Material del curso Análisis de datos procedentes de investigaciones mediante programas informáticos Manuel Miguel Ramos Álvarez
|
|
- Marcos Agüero Martín
- hace 8 años
- Vistas:
Transcripción
1 Curso de Análisis de investigaciones con programas Informáticos 1 UNIVERSIDAD DE JAÉN Material del curso Análisis de datos procedentes de investigaciones mediante programas informáticos Manuel Miguel Ramos Álvarez Índice MAATTEERRIIAALL XVII DEESSCCRRIIPPCCIIÓÓNN CCOONN ANNÁÁLLIISSIISS DIISSCCRRIIMIINNAANNTTEE 1. Conceptos fundamentales del análisis Discriminante Planteamiento computacional del análisis Discriminante El Análisis Discriminante en profundidad Secuencia de investigación en el Análisis Discriminante
2 Curso de Análisis de investigaciones con programas Informáticos 2 1. Conceptos fundamentales del análisis Discriminante Objetivo: la predicción pero en el sentido de clasificación en grupos de los cuales se conoce el criterio de clasificación de antemano. Luego, al revés que MANOVA, se pretende la predicción de una variable categórica (la que hubiera sido la var.ind. en ANOVA) a partir de una seria de predictores (serían las var.dep. en ANOVA). Lógica estadística. El interés se centra en combinar linealmente las variables predictoras para predecir el grupo. Entonces si la predicción del grupo es significativa estamos afirmando lo mismo que si concluimos que los grupos son diferentes entre sí. De esta forma, podríamos clasificar en grupos diferentes a partir del conocimiento de los predictores. Conclusión: técnicas orientadas al estudio de variables en cuanto a su capacidad de clasificación, de diagnóstico más que por su significación estadística. En el gráfico siguiente se puede apreciar el poder separador del análisis discriminante respecto de la suma simple. a) Función discriminante 1 (Y) vs función discriminante 2 (X) b) Suma simple de las 4 escalas para cada sujeto c ) Función discriminante 1 (Y) para cada sujeto(x) d) Función discriminante 2 (Y) para cada sujeto (X) Variantes (o etapas): o Aproximación predictiva. El objetivo es encontrar una regla para realizar la clasificación lo más correctamente posible es decir mediante las funciones de clasificación lineal. o Aproximación descriptiva. Determinar el peso relativo que los diferentes predictores puedan tener para separar unos grupos de otros, contribución de cada uno a la predicción del grupo, lo que viene dado por las funciones discriminantes lineales. 2
3 Curso de Análisis de investigaciones con programas Informáticos 3 2. Planteamiento computacional del análisis Discriminante Funciones Discriminantes Lineales que relacionan las soluciones o funciones discriminantes con los predictores. o Y = β + β x + β x + + β x Puntuac. discrim. suj. i funcion j ij 0 1 i,1 2 i,2 p i,p Peso Puntuac.suj. v. predictora cada v. predictora p var. predictoras Estas puntuaciones que se obtienen permiten una diferenciación máxima de los grupos. Funciones Clasificación Lineales que relacionan las clasificaciones para cada uno de los grupos (j) con los predictores y teniendo en cuenta que se asigna el sujeto (i) al grupo en cuya función ha obtenido mayor valor. Y j = β 0j + β 1j x 1 + β 2j x β pj x p; suj i Max( Y j ) Puntuac. clasifica. Peso Grupo j v. predictora Grupo j Puntuac.suj. cada v. predictora p var. predictoras o Estas puntuaciones permiten una predicción óptima por cada grupo individualmente. 3
4 Curso de Análisis de investigaciones con programas Informáticos 4 3. El Análisis Discriminante en profundidad 1. El éxito de la predicción depende de las variables predictoras seleccionadas. La elección inicial de variables debe realizarse en función de un marco teórico o conceptual, y/o pragmático (qué variables pueden medirse realmente, qué costo tiene medir cada variable, etc.). 2. Planificación y estructuración del diseño: a. Resolver adecuadamente cuestiones estructurales (ver capítulo de Diseño y de Experimentos con ANOVA en Ramos, Catena y Trujillo, 2004). i. Optimizar la variable a manipular: cómo se la va a manipular (de forma directa o indirecta) y cuántos niveles va a tener. ii. Optimizar las variables a medir: qué variables se van a medir, cómo se las medirá y que su sensibilidad a los cambios de la variable manipulada sean máximos. b. Sobre variables extrañas: qué variables podrían afectar a la investigación y deben ser controladas. c. Decidir adecuadamente qué tamaño van a tener los grupos. d. Es importante tener presente que los diseños no equilibrados (número desigual de sujetos por grupo) requieren consideraciones analíticas especiales. e. Seleccionar la muestra de sujetos intentando que sean proporcionales a la población. 3. Se realiza la investigación y se obtienen los datos. 4. Se realiza el Análisis Discriminante Descriptivo. Se busca combinar linealmente las variables predictoras para predecir el grupo. a. Decidir si es pertinente el AD. Mediante un MANOVA se decide sobre la significación estadística de la variable grupos en el Variado formado por todas las variables predictoras. Si es significativo entonces es viable el AD. b. Obtención de las funciones discriminantes lineales. i. Con más de dos variables puede haber diversas soluciones: Nº funciones= min{(grupos-1),predictores}. ii. En general se establece el patrón de discriminaciones diferencial de las distintas funciones teniendo presente que las primeras soluciones son más poderosas que las posteriores. iii. El número de funciones debe ser el mínimo posible, serán ortogonales y maximizando la separación de los grupos. iv. El objetivo último es obtener los pesos de cada variable preferentemente de manera estandarizada para evitar problemas de escala: coeficientes discriminantes canónicos estandarizados. v. Determinar si las funciones discriminan significativamente entre los grupos. Mediante análisis exploratorio (ver figura de arriba). Con ANOVA entre grupos para cada función discriminante, tanto ómnibus como de contrastes ortogonales (i.e. Regla Helmert). Con Lambda de Wilks. Simplemente las funciones significativas son las que se retienen en la solución final. c. Evaluación de la importancia de cada variable en cada función discriminante. Evaluar la significación estadística de las distintas variables de cara a la discriminación, de manera que el modelo se simplificará prescindiendo de aquéllas variables que no hagan una aportación significativa. Analizar -> Modelo Lineal General -> Multivariante -> Dependientes: E1, E2, E3, E4 -> Factores fijos: Grupo -> Aceptar (análisis). Analizar -> Clasificar -> Discriminante -> Variable de agrupación: Grupo -> Definir rango -> Mínimo: 1; Máximo: 3 -> Continuar -> Independientes: E1,, E4 Estadísticos -> Coeficientes de la función: No tipificados -> Continuar -> Guardar: Puntuaciones discriminantes Continuar Clasificar: Graficos de grupos separados, gráficos de grupos combinados -> Continuar -> Aceptar (análisis) Añadir al fichero de datos una columna que etiqueta los casos (de 1 hasta 15) Graficos -> Dispersión -> Simple -> Definir: EjeY: Puntuaciones discriminantes 1, Ejes: Casos, Establecer marcas por: Grupo -> Continuar -> Aceptar -> Hacer lo mismo con las otras funciones discriminantes generadas en la hoja de datos 4
5 Curso de Análisis de investigaciones con programas Informáticos 5 i. Examinando las cargas canónicas o matriz de estructura (correlación entre una variable predictora y la función discriminante). Se incluyen las variables con cargas mayores a 0.33 (pero es arbitrario). ii. Repetir el análisis básico suprimiendo selectivamente variables. Comparamos el cambio en la lambda de Wilks obtenido con las variables que se han mantenido en el análisis con respecto al obtenido con todas las variables. La variable eliminada no hacía una aportación relevante si el cambio en lambda no es importante, (i.e. las funciones discriminantes siguen siendo semejantes), y se elimina. iii. Análisis discriminante por etapas (stpewise). 1º se trata a cada variable como si fuese la única predictora. La primera que entra en la función discriminante es la de mayor F-entrar y menor valor del estadístico (mayor poder de discriminación diferencial) asociado, siempre que lo disminuya respecto al paso precedente. Se procede de esta manera pero teniendo en cuenta que ya hay variables en la ecuación. Así llegar a una que quedaría fuera (valor F muy pequeño y un valor del estadístico que no cambia) o incluirlas a todas. Estadísticos para determinar la inclusión de las variables. Lambda de Wilks, Reducción en la varianza no explicada, la distancia de Mahalanobis y la V de Rao (la traza de Hotelling-Lawley). Mejor quedarse con las variables que son consistentes en la mayoría de los 4 tipos de cálculo. 5. Se realiza el Análisis Discriminante Predictivo. a. Obtención de los coeficientes de clasificación lineal. También como combinaciones lineales de las variables predictoras pero: i. Se calcula una función de clasificación por cada grupo. ii. Para cada sujeto se calcula la función correspondiente a cada uno de los grupos. iii. El sujeto es asignado al grupo en el que tenga mayor función de clasificación. iv. La clasificación puede hacerse sólo con las variables seleccionadas tras el análisis discriminante descriptivo. v. Si los grupos son desiguales se debe añadir un término en la ecuación del tipo logarítmico, que corrige tal desequilibrio. b. Evaluar la bondad de ajuste de la clasificación sobre los casos originales, y en caso de cometer errores qué patrón siguen? i. Mediante prueba Chi-Cuadrado. A partir de los coeficientes precedentes se clasifica en los grupos a los sujetos cuya pertenencia a grupo es conocida y se evalúa el ajuste entre el Grupo Original y el Pronosticado mediante una tabla de Contingencia y la correspondiente prueba Chi-Cuadrado para la significación. c. Realizar el diagnóstico de nuevos casos, es decir cómo combinar la información proporcionada por las variables para acertar lo máximo posible en la clasificación de nuevos individuos. 6. Interpretación de la solución obtenida. La estimación última viene dada por los coeficientes de los dos tipos de funciones, discriminantes y de clasificación, en términos estandarizados. A partir de estos se extraerán conclusiones sobre la pertinencia de las variables predictoras y sobre la precisión del sistema diagnóstico a la hora de clasificar nuevos casos. 7. La solución del análisis discriminante puede ser contrastada, validada, con respecto a un criterio interno. a. Por Validación cruzada. Con una lógica similar al análisis de cluster. Se hacen las estimaciones excluyendo algunos casos y éstas se Analizar -> Modelo Lineal General -> Multivariante -> Dependientes: Puntuaciones dicrim 1, Puntuaciones Discrim 2-> Factores fijos: Grupo -> Cotrastes: GRUPO(Helmert) -> Continuar ->Aceptar (análisis). Analizar -> Clasificar -> Discriminante -> Variable de agrupación: Grupo -> Definir rango -> Mínimo: 1; Máximo: 3 -> Continuar -> Independientes: E1,, E4 Usar método de inclusión por pasos -> Método -> Lambda de Wilks -> Resumen de los pasos -> Continuar -> Aceptar (análisis) Hacer lo mismo con los otros métodos incluidos en el programa Estadísticos -> Coeficientes de la función: De Fisher Guardar -> Grupo de pertenencia pronosticado -> Continuar -> Analizar -> Estadísticos descriptivos -> Tablas de contingencia -> Filas: Grupo, Columnas: Predicho -> Estadísticos -> Chi-cuadrado - > Continuar -> Aceptar (análisis) -> Clasificar... -> Clasificación dejando uno fuera -> Continuar -> 5
6 Curso de Análisis de investigaciones con programas Informáticos 6 emplean para clasificar a otra muestra de individuos para los que se conoce su pertenencia al grupo. b. Método de la navaja (jackknifed classification), en la que los coeficientes son calculados excluyendo uno por uno a todos los sujetos de la muestra. Cada sujeto tiene un conjunto de coeficientes que se basan en los n-1 sujetos restantes. c. El método navaja reduce el sesgo clasificatorio de la anterior pero si se producen discrepancias entre ambas, es preferible la de validación cruzada. 6
7 Curso de Análisis de investigaciones con programas Informáticos 7 4. Secuencia de investigación en el Análisis Discriminante 1) Problema de investigación Clasificación vs. descripción a partir de predictores a) Contextualizar problema en un dominio b) Diferencias multivar. Entre grupos c) Qué funciones discriminan d) Clasificar y diagnosticar individuos en grupos 2) Diseño de investigación a) Variable Grupos, calidad y nº de niveles, manipulac. directa b) Cuestiones de medida sobre las Variables predictoras, su nº y calidad c) Control factores extraños d) Sobre Tamaños muestrales Grupos y representatividad población e) Tamaño muestral total 3) Evaluación de supuestos y limitaciones Se cumplen? Sí N a) Hay diferencias significativas entre los Grupos como para discriminarlos (MANOVA) b) Linealidad y multicolinealidad c) Problemas muestras desequilibradas d) Normalidad multivariada e) Homogeneidad Varianzas-Covarianzas f) Puntos extremos y/o Atrición Estrategias paliativas tipo transformación de los datos o eliminac. casos completos o matrices covar. grupos separados Alternativa Análisis Cluster 4) Funciones Discriminantes Lineales a) Tipo estimación: método simultáneo o por etapas b) Qué método introducción var. se empleará en el caso por etapas c) Mejor pesos estandarizados 5) Interpretación Funciones Discrim. Comprender cómo se produce la separación entre los grupos a) Variables que se retienen b) Importancia relat. Cada var. c) Cuántas funciones se interpretarán. d) Buscar convergencia entre distintos algoritmos (i.e. Lambda, Rao, etc.) [8) Comunicación resultados] Informe de investigación tipo APA 7) Interpretación Resultados 6) Funciones Clasificación Lineal a) Coeficientes funciones b) Clasificar a los individuos c) Computar tablas de contingencia d) Decidir sobre la bondad del ajuste de predicción mediante pruebas tipo Chi 2. a) Se resuelve el problema? b) Otras investigaciones derivadas c) Importancia teórica resultados d) Validación cruzada de las clasificaciones 7
8 Curso de Análisis de investigaciones con programas Informáticos 8 Volver Principio 8
Material del curso Análisis de datos procedentes de investigaciones mediante programas informáticos Manuel Miguel Ramos Álvarez
Curso de Análisis de investigaciones con programas Informáticos 1 UNIVERSIDAD DE JAÉN Material del curso Análisis de datos procedentes de investigaciones mediante programas informáticos Manuel Miguel Ramos
Más detalles1 Ejemplo de análisis descriptivo de un conjunto de datos
1 Ejemplo de análisis descriptivo de un conjunto de datos 1.1 Introducción En este ejemplo se analiza un conjunto de datos utilizando herramientas de estadística descriptiva. El objetivo es repasar algunos
Más detallesANÁLISIS DISCRIMINANTE
ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE 1. Introducción 2. Etapas 3. Caso práctico Análisis de dependencias introducción varias relaciones una relación 1 variable dependiente > 1 variable dependiente
Más detalles1.1. Introducción y conceptos básicos
Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesCovarianza y coeficiente de correlación
Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también
Más detallesCLASIFICACIÓN NO SUPERVISADA
CLASIFICACIÓN NO SUPERVISADA CLASIFICACION IMPORTANCIA PROPÓSITO METODOLOGÍAS EXTRACTORES DE CARACTERÍSTICAS TIPOS DE CLASIFICACIÓN IMPORTANCIA CLASIFICAR HA SIDO, Y ES HOY DÍA, UN PROBLEMA FUNDAMENTAL
Más detallesANALISIS MULTIVARIANTE
ANALISIS MULTIVARIANTE Es un conjunto de técnicas que se utilizan cuando se trabaja sobre colecciones de datos en las cuáles hay muchas variables implicadas. Los principales problemas, en este contexto,
Más detallesAnálisis de componentes principales
Capítulo 2 Análisis de componentes principales 2.1. INTRODUCCIÓN El Análisis de componentes principales trata de describir las características principales de un conjunto de datos multivariantes, en los
Más detallesAnálisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias
Análisis de Regresión Múltiple con Información Cualitativa: Variables Binarias o Ficticias Carlos Velasco 1 1 Departamento de Economía Universidad Carlos III de Madrid Econometría I Máster en Economía
Más detallesLa práctica del análisis de correspondencias
La práctica del análisis de correspondencias MICHAEL GREENACRE Catedrático de Estadística en la Universidad Pompeu Fabra Separata del capítulo 18 Análisis de correspondencias múltiples Primera edición:
Más detallesCapítulo 5: METODOLOGÍA APLICABLE A LAS NORMAS NE AI
Capítulo 5: METODOLOGÍA APLICABLE A LAS NORMAS NE AI La segunda fase del NIPE corresponde con la adecuación de las intervenciones de enfermería del sistema de clasificación N.I.C. (Nursing Intervention
Más detallesMatrices equivalentes. El método de Gauss
Matrices equivalentes. El método de Gauss Dada una matriz A cualquiera decimos que B es equivalente a A si podemos transformar A en B mediante una combinación de las siguientes operaciones: Multiplicar
Más detallesAnálisis de medidas conjuntas (conjoint analysis)
Análisis de medidas conuntas (conoint analysis). Introducción Como ya hemos dicho anteriormente, esta técnica de análisis nos sirve para analizar la importancia que dan los consumidores a cada uno de los
Más detallesEstas visiones de la información, denominadas vistas, se pueden identificar de varias formas.
El primer paso en el diseño de una base de datos es la producción del esquema conceptual. Normalmente, se construyen varios esquemas conceptuales, cada uno para representar las distintas visiones que los
Más detallesIndicaciones específicas para los análisis estadísticos.
Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por
Más detallesDIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009
Índice general 6. Regresión Múltiple 3 6.1. Descomposición de la variabilidad y contrastes de hipótesis................. 4 6.2. Coeficiente de determinación.................................. 5 6.3. Hipótesis
Más detallesSISTEMAS DE ECUACIONES LINEALES
SISTEMAS DE ECUACIONES LINEALES INTRODUCCIÓN En el presente documento se explican detalladamente dos importantes temas: 1. Descomposición LU. 2. Método de Gauss-Seidel. Se trata de dos importantes herramientas
Más detallesANÁLISIS DE ENCUESTAS
ANÁLISIS DE ENCUESTAS TÉCNICAS MULTIVARIANTES 1. Introducción 2. Clasificación de las técnicas 3. Etapas de análisis 4. Supuestos básicos 5. Valores perdidos y anómalos introducción Definición. i ió -
Más detallesMUESTREO TIPOS DE MUESTREO
MUESTREO En ocasiones en que no es posible o conveniente realizar un censo (analizar a todos los elementos de una población), se selecciona una muestra, entendiendo por tal una parte representativa de
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detallesMaterial de la asignatura Psicología Experimental Manuel Miguel Ramos Álvarez
Tema 6. Variantes analíticas 1 UNIVERSIDAD DE JAÉN Material de la asignatura Psicología Experimental TEMA 6.. VARIIACIIONES ANALÍÍTIICAS PARA LOS PRIINCIIPALES DIISEÑOS DE IINVESTIIGACIIÓN ÍNDICE TEMÁTICO
Más detallesINFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010
INFORME DE ANÁLISIS DE ENCUESTAS DE SATISFACCIÓN DE USUARIOS PERÍODO 2009-2010 UNIDAD FUNCIONAL DE TÉCNICOS DE LABORATORIOS DOCENTES UNIVERSIDAD PABLO DE OLAVIDE. SEVILLA Sevilla, Diciembre de 2010 1 1.
Más detallesMedia vs mediana vs moda Cual medida de tendencia central es mas adecuada? MEDIA conveniencias:
Iniciar con las interpretaciones de las medidas MEDIA VS MEDIANA VS MODA CUAL ES LA MEDIDA ADECUADA TAREA MEDIA PONDERADA Actividad de Medidas de Localización Problema 1. El problema de las tasas de delito.
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,
Más detallesIntroducción a la estadística y SPSS
Introducción a la estadística y SPSS Marcelo Rodríguez Ingeniero Estadístico - Magister en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I
Más detallesAnálisis interno de una empresa: diagnóstico de los recursos disponibles
Análisis interno de una empresa: diagnóstico de los recursos disponibles Javier Osorio UNIVERSIDAD DE LAS PALMAS DE GRAN CANARIA Análisis de los recursos internos Las principales investigaciones que sobre
Más detalles- se puede formular de la siguiente forma:
Multicolinealidad 1 Planteamiento Una de las hipótesis del modelo de regresión lineal múltiple establece que no existe relación lineal exacta entre los regresores, o, en otras palabras, establece que no
Más detallesEJERCICIOS DE MATEMÁTICAS I HOJA 4. Ejercicio 1. Se consideran los vectores
EJERCICIOS DE MATEMÁTICAS I HOJA 4 Ejercicio 1. Se consideran los vectores u 1 = (1, 1, 0, 1), u 2 = (0, 2, 1, 0), u 3 = ( 1, 1, 1, 1), u 4 = (2, 2, 1, 0) de R 4. Expresa, si es posible, los vectores u
Más detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Más detallesMineria de datos y su aplicación en web mining data Redes de computadores I ELO 322
Mineria de datos y su aplicación en web mining data Redes de computadores I ELO 322 Nicole García Gómez 2830047-6 Diego Riquelme Adriasola 2621044-5 RESUMEN.- La minería de datos corresponde a la extracción
Más detallesSe podría entender como una matriz de filas y columnas. Cada combinación de fila y columna se denomina celda. Por ejemplo la celda A1, B33, Z68.
Departamento de Economía Aplicada: UDI de Estadística. Universidad Autónoma de Madrid Notas sobre el manejo de Excel para el análisis descriptivo y exploratorio de datos. (Descriptiva) 1 1 Introducción
Más detallesCAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.
Más detallesCATÁLOGO DE INFERENCIAS
Las inferencias son los elementos claves en los modelos de conocimiento o Son los elementos constitutivos de los procesos de razonamiento No existe ningún estándar CommonKADS ofrece un catálogo que cubre
Más detallesTEMA 5 ESTUDIOS CORRELACIONALES.
TEMA 5 ESTUDIOS CORRELACIONALES. 1. INTRODUCCIÓN. 2. CONCEPTO DE CORRELACIÓN. 3. CASOS EN LOS QUE SE UTILIZA LA INVESTIGACIÓN CORRELACIONAL. 4. LIMITACIONES DE LOS ESTUDIOS CORRELACIONALES 1 1. INTRODUCCIÓN.
Más detallesEL ANÁLISIS DE CONGLOMERADOS EN LOS ESTUDIOS DE MERCADO
EL ANÁLISIS DE CONGLOMERADOS EN LOS ESTUDIOS DE MERCADO I. INTRODUCCIÓN Beatriz Meneses A. de Sesma * En los estudios de mercado intervienen muchas variables que son importantes para el cliente, sin embargo,
Más detallesRelación entre formación y empleo
Relación entre formación y empleo En este capítulo se analiza el impacto que la formación a la que las personas usuarias han accedido ha tenido sobre sus posibilidades de empleo posterior, teniendo en
Más detallesLos valores de las respuesta son las puntuaciones que, de cada individuo, o cluster, obtenemos semanalmente durante cinco semanas consecutivas:
Sobre los modelos lineales mixtos Ejemplo: Recuperación de infarto. Para estudiar las diferencias entre dos procedimientos diferentes de recuperación de pacientes de un infarto, se consideraron dos grupos
Más detallesEL DISEÑO FACTORIAL COMPLETO 2 k
EL DISEÑO FACTORIAL COMPLETO 2 k Joan Ferré Grupo de Quimiometría y Cualimetría Departamento de Química Analítica y Química Orgánica Universidad Rovira i Virgili (Tarragona) INTRODUCCIÓN En el primer artículo
Más detallesORIENTACIONES GENERALES SOBRE EL PROCESO DE TRABAJO DE GRADO
PONTIFICIA UNIVERSIDAD JAVERIANA FACULTAD ESTUDIOS AMBIENTALES Y RURALES MAESTRIA EN DESARROLLO RURAL ORIENTACIONES GENERALES SOBRE EL PROCESO DE TRABAJO DE GRADO SOBRE LO QUE ESPERA LA MAESTRÍA DEL TRABAJO
Más detallesASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson
ASOCIACIÓN LINEAL ENTRE VARIABLES CUANTITATIVAS: la correlación de Pearson 3datos 2011 Análisis BIVARIADO de variables cuantitativas OBJETIVO DETERMINAR 1º) si existe alguna relación entre las variables;
Más detallesDISTRIBUCIÓN DE FRECUENCIAS
UNIVERSIDAD DE COSTA RICA ESCUELA DE ESTADÍSTICA Prof. Olman Ramírez Moreira DISTRIBUCIÓN DE FRECUENCIAS FUENTE: Gómez, Elementos de Estadística Descriptiva Levin & Rubin. Estadística para Administradores
Más detallesANÁLISIS DESCRIPTIVO CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:
Más detallesTEMA 4: Variables binarias
TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables
Más detallesEjercicio de estadística para 3º de la ESO
Ejercicio de estadística para 3º de la ESO Unibelia La estadística es una disciplina técnica que se apoya en las matemáticas y que tiene como objetivo la interpretación de la realidad de una población
Más detallesMERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II
MERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II 28 febrero de 2012 Javier Marchamalo Martínez Universidad Rey Juan Carlos SABER INTERPRETAR LOS RATIOS SIGNIFICATIVOS EN LA GESTIÓN POR BENCHMARK Ratio
Más detallesUNIDAD 4 PROCESOS DE MARKOV
UNIDAD 4 PROCESOS DE MARKOV Anteriormente se han cubierto modelos estáticos, esto es, modelos cuyos parámetros permanecen sin cambio a través del tiempo. Con excepción de programación dinámica donde se
Más detallesNORMA INTERNACIONAL DE AUDITORÍA 520 PROCEDIMIENTOS ANALÍTICOS
NORMA INTERNACIONAL DE AUDITORÍA 520 PROCEDIMIENTOS ANALÍTICOS (NIA-ES 520) (adaptada para su aplicación en España mediante Resolución del Instituto de Contabilidad y Auditoría de Cuentas, de 15 de octubre
Más detallesPRUEBA DE HIPÓTESIS CON CHI CUADRADO EMPLEANDO EXCEL Y WINSTATS
PRUEBA DE HIPÓTESIS CON CHI CUADRADO EMPLEANDO EXCEL Y WINSTATS La finalidad de una prueba de k muestras es evaluar la aseveración que establece que todas las k muestras independientes provienen de poblaciones
Más detallesASEGURAMIENTO DE LA CALIDAD EN LABORATORIO
FUNDACION NEXUS ASEGURAMIENTO DE LA CALIDAD EN LABORATORIO Marzo de 2012 CALIDAD, CONTROL DE LA CALIDAD Y ASEGURAMIENTO DE LA CALIDAD El laboratorio de análisis ofrece a sus clientes un servicio que se
Más detallesCORRELACIÓN Y PREDICIÓN
CORRELACIÓN Y PREDICIÓN 1. Introducción 2. Curvas de regresión 3. Concepto de correlación 4. Regresión lineal 5. Regresión múltiple INTRODUCCIÓN: Muy a menudo se encuentra en la práctica que existe una
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesEditores * : Francisco Meneses Alvaro Parra Luis Zenteno
Se Puede Mejorar el Sistema de Ingreso a las Universidades Chilenas? El uso del ranking en la Universidad Católica de Chile, Universidad de Chile y Universidad de Santiago de Chile Editores * : Francisco
Más detalles6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS
6 ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS Esquema del capítulo Objetivos 6.1. 6.. 6.3. 6.4. ANÁLISIS DE INDEPENDENCIA O ASOCIACIÓN ENTRE DOS ATRIBUTOS COEFICIENTES DE CONTINGENCIA LA
Más detallesValidation. Validación Psicométrica. Validation. Central Test. Central Test. Centraltest CENTRAL. L art de l évaluation. El arte de la evaluación
Validation Validación Psicométrica L art de l évaluation Validation Central Test Central Test Centraltest L art de l évaluation CENTRAL test.com El arte de la evaluación www.centraltest.com Propiedades
Más detallesCapítulo 7: Distribuciones muestrales
Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.
Más detallesMatrices Invertibles y Elementos de Álgebra Matricial
Matrices Invertibles y Elementos de Álgebra Matricial Departamento de Matemáticas, CCIR/ITESM 12 de enero de 2011 Índice 91 Introducción 1 92 Transpuesta 1 93 Propiedades de la transpuesta 2 94 Matrices
Más detalles1. Construcción de Planes de Acción Sectoriales (PAS)
1. Construcción de Planes de Acción Sectoriales (PAS) La construcción de los PAS es la prioridad de trabajo de la ECDBC en el 2013. Los PAS estarán constituidos por diferentes medidas de mitigación (políticas,
Más detallesEduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS
ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos
Más detallesEstimación de una probabilidad
Estimación de una probabilidad Introducción En general, la probabilidad de un suceso es desconocida y debe estimarse a partir de una muestra representativa. Para ello, deberemos conocer el procedimiento
Más detalles4 Teoría de diseño de Experimentos
4 Teoría de diseño de Experimentos 4.1 Introducción En los capítulos anteriores se habló de PLC y de ruido, debido a la inquietud por saber si en una instalación eléctrica casera que cuente con el servicio
Más detallesAnálisis de Datos. Práctica de métodos predicción de en WEKA
SOLUCION 1. Características de los datos y filtros Una vez cargados los datos, aparece un cuadro resumen, Current relation, con el nombre de la relación que se indica en el fichero (en la línea @relation
Más detallesCAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS. En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de
CAPÍTULO IV METODOLOGÍA PARA EL CONTROL DE INVENTARIOS En este capítulo se presenta los pasos que se siguieron para la elaboración de un sistema de inventarios para lograr un control de los productos.
Más detalles4 Análisis de los principales factores AsociAdos A los resultados en ciencias
cuada en relación con las posibles futuras profesiones de los estudiantes vinculadas a las ciencias. En segundo lugar, los alumnos opinan que las dificultades en el aprendizaje del nuevo conocimiento científico
Más detallesH E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS
H E R R A M I E N T A S D E A N Á L I S I S D E D A T O S HERRAMIENTAS DE ANÁLISIS DE DATOS Una situación que se nos plantea algunas veces es la de resolver un problema hacia atrás, esto es, encontrar
Más detalleswww.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de gestión.
TORMENTA DE IDEAS 1.- INTRODUCCIÓN Este documento sirve de guía para la realización de una Tormenta de Ideas, también llamado "Brainstorming o Lluvia de ideas, la herramienta por medio de la cual se puede
Más detallesEste documento enumera los diferentes tipos de Diagramas Matriciales y su proceso de construcción. www.fundibeq.org
DIAGRAMA MATRICIAL 1.- INTRODUCCIÓN Este documento enumera los diferentes tipos de Diagramas Matriciales y su proceso de construcción. Muestra su potencial, como herramienta indispensable para la planificación
Más detallesTest de Idioma Francés. Manual del evaluador
Test de Idioma Francés Manual del evaluador 1 CONTENIDO Introducción Qué mide el Test de idioma francés? Qué obtienen el examinado y el examinador? Descripción de los factores Propiedades psicométricas
Más detallesCAPÍTULO 6 SIMULACIONES Y RESULTADOS
CAPÍTULO 6 SIMULACIONES Y RESULTADOS 6.1 Proceso de Simulación Las simulaciones fueros llevadas a cabo empleando como herramienta la Versión 6.5 Release 13 de Matlab. Para lo cual fue empleado un banco
Más detallesCómo obtener un Modelo de Regresión Logística Binaria con SPSS
Universitat de de Barcelona. Institut de de Ciències de de l Educació Cómo obtener un Modelo de Regresión Logística Binaria con SPSS Vanesa Berlanga-Silvente y Ruth Vilà-Baños Fecha de presentación:
Más detalles2.1 INFORMACION BASICA Y PRINCIPALES DEFINICIONES.
2 - PROPIEDAD COMÚN. 2.1 INFORMACION BASICA Y PRINCIPALES DEFINICIONES. En esta oportunidad se adelanta información correspondiente a una nueva serie con las variables de interés en las Compraventas de
Más detallesDirección de Planificación Universitaria Dirección de Planificación Universitaria 0819-07289 Panamá, Rep. de Panamá 0819-07289 Panamá, Rep.
Comparación de las tasas de aprobación, reprobación, abandono y costo estudiante de dos cohortes en carreras de Licenciatura en Ingeniería en la Universidad Tecnológica de Panamá Luzmelia Bernal Caballero
Más detallesTEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística
TEMA 5 VALIDEZ DE LA INVESTIGACIÓN (II): Validez de conclusión estadística 1 TAMAÑO DEL EFECTO 2 TAMAÑO DEL EFECTO vel tamaño del efecto es el nombre dado a una familia de índices que miden la magnitud
Más detallesPRESUPUESTO BASE CERO ORGANISMO PÚBLICO DEL SISTEMA NACIONAL DE COORDINACIÓN FISCAL
PRESUPUESTO BASE CERO ORGANISMO PÚBLICO DEL SISTEMA NACIONAL DE COORDINACIÓN FISCAL Cómo mejorar la forma de asignar o reasignar los Recursos Públicos? LAS ALTERNATIVAS DE MEJORA: PbR Y PbC El PbR es proceso
Más detallesESTADÍSTICA DESCRIPTIVA CON SPSS
ESTADÍSTICA DESCRIPTIVA CON SPSS (2602) Estadística Económica Joaquín Alegre y Magdalena Cladera SPSS es una aplicación para el análisis estadístico. En este material se presentan los procedimientos básicos
Más detallesIngeniería en Informática
Departamento de Informática Universidad Carlos III de Madrid Ingeniería en Informática Aprendizaje Automático Junio 2007 Normas generales del examen El tiempo para realizar el examen es de 3 horas No se
Más detallesINTRODUCCIÓN A LA ECONOMETRÍA E INFORMÁTICA MODELOS ECONOMÉTRICOS E INFORMACIÓN ESTADÍSTICA
INTRODUCCIÓN A LA ECONOMETRÍA E INFORMÁTICA MODELOS ECONOMÉTRICOS E INFORMACIÓN ESTADÍSTICA Eva Medina Moral (Febrero 2002) EXPRESIÓN DEL MODELO BASICO DE REGRESIÓN LINEAL La expresión formal del modelo
Más detalles2) Se ha considerado únicamente la mano de obra, teniéndose en cuenta las horas utilizadas en cada actividad por unidad de página.
APLICACIÓN AL PROCESO PRODUCTIVO DE LA EMPRESA "F. G. / DISEÑO GRÁFICO". AÑO 2004 Rescala, Carmen Según lo explicado en el Informe del presente trabajo, la variación en la producción de páginas web de
Más detalles320514 - APTM - Análisis de Procesos Textiles y de Mercados
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2015 320 - EET - Escuela de Ingeniería de Terrassa 714 - ETP - Departamento de Ingeniería Textil y Papelera MÁSTER UNIVERSITARIO
Más detallesCESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 3 CAPITALIZACIÓN COMPUESTA
CESMA BUSINESS SCHOOL MATEMÁTICAS FINANCIERAS. TEMA 3 CAPITALIZACIÓN COMPUESTA Javier Bilbao García 1 1.- Capitalización Compuesta Definición: Operación financiera que persigue sustituir un capital por
Más detallesDETERMINACIÓN DEL VOLUMEN DE PEDIDO.
Lote económico de compra o Lote Optimo DETERMINACIÓN DEL VOLUMEN DE PEDIDO. Concepto que vemos en casi todos libros de aprovisionamiento, habitualmente la decisión de la cantidad a reaprovisionar en las
Más detallesFundamentos de Biología Aplicada I Estadística Curso 2011-2012 Práctica 6: Regresión Logística I
Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Índice 1. Objetivos de la práctica 2 2. Estimación de un modelo de regresión logística con SPSS 2 2.1. Ajuste de un modelo de regresión logística.............................
Más detallesModelos estadísticos aplicados en administración de negocios que generan ventajas competitivas
Modelos estadísticos aplicados en administración de negocios que generan ventajas competitivas Videoconferencias semana de estadística Universidad Latina, Campus Heredia Costa Rica Universidad del Valle
Más detallesAnálisis de los datos
Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Análisis de los datos Hojas de cálculo Tema 6 Análisis de los datos Una de las capacidades más interesantes de Excel es la actualización
Más detalles-Género: no nos ha quedado claro cómo influye este parámetro en el gasto en ocio, si positiva o negativamente.
INTRODUCCIÓN En este trabajo estudiamos el gasto en ocio de la población, escogiendo una muestra al azar. Realizando encuestas hemos recogido información de 125 personas, las variables que hemos visto
Más detallesAPLICACIONES CON SOLVER OPCIONES DE SOLVER
APLICACIONES CON SOLVER Una de las herramientas con que cuenta el Excel es el solver, que sirve para crear modelos al poderse, diseñar, construir y resolver problemas de optimización. Es una poderosa herramienta
Más detallesControl Estadístico del Proceso. Ing. Claudia Salguero Ing. Alvaro Díaz
Control Estadístico del Proceso Ing. Claudia Salguero Ing. Alvaro Díaz Control Estadístico del Proceso Es un conjunto de herramientas estadísticas que permiten recopilar, estudiar y analizar la información
Más detallesPuede considerarse un caso especial de l análisis de regresión en donde la variable dependiente es dicotómica («Sí» [1] o «No» [0])
Regresión logística Puede considerarse un caso especial de l análisis de regresión en donde la variable dependiente es dicotómica («Sí» [1] o «No» [0]) Se trata de calcular la probabilidad en la que una
Más detallesANEXO I. MATERIAS DE BACHILLERATO
El artículo 29 en su apartado 6 del R.D. 1892/2008, dice: El establecimiento de las líneas generales de la metodología, el desarrollo y los contenidos de los ejercicios que integran tanto la fase general
Más detallesAplicaciones de Estadística Descriptiva
Aplicaciones de Estadística Descriptiva Contenidos de la presentación Funciones estadísticas en Excel. Gráficos. El módulo de análisis de datos y las tablas dinámicas de Excel. Información Intentaremos
Más detallesUNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS
UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS I. INTRODUCCIÓN Y MANEJO DE DATOS MANUAL DE SPSS 1 MASTER CALIDAD TOTAL 1/ INTRODUCCIÓN Las aplicaciones de la Estadística en la
Más detallesCapítulo 3 Marco Metodológico.
Capítulo 3 Marco Metodológico. 3.0 METODOLOGÍA DE LA INVESTIGACIÓN 3.1 FORMULACIÓN DE HIPÓTESIS DE TRABAJO 3.1.1 Hipótesis General HG. La creación de un plan estratégico permite mejorar el uso de los servicios
Más detallesImpactos económicos del gasto turístico. Capítulo 7
Impactos económicos del gasto turístico Capítulo 7 IMPACTOS ECONÓMICOS DEL GASTO PÚBLICO 7. IMPACTOS ECONÓMICOS DEL GASTO TURÍSTICO. En este capítulo se va a estimar el peso del turismo en la actividad
Más detallesANÁLISIS DE CORRELACIÓN EMPLEANDO EXCEL Y GRAPH
ANÁLISIS DE CORRELACIÓN EMPLEANDO EXCEL Y GRAPH Cuando se estudian en forma conjunta dos características (variables estadísticas) de una población o muestra, se dice que estamos analizando una variable
Más detallesMétodos Iterativos para Resolver Sistemas Lineales
Métodos Iterativos para Resolver Sistemas Lineales Departamento de Matemáticas, CCIR/ITESM 17 de julio de 2009 Índice 3.1. Introducción............................................... 1 3.2. Objetivos................................................
Más detalleshay alguien ahi? por Marcelino Alvarez maralvilla@gmail.com
hay alguien ahi? por Marcelino Alvarez maralvilla@gmail.com Un repaso a las estadísticas de lectura tanto de la página web como de la revista digital, para ver si alguien se acuerda de nosotros. Ya podemos
Más detallesCapítulo 12: Indexación y asociación
Capítulo 12: Indexación y asociación Conceptos básicos Índices ordenados Archivos de índice de árbol B+ Archivos de índice de árbol B Asociación estática Asociación dinámica Comparación entre indexación
Más detallesPRUEBA RAPIDA EN EMBARAZADAS (n=62,214 2009-Junio 2010) NO REACTIVO n=218 REACTIVO INDETERMINADO. Tabla 9: Resultados Prueba rápida
11-RESULTADOS 11.1-Interpretación y análisis de resultados Un total de de 62,214 mujeres embarazadas se realizaron la prueba rápida de VIH durante años 2009 hasta junio 2010 (Tabla 9). De ellas, 61,808
Más detallesPráctica 7. Problemas de diseño de topologías de red con herramienta Net2Plan
TEORÍA DE REDES DE TELECOMUNICACIONES Grado en Ingeniería Telemática Grado en Ingeniería en Sistemas de Telecomunicación Curso 2012-2013 Práctica 7. Problemas de diseño de topologías de red con herramienta
Más detallesINFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA
INFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA Juana María Vivo Molina Departamento de Métodos Cuantitativos para la Economía. Universidad de Murcia. jmvivomo@um.es RESUMEN En este trabajo se
Más detalles