<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
	>
<channel>
	<title>Comments on: Rebelión de los iguales (recargado)</title>
	<atom:link href="http://towsa.com/wordpress/2008/05/11/rebelion-de-los-iguales-recargado/feed/" rel="self" type="application/rss+xml" />
	<link>http://towsa.com/wordpress/2008/05/11/rebelion-de-los-iguales-recargado/</link>
	<description>Elecciones, política y sociedad en Argentina y el mundo en clave cuantitativa</description>
	<pubDate>Fri, 12 Mar 2010 12:54:04 +0000</pubDate>
	<generator>http://wordpress.org/?v=2.7.1</generator>
	<sy:updatePeriod>hourly</sy:updatePeriod>
	<sy:updateFrequency>1</sy:updateFrequency>
		<item>
		<title>By: <img class="monsterid" src="http://towsa.com/wordpress/wp-content/plugins/monsterid/44fb5eb3a5e4131.png" alt="Andy Tow MonsterID Icon" height="50" width="50"/> Andy Tow</title>
		<link>http://towsa.com/wordpress/2008/05/11/rebelion-de-los-iguales-recargado/comment-page-1/#comment-158</link>
		<dc:creator><img class="monsterid" src="http://towsa.com/wordpress/wp-content/plugins/monsterid/44fb5eb3a5e4131.png" alt="Andy Tow MonsterID Icon" height="50" width="50"/> Andy Tow</dc:creator>
		<pubDate>Sun, 18 May 2008 23:15:44 +0000</pubDate>
		<guid isPermaLink="false">http://towsa.com/wordpress/?p=37#comment-158</guid>
		<description>La cuestión de los puntos de cortes de ruta recurrentes tiene que ver con el muestreo, es decir, con el reunir los elementos más representativos del conjunto de cortes para cruzar su incidencia en los departamentos con las variables de concentración, escala y cultivos. Como vos decís, los puntos recurrentes aparecen como "nodos", que amplifican y propagan los efectos de la protesta.

La pregunta que guía mi análisis "selectivo" es por qué esas localizaciones y no otras, qué tienen de especial esos sitios, además de un De Angelis o un puente, para que ahí la protesta adquiera intensidad. La respuesta, como he tratado de mostrar, se halla en la menor concentración de la tierra (como vos bien supiste observar en tu sitio), el predominio de la escala mediana, la soja y en algunos casos (como agregó Mariano T.) el girasol.

Hay que tener en cuenta que la muestra de cortes que uso es de la protesta de marzo, no de la de ahora. La estrategia ha cambiado y me parece que es menos espontánea. Respecto a Venado Tuerto, fijate en la &lt;a href="http://andy.towsa.com/blog/rebelionrecargadocortes.html" target="_blank" rel="nofollow"&gt;lista de localidades con cortes&lt;/a&gt; (indicada también abajo de los mapas junto a las fuentes), vas a ver que aparece con una incidencia (X) importante.</description>
		<content:encoded><![CDATA[<p>La cuestión de los puntos de cortes de ruta recurrentes tiene que ver con el muestreo, es decir, con el reunir los elementos más representativos del conjunto de cortes para cruzar su incidencia en los departamentos con las variables de concentración, escala y cultivos. Como vos decís, los puntos recurrentes aparecen como &#8220;nodos&#8221;, que amplifican y propagan los efectos de la protesta.</p>
<p>La pregunta que guía mi análisis &#8220;selectivo&#8221; es por qué esas localizaciones y no otras, qué tienen de especial esos sitios, además de un De Angelis o un puente, para que ahí la protesta adquiera intensidad. La respuesta, como he tratado de mostrar, se halla en la menor concentración de la tierra (como vos bien supiste observar en tu sitio), el predominio de la escala mediana, la soja y en algunos casos (como agregó Mariano T.) el girasol.</p>
<p>Hay que tener en cuenta que la muestra de cortes que uso es de la protesta de marzo, no de la de ahora. La estrategia ha cambiado y me parece que es menos espontánea. Respecto a Venado Tuerto, fijate en la <a href="http://andy.towsa.com/blog/rebelionrecargadocortes.html" target="_blank" rel="nofollow">lista de localidades con cortes</a> (indicada también abajo de los mapas junto a las fuentes), vas a ver que aparece con una incidencia (X) importante.</p>
]]></content:encoded>
	</item>
	<item>
		<title>By: <img class="monsterid" src="http://towsa.com/wordpress/wp-content/plugins/monsterid/72e928570205b65.png" alt="charlie boyle MonsterID Icon" height="50" width="50"/> charlie boyle</title>
		<link>http://towsa.com/wordpress/2008/05/11/rebelion-de-los-iguales-recargado/comment-page-1/#comment-157</link>
		<dc:creator><img class="monsterid" src="http://towsa.com/wordpress/wp-content/plugins/monsterid/72e928570205b65.png" alt="charlie boyle MonsterID Icon" height="50" width="50"/> charlie boyle</dc:creator>
		<pubDate>Sun, 18 May 2008 04:47:29 +0000</pubDate>
		<guid isPermaLink="false">http://towsa.com/wordpress/?p=37#comment-157</guid>
		<description>Mirá la teoría de barabasi se puede superresumir así  "Las prioridades por las que se opta están en relación a: cantidad de enlaces, aptitud del nodo y su antigüedad en la red."
Te digo lo que pensé cuando vos analizás la recursividad de los piquetes y la propagación del conflicto involucrando al tiempo, se me vino el modelo de agreagación a la red de Barabasi.
Popularidad del piquete es la primera, por lo tanto Gualeguaychú tendría mas fitness que otros piquetes como el nuestro de Venado Tuerto, que es pobretón, se le achaca que lo maneja la Sociedad Rural Local, pero eso no quiere decir que no haya campo mas conbativo en nuestra ciudad. De Angeli se convirtió en volante, se mueve por debajo de los dirigentes mayores y trata de exportar piquete desde Gualeguaychú Aptitud sería la combatividad y la eficiencia en presentarse en público, lo mediático del piquete y la antiguedad es la hisatoria de lucha de cada nodo piquetero.
Sin duda el martín fierro de oro se lo lleva en todos los rubros Gualeguaychú.
Creo que es correcto una análisis histórico de los puntos marrones de tu mapa. No todos estuvieron siempre, no todos tienen la misma intensidad. No es la foto de la realidad, necesitaríamos la película de los puntos prendiendose y apagándose o empalideciendo. Así veríamos la evolución en el análisis de la red, que como toda red tiene su mayor parte oculta
Sobre el trabajo citado que hizo la gente de la UNR en Zaballa, cerquita de Rosario es interesante ver como las innovaciones (en este caso tecnológicas, pero muy bién podrían ser políticas) se propagan en una red de productores. Ni se compran la expochacra ni viven en la tinieblas, siguen los nodos mas eficientes estos son los que logran mejores resultados sin invertír demasiado los que "trabajan bien"</description>
		<content:encoded><![CDATA[<p>Mirá la teoría de barabasi se puede superresumir así  &#8220;Las prioridades por las que se opta están en relación a: cantidad de enlaces, aptitud del nodo y su antigüedad en la red.&#8221;<br />
Te digo lo que pensé cuando vos analizás la recursividad de los piquetes y la propagación del conflicto involucrando al tiempo, se me vino el modelo de agreagación a la red de Barabasi.<br />
Popularidad del piquete es la primera, por lo tanto Gualeguaychú tendría mas fitness que otros piquetes como el nuestro de Venado Tuerto, que es pobretón, se le achaca que lo maneja la Sociedad Rural Local, pero eso no quiere decir que no haya campo mas conbativo en nuestra ciudad. De Angeli se convirtió en volante, se mueve por debajo de los dirigentes mayores y trata de exportar piquete desde Gualeguaychú Aptitud sería la combatividad y la eficiencia en presentarse en público, lo mediático del piquete y la antiguedad es la hisatoria de lucha de cada nodo piquetero.<br />
Sin duda el martín fierro de oro se lo lleva en todos los rubros Gualeguaychú.<br />
Creo que es correcto una análisis histórico de los puntos marrones de tu mapa. No todos estuvieron siempre, no todos tienen la misma intensidad. No es la foto de la realidad, necesitaríamos la película de los puntos prendiendose y apagándose o empalideciendo. Así veríamos la evolución en el análisis de la red, que como toda red tiene su mayor parte oculta<br />
Sobre el trabajo citado que hizo la gente de la UNR en Zaballa, cerquita de Rosario es interesante ver como las innovaciones (en este caso tecnológicas, pero muy bién podrían ser políticas) se propagan en una red de productores. Ni se compran la expochacra ni viven en la tinieblas, siguen los nodos mas eficientes estos son los que logran mejores resultados sin invertír demasiado los que &#8220;trabajan bien&#8221;</p>
]]></content:encoded>
	</item>
	<item>
		<title>By: <img class="monsterid" src="http://towsa.com/wordpress/wp-content/plugins/monsterid/44fb5eb3a5e4131.png" alt="Andy Tow MonsterID Icon" height="50" width="50"/> Andy Tow</title>
		<link>http://towsa.com/wordpress/2008/05/11/rebelion-de-los-iguales-recargado/comment-page-1/#comment-156</link>
		<dc:creator><img class="monsterid" src="http://towsa.com/wordpress/wp-content/plugins/monsterid/44fb5eb3a5e4131.png" alt="Andy Tow MonsterID Icon" height="50" width="50"/> Andy Tow</dc:creator>
		<pubDate>Sat, 17 May 2008 18:53:44 +0000</pubDate>
		<guid isPermaLink="false">http://towsa.com/wordpress/?p=37#comment-156</guid>
		<description>Charlie, la verdad que de la teoría de redes solo había oído el nombre. Es muy interesante lo que contás y cómo se puede analizar la formación de la opinión pública con ese modelo. Leí &lt;a href="http://www.andreas.com/faq-barabasi.html" target="_blank" rel="nofollow"&gt;esta reseña de Barabasi&lt;/a&gt; y estimo que de ahora en más lo tendré muy en cuenta. Gracias por tu mensaje.</description>
		<content:encoded><![CDATA[<p>Charlie, la verdad que de la teoría de redes solo había oído el nombre. Es muy interesante lo que contás y cómo se puede analizar la formación de la opinión pública con ese modelo. Leí <a href="http://www.andreas.com/faq-barabasi.html" target="_blank" rel="nofollow">esta reseña de Barabasi</a> y estimo que de ahora en más lo tendré muy en cuenta. Gracias por tu mensaje.</p>
]]></content:encoded>
	</item>
	<item>
		<title>By: <img class="monsterid" src="http://towsa.com/wordpress/wp-content/plugins/monsterid/72e928570205b65.png" alt="charlie boyle MonsterID Icon" height="50" width="50"/> charlie boyle</title>
		<link>http://towsa.com/wordpress/2008/05/11/rebelion-de-los-iguales-recargado/comment-page-1/#comment-152</link>
		<dc:creator><img class="monsterid" src="http://towsa.com/wordpress/wp-content/plugins/monsterid/72e928570205b65.png" alt="charlie boyle MonsterID Icon" height="50" width="50"/> charlie boyle</dc:creator>
		<pubDate>Fri, 16 May 2008 21:59:53 +0000</pubDate>
		<guid isPermaLink="false">http://towsa.com/wordpress/?p=37#comment-152</guid>
		<description>En Linked: The New Science of Networks. A. Barabási (Perseus, 2002) explora las topologías de redes e investiga la distribución de enlaces entre los nodos de diversos tipos de redes. Redes eléctricas, redes de contagio de enfermedades, redes de relaciones de personas, Internet, viales, de vuelos y aeropuertos. En los primeros modelos teóricos con los que trabajó presupuso que los vínculos de un tramado social se daban aleatoriamente y que por ende habría una distribución equitativa entre los mismos. Esto es suponer que es todos tenemos más o menos la misma cantidad de vínculos formando una campana de Gauss. 
Al estudiar la cantidad de vínculos promedio que tiene una red donde se involucraba la naturaleza o los seres humanos, Barabási observó que no todos agentes tienen igual cantidad de vínculos promedio. Lo que Barabási descubre en sus investigaciones, contrario a lo que esperaba, es que éstos no tienen una forma de distribución estándar de enlace, esto es cada uno con una parecida cantidad de vínculos; de la investigación sobre la topología de las redes advierte que hay una pocas personas que están mucho más vinculadas en comparación con la media y que otras, en un número mucho mayor, muy por debajo de esta; por ende la mayoría de nuestros vínculos se concentran en unas pocas personas. Esto explica, por ejemplo, por en muchos pueblos de nuestro interior, algunos referentes concentran la mayoría de los vínculos por ejemplo en un proceso de innovación tecnológica. Ver ”Las redes de diálogo como herramienta de cambio de las formas de “ver y actuar”: el caso de la localidad de Zavalla (pcia de santa fe)” en http://www.fcagr.unr.edu.ar/Investigacion/revista/rev5/4.htm
Barabási con Albert descubren que el tipo de distribución de vínculos en las relaciones humanas, donde cada individuo tiende sus vínculos hacia otros, responde a una curva con la forma llamada “power law” o ley de potencia, o ley de escala libre, donde unos pocos casos concentran la mayoría de los vínculos y otra gran diversidad de casos, representada mediante la larga cola con la que termina la curva, cuenta sólo con unos pocos. 
El modelo de propagación no es lineal, esto es no saltamos al nodo siguiente siguiendo un patrón, sino que saltamos de hub (nodo muy vinculado) en hub para transitar dentro de la red, evitando así pérdidas de tiempo en caminos no probados que muchas veces no llevan a ninguna parte. Parecería ser que ésta es una característica intrínseca en el desarrollo evolutivo de la red.
Barabási describe que las redes responden a algunas leyes que se corroboran en varios escenarios: las redes no son estructuras fijas sino que están en constante evolución. Nuevos nodos se agregan constantemente a la red, otros se desconectarán; cuando se tiene que optar por un nodo al cual vincularse, los enlaces se darán mayoritariamente a los nodos más conectados. Las prioridades por las que se opta están en relación a: cantidad de enlaces, aptitud del nodo y su antigüedad en la red.
La evolución de la agregación de nuevos nodos a la red responde a los postulados de Noelle-Neumann si consideramos que la opinión pública es la información que maneja la red. El término “fitness” que se traduce como aptitud hace referencia a la idea de actividad de los nodos, el volumen de información que manejan, en definitiva, a la apreciación positiva del mismo. Los nodos más conectados responden a lo que Noelle-Neumann llama opinión dominante y la agregación de nuevos vínculos a esos nodos ya muy conectados responde a lo que ella llama afianzamiento de la opinión.
Andy este texto lo escribí hace un tiempo pero viene al caso. Otra casualidad es que hoy postee en artepolítica donde cito a Barabasi y a Noelle Numann</description>
		<content:encoded><![CDATA[<p>En Linked: The New Science of Networks. A. Barabási (Perseus, 2002) explora las topologías de redes e investiga la distribución de enlaces entre los nodos de diversos tipos de redes. Redes eléctricas, redes de contagio de enfermedades, redes de relaciones de personas, Internet, viales, de vuelos y aeropuertos. En los primeros modelos teóricos con los que trabajó presupuso que los vínculos de un tramado social se daban aleatoriamente y que por ende habría una distribución equitativa entre los mismos. Esto es suponer que es todos tenemos más o menos la misma cantidad de vínculos formando una campana de Gauss.<br />
Al estudiar la cantidad de vínculos promedio que tiene una red donde se involucraba la naturaleza o los seres humanos, Barabási observó que no todos agentes tienen igual cantidad de vínculos promedio. Lo que Barabási descubre en sus investigaciones, contrario a lo que esperaba, es que éstos no tienen una forma de distribución estándar de enlace, esto es cada uno con una parecida cantidad de vínculos; de la investigación sobre la topología de las redes advierte que hay una pocas personas que están mucho más vinculadas en comparación con la media y que otras, en un número mucho mayor, muy por debajo de esta; por ende la mayoría de nuestros vínculos se concentran en unas pocas personas. Esto explica, por ejemplo, por en muchos pueblos de nuestro interior, algunos referentes concentran la mayoría de los vínculos por ejemplo en un proceso de innovación tecnológica. Ver ”Las redes de diálogo como herramienta de cambio de las formas de “ver y actuar”: el caso de la localidad de Zavalla (pcia de santa fe)” en <a href="http://www.fcagr.unr.edu.ar/Investigacion/revista/rev5/4.htm" rel="nofollow">http://www.fcagr.unr.edu.ar/Investigacion/revista/rev5/4.htm</a><br />
Barabási con Albert descubren que el tipo de distribución de vínculos en las relaciones humanas, donde cada individuo tiende sus vínculos hacia otros, responde a una curva con la forma llamada “power law” o ley de potencia, o ley de escala libre, donde unos pocos casos concentran la mayoría de los vínculos y otra gran diversidad de casos, representada mediante la larga cola con la que termina la curva, cuenta sólo con unos pocos.<br />
El modelo de propagación no es lineal, esto es no saltamos al nodo siguiente siguiendo un patrón, sino que saltamos de hub (nodo muy vinculado) en hub para transitar dentro de la red, evitando así pérdidas de tiempo en caminos no probados que muchas veces no llevan a ninguna parte. Parecería ser que ésta es una característica intrínseca en el desarrollo evolutivo de la red.<br />
Barabási describe que las redes responden a algunas leyes que se corroboran en varios escenarios: las redes no son estructuras fijas sino que están en constante evolución. Nuevos nodos se agregan constantemente a la red, otros se desconectarán; cuando se tiene que optar por un nodo al cual vincularse, los enlaces se darán mayoritariamente a los nodos más conectados. Las prioridades por las que se opta están en relación a: cantidad de enlaces, aptitud del nodo y su antigüedad en la red.<br />
La evolución de la agregación de nuevos nodos a la red responde a los postulados de Noelle-Neumann si consideramos que la opinión pública es la información que maneja la red. El término “fitness” que se traduce como aptitud hace referencia a la idea de actividad de los nodos, el volumen de información que manejan, en definitiva, a la apreciación positiva del mismo. Los nodos más conectados responden a lo que Noelle-Neumann llama opinión dominante y la agregación de nuevos vínculos a esos nodos ya muy conectados responde a lo que ella llama afianzamiento de la opinión.<br />
Andy este texto lo escribí hace un tiempo pero viene al caso. Otra casualidad es que hoy postee en artepolítica donde cito a Barabasi y a Noelle Numann</p>
]]></content:encoded>
	</item>
	<item>
		<title>By: <img class="monsterid" src="http://towsa.com/wordpress/wp-content/plugins/monsterid/44fb5eb3a5e4131.png" alt="Andy Tow MonsterID Icon" height="50" width="50"/> Andy Tow</title>
		<link>http://towsa.com/wordpress/2008/05/11/rebelion-de-los-iguales-recargado/comment-page-1/#comment-140</link>
		<dc:creator><img class="monsterid" src="http://towsa.com/wordpress/wp-content/plugins/monsterid/44fb5eb3a5e4131.png" alt="Andy Tow MonsterID Icon" height="50" width="50"/> Andy Tow</dc:creator>
		<pubDate>Sun, 11 May 2008 14:23:18 +0000</pubDate>
		<guid isPermaLink="false">http://towsa.com/wordpress/?p=37#comment-140</guid>
		<description>Buena observación, Mariano. Supongo que no vendría mal construir una variable soja+girasol para controlar. Estimo que los resultados serán similares.

(Más tarde...)

En efecto, %soja+%girasol está asociado con la protesta con más significación que %soja. Usando %soja+%girasol como variable de control, reduce la significación de nivel de Gini pero así y todo se mantiene la asociación. Lo mismo para medianos.
&lt;table&gt;&lt;tr&gt;&lt;td&gt;
&lt;img src="http://andy.towsa.com/blog/rebelionrecargadosojagirasol.gif" alt="" /&gt;
&lt;/td&gt;&lt;/tr&gt;&lt;/table&gt;
Estamos entonces en condiciones de dar la receta de la protesta rural: &lt;em&gt;&lt;b&gt;aplique un aumento considerable de derechos de exportación de soja y girasol a grandes cantidades de medianos productores de esos cultivos ubicados donde la tierra está distribuida más equitativamente.&lt;/b&gt;&lt;/em&gt;
&lt;TABLE BORDER="0" CELLSPACING=3 CELLPADDING=3  style="font-size: 80%"&gt;
&lt;CAPTION&gt;&lt;B&gt; Departamentos en protesta (atrapatodo)&lt;BR&gt;Tabla de contingencia Coeficiente de Gini * Proporción de superficie en explotaciones de entre 100 y 1.000 ha * Cantidad de explotaciones * Proporción de superficie en soja y girasol&lt;/B&gt;
&lt;/CAPTION&gt;
&lt;TR&gt;&lt;TH ROWSPAN=2 bgcolor="#E4FAFA"&gt; Proporción de superficie en soja y girasol&lt;/TH&gt;
&lt;TH ROWSPAN=2 bgcolor="#E4E4FA"&gt; Cantidad de explotaciones&lt;/TH&gt;
&lt;TH ROWSPAN=2 bgcolor="#EAE8E4" colspan="3"&gt;&lt;BR&gt;&lt;BR&gt;&lt;BR&gt;&lt;/TH&gt;
&lt;TH COLSPAN=2 bgcolor="#FFFF00"&gt; Proporción de superficie en explotaciones de entre 100 y 1.000 ha&lt;/TH&gt;
&lt;TH ROWSPAN=2 bgcolor="#EAE8E4"&gt; Total&lt;/TH&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH bgcolor="#FAFAE4"&gt; Media o por debajo&lt;/TH&gt;
&lt;TH bgcolor="#DACF04"&gt; Por encima de la media&lt;/TH&gt;
&lt;FONT COLOR="#000000"&gt;&lt;BR&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH ROWSPAN=12 bgcolor="#E4FAFA"&gt; Media o por debajo&lt;/TH&gt;
&lt;TH ROWSPAN=6 bgcolor="#E4E4FA"&gt; Media o por debajo&lt;/TH&gt;
&lt;TH ROWSPAN=4 bgcolor="#66FF66"&gt; Coeficiente de Gini&lt;/TH&gt;
&lt;TH ROWSPAN=2 bgcolor="#E4FAE4"&gt; Media o por debajo&lt;/TH&gt;
&lt;TH bgcolor="#EAE8E4"&gt; Recuento&lt;/TH&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;3&lt;/TD&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;4&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;7&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH bgcolor="#EAE8E4"&gt; % del total&lt;/TH&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;27,3%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;36,4%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;63,6%&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH ROWSPAN=2 bgcolor="#04DA04"&gt; Por encima de la media&lt;/TH&gt;
&lt;TH bgcolor="#EAE8E4"&gt; Recuento&lt;/TH&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;4&lt;/TD&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;0&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;4&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH bgcolor="#EAE8E4"&gt; % del total&lt;/TH&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;36,4%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;,0%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;36,4%&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH ROWSPAN=2 COLSPAN=2 bgcolor="#FAFAFA"&gt; Total&lt;/TH&gt;
&lt;TH bgcolor="#EAE8E4"&gt; Recuento&lt;/TH&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;7&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;4&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;11&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH bgcolor="#EAE8E4"&gt; % del total&lt;/TH&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;63,6%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;36,4%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;100,0%&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH ROWSPAN=6 bgcolor="#0066FF"&gt; Por encima de la media&lt;/TH&gt;
&lt;TH ROWSPAN=4 bgcolor="#66FF66"&gt; Coeficiente de Gini&lt;/TH&gt;
&lt;TH ROWSPAN=2 bgcolor="#E4FAE4"&gt; Media o por debajo&lt;/TH&gt;
&lt;TH bgcolor="#EAE8E4"&gt; Recuento&lt;/TH&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;5&lt;/TD&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;13&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;18&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH bgcolor="#EAE8E4"&gt; % del total&lt;/TH&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;19,2%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;50,0%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;69,2%&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH ROWSPAN=2 bgcolor="#04DA04"&gt; Por encima de la media&lt;/TH&gt;
&lt;TH bgcolor="#EAE8E4"&gt; Recuento&lt;/TH&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;7&lt;/TD&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;1&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;8&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH bgcolor="#EAE8E4"&gt; % del total&lt;/TH&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;26,9%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;3,8%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;30,8%&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH ROWSPAN=2 COLSPAN=2 bgcolor="#FAFAFA"&gt; Total&lt;/TH&gt;
&lt;TH bgcolor="#EAE8E4"&gt; Recuento&lt;/TH&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;12&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;14&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;26&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH bgcolor="#EAE8E4"&gt; % del total&lt;/TH&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;46,2%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;53,8%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;100,0%&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH ROWSPAN=12 bgcolor="#04CFDA"&gt; Por encima de la media&lt;/TH&gt;
&lt;TH ROWSPAN=6 bgcolor="#E4E4FA"&gt; Media o por debajo&lt;/TH&gt;
&lt;TH ROWSPAN=4 bgcolor="#66FF66"&gt; Coeficiente de Gini&lt;/TH&gt;
&lt;TH ROWSPAN=2 bgcolor="#E4FAE4"&gt; Media o por debajo&lt;/TH&gt;
&lt;TH bgcolor="#EAE8E4"&gt; Recuento&lt;/TH&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;2&lt;/TD&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;19&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;21&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH bgcolor="#EAE8E4"&gt; % del total&lt;/TH&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;8,0%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;76,0%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;84,0%&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH ROWSPAN=2 bgcolor="#04DA04"&gt; Por encima de la media&lt;/TH&gt;
&lt;TH bgcolor="#EAE8E4"&gt; Recuento&lt;/TH&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;3&lt;/TD&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;1&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;4&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH bgcolor="#EAE8E4"&gt; % del total&lt;/TH&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;12,0%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;4,0%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;16,0%&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH ROWSPAN=2 COLSPAN=2 bgcolor="#FAFAFA"&gt; Total&lt;/TH&gt;
&lt;TH bgcolor="#EAE8E4"&gt; Recuento&lt;/TH&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;5&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;20&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;25&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH bgcolor="#EAE8E4"&gt; % del total&lt;/TH&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;20,0%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;80,0%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;100,0%&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH ROWSPAN=6 bgcolor="#0066FF"&gt; Por encima de la media&lt;/TH&gt;
&lt;TH ROWSPAN=4 bgcolor="#00FF00"&gt; Coeficiente de Gini&lt;/TH&gt;
&lt;TH ROWSPAN=2 bgcolor="#E4FAE4"&gt; Media o por debajo&lt;/TH&gt;
&lt;TH bgcolor="#EAE8E4"&gt; Recuento&lt;/TH&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;3&lt;/TD&gt;
&lt;TD align="right" bgcolor="#FF0000"&gt;&lt;b&gt;&lt;font color="#FFFFFF"&gt;51&lt;/font&gt;&lt;/b&gt;&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;54&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH bgcolor="#EAE8E4"&gt; % del total&lt;/TH&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;4,9%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#FF0000"&gt;&lt;b&gt;&lt;font color="#FFFFFF"&gt;83,6%&lt;/font&gt;&lt;/b&gt;&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;88,5%&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH ROWSPAN=2 bgcolor="#04DA04"&gt; Por encima de la media&lt;/TH&gt;
&lt;TH bgcolor="#EAE8E4"&gt; Recuento&lt;/TH&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;4&lt;/TD&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;3&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;7&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH bgcolor="#EAE8E4"&gt; % del total&lt;/TH&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;6,6%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#FFFFFF"&gt;4,9%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;11,5%&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH ROWSPAN=2 COLSPAN=2 bgcolor="#EAE8E4"&gt; Total&lt;/TH&gt;
&lt;TH bgcolor="#EAE8E4"&gt; Recuento&lt;/TH&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;7&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;54&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;61&lt;/TD&gt;
&lt;/TR&gt;

&lt;TR&gt;&lt;TH bgcolor="#EAE8E4"&gt; % del total&lt;/TH&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;11,5%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;88,5%&lt;/TD&gt;
&lt;TD align="right" bgcolor="#EAE8E4"&gt;100,0%&lt;/TD&gt;
&lt;/TR&gt;


&lt;/TABLE&gt;
Agite, no revuelva.</description>
		<content:encoded><![CDATA[<p>Buena observación, Mariano. Supongo que no vendría mal construir una variable soja+girasol para controlar. Estimo que los resultados serán similares.</p>
<p>(Más tarde&#8230;)</p>
<p>En efecto, %soja+%girasol está asociado con la protesta con más significación que %soja. Usando %soja+%girasol como variable de control, reduce la significación de nivel de Gini pero así y todo se mantiene la asociación. Lo mismo para medianos.</p>
<table>
<tr>
<td>
<img src="http://andy.towsa.com/blog/rebelionrecargadosojagirasol.gif" alt="" />
</td>
</tr>
</table>
<p>Estamos entonces en condiciones de dar la receta de la protesta rural: <em><b>aplique un aumento considerable de derechos de exportación de soja y girasol a grandes cantidades de medianos productores de esos cultivos ubicados donde la tierra está distribuida más equitativamente.</b></em></p>
<table BORDER="0" CELLSPACING=3 CELLPADDING=3  style="font-size: 80%">
<caption><b> Departamentos en protesta (atrapatodo)<br />Tabla de contingencia Coeficiente de Gini * Proporción de superficie en explotaciones de entre 100 y 1.000 ha * Cantidad de explotaciones * Proporción de superficie en soja y girasol</b><br />
</caption>
<tr>
<th ROWSPAN=2 bgcolor="#E4FAFA"> Proporción de superficie en soja y girasol</th>
<th ROWSPAN=2 bgcolor="#E4E4FA"> Cantidad de explotaciones</th>
<th ROWSPAN=2 bgcolor="#EAE8E4" colspan="3">
<p></th>
<th COLSPAN=2 bgcolor="#FFFF00"> Proporción de superficie en explotaciones de entre 100 y 1.000 ha</th>
<th ROWSPAN=2 bgcolor="#EAE8E4"> Total</th>
</tr>
<tr>
<th bgcolor="#FAFAE4"> Media o por debajo</th>
<th bgcolor="#DACF04"> Por encima de la media</th>
<p><font COLOR="#000000"><br />
</font></tr>
<tr>
<th ROWSPAN=12 bgcolor="#E4FAFA"> Media o por debajo</th>
<th ROWSPAN=6 bgcolor="#E4E4FA"> Media o por debajo</th>
<th ROWSPAN=4 bgcolor="#66FF66"> Coeficiente de Gini</th>
<th ROWSPAN=2 bgcolor="#E4FAE4"> Media o por debajo</th>
<th bgcolor="#EAE8E4"> Recuento</th>
<td align="right" bgcolor="#FFFFFF">3</td>
<td align="right" bgcolor="#FFFFFF">4</td>
<td align="right" bgcolor="#EAE8E4">7</td>
</tr>
<tr>
<th bgcolor="#EAE8E4"> % del total</th>
<td align="right" bgcolor="#FFFFFF">27,3%</td>
<td align="right" bgcolor="#FFFFFF">36,4%</td>
<td align="right" bgcolor="#EAE8E4">63,6%</td>
</tr>
<tr>
<th ROWSPAN=2 bgcolor="#04DA04"> Por encima de la media</th>
<th bgcolor="#EAE8E4"> Recuento</th>
<td align="right" bgcolor="#FFFFFF">4</td>
<td align="right" bgcolor="#FFFFFF">0</td>
<td align="right" bgcolor="#EAE8E4">4</td>
</tr>
<tr>
<th bgcolor="#EAE8E4"> % del total</th>
<td align="right" bgcolor="#FFFFFF">36,4%</td>
<td align="right" bgcolor="#FFFFFF">,0%</td>
<td align="right" bgcolor="#EAE8E4">36,4%</td>
</tr>
<tr>
<th ROWSPAN=2 COLSPAN=2 bgcolor="#FAFAFA"> Total</th>
<th bgcolor="#EAE8E4"> Recuento</th>
<td align="right" bgcolor="#EAE8E4">7</td>
<td align="right" bgcolor="#EAE8E4">4</td>
<td align="right" bgcolor="#EAE8E4">11</td>
</tr>
<tr>
<th bgcolor="#EAE8E4"> % del total</th>
<td align="right" bgcolor="#EAE8E4">63,6%</td>
<td align="right" bgcolor="#EAE8E4">36,4%</td>
<td align="right" bgcolor="#EAE8E4">100,0%</td>
</tr>
<tr>
<th ROWSPAN=6 bgcolor="#0066FF"> Por encima de la media</th>
<th ROWSPAN=4 bgcolor="#66FF66"> Coeficiente de Gini</th>
<th ROWSPAN=2 bgcolor="#E4FAE4"> Media o por debajo</th>
<th bgcolor="#EAE8E4"> Recuento</th>
<td align="right" bgcolor="#FFFFFF">5</td>
<td align="right" bgcolor="#FFFFFF">13</td>
<td align="right" bgcolor="#EAE8E4">18</td>
</tr>
<tr>
<th bgcolor="#EAE8E4"> % del total</th>
<td align="right" bgcolor="#FFFFFF">19,2%</td>
<td align="right" bgcolor="#FFFFFF">50,0%</td>
<td align="right" bgcolor="#EAE8E4">69,2%</td>
</tr>
<tr>
<th ROWSPAN=2 bgcolor="#04DA04"> Por encima de la media</th>
<th bgcolor="#EAE8E4"> Recuento</th>
<td align="right" bgcolor="#FFFFFF">7</td>
<td align="right" bgcolor="#FFFFFF">1</td>
<td align="right" bgcolor="#EAE8E4">8</td>
</tr>
<tr>
<th bgcolor="#EAE8E4"> % del total</th>
<td align="right" bgcolor="#FFFFFF">26,9%</td>
<td align="right" bgcolor="#FFFFFF">3,8%</td>
<td align="right" bgcolor="#EAE8E4">30,8%</td>
</tr>
<tr>
<th ROWSPAN=2 COLSPAN=2 bgcolor="#FAFAFA"> Total</th>
<th bgcolor="#EAE8E4"> Recuento</th>
<td align="right" bgcolor="#EAE8E4">12</td>
<td align="right" bgcolor="#EAE8E4">14</td>
<td align="right" bgcolor="#EAE8E4">26</td>
</tr>
<tr>
<th bgcolor="#EAE8E4"> % del total</th>
<td align="right" bgcolor="#EAE8E4">46,2%</td>
<td align="right" bgcolor="#EAE8E4">53,8%</td>
<td align="right" bgcolor="#EAE8E4">100,0%</td>
</tr>
<tr>
<th ROWSPAN=12 bgcolor="#04CFDA"> Por encima de la media</th>
<th ROWSPAN=6 bgcolor="#E4E4FA"> Media o por debajo</th>
<th ROWSPAN=4 bgcolor="#66FF66"> Coeficiente de Gini</th>
<th ROWSPAN=2 bgcolor="#E4FAE4"> Media o por debajo</th>
<th bgcolor="#EAE8E4"> Recuento</th>
<td align="right" bgcolor="#FFFFFF">2</td>
<td align="right" bgcolor="#FFFFFF">19</td>
<td align="right" bgcolor="#EAE8E4">21</td>
</tr>
<tr>
<th bgcolor="#EAE8E4"> % del total</th>
<td align="right" bgcolor="#FFFFFF">8,0%</td>
<td align="right" bgcolor="#FFFFFF">76,0%</td>
<td align="right" bgcolor="#EAE8E4">84,0%</td>
</tr>
<tr>
<th ROWSPAN=2 bgcolor="#04DA04"> Por encima de la media</th>
<th bgcolor="#EAE8E4"> Recuento</th>
<td align="right" bgcolor="#FFFFFF">3</td>
<td align="right" bgcolor="#FFFFFF">1</td>
<td align="right" bgcolor="#EAE8E4">4</td>
</tr>
<tr>
<th bgcolor="#EAE8E4"> % del total</th>
<td align="right" bgcolor="#FFFFFF">12,0%</td>
<td align="right" bgcolor="#FFFFFF">4,0%</td>
<td align="right" bgcolor="#EAE8E4">16,0%</td>
</tr>
<tr>
<th ROWSPAN=2 COLSPAN=2 bgcolor="#FAFAFA"> Total</th>
<th bgcolor="#EAE8E4"> Recuento</th>
<td align="right" bgcolor="#EAE8E4">5</td>
<td align="right" bgcolor="#EAE8E4">20</td>
<td align="right" bgcolor="#EAE8E4">25</td>
</tr>
<tr>
<th bgcolor="#EAE8E4"> % del total</th>
<td align="right" bgcolor="#EAE8E4">20,0%</td>
<td align="right" bgcolor="#EAE8E4">80,0%</td>
<td align="right" bgcolor="#EAE8E4">100,0%</td>
</tr>
<tr>
<th ROWSPAN=6 bgcolor="#0066FF"> Por encima de la media</th>
<th ROWSPAN=4 bgcolor="#00FF00"> Coeficiente de Gini</th>
<th ROWSPAN=2 bgcolor="#E4FAE4"> Media o por debajo</th>
<th bgcolor="#EAE8E4"> Recuento</th>
<td align="right" bgcolor="#FFFFFF">3</td>
<td align="right" bgcolor="#FF0000"><b><font color="#FFFFFF">51</font></b></td>
<td align="right" bgcolor="#EAE8E4">54</td>
</tr>
<tr>
<th bgcolor="#EAE8E4"> % del total</th>
<td align="right" bgcolor="#FFFFFF">4,9%</td>
<td align="right" bgcolor="#FF0000"><b><font color="#FFFFFF">83,6%</font></b></td>
<td align="right" bgcolor="#EAE8E4">88,5%</td>
</tr>
<tr>
<th ROWSPAN=2 bgcolor="#04DA04"> Por encima de la media</th>
<th bgcolor="#EAE8E4"> Recuento</th>
<td align="right" bgcolor="#FFFFFF">4</td>
<td align="right" bgcolor="#FFFFFF">3</td>
<td align="right" bgcolor="#EAE8E4">7</td>
</tr>
<tr>
<th bgcolor="#EAE8E4"> % del total</th>
<td align="right" bgcolor="#FFFFFF">6,6%</td>
<td align="right" bgcolor="#FFFFFF">4,9%</td>
<td align="right" bgcolor="#EAE8E4">11,5%</td>
</tr>
<tr>
<th ROWSPAN=2 COLSPAN=2 bgcolor="#EAE8E4"> Total</th>
<th bgcolor="#EAE8E4"> Recuento</th>
<td align="right" bgcolor="#EAE8E4">7</td>
<td align="right" bgcolor="#EAE8E4">54</td>
<td align="right" bgcolor="#EAE8E4">61</td>
</tr>
<tr>
<th bgcolor="#EAE8E4"> % del total</th>
<td align="right" bgcolor="#EAE8E4">11,5%</td>
<td align="right" bgcolor="#EAE8E4">88,5%</td>
<td align="right" bgcolor="#EAE8E4">100,0%</td>
</tr>
</table>
<p>Agite, no revuelva.</p>
]]></content:encoded>
	</item>
	<item>
		<title>By: <img class="monsterid" src="http://towsa.com/wordpress/wp-content/plugins/monsterid/2bca22e01044a52.png" alt="Mariano T. MonsterID Icon" height="50" width="50"/> Mariano T.</title>
		<link>http://towsa.com/wordpress/2008/05/11/rebelion-de-los-iguales-recargado/comment-page-1/#comment-139</link>
		<dc:creator><img class="monsterid" src="http://towsa.com/wordpress/wp-content/plugins/monsterid/2bca22e01044a52.png" alt="Mariano T. MonsterID Icon" height="50" width="50"/> Mariano T.</dc:creator>
		<pubDate>Sun, 11 May 2008 14:07:52 +0000</pubDate>
		<guid isPermaLink="false">http://towsa.com/wordpress/?p=37#comment-139</guid>
		<description>Andy: Esas anomalías que ves en el % de soja en la pampa y el Sur de buenos Aires, se puede explicar por el em girasol, que es eimpotante es esas zonas, y tuvo un castigo aún superior al de la soja.</description>
		<content:encoded><![CDATA[<p>Andy: Esas anomalías que ves en el % de soja en la pampa y el Sur de buenos Aires, se puede explicar por el em girasol, que es eimpotante es esas zonas, y tuvo un castigo aún superior al de la soja.</p>
]]></content:encoded>
	</item>
</channel>
</rss>
