).
Para ver la filosofa matemtica del anlisis factorial existen diversas obras escritas con
vistas a investigadores de las ciencias sociales (Sneath y Sokal, 1973; Kendall, 1 975; Kim y
Mueller, 1 978a y 1 978b). La podemos sintetizar en tres fases principales. Primero se debe
decidir cuantos efectos generales o factores son relevantes. Luego la informacin que se con
sidera relevante para estos factores (la varianza "comn") debe separarse de lo que se consi
dera irrelevante ("varianza especfica" o "error de varianza"). El tercer paso implica la
distribucin de esta varianza comn entre los factores segn una idea preconcebida de la
estructura de la actuacin humana. Esta distribucin puede realizarse siguiendo varias
alternativas metodolgicas. En trminos geomtricos, los atributos han sido localizados en
un espacio con un nmero de dimensiones equivalente al nmero de factores. Cada factor
se considera como un eje en el espacio al que se refieren los atributos . Sin embargo, la orien
tacin de estos ejes de referencia es arbitraria y se requieren unas reglas que los fijen de una
manera conveniente. Existen varios mtodos para realizar esta fij acin, siendo uno de los
ms empleados el Programa Varimax (una aplicacin en Espaa de este mtodo se puede
ver en Capel et plii, 1 982).
As, aunque el anlisis de componentes principales y el anlisis factorial parten de
supuestos muy distintos y con objetivos muy diferentes, la principal diferencia en la prctica
a menudo estriba nicamente en el proceso rotacional aplicado para el mejor anlisis de los
atributos.
Las aplicaciones ms conocidas del anlisis factorial en Arqueologa son probable
mente las de L. R. y S. Bindord ( 1 966) para el estudio de las facies musterienses establecidas
por F. Bordes ( 1 953, 1 961 ). El mayor inters del estudio de los Binford es la hiptesis arqueo
lgica establecida para tratar de explicar las diferencias entre los conjuntos musterienses,
situando la causa de sus diferencias en la funcionalidad como factor opuesto a las interpre
taciones ms convencionales. El anlisis factorial les permiti identificar una serie de varia
bles agrupadas en torno a cada uno de los factores. As, por ejemplo, el factor I agrup aba las
siguientes variables : perforador tpico y atpico, bec, buril atpico, raspador tpico, lasca
truncada, muescas, diversos, raedera simple cncava, lasca con retoque ventral y cuchillo de
dorso natural. Esta serie de tiles son relacionados por los Binford con una actividad de
fabricacin de tiles de materiales no lticos (hueso y madera), tratndose pues de una acti
vidad de mantenimiento. Este factor lo conectan con el Musteriense Tpico de F. Bordes,
369
haciendo lo propio con los otros factores, que son relacionados con cada una de las facies
de F. Bordes.
En este ejemplo, el anlisis factorial est imbricado con el agrupamiento de atributos o
variables. Sin mbargo, el mismo programa de ordenador puede ser usado para tratar de
agrupar unidades, como por ejemplo, yacimientos (Rowlett y Pollnac, 197 1 ). En este ltimo
trabajo, los autores analizan una serie de yacimientos de la Cultura del Marne, en el norte
de la Champagne francesa. Su estudio tiene dos objetivos claros : a) determinar la distribu
cin geogrfica de los yacimientos demostrando si los tems de los conjuntos y los grupos de
los yacimientos son similares y b) est<1;blecer que tems son los que tienen que buscarse.
Artalizan 1 04 tems (cuencos, jarros, fbulas de disco... ) que se distribuyen entre 77 yacimien
tos, utilizando el anlisis factorial para: 1) agrupar los yacimientos sobre la base de modelos
de aparicin de tems; 2) proporcionar un valor a cada yacimiento que indique su grado de
asociacin con el modelo o factor subyacente de cada grupo de yacimientos; y 3) suministrar
una puntuacin para cada tem que haga posible determinar cuales son los tems clave para
cada grupo de yacimientos. El modelo de anlisis factorial usado es el anlisis de
factor comn.
Otras aplicaciones prcticas del anlisis factorial en :Arqueologa son las realizadas por
l. C. Glover ( 1969) sobre conjuntos lticos, J. J. Lischka ( 1 975) sobre la distribucin de los
tipos cermicos del Broken K Pueblo, as como los trabajos sobre industrias lticas de P. M.
Dolukhanov et alii ( 1980) (fig. 1 8) y J. R. Kozlowski ( 1 980).
La mayor parte de los estudios arqueolgicos que han usado el anlisis factorial se pue
den dividir en tres categoras : a) la ordenacin cronolgica, en la que el principal objetivo
del anlisis es la ordenacin relativa a travs del tiempo de los conjuntos de tems o de yaci
mientos (Azoury y Hodson, 1973; LeBlanc, 1975); b) la clasificacin, que es el uso ms
corriente, es decir, la ordenacin de tems en grupos sobre la base de sus relaciones medidas
a lo largo de un conjunto de atributos (Hodson, 1969); y e) la causalidad, es decir, se intenta
explicar el patrn observado en funcin de factores o causas subyacentes en los datos (Bin
ford y Binford, 1966).
Este tipo de anlisis ha recibido algunas crticas (Doran y Hodson, 1 975: 205), ya que la
idea de rechazar la "varianza especfica" como redundante o irrelevante no parece ser lgica
en las situaciones arqueolgicas estandarizadas en las que se aplica el anlisis factorial. Si
estamos buscando crear unos grupos no tenemos por que rechazar a priori cualquier tipo de
informacin, sea "especfica" o "comn".
e)
Otros mtodos
Fig. 1 8 .-Aplicacn del anlisis factorial sobre complejos auriiiacienses de Europa Central y Oriental (Dolukha
nov
et
(M2
()f
a
(' 1
1?
01
<' 0
"
o
(1
o
0 ,1
o
<' 0
01
t?taD
t
o
8
o
3
o
o
,11
('
(' 0 1
..
Fig. 19.-Aplicacin del anlisis de constelacin para ver la relacin entre varios niveles del Paleoltico Superior en
funcin del anlisis de seis constelaciones de atributos (Azoury y Hodson 1973, fig. 4).
viendo la distancia que presentan las unidades con respecto a cada constelacin; utilizando
este coeficiente de distancia construyen un diagrama definitivo que representa las relaciones
.
entre las diversas constelaciones. Un factor positivo de este anlisis en los estudios lticos es
que no restringe el anlisis de los conjuntos paleolticos a una lista-tipo dada o a un tipo
especfico de atributos, rechazando el resto, sino que ampla el campo de la informacin
recuperada que puede ser analizada.
Cuando las unidades o tems que vamos a estudiar ya estn divididas en grupos ms o
menos coherentes, se puede utilizar el anlisis discriminante para intentar descubrir y poner
de relieve aquellos atributos que realmente actan como agentes discriminantes entre esos
grupos. Este anlisis es de gran importancia pues, una vez establecidos los tipos, nos puede
servir cuando queramos asignar un nuevo elemento a alguno de los tipos ya creados, es
decir, nos puede ser til para ir distribuyend<? los nuevos hallazgos a los tipos morfomtri
cos ya creados. Este tipo de anlisis ha sufrido muchas ramificaciones y desarrollos, intere
sndonos dos desde el punto de vista arqueolgico: a) la extensin de estos conceptos
discriminantes en el trabajo con ms de dos grupos (anlisis de las variables cannicas) y b) la
distancia en el espacio definida por funciones discriminantes (Distancia de Mahalanobis o
D2). El segundo mtodo ya lo hemos descrito anteriormente. Por lo que respecta al anlisis
de las variables cannicas, lo que se pretende es definir un nuevo espacio, transformando el
espacio formado por los atributos o :?ginales y sus puntuaciones, de tal forma que la discri372
minacin entre los grupos se enfatice. Esta tcnica ha sido empleada con cierta frecuencia
en los anlisis arqueolgicos (Gower, 1 966; Rao, 197 1 ; Grebinger y Adam, 1974).
Hemos de citar por ltimo otros dos mtodos, no por menos usados menos efectivos: el
anlisis de escalas multidimensionales no mtricas (Doran y Hodson, 1 966; Hodson et alii, 1 966;
True y Matson, 1 970; Kruskal, 197 1 y Ammerman, 1 97 1 ) y el anlisis de correspondencia (Bol
kiven et alii, 1982) (Fig. 20).
111
17
8..
19
o 20
o
H
8
g g
:.8
.....,:_g
&-
8-.o-..
10
o---
:g
-
2]
---o
,,
C2
C
111
17 lt
o o
016
g_
gg
lf
a
g
abg
:g
a
8
lli!og
oD
ij
f1
C4
C :s
a B'a
g g
8
d'
g
3
Cs
2'o S
()2<4
o:u
g
17
o
111
C6
Fig. 20.-Aplicacin del anlisis d e correspondencia sobre unidades de habitacin e n funcin de 3 7 tipos de tiles
(Bolkiven et alii 1 983, fig. 4).
373
374
Siret y E. Cuadrado, presentando a juicio del autor ( 1 983b: 52) la clasificacin de los Siret
los siguientes poblemas : 1 ) estudio centrado exclusivamente en el material cermico de la
necrpolis del yacimiento de El Argar; 2) estudio restringido a la cermica funeraria; 3) se
trata nicamente de una clasificacin descriptiva, aislando 8 tipos y 3 subtipos, partiendo
bsicamente de criterios morfolgicos que luego mezcla con los mtricos. Se trata, por tanto,
de "una tipologa con escasa estructuracin; es subjetiva y contradictoria por la falta de defi
nicin de los criterios morfolgicos en los que se basa y por el encabalgamiento de factores
secundarios y terciarios con aqullos" (Lull, 1 983b: 54).
V. Lull por su parte selecciona para su anlisis una muestra de 670 vasos ms o menos
completos, de los cuales el 67,9% proceden de necrpolis y tan slo el 32, 1 % de contexto
domstico. De entrada, esta proporcin de vasos funerarios y domsticos nos parece total
mente descompensada en favor de los primeros y puede ser motivo de distorsiones cuando
lo que se intenta es elaborar una tipologa global de una cultura, ms an si tenemos en
cuenta que la mayor parte de los vasos domsticos proceden exclusivamente de dos yaci
mientos: El Picacho y el Cabezo Negro; lo que nos llevara a otra problemtica, derivada del
hecho de que no todos los yacimientos de los que Lull presenta materiales cermicos pue
den considerarse como argricos tpicos, pues hay que tener presente que tanto en Granada
como en Jan existen muchos asentamientos de la Edad del Bronce que, con una fuerte tra
dicin calcoltica,
presentan una mayor o menor argarizacin. En consecuencia, pensamos que la muestra ele
gida por Lull para realizar su tipologa argrica presenta una serie de problemas: .
1)
2)
ha seguido unos criterios regulares, pues se extraen datos de dibujos publicados, de vasos de
Museo, de material procedente de expolias, de excavaciones, etc., por lo que no siempre se
puede verificar la fiabilidad de estos datos.
3)
Desecha una serie de formas que a su juicio no son tpicas al no entrar dentro de
No nos parece razonable a priori separar el material cermico domstico del fune
rario cuando se constata que dentro del ritual funerario del Argar es frecuente la introduc
cin de vasos domsticos en los ajuares, parecindonos ms lgico tratar estadsticamente
todo el material y ver si algn grupo cermico se destaca especialmente por su condicin de
vasos funerarios.
Especialmente criticable nos parece el sistema seguido p ara separar el material en "for
mas", segn los esquemas de L. Siret, cuando el propio Lull lo critica fuertemente, incu
rriendo por consiguiente en la contradiccin de que precisamente su punto de partida sean
las mencionadas formas estructuradas desde un punto de vista totalmente subjetivo. Criterio
ste que igualmente aplica cuando separa las variedades de los subtipos ya que, segn l,
"las variedades no se escapan morfomtricamente del tipo, pero subjetivamente presentan
claras diferencias que no llegan a denotar tendencias marcadas" (Lull, 1 983b : 57).
En cualquier caso no obstante, en conjunto l a obra nos parece bastante positiva, aun377
que slo fuera por presentar una analtica estructurada, basada en el anlisis estadstico,
hecho sin precedentes en los estudios ceramolgicos de la Pennsula Ibrica. Nuestra objec
cin se basa en el hecho de que la estadstica empleada es de corte sencillo, aunque pueda
considerarse vllda si lo que pretendemos es separar el material en grupos y ver como se
sitan los vasos en torno a una distribucin normal, contrastando los diversos tipos creados.
Como ya hemos dicho antes, somos partidarios de un anlisis basado en el agrupamiento de
tems mediante la utilizacin de mtodos multivariables, en especial el anlisis cluster y el
anlisis de componentes principales, que marcan tanto las similitudes como las tendencias
de los vasos.
ya en un trabajo ms reciente realizado por Gasull et alii (1984), se incorpora al anlisis
morfomtrico el estudio de algunas variables cualitativas (pastas y acabados de la superfi
cie) y se estudia la distribucin espacial de las formas cermicas, realizando el clculo de
tendencias porcentuales de registro de aqullas en una unidad de habitacin ideal, elabo
rndose as una hiptesis a contrastar en futuras excavaciones.
Destaquemos finalmente de las citadas Jornadas de Soria un artculo en el que se puede
apreciar un claro inters por el anlisis multivariable (Chapa, 1984). Y en el que se analizan
un conjunto de fbulas de La Tene con los siguientes objetivos: a) delimitacin de tipo; b)
relacin de tipos entre s, con estratos culturales o con estadios culturales; e) inferencia de
filogenias, evoluciones culturales y cambios tecnolgicos y d) prediccin de estados morfo
lgicos an no detectados. Para ello la autora realiza un anlisis cladstico, dentro de la sis
temtica filogentica, es decir, pretende inferir cual ha sido la evolucin cultural que ha
sufrido un determinado objeto y sus conexiones filogenticas con el resto de la serie. Elige
un conjunto de caractersticas de las fbulas y construye una matriz de similitud, sobre la
que aplica el single-linkage, contruyendo un dendrograma jerarquizado de las fbulas. Tra
bajo que consideramos positivo al ser,uno de los pocos intentos en la Arqueologa espaola
de aplicacin del anlisis multivariable, si bien el mtodo elegido (single-linkage), como ya
hemos dicho anteriormente, presenta muchos problemas en su aplicacin para la creacin
de una tipologa y ha sido bastante criticado (Doran y Hodson, 1 97 5).
Asimismo tenemos constancia de la presentacin de una comunicacin de V. Lull al
homenaje a Luis Siret (Almera, junio 1984), en la que se aplica el anlisis de componentes
principales a tipos de sepulturas argricas.
Las posibilidades que ofrecen los mtodos multivariables para el estudio arqueolgico se
pueden apreciar en el trabajo de J. A. Esquivel y F. Contreras (1984), en el que se analizan
los vasos cermicos sepulcrales de la Cuesta del Negro (Purullena, Granada), aplicando y
explicando diversos mtodos de anlisis multivariable.
Finalmente, indiquemos que en este cami:o.o hacia la cuantificacin de la arqueologa
espaola se ha incorporado en los ltimos aos la figura del ordenador como instrumento
para registrar y almacenar la informacin arqueolgica. Este es el caso de J. l. Vegas ( 1 978),
,
que realiza un ensayo de tratamiento de datos por ordenador para la cermica prehistrica
utilizando un cdigo previo ya creado (Llanos y Vegas, 1974). En esta direccin, la codifica
cin del material arqueolgico, su almacenamiento y su recuperacin constituyen en la
actualidad uno de las principales tareas de arquelogo, estando ltimamente ligada la infor
matizacin de los datos arqueolgicos con la construccin de series tipolgicas.
378
BIBLIOGRAFIA
ALDENDERFER, M. S. ( 1982): "Methods of cluster validation for archaeology", World Arch. 14, pp. 61-72.
ALDENDERFER, M. y BLASHFIELD, R. R. (1978): "Cluster Analysis and Archaeological Classification", Am.
Ant. 43, pp. 502-505.
AMMERMAN, A J. ( 197 1): " computer analysis of epipalaeolithic assemblages in Italy", en Hodson, F. R., Ken
dall, D. G. y Taut, P. (ed): Mathematics in the Archaeological and Historical Sciences, Edinburgh University Press,
Edinburgh, pp. 133-137.
APELLANIZ, J. M.a (1975): "El grupo de Santimamie durante la Prehistoria con cermica", Munibe XXVII, pp. 2-23 1.
ASCHER, M. (1959): "A Mathematical Rationale for Graphical Seriation", Am. Ant. 25, pp. 212-2 14.
ASQUERINO FERNANDEZ, M.3 D. (1978): "Cova de la Sarsa (Bocairente, Valencia). Anlisis estadstico y tipolgico de los materiales sin estratigrafa (197 1-1974)", Saguntum 13, pp. 99-226.
AZOURY, l. y HODSON, F. R. (1973): "Comparing Palaeolithic assemblages: Ksar Akil, a case study", WorldArch.
4, pp. 292-306.
BENFER, R. A (1967): "A Design for the Study of Archaeological Characteristics", Am. Anthrop. 69, pp.
7 1 9-730.
BERNALDO DE QUIROS, F. (198 1): "Anlisis matemticos del Paleoltico Superior inicial", Zephyrus XXXII
XXXIII, pp. 41-56.
BIETTI, A (1979): Metodi matematici e sttastici applicati all'Archeologia e alZa Paletnologia, Conferenza tenuta i1 16
Giugno 1978, Academia Nazionale dei Lincei, Roma.
BINFORD, L. R. (1965): "Archaeological systematics and the study of cultural process", Am. Ant. 3 1, pp.
203-210.
BINFORD, L. R. y BINFORD, S. R. (1966): "A preliminary analysis of functional variability in the Mousterian of
Levallois facies", Am. Anthrop. 68, pp. 238-295.
BOLKIVEN, E., HELSKOG, E., HOLM-OLSEN, T. M., SOLHEIM, L. y BERTELSEN, R. (1982): "Correspon
dence analysis: an altemative to principal components", World Arch. 14, pp. 41-60.
BORDES, F. (1950): "Prncipes d'une mthode d'tude des techniques de dbitage et de la typologie du Palolithi
que Ancien et Moyen", L 'Anthropologie 54, pp. 19-34.
- (1953): "Essai de Classification des industries 'moustriennes"', Bull. Soc. Preh. Fr. 50, pp. 457-466.
- (1954): "Le moustrien de L'Ermitage (Fouilles L. Pradel). Comparaisons statistiques", L 'Anthropologie 58, pp.
444-449.
- (1961): Typologie du Palolithique Ancien et Moyen, Publication de l'Institut de Prehistoire de l'Universit
de Bordeaux.
- (1974): "Notes de typologie palolithique", Zephyrus XXV, pp. 53-64.
BORDES F. y SONNEVILLE-BORDES, D. de (1970): "The significance of variability in Palaeolithic assembla
ges", World Arch. 2, pp. 61-73.
BORILLO, M. (1972): Les mthodes mathmatiques de l'Archologie, CNRS, Marsella.
BORILLO, M. y IHM, P. (197 1): "Une mthode de classification d'objects archologiques dont la description est
estructur et incomplete", en HODSON, F. R., KENDALL, D. G. y TAUTU, P. (ed): Mathematics in the
Archaeological and Historical Sciences, Edinburgh University Press, Edinburgh, pp. 85-95.
379
BRAINERD, G. W. (195 1): 'The Place of Chronological Ordering in Archaeological Analysis", Am. Ant 16, pp. 301-3 13.
BREW, J. ( 1946): "The Use and Abuse ofTaxoit omy", Archaeology ojAlkali Ridge, Southern Utah, H arvard University
Press, pp. 44-66.
CABALEIRO, J. et alii. (1976): "Estudio estadstico de la asociacin entre ciervos y crculos en el arte rupestre pre
histrico de la provincia de Pontevedra", Gallaecia 2, pp. 1 17 - 1 24.
CANNON, A ( 1 983): "The quantification of artifactual assemblages: sorne implications for behavioral inferences",
Am. Ant. 48, pp. 785-792.
CANO, M. y MOURE, J. A. ( 1970-7 1 ) : "Aportaciones Estadsticas al Estudio del Magdaleniense Superior", Zephy
rus XXI-XXII , pp. 23-35.
CAPEL, J., NAVARRETE, M.a. S., HUERTAS, F. y LINARES, J. ( 1982): "Algunos aspectos del proceso de manu
facturacin de cermicas neolticas. Estudio del contenido en desgrasante mediante lupa binocular", Cuad.
Preh. Gr. 7, pp. 73-1 12.
CASABO, J. y ROVIRA, M. L. ( 1 98 1 ) : "La Balsa de la Dehesa de Soneja. Nuevo yacimiento ltico de superficie en
Castelln", Cuad. Preh. Arq. Cast. 8, pp. 101-128.
CASTRO, Z. ( 1 978): "Piezas discoidales de yacimientos del NE de Catalua", Cypsela II, pp. 1 73-195 .
CLARK, G. A y STAFFORD, C. R. (1 982): "Quantification in American Archaeo1ogy: a Historical Perspective",
World Arch. 14, pp. 98- 1 1 9.
CLARKE, D. L. (1962): "Matrix ana1ysis and archaeology with particular reference to British beaker pottery", P.P.S.
28, 37 1-382.
- (1963): "Matrix analysis and archaeo1ogy", Nature 199, pp. 790-792.
- (1968): Analytical Archaeology, Methuen, London.
- ( 1 970): Beaker Pottery oj Great Britain and Ireland, Cambridge University Press, Cambridge.
- ( 1984): Arqueologla Analltica, Bellaterra, Barcelona.
CLAY, R. B. ( 1 976): "Typological classification, atribute analysis and lithic variabi1ity", 1 Field Arch. 3, pp.
303-3 1 1.
COOLEY, W. W. y LOHNES, P. R. ( 1971): Multivariate Data Analysis, John Wiley & Sons, New York.
COOPER, P. W. ( 1 963): "Statistical classification with quadratic forms", Biometrika 50, pp. 439-448.
COVERINI, L., GIOMMI, A, MARTINI, F. y SARTI, L. ( 1982): "Applicazione della "Cluster Analysis" alle structure delle industrie litiche: contributo alla conoscnza dell'Epigravetiano italiano", Preistoria Alpina 1 8, pp. 2 1 -32.
COWGILL, G. L. (1964): "The Selection of Samples from Large Sherd Collection", Am. Ant. 29, pp. 467-473.
- ( 1 967a): "Computer applications in Archaeology", Comp. Human ities 2, pp. 17-23.
- (1967b): " Computers and prehistoric archaeology", en Bowlus C . (ed.), Computers in Humanistic Research, Englewood Cliffs, N. J., Prentice-Hall, pp. 47-56.
( 1 968): "Archaeological applications of factor, cluster and proximty analysis", Am. Ant. 33, pp. 367-375.
- (1977): "Review of Doran and Hodson ( 1975)", Am. Ant. 42, pp. 126-129.
CHANG, K. C. (1 976): Nuevas perspectivas en Arqueologa, Alianza Editorial, Madrid.
CHAPA, T. ( 1984): "Aspectos metodolgicos de la tipologa arqueolgica: un ejemplo r!'!ferido a las fbulas de La
Tene", Primeras Jornadas de Investigacin Prehistrica (Soria, 1981), Madrid, pp. 253-268.
CHENHALL, R. G. ( 1 97 1 a) : Computers in Anthropology and Archaeology, Intematonal Business Machines.
( 1 97 lb): "The archaeological data bank: a progress report", Comp. & Humanities 5, pp. 1 59-169.
CHILDE, V. G. ( 1956): Piecing Together the Past.
Routledge &
DORAN, J. ( 1970a): "Archaeological reasoning and machine reasoning", A rcheologie et Calculateurs (Marsella, 1 969),
pp. 57-69.
- ( 170b): "Systems theory, computer simulations and archaeology", World Arch. 1, pp. 289-298.
- (197 1 ) : "Computer analysis of data from La Tene cemetery at Mnsigen-Rain", en Hodson, F. R., Kendall, D . G.
y Taut, P . (Ed.): Mathematics in the Archaeological and Historical Sciences, Edinburg University Press, pp. 422-43 1 .
380
- (1979): "Fitting mode1s and studyng process: sorne comments on the role of computer simulation in archaeo
logy", Inst. Arch. Bull. 16, pp. 8 1-94.
DORAN, J. E. y HODSON, F. R. (1966): "A digital computer analysis of palaeolithic flint assemblages", Nature 210,
pp. 688-689.
- (1975): Mathematics and Computers in Archaeology, Edinburgh University Press, Edimburgh.
DUMOND, D. E. ( 1974): "Sorne uses of R-Mode Analysis in Archaeology", Am. Ant. 39, pp. 253-270.
DUNNELL, R. C. (1978): Prehistoria Moderna. Introduccin sistemtica a la Arqueologa Prehistrica, Istmo,
Madrid.
EDWARDS, A W. F. y CAVALLI-SFORZA, L. L. (1965): "A method for cluster analysis", Biometrics 2 1 ,
362-375.
ESQUIVEL, J. A y CONTRERAS, F. (1984): "Una experiencia arqueolgica con microordenadores. Anlisis de
componentes principales y clusterizacin: distancia eucldea y de Mahalanobis", Actas del XIV Congreso Nacio
nal de Estadstica, Investigacin Operativa e Informtica, Granada, pp. 133-146.
ESTEVEZ, J. y LULL, V. (1984): "Aplicacin de la Biometra Elemental al anlisis cermico", Primeras Jornadas de
Investigacin Prehistrica (Soria, 1981) (Madrid, pp. 235-239).
FORD, J. A ( 1954a): "The type concept revisited", Am.
Anthrop. 56, pp. 42-53.
- ( 1954b):"Comment on A C. Spaulding, "Statistical Techniques for the Discovery of Aitifact Types", Am. Ant. 19,
pp. 390-391 .
- (1954c): "Spaulding review o f Ford", Am. Anthrop. 56, pp. 109-104.
- ( 1961): "In favor of simple typology", Am. Ant. 27, pp. 1 13-1 14.
PORTIER, J. J. y SALOMON, H. ( 1966): "Clustering procedures", en Krishmaiah, P. R. (ed.): Multivariate Analysis,
Academic Press, New York, pp. 493-506.
FRANKEL, D. (1974): "Inter-site relationships in the Middle Bronze Age of Cyprus", World Arch. 6, pp.
190-208.
FRIEDMAN, H. P. y RUBIN, J. (1967): "On sorne invariant criteria for grouping data", Am. Statist. Ass. J. 62, pp.
1 . 1 59-1 . 1 78.
GARDIN, J. C. (1963): "Problemes d'analyse descriptive en archologie", Etudes archologiques, pp. 133-150.
- (1 967): "Methods of descriptive analysis of archaeological material", Am. Ant. 32, pp. 13-30.
- (1970): Archologie et Calculateurs: Problemes smiologiques et mathmatiques (Marseille, 7-12 avril 1969),
CNRS, Paris.
- (1973): "Archaeology and Computers: New Perspectives", Int. Soc. Se. 23, p. 2.
GASULL, P., LULL, V. y SANAHUJA, M.a. G. (1984): Son Forns L La Fase Talaytica. Ensayo de reconstruccin
socioeconmica de una comunidad prehistrica de la Isla de Mallorca, BAR International Series 209,
London.
GAUCHER, G. (1983): "Prehistoriens et Calcus, la fortune d'une tradition", Bull. Soc. Fr. 80, pp. 291-299.
GIFFORD, J. C. (1960): "The type-variety method of ceramic classification as an indicator of cultural fenomena",
Am. Ant. 25, pp. 341-347.
GLOVER, l. C. (1969): "The use of factor analysis for the discovery of artefact types", Mankind 7, pp. 36-5 1 .
GONZALEZ ECHEGARAY, J . et alii: Cueva Morn. Excavaciones 1966-68, Publicaciones del Patronato de las Cue
vas Prehistricas de la Provincia de Santander VI, Santander.
GONZALEZ PRATS, A (1983): "Ensayo de un mtodo de anlisis de variabilidad formal aplicado al tipo B7 del
horizonte del Bronce Final de Pea Negra (850-675 a.C.)", Lucentum 11, pp. 91- 1 13.
GORODZOV, V. (1933): "The Typological Method in Archaeology", Am. Antrop. 35.
GOWER, J. C. (1966): "A Q-technique for the calculation of canonical variates", Biometrika 53, pp. 588-589.
- (1971): "Statistical Methods of comparing different multivariate analysis of the same data", en Hodson, F. R.,
Kendall, D. G. y Tautu, P. (ed.): Mathematics in the Archaeological and Historical Sciences, Edinburgh, pp. 135-149.
GRACIA M.a. V., PONS, E. y TOLEDO. A (1984): "Anlisis de la fragmentacin cermica para el restablecimiento
de tablas de formas y su evolucin cronolgica: un ejemplo en yacimientos del Bronce Final en el NE de
Catalunya", Primeras Jornadas de Investigacin Prehistrica (Soria 1981), Madrid, pp. 241-251 .
GREBINGER, P . y ADAM, D . P . (1974): "Hard Times? Classic period Hohokam cultural development i n the Tuc
son Basin, Arizona", World Arch. 6, pp. 226-241 .
381
HEIZER R. F. y COOK, S. F. ( 1960): Te Application of Quantitative Methods in Archaeology, Viking Fund Publica
tions in Anthropology; 28, Chicago.
HILL, J. N. (1968): "Broken K Pueblo: Patterns of form and function. En Binford, S. R. y Binford, L. R. (ed.), New
Perspectives in Archaeology, Aldine, Chicago, pp. 103-142.
- ( 1972): "The methodological debate in contemporary archaeology: a model", en Clarke, D. L. (ed.): Models in
Archaeology, Methuen, London.
HILL, J. N. y EVANS, R. K ( 1 972): "A model for classification and typology", en Clarke, D. L. (ed.): Models in
Archaeology. Methuen, London, pp. 23 1 -274.
HODSON, F. R. ( 1 969): "Searching for structure within multivariate archaeological data", World Arch. 1, pp.
90-105.
- ( 1 970): "Cluster analysis and archaeology: sorne new deve1opments and applications", World Arch. 1, pp.
299-320.
- ( 1 97 1 ): "Numerical typology and prehistoric archaelogy", en Hodson, F. R., Kendall, D. G. y Tautu, P. (ed.): Mat
hematics in the Archaeological and Historical Sciences, University Press, Edinburgh pp. 30-45.
HODSON, F. R., KENDALL, D . G. y TAUTU, P. (ed.) ( 197 1): Mathematics in the Archaeological and Historical Scien
ces, University Press, Edinburgh.
HODSON, F. R., SNEATH, P. H. A y DORAN, J. E. ( 1 966): "Sorne experiments in the numerical ana1ysis of
archaeological data", Biometrika 53, pp. 3 1 1 -324.
JARDINE, C. J., JARDINE, N. y SIBSON, R. ( 1 967): "The structure and construction of taxonomic hierachies",
Math. Biosc. 1, pp. 1 73 -1 79.
JARDINE, N. ( 1 969): "Towards a general theory of clustering", Biometrics 25, pp. 609-610.
JARDINE, N. y SIBSON, R. ( 1 968): "The construction of hierachic and non-hierachic classifications", Comp. J. 1 1 ,
pp. 1 53 y
SS.
KANTMAN, S . ( 1 969): "Essai sur la formation de concept du "type" dans l'tude du Palolithique", Quartiir 20, pp.
69-77.
KENDALL, D. G. (1969): "Sorne prob1ems and methods in statistical archaeology", World Arch. 1 , pp. 68-76.
- (1970): "A mathematical approach to seriation", Te impact ofthe natural sciences on archaeology, Oxford University Press, pp. 1 25-1 34.
- ( 1974): "Archaeology and mathematics", Antiquity XLVIII, 40-45.
- ( 1 975): Analysis m ultivariate, Charles Griffin & Comp. Lim., Bristol.
KIM, J. O. y MUELLER Ch. W. (1978a): Introduction to Factor Analysis. Wht it is and How to do it, Quantitative
Applications in the Social Sciences 1 3 , Sage Publications, London.
Statitiscal Methods and Practica! Issues, Quantitative Applications i n the Social Sciences 14,
KOZLOWSKI, J. R. ( 1 980): "Technologica1 and Typological Differentiation of Lithic Assemblages in the Upper
Palaeolithic: An Interpretation Attempt", en Schild, R. (ed.): Unconventional Archaelogy, New Approaches and
Goals in Polish Archaelogy, Varsovia.
3 82
R., Kendall, D. G. y Tautu, P. (ed.): Mathematical in the Archaeological and Historical Science, University Press,
Edinburgh, pp. 1 19-1 32.
LAPLACE-JAURETCHE, G. (1957): "Typologie analytique. Application d'une nouvelle mthode d'tude de formes
et des structures aux industries a lames et lamelles", Quaternaria IV, pp. 133-164.
- (1966): Recherches sur /'origine et l'volution des Complexes Leptolithiques, Mlanges d'Archologie et
d'Histoire" 4, Paris.
- (1974): "De la dynamique de l'analyse estructural on la typologie analytique", Riv. Se. Pr. XXIX, pp. 3-71.
LISCHKA, J. J. (1975): "Broken K Revisited: A Short Discussion of Factor Analysis", Am. Arch. 40, pp.
220-227.
LULL, V. (1982): "Discusin cronolgica de la cermica supulcral argrica", Cypsela IV, pp. 61-68.
-:- (1983a): "Contribucin al estudio tipolgico de las alabardas argricas, XVI C.N.A. (Murcia-Cartagena, 1982),
Zaragoza, pp. 1 89-206.
- (1983b): La "cultura " de El Argar. (Un modelo para el estudio de las formaciones econmico-sociales prehistricas),
Akal, Madrid.
LULL, V. y ESTEVEZ, J. (1984): "Propuesta metodolgica para el estudio de la necrpolis argricas", Homenaje a
Luis Siret (1934-1984), (en prensa).
LLANOS A y VEGAS, l. (1974): "Ensayo de un mtodo para el estudio y clasificacin tipolgica de la cermica",
Est. Arq. Alav. 6, pp. 165-213, Vitoria.
MERINO, J. M: (1980): Tipologa ltica, Munibe, Suplemento 4, San Sebastin.
MESEGUER, J. S. (1969): El mtodo estadstico y su aplicacin al estudi de los materiales arqueolgicos, Informes y
Trabajos del Instituto de Conservacin y Restauracin de Obras de Arte, Arqueologa y Etnologa 9,
Madrid.
MILLER, S. F. (1972): "On Old and New Concepts of Typology", Current Anthr. 13, pp. 139-141.
MILLER, C. y TOMASSONE, R. E. (1970): "Mthodes d'ordination et de classification: leur efficacit et leurs limi
tes", en Gardin, C. (ed.): Archologie, et Calculateurs (Marseille, 1969), CNRS, Pars, pp. 207-228.
OLARIA, C. y GUSI, F. (1984): "Nuevos mtodos de clasificacin y catalogacin aplicados al estudio tipolgico de
las cermicas prehistricas: utilizacin del ordenador", Primeras Jornadas de Investigacin Prehistrica (Soria,
1981), Madrid, pp. 209-228.
OLARIA, C., GUSI, F., ESTEVEZ, J. CASABO, J. y ROVIRA, M. L. (1981): 'El yacimiento magdaleniense superior
de Cova Matutano (Villafams, Castelln). Estudio del sondeo estratigrfico 1979", Cuad. Arq. Preh. Cast. 8, pp.
22-100.
OLARIA, J. O. (198 1): "Las matemticas y la tipologa de los bifaces. Mtodo grfico de clasificacin", Cuad. Arq.
Preh. Cast. 8, pp. 7-20.
ORTON, C. R. (1980): Mathematics in Archaeology, Collins, London.
PEEBLES, C. S. (1972): "Monothetic-divisive analysis of the Moundville burials. An initial reports", Newsletter
Comp. Arch. 8, pp. 1-13.
PHILLIP, P. (1958): "Application of the Wheat-Gifford-Wasley Taxonomy to Eastern Ceramics", Am. Ant. XXIV,
pp. 1 17-125.
PITTS, M. W. (1978): "Towards an Understanding of Flint Industries in Post-GlaciaL England", Inst. Arch. Bull. 15,
pp. 179-197.
QUEROL, M. A y SANTONJA, M. (1978): "Sistema de clasificacin de cantos trabajados y su aplicacin en yaci
mientos del Paleoltico Antiguo de la Pennsula lbric", Saguntum 13, pp. 1 1-38.
RAO, C. R. (1971): "Taxonomy in Anthropology", en Hodson, F. R., Kendall, D. G. y Tautu, P. (ed.): Mathematics in
the Archaeological and Historical Sciences, Univetsity Press, Edinburgh, pp. 20-29.
READ, D. W. (1974b): "Sorne comments on typologies in Archaeology and an outline of a methodology", Am. Ant.
39, pp. 216-242.
REDMAN, Ch. L. (1978): "Multivariate Artifact Analysis: A basis for Multidimensional Informations", en Redman,
Ch. L. et alii. ( ed.): Social Archaeology. Beyond Subsistence and Dating, Academic Press, London, pp.
159-192.
ROBINSON, W. S. (1951): "A Method for Chronologically Ordering Archaeological Deposits", Am. Ant. 16, pp. 293-301.
ROUSE, l. (1953): "The Strategy of Culture History", en Kroeber, A L. (ed.): Anthropology Today, Chicago,
pp. 57-76.
.
383
- (1960): "The classification of artifacts in archaeology", Am. Ant. 25, pp. 3 1 3-323.
- (1972): Introduction to Prehistory: A systematic approach, McGraw-Hill, New York.
- (1973): Introduccin a la Prehistoria: un enfoque sistemtico, Bellaterra, Barcelona.
ROWLETT, R. M. y POLLNAC, R. B. (1971): "Multivariate ana1ysis or Marnian La Tene cultural groups", en Hod
son, F. R., Kendall, D. G. y Tautu, P. (ed.): Mahematics in the Archaeological and Historical Sciences, Edinburgh
University Press, Edinburgh, .pp. 46-58.
SACKETT, J. R. (1966): "Quantitative analysis of Upper Paleolothic stone tools", Am. Anthrop. 68, pp. 356-394.
- (1969): "Factor analysis and artifac( typology", Am. Anthrop. _7 1, pp. 1 . 125- 1 . 1 30.
- (1973): "Style, function and artifact variability in palaeolithic assemblages", en Renfrew, C. (ed.): The Explanation of the Cultural Change. Models in Prehistory, Duckworth, London, pp. 3 17-329.
SALTER, C. J. (1982): "Relevance of Chemical Provenance Studies to Celtic Ironwork in Britain", Inst. Arch. Bull.
19, pp. 73-81.
SANCHEZ REAL, J. (1957): "La aplicacin de la estadstica a la excavacin de Albintimilium", Caesaraugusta 7-8,
pp. 83-89.
SEARS, W. H. (1960): "Ceramic System and Eastern Archaeology", Am. Ant. 25, pp. 324-329.
SEITZER, D. J. (1978): "Problems and Principies of classification in rchaeology, Helinium XVIII, pp. 3-34.
SHARER, R. J. y ASHMORE, W. (1979): Fundamental oj Archaeology, The Benjamin/Cummings Publishing Co.,
Memlo Park.
SIBSON, R. (1971): ''Computational methods in cluster analysis", en Hodson, F. R., Kendall, D. G. y Tautu, P. (ed.):
Mathematics in the Archaeological and Historical Sciences, University Press, Edinburgh, pp. 59-61.
SIRET, E. y L. (1 890): Las primeras edades del metal en el Sudeste de Espaa, Barcelona.
SMITH, L. D. (1973): "Cluster analysis and classification strategies: an example from Israel", Newsletter Comp. Arch.
9, pp. 1-10.
SNEATH, P. H. A. y SOKAL, R. R. (1973): Numerical Taxonomy. The principies and practice ofnumerical classification,
W. H. Freeman & Co., San Francisco.
SOKAL, R. R. y SNEATH, P. H. A. (1963): Principies of Numerical Taxonomy, W. H. Freeman & Co., San
Francisco.
SOLOMON, H. (197 1): "Numerical Taxonomy", en Hodson, F. R., Kendall, D. G. y Tautu, P. (ed.): Mathematics in
Archaeological and Historical Sciences, Edinburgh University Press, Edinburgh, pp. 62-81.
SPAULDING, A C. (1953): "Statistical Techniques for the discovery of Artifact Types", Am. Ant. XVIII, pp.
305-3 13.
- (1954): "Reply to Ford", Am. Ant. 19, pp. 391-393.
- (1970): "The dimensions of Archaeology", en Pagan, B. M. (ed.): Introductory Readings in Archaeology, Little,
Brown & Co., Boston, pp. 201-2 1 8.
- (1971): "Sorne Elements of cuantitative archaeology", en Hodson, F. R., Kendall, b. G. y Tautu, P. (ed.): Mathe
384
385