Curso de Estadística no-paramétrica
|
|
- Elvira Valenzuela Venegas
- hace 8 años
- Vistas:
Transcripción
1 Curso de Estadística no-paramétrica Sesión 1: Introducción Inferencia no Paramétrica David Conesa Grup d Estadística espacial i Temporal Departament d Estadística en Epidemiologia i Medi Ambient i Investigació Operativa Universitat de València Junio 2013 Inferencia Estadística Estadística: recopilación, presentación, análisis y uso de los datos con el objetivo de tomar decisiones y resolver problemas. Necesaria? Los procesos de la vida real presentan variabilidad. el número de empresas que cierran por año es diferente, la cantidad de lluvia recogida en un dia en una determinada zona varía, el precio de una acción varía continuamente, etc. La Probabilidad juega un papel destacado en el razonamiento científico: El azar está presente en gran parte de los procesos cotidianos. Los resultados experimentales presentan variabilidad atribuible a factores no controlados por el experimentador. La selección de las unidades experimentales se basa en mecanismos aleatorios. Las conclusiones de un análisis estadístico se formulan en términos probabilísticos, ya que los modelos probabilísticos fundamentan la justificación teórica de la Inferencia Estadística. 2 / 36
2 Inferencia estadística (2) Distinguir entre Estadística Descriptiva: métodos para resumir y organizar datos Inferencia Estadística: métodos para obtener conclusiones válidas para toda una población a partir de los datos que nos aportan una parte de dicha población. El esquema básico: Selección aleatoria Población muestra Estadística Descriptiva Inferencia Estadística Representatividad Conclusiones en la Población 3 / 36 Inferencia Paramétrica Población: conjunto de individuos objeto de estudio; de dicha población estudiamos una variable de interés: X. Población: conjunto de valores de la variable observacional que obtendríamos si se repitiera indefinidamente el proceso de obtención de los datos. La variable de interés X tiene una distribución de probabilidad asociada, la distribución poblacional (lo que habitualmente entendemos por población). Tipos de variables aleatorias: Categóricas (nominal u ordinal) y Cuantitativas (discreta o continua). Habitualmente (en problemas reales), la distribución poblacional de la variable de interés es desconocida o al menos no es completamente conocida. En la mayoría de los casos, lo que se conoce es la familia (o el tipo) a la cual pertenece la distribución (exponencial, normal, etc.) pero lo que no se conocen son sus parámetros. Los parámetros son las características de interés de la población (media, varianza, proporción poblacional, etc.). En los casos en los que no conocemos la distribución (Estadística no paramétrica) no tiene sentido preguntarse por los parámetros. 4 / 36
3 Ejemplos: poblaciones e inferencia 1 Siete empresas familiares voluntarias participaron en un estudio para determinar si una campaña publicitaria podría elevar las ventas anuales de la empresa. Se midieron las ventas dos veces, una antes de la campaña y otra después. Los resultados de las ventas (en miles de euros) aparecen en la siguiente tabla: EMPRESAS Antes Después Diferencia Cual es la población? Muestra? Variable de interés? Tamaño muestral? Qué inferencia tiene sentido aquí? 2 Once empresas fueron analizadas por un inspector de hacienda. Tres de ellas estaban en regla, y el resto no: Población? Muestra? Parámetro de interés? Qué inferencia tiene sentido aquí? 5 / 36 Cómo hacemos inferencia paramétrica? Muestreo aleatorio: muestra, tamaño muestral, representatividad. Una muestra aleatoria de observaciones de una variable X de tamaño muestral n es un conjunto de variables aleatorias X1, X2,..., Xn independientes e idénticamente distribuidas con la misma distribución de la variable X. Estadísticos. Distribución en el muestreo. Utilizar esta información para extrapolar los resultados obtenidos a una población más grande (Inferencia Estadística): 1 Estimación: la estimación trata de utilizar la información muestral para aproximar el valor de los parámetros desconocidos del modelo Puntual. Por Intervalos de Confianza. 2 Contraste de Hipótesis: a partir de las observaciones podemos obtener evidencia a favor o en contra de hipótesis referidas a los parámetros desconocidos del modelo. Qué pasa si no conocemos la distribución de la variable? 6 / 36
4 Estimación paramétrica Muestreo Población muestra X Modelo(θ) X = (X1,..., Xn ) θ Parámetro(s) desconocido(s) t(x) función de los datos Estimación y/o Contraste de Hipótesis Utilizamos t(x) para explicar θ 7 / 36 Estimación paramétrica Ω, Espacio Paramétrico: conjunto de valores posibles de los parámetros. S, Espacio Muestral: conjunto de todos los valores posibles que pueden tomar las muestras X = (X1,..., Xn ). Estimador es cualquier función del espacio muestral en el espacio paramétrico, t(x): T : S Ω X t(x) Es decir, cualquier estadístico es un estimador y tiene asociado una distribución muestral Estimación es cualquier realización del estimador. No todos los estimadores que se pueden obtener son igual de buenos. Buscamos pues métodos de obtención de estimadores y criterios para su evaluación: Que la distribución del estimador esté centrada en el parámetro, que tenga poca dispersión. Qué pasa si no conocemos la distribución de la variable? 8 / 36
5 Contraste de Hipótesis paramétricos En general una hipótesis estadística tiene la forma: θ Θ0 Θ. Por el propio objetivo de un contraste, este siempre tendrá dos hipótesis: Hipótesis nula que denotaremos H0 y que representa la afirmación que se quiere contrastar θ Θ0 Hipótesis alternativa que denotaremos H1 ó HA y que contiene los otros valores posibles del parámetro θ Θ1 Se suele denotar como: H0 : HA : θ Θ0 θ Θ1 El tratamiento no es simétrico, aceptaremos H0 mientras no demostremos que es falsa. Por eso, habitualmente, indicaremos en HA lo que es más relevante y en H0 lo que consideraremos como cierto mientras no se demuestre lo contrario. Qué pasa si no conocemos la distribución de la variable? 9 / 36 Contraste de Hipótesis paramétricos Contrastar una hipótesis es realizar un experimento relacionado con el(los) valor(es) desconocido(s) de un parámetro y, a partir del resultado de esta información, decidir sobre el rechazo o aceptación de la hipótesis contrastada. Un test de hipótesis es una regla de decisión que asigna uno de los dos posibles resultados (Aceptar H0 y Rechazar H0 ) para cada posible valor del experimento X S. Los valores para los cuales se rechaza H0 se denominan Región Crítica. Los tests de hipótesis se describen en términos de un estadístico T (X) que se denomina estadístico de contraste o test estadístico o estadístico del test. Y si queremos hacer no paramétrica? 10 / 36
6 Ejemplo contrastes 1 2 En el ejemplo de las empresas que hacen un estudio para valorar el funcionamiento de la mejora de una campaña publicitaria, identificar sus elementos básicos como un problema de contraste de hipótesis: Hipótesis Hipótesis estadísticas Población Estadística Parámetro Experimento Espacio Muestral Estadístico del contraste Test de hipótesis Región crítica Análogamente con el ejemplo de las empresas investigadas por un inspector. 11 / 36 Concepto de p-valor Los contrastes de hipótesis se pueden resolver como reglas de decisión sobre rechazar o no la hipótesis nula. Una alternativa muy popular se basa en la medición de la credibilidad de la hipótesis nula a la luz de los datos obtenidos. Esta información sobre la concordancia de los datos y la H0 se mide con probabilidades. Sea X1,..., Xn una m.a. de una distribución de probabilidad (modelo) conocida. H0 : θ Θ0 Sea una hipótesis que se desea contrastar y sea T un estadístico H1 : θ Θ1 para el que los datos toman el valor T = t0 del que sabemos su distribución. El p-valor correspondiente al valor observado t0 es la probabilidad (bajo H0 ) de obtener dicho valor t0 o valores más extremos (en la dirección o direcciones de HA ). La forma habitual de resolver el contraste es fijar un nivel de significatividad (error de tipo I máximo que queremos cometer) y rechazar si el p-valor es menor que dicho nivel. Los pasos finales incluyen decidir que conclusión es la que vamos a tomar, interpretar los resultados obtenidos y reportar las conclusiones. 12 / 36
7 Concepto de p-valor (2) Contrastes unilaterales A menudo está claro que la desviación de la mediana solo puede darse en un sentido o solamente nos interesa demostrar que esa desviación se da en un único sentido. En estos casos utilizaremos una hipótesis alternativa direccional para indicar que rechazaremos la hipótesis nula si la diferencia entre muestra y población es significativa en la dirección que propone la hipótesis alternativa. En este caso sólo tenemos que cambiar la forma de calcular el P-valor: 1 En primer lugar debemos comprobar que los datos están en la misma dirección que la hipótesis alternativa. Si no es así no es posible rechazar la hipótesis nula. 2 Si los datos están en la misma dirección que la hipótesis alternativa debemos dividir por dos el P-valor obtenido (solo queremos el área de una cola). 13 / 36 Inferencia no paramétrica En el campo de las ciencias sociales y del comportamiento nos encontramos con dos características que hacen de la inferencia no paramétrica una herramienta muy importante: Muchos datos están clasificados en forma nominal u ordinal. Cuando tenemos datos continuos, no tenemos garantizada la normalidad. La mayoría de los tests paramétricos (test t para comparar medias, ANOVA, etc.) se basan en una serie de suposiciones (datos normales, independencia de las observaciones, poblaciones con varianzas aproximadamente iguales, etc.) que no siempre se cumplen, por lo que se necesitan tests alternativos para llevar a cabo la inferencia. A veces es posible evitar estos problemas, transformando los datos, o eliminarndo observaciones extremas (outliers) que no dan sentido al modelo. Cuando los datos analizados cumplen las asunciones para la aplicación de los tests paramétricos es preferible usarlos SIEMPRE, ya que los paramétricos son más potentes (en el sentido que tienen mayor capacidad para rechazar la hipótesis nula cuando ésta es falsa). La inferencia no paramétrica fundamentalmente se realiza mediante contrastes de hipótesis (aunque es posible ampliar la información que da un test mediante la estimación por intervalos de confianza). 14 / 36
8 Inferencia no paramétrica (2) Un test no paramétrico es un test basado en un modelo que no necesita la especificación de ninguna condición sobre los parámetros de la población de la que se ha extraido la muestra. Ni siquiera sobre la propia población. Observar pues que no necesitan suposiciones (datos normales, independencia de las observaciones, poblaciones con varianzas aproximadamente iguales, etc.) tan fuertes como las de los paramétricos. Además existen mucho para datos nominales y ordinales: tests binomiales, bondad de ajuste, tablas de contingencia, medidas de correlación entre variables categóricas, etc. Los tests no paramétricos para datos continuos se focalizan en conteos y rankings u ordenaciones. Los datos se convierten de puntuaciones a rangos o signos. Así, por ejemplo, un test que compara medias (test t) se basa en la diferencia media, mientras que un test no paramétrico se focaliza en la diferencia entre las medianas. 15 / 36 Inferencia no paramétrica (3) Hay diferentes tests no paramétricos dependiendo del tipo de datos que analizamos y del número de variables analizadas. Variables continuas: 1 muestra: tests de localización, tests para valorar la forma de una distribución, tests de aleatoriedad. Comparación 2 muestras independientes Comparación 2 muestras relacionadas Comparación K muestras independientes Comparación K muestras relacionadas Regresión y correlación Variables categóricas: Bondad de ajuste Homogeneidad e Independencia Medidas de Asociación Contrastes de Aleatoriedad 16 / 36
9 Conteos y rangos Dos de las herramientas más básicas en las que se basan muchos de estos tests son: 1 Conteos: varios tests no paramétricos requieren el conteo (o frecuencia) de las observaciones. Basta contar el número de veces que una observación se repite. Tiene mucho sentido en variables categóricas y en localización por encima de la mediana. Ejemplo: se observa el capital social de 15 empresas y se quiere ver si el valor central es superior a euros. Se construye un test basado en el número de observaciones que superan dicho valor. 2 Rangos (o transformaciones de rangos): La clave es ordenar los datos y ver cada valor en qué posición queda. Hay que tener en cuenta los empates. Tiene mucho sentido en variables continuas para ver si los grupos son diferentes. Ejemplo: se observa el capital social de 5 empresas valencianas y se quiere ver si el valor central es superior al de 5 empresas catalanas. Se construye un test basado en el orden que ocupan las empresas tras ordenarlas conjuntamente. 17 / 36 Introducción a SPSS SPSS SPSS (Statistical Package for the Social Sciences) es un programa estadístico informático muy usado en las ciencias sociales y en el ámbito sanitario. Sistema amigable de menús y ventanas también nos permite programar utilizando sintaxis Fácil análisis de datos y generación de gráficos poco flexible Desventaja: Software privado alternativas como R (R-Commander) o PSPP 18 / 36
10 Interfaces de SPSS Editor de datos Vista de datos Esta página es visible al abrir por primera vez el Editor de datos y contiene el banco de datos. 19 / 36 Interfaces de SPSS Editor de datos Vista de variables Descripción de las variables que tenemos en el banco de datos 20 / 36
11 Interfaces de SPSS Visor Visor Ventana donde aparecen los resultados 21 / 36 Interfaces de SPSS Editor de sintaxis Editor de sintaxis Para programar en SPSS 22 / 36
12 Importación de datos Introducción de datos Importar datos SPSS nos permite importar datos en diferentes formatos.xls,.txt,.dat,.sav, etc... Archivo/Abrir/Datos / 36 Importación de datos Introducción de datos: Importar datos txt Importar datos txt 24 / 36
13 Importación de datos Introducción de datos: Importar datos xls Importar datos xls 25 / 36 Importación de datos Introducción de datos: Directa (1) Introducción directa de datos Archivo/Nuevo/Datos / 36
14 Análisis de una muestra de una variable continua Cuando analizamos una muestra de una población, lo primero que (siempre) debemos hacer es concretar cual es nuestro objetivo: Comparar unos datos observados con unos esperados: Datos categóricos (sesión 3): test binomial (datos binarios) y test chi-cuadrado (variables categóricas en general) Datos continuos: test de Kolmogorov-Smirnov (utilizado habitualmente para contrastar normalidad) Comprobar la aleatoriedad de una muestra: test de rachas Comprobar la localización de una muestra respecto a un valor prefijado: test de Wilcoxon 27 / 36 Test de Kolmogorov-Smirnov Cuando queremos comprobar si unos datos siguen una determinada distribución utilizamos el test de Kolmogorov-Smirnov. Este procedimiento comprueba si la función de distribución muestral de una muestra se parece a la función de distribución de la distribución uniforme, normal, Poisson, o exponencial. Definición de distribución muestral de una muestra: distribución discreta que asigna la probabilidad 1/n a cada valor obtenido Xj. Si la variable de la población es discreta con posibles valores x1, x2,..., xm eso significa asignar probabilidad fj /n para cada valor x1, x2,..., xm (donde fj es la frecuencia de ocurrencia del valor xj en la muestra). Ejemplo: si en una Universidad con 5000 estudiantes realizamos una muestra de 50 estudiantes con los siguientes resultados: Curso Frec. Abs La distribución muestral es: Curso Frec. Rel / 36
15 Test de Kolmogorov-Smirnov (2) En nuestro caso, como es continua utilizamos la función de distribución de la distribución muestral. Definición: es la función de distribución que aumenta 1/n a cada valor, es decir: ](observaciones x ) Fn (x ) = n Observar que si el valor aparece k veces, tiene probabilidad k/n y la f.d.m. sube a k/n en ese valor (teóricamente, si la variable es continua los valores no pueden repetirse, pero por redondeo a veces ocurre en la práctica). Observar que esta función f.d.m. es una versión empírica de la función de distribución poblacional y en principio debería parecerse (por la ley de los grandes números, Fn (x ) converge a F (x )). 29 / 36 Análisis de una muestra de una variable continua Comparar unos datos observados con unos esperados (1) Test de Kolmogorov-Smirnov Analizar/Tests no paramétricos/1 muestra / 36
16 Análisis de una muestra de una variable continua Comparar unos datos observados con unos esperados (2) Test de Kolmogorov-Smirnov Analizar/Tests no paramétricos/1 muestra / 36 Análisis de una muestra de una variable continua Comparar unos datos observados con unos esperados (3) Test de Kolmogorov-Smirnov Analizar/Tests no paramétricos/1 muestra / 36
17 Test de Wilcoxon Cuando el objetivo es comprobar la localización de una muestra respecto a un valor, analizamos su mediana y vemos si vale el valor que estamos cuestionando. En concreto, el test de rangos de Wilcoxon comprueba si la mediana muestral de una muestra difiere significativamente de un hipotético valor (que es que queremos contrastar). Por ejemplo si queremos comprobar si el capital social de 5 empresas es superior a euros. También podríamos plantearnos si es diferente. 33 / 36 Análisis de una muestra de una variable continua Localización de una muestra (1) Test de Wilcoxon Analizar/Tests no paramétricos/1 muestra / 36
18 Análisis de una muestra de una variable continua Localización de una muestra (2) Test de Wilcoxon Analizar/Tests no paramétricos/1 muestra / 36 Ejemplos Ejemplos 1 Existe información sobre el porcentaje de la población (p.e. Anon, 1991) con edad superior a 60 años en más de 200 países. La siguiente muestra aleatoria se ha obtenido de 12 de esos países: Utilizar el test de Wilcoxon par comprobar si la mediana es 12 o diferente. 2 Comprobar la normalidad de los datos anteriores. Comprobar también si pueden venir de una distribución uniforme. 3 El valor de las reclamaciones por siniestros de automóvil en un seguro durante un año ha sido de 1000 euros. Para comprobar que las del año siguiente no son diferentes realizan una muestra de 8 reclamaciones, cuyos resultados son: Están los datos de acuerdo con la suposión de la empresa? 36 / 36
1.1. 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 detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
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 detallesTema 12: Contrastes Paramétricos
Tema 1 Tema 1: Contrastes Paramétricos Presentación y Objetivos. Se comienza este tema introduciendo la terminología y conceptos característicos de los contrastes de hipótesis, típicamente a través de
Más detallesPRUEBAS NO PARAMÉTRICAS
PRUEBAS NO PARAMÉTRICAS 1. PRUEBAS DE NORMALIDAD Para evaluar la normalidad de un conjunto de datos tenemos el Test de Kolmogorov- Smirnov y el test de Shapiro-Wilks La opción NNPLOT del SPSS permite la
Más detallesAsignatura: Econometría. Conceptos MUY Básicos de Estadística
Asignatura: Econometría Conceptos MUY Básicos de Estadística Ejemplo: encuesta alumnos matriculados en la UMH Estudio: Estamos interesados en conocer el nivel de renta y otras características de los estudiantes
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 detallesPráctica 5. Contrastes paramétricos en una población
Práctica 5. Contrastes paramétricos en una población 1. Contrastes sobre la media El contraste de hipótesis sobre una media sirve para tomar decisiones acerca del verdadero valor poblacional de la media
Más detallesTest ( o Prueba ) de Hipótesis
Test de Hipótesis 1 Test ( o Prueba ) de Hipótesis Ejemplo: Una muestra de 36 datos tiene una media igual a 4.64 Qué puede deducirse acerca de la población de donde fue tomada? Se necesita contestar a
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 detallesTema 10. Estimación Puntual.
Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener
Más detallesANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS
ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se
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 detallesPruebas de. Hipótesis
Pruebas de ipótesis Pruebas de ipótesis Otra manera de hacer inferencia es haciendo una afirmación acerca del valor que el parámetro de la población bajo estudio puede tomar. Esta afirmación puede estar
Más detalles1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros
TEMA 0: INTRODUCCIÓN Y REPASO 1. Introducción a la estadística 2. Estadística descriptiva: resumen numérico y gráfico de datos 3. Estadística inferencial: estimación de parámetros desconocidos 4. Comparación
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 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 detallesTest de hipótesis. Si H0 es cierta el estadístico. sigue una distribución t de Student con n grados de libertad: s n
Un diseño experimental que se utiliza muy a menudo es el de un grupo control y uno de tratamiento. En el caso de que los datos sean cuantitativos y sigan una distribución normal, la hipótesis de interés
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 detallesTests de hipótesis estadísticas
Tests de hipótesis estadísticas Test de hipótesis sobre la media de una población. Introducción con un ejemplo. Los tests de hipótesis estadísticas se emplean para muchos problemas, en particular para
Más detallesDeterminación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones
Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica
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 detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesMatemáticas 2º BTO Aplicadas a las Ciencias Sociales
Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD
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 detallesTema 3. Medidas de tendencia central. 3.1. Introducción. Contenido
Tema 3 Medidas de tendencia central Contenido 31 Introducción 1 32 Media aritmética 2 33 Media ponderada 3 34 Media geométrica 4 35 Mediana 5 351 Cálculo de la mediana para datos agrupados 5 36 Moda 6
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 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 detallesEstimación. Intervalos de Confianza para la Media y para las Proporciones
Estimación. Intervalos de Confianza para la Media y para las Proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Estimación El objetivo
Más detallesPRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos.
PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) PRUEBAS NO PARAMÉTRICAS F(X) es la función de distribución que hipotetizamos. Fs(X) es la probabilidad o proporción teórica de
Más detallesMétodos y Diseños utilizados en Psicología
Métodos y Diseños utilizados en Psicología El presente documento pretende realizar una introducción al método científico utilizado en Psicología para recoger información acerca de situaciones o aspectos
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 detallesTema 1 con soluciones de los ejercicios. María Araceli Garín
Tema 1 con soluciones de los ejercicios María Araceli Garín Capítulo 1 Introducción. Probabilidad en los modelos estocásticos actuariales Se describe a continuación la Tarea 1, en la que se enumeran un
Más detallesTEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones.
TEMA 2. FILOSOFÍA DE LOS GRÁFICOS DE CONTROL. Principios básicos de los gráficos de control. Análisis de patrones. La herramienta que nos indica si el proceso está o no controlado o Estado de Control son
Más detallesSolución ESTADÍSTICA. Prueba de evaluación contínua 2 - PEC2
Semestre set04 - feb05 Módulos 11-17 Prueba de evaluación contínua 2 - PEC2 Solución Presentación i objetivos Enunciados: descripción teórica de la práctica a realizar Materiales Criterios de evaluación
Más detallesCurso Práctico de Bioestadística Con Herramientas De Excel
Curso Práctico de Bioestadística Con Herramientas De Excel Fabrizio Marcillo Morla MBA barcillo@gmail.com (593-9) 4194239 Fabrizio Marcillo Morla Guayaquil, 1966. BSc. Acuicultura. (ESPOL 1991). Magister
Más detallesCUESTIONES DE AUTOEVALUACIÓN (TEMA 1)
CUESTIONES DE AUTOEVALUACIÓN (TEMA 1) Cuestiones de Verdadero/Falso 1. Un estadístico es una característica de una población. 2. Un parámetro es una característica de una población. 3. Las variables discretas
Más detallesTEMA 4: Introducción al Control Estadístico de Procesos
TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción
Más detallesStatgraphics Centurión
Facultad de Ciencias Económicas y Empresariales. Universidad de Valladolid 1 Statgraphics Centurión I.- Nociones básicas El paquete Statgraphics Centurión es un programa para el análisis estadístico que
Más detallesMuestreo estadístico. Relación 2 Curso 2007-2008
Muestreo estadístico. Relación 2 Curso 2007-2008 1. Para tomar la decisión de mantener un determinado libro como texto oficial de una asignatura, se pretende tomar una muestra aleatoria simple entre los
Más detallesTema 3. Comparaciones de dos poblaciones
Tema 3. Comparaciones de dos poblaciones Contenidos Hipótesis para la diferencia entre las medias de dos poblaciones: muestras pareadas Hipótesis para la diferencia entre las medias de dos poblaciones:
Más detallesBUENAS PRÁCTICAS DE UNA ENCUESTA POR MUESTREO
BUENAS PRÁCTICAS DE UNA ENCUESTA POR MUESTREO Lima, marzo de 2011 BUENAS PRÁCTICAS DE UNA ENCUESTA POR MUESTREO I. INTRODUCCIÓN Los métodos de muestreo probabilístico, son aquellos que se basan en el principio
Más detallesTema 2 Estadística Descriptiva
Estadística Descriptiva 1 Tipo de Variables 2 Tipo de variables La base de datos anterior contiene la información de 2700 individuos con 8 variables. Los datos provienen de una encuesta nacional realizada
Más detallesERRORES CONCEPTUALES DE ESTADÍSTICA EN ESTUDIANTES
ERRORES CONCEPTUALES DE ESTADÍSTICA EN ESTUDIANTES DE BÁSICA PRIMARIA EN LA CIUDAD DE PEREIRA José R. Bedoya Universidad Tecnológica de Pereira Pereira, Colombia La formación estadística en la ciudadanía,
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detallesCapítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos
Capítulo 10 Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Al analizar datos, lo primero que conviene hacer con una variable es, generalmente, formarse una idea lo más exacta posible
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 detallesAPLICACIONES DE INFERENCIA
APLICACIONES DE INFERENCIA CONTENIDO DE LA PRESENTACIÓN Un ejemplo desarrollado dentro del marco del proyecto MaMaEuSch como aplicación de la Inferencia. Una serie de applets relacionados con la inferencia.
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 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 detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesBotella-Rocamora, P.; Alacreu-García, M.; Martínez-Beneito, M.A.;
Inferencia estadística (intervalos de confianza y p-valor). Comparación de dos poblaciones (test t de comparación de medias, comparación de dos proporciones, comparación de dos varianzas). Botella-Rocamora,
Más detallesTema 1: Test de Distribuciones de Probabilidad
Tema 1: Test de Distribuciones de Probabilidad 1.- Una compañía de seguros tiene 1000 asegurados en el ramo de accidentes. Si la el modelo mejor para el número de siniestros en un año es: a) Normal (5;,3).
Más detallesPruebas de Hipótesis de Una y Dos Muestras. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides
Pruebas de ipótesis de Una y Dos Muestras UCR ECCI CI-35 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides ipótesis Estadísticas Conceptos Generales En algunos casos el científico
Más detallesDiagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics-
Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics- 1. Introducción Ficheros de datos: TiempoaccesoWeb.sf3 ; AlumnosIndustriales.sf3 El objetivo de esta práctica es asignar un modelo
Más detallesControl Estadístico de Procesos
Control Estadístico de Procesos Gráficos de Control Los gráficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. Básicamente, una Carta de Control
Más detallesREPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL.
REPASO COCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓ ORMAL. Éste es un breve repaso de conceptos básicos de estadística que se han visto en cursos anteriores y que son imprescindibles antes de acometer
Más detallesTamaño muestral Cómo estimar n adecuadamente? Estimación puntual. Marta Cuntín González Biostatech Advice, Training and Innovation in Biostatistics
Tamaño muestral Cómo estimar n adecuadamente? Estimación puntual Marta Cuntín González Biostatech Advice, Training and Innovation in Biostatistics Índice Conceptos básicos Diseño Problemas Qué es necesario?
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 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 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 detallesDiseños de Investigación 40 conceptos que debes conocer
Diseños de Investigación 40 conceptos que debes conocer 1. El método científico: Se puede realizar desde dos enfoques distintos, hipotético deductivo y analítico inductivo. Con frecuencia los dos ocurren
Más detalles3. ANÁLISIS ESTADÍSTICOS DE LAS PRECIPITACIONES EN EL MAR CASPIO
Análisis estadístico 31 3. ANÁLII ETADÍTICO DE LA PRECIPITACIONE EN EL MAR CAPIO 3.1. ANÁLII Y MÉTODO ETADÍTICO UTILIZADO 3.1.1. Introducción Una vez analizado el balance de masas que afecta al mar Caspio
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 detallesNombre...Apellidos... Grado en:...grupo:...
ESTADÍSTICA E INTRODUCCIÓN A LA ECONOMETRÍA - Soluciones Estadística- Curso 01/1. 9 de Julio de 01 Nombre...Apellidos... Grado en:...grupo:... 1. Considera la variable aleatoria (v.a.) X cuyos posibles
Más detallesTécnicas de valor presente para calcular el valor en uso
Normas Internacionales de Información Financiera NIC - NIIF Guía NIC - NIIF NIC 36 Fundación NIC-NIIF Técnicas de valor presente para calcular el valor en uso Este documento proporciona una guía para utilizar
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 detallesExplicación de la tarea 3 Felipe Guerra
Explicación de la tarea 3 Felipe Guerra 1. Una ruleta legal tiene los números del 1 al 15. Este problema corresponde a una variable aleatoria discreta. La lectura de la semana menciona lo siguiente: La
Más detallesESTADISTICA GENERAL INTRODUCCIÓN CONCEPTOS BASICOS ORGANIZACIÓN DE DE DATOS
ESTADISTICA GENERAL INTRODUCCIÓN CONCEPTOS BASICOS ORGANIZACIÓN DE DE DATOS Profesor del del curso: curso: Ing. Ing. Celso Celso Gonzales INTRODUCCION OBJETIVOS Comprender qué es y porqué se estudia la
Más detallesCálculo de la rentabilidad de un plan de pensiones
Cálculo de la rentabilidad de un plan de pensiones Germán Carrasco Castillo Resumen: En este artículo se pretende desarrollar el procedimiento para calcular la rentabilidad de los planes de pensiones,
Más detallesESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Construcción de una Base de Datos
Descargado desde www.medwave.cl el 13 Junio 2011 por iriabeth villanueva Medwave. Año XI, No. 2, Febrero 2011. ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Construcción de una Base de Datos Autor:
Más detallesInstalación del programa PSPP y obtención de una distribución de frecuencias.
Práctica 2. Instalación del programa PSPP y obtención de una distribución de frecuencias. Con esta práctica instalaremos el programa PSPP. El programa es un software específico para el análisis estadístico
Más detallesProblemas de Probabilidad resueltos.
Problemas de Probabilidad resueltos. Problema 1 El profesor Pérez olvida poner su despertador 3 de cada 10 dias. Además, ha comprobado que uno de cada 10 dias en los que pone el despertador acaba no levandandose
Más detallesMATEMÁTICAS ESO EVALUACIÓN: CRITERIOS E INSTRUMENTOS CURSO 2014-2015 Colegio B. V. María (Irlandesas) Castilleja de la Cuesta (Sevilla) Página 1 de 7
Página 1 de 7 1 CRITERIOS DE EVALUACIÓN 1.1 SECUENCIA POR CURSOS DE LOS CRITERIOS DE EVALUACION PRIMER CURSO 1. Utilizar números naturales y enteros y fracciones y decimales sencillos, sus operaciones
Más detallesMétodos no paramétricos para el análisis de la varianza
Capítulo 4 Métodos no paramétricos para el análisis de la varianza MÉTODOS PARAMÉTRICOS Y NO-PARAMÉTRICOS Los procedimientos inferenciales que presentan estimaciones con respecto a losparámetrosdelapoblacióndeinteréssellamanmétodos
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 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 detallesQué es la Estadística Ambiental?
Qué es la Estadística Ambiental? La Estadística Ambiental es simplemente la aplicación de la Estadística a problemas relacionados con el ambiente. Ejemplos de las actividades que requieren del uso de estas
Más detallesClase 8: Distribuciones Muestrales
Clase 8: Distribuciones Muestrales Distribución Muestral La inferencia estadística trata básicamente con generalizaciones y predicciones. Por ejemplo, podemos afirmar, con base a opiniones de varias personas
Más detallesUNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL
UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL Objetivo terminal: Calcular e interpretar medidas de tendencia central para un conjunto de datos estadísticos. Objetivos específicos: 1. Mencionar las características
Más detallesREPRODUCCIÓN DE LAS TABLAS DE CRECIMENTO INFANTIL QUE UTILIZAN LOS PEDIATRAS CON LOS DATOS DE LOS NIÑOS DEL COLEGIO XX
Página 1 de 12 REPRODUCCIÓN DE LAS TABLAS DE CRECIMENTO INFANTIL QUE UTILIZAN LOS PEDIATRAS CON LOS DATOS DE LOS NIÑOS DEL COLEGIO XX Autoras: Curso: 3º ESO Escuela: Tutora: Fecha: 08 Mayo 2015 Página
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 detallesSEMINARIOS. (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática
SEMINARIOS (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática Seminario de Estadística Descriptiva Unidimensional y Bidimensional 1. Se ha realizado un control de calidad en
Más detallesUNIVERSIDAD DEL SALVADOR PROGRAMA. UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria. DIVISIÓN / COMISIÓN: Primer Año
UNIVERSIDAD DEL SALVADOR PROGRAMA UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria DIVISIÓN / COMISIÓN: Primer Año TURNO: Único OBLIGACIÓN ACADÉMICA: ESTADÍSTICA Y DISEÑO
Más detalles(.$263*7.5"4+%#,"8..9$ $.$ - -. 7.# "4< $ 8 $ 7 "% @
!"#$%!& ' ($ 2 ))!"#$%& '$()!& *($$+%( & * $!" "!,"($"$ -(.$!- ""& +%./$$&,-,$,". - %#,"0# $!01 "23(.4 $4$"" ($" $ -.#!/ ". " " ($ "$%$(.$2.3!- - *.5.+%$!"$,"$ (.$263*7.5"4+%#,"8..9$ $.$ - $,"768$"%$,"$%$!":7#;
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 detallesParte I: Introducción
Parte I: Introducción Introducción al Data Mining: su Aplicación a la Empresa Cursada 2007 POR QUÉ? Las empresas de todos los tamaños necesitan aprender de sus datos para crear una relación one-to-one
Más detallesCómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico.
Universitat de de Barcelona. Institut de de Ciències de de l Educació Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico. María José Rubio
Más detallesEstudio comparativo de los currículos de probabilidad y estadística español y americano
Estudio comparativo de los currículos de probabilidad y estadística español y americano Jaldo Ruiz, Pilar Universidad de Granada Resumen Adquiere las mismas capacidades en Probabilidad y Estadística un
Más detallesContenido: CARTAS DE CONTROL. Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS
Contenido: CARTAS DE CONTROL Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS TEST DE MEDIANAS CEL: 72488950 1 Antes de querer utilizar cualquier
Más detallesLA MEDIDA Y SUS ERRORES
LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger
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 detallesREGRESION simple. Correlación Lineal:
REGRESION simple Correlación Lineal: Dadas dos variable numéricas continuas X e Y, decimos que están correlacionadas si entre ambas variables hay cierta relación, de modo que puede predecirse (aproximadamente)
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 detallesIntroducción al SPSS/PC. 1. El editor de datos. Taller de Estadística
1 Taller de Estadística Curso 2oo5/2oo6 Introducción al SPSS/PC SPSS: Statistical Package for the Social Sciences. Este programa estadístico está organizado en dos bloques: el editor de datos y el visor
Más detalles1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B(1, p), donde
Soluciones de la relación del Tema 6. 1. a) Definimos X =número de personas con síntomas si examino sólo una persona, la cual sigue una distribución B1, p), donde p = P X = 1) = P la persona presente síntomas)
Más detallesSPSS: ANOVA de un Factor
SPSS: ANOVA de un Factor El análisis de varianza (ANOVA) de un factor nos sirve para comparar varios grupos en una variable cuantitativa. Esta prueba es una generalización del contraste de igualdad de
Más detallesCAPÍTULO 3 METODOLOGÍA
CAPÍTULO 3 METODOLOGÍA 3.1 INTRODUCCIÓN El objetivo de este capítulo es explicar la metodología que sustenta a este estudio. En primer lugar se debe definir el problema del estudio para poder establecer
Más detalles