SNOLA - webinar "Aplicación de Técnicas Cuantitativas para el Análisis de Datos Educacionales"
|
|
- Diego Sosa Coronel
- hace 8 años
- Vistas:
Transcripción
1 SNOLA - webinar "Aplicación de Técnicas Cuantitativas para el Análisis de Datos Educacionales" Pedro J. Muñoz-Merino pedmume@it.uc3m.es, Universidad Carlos III de Madrid, Spain
2 2 Lo que SÍ veremos Algunas técnicas estadísticas cuantitativas Propósito y utilidad Condiciones de los datos para poder aplicarse Ejemplos de aplicación de estas técnicas en el ámbito educativo Referencias para profundizar en dichas técnicas y para utilización de software para aplicarlas
3 Lo que NO se cubrirá Técnicas cuantitativas no estadísticas Todas las posibles técnicas estadísticas Profundización teórica en las técnicas Aplicación de las técnicas con herramientas software 3
4 Planificación 1) Introducción diseño experimental 2) Comparación de dos grupos 3) Comparación de N grupos 4) Medida de relación entre variables 5) Predicción con regresión lineal 6) Predicción con regresión logística 7) Clustering 8) Herramientas software para aplicación de técnicas estadísticas 9) Referencias para profundización 4
5 1) Introducción al Diseño Experimental 5
6 Fases del Diseño Experimental 6 Imagen tomada de Field, Andy: Discovering Statistics using SPSS (3rd edition), SAGE
7 Variables Variables aleatorias: Variables que pueden tomar valores numéricos de forma aleatoria. Función densidad de probabilidad. Ej. Notas de alumnos Tipos (dependiendo de los valores) Cuantitativas Categóricas Nominales Ordinales Tipos (dependiendo del efecto causal) Independientes Dependientes 7
8 Población y muestra Población 8 El conjunto de todos los posibles datos que se pueden obtener (habitualmente de todo el grupo de personas) Muestra Un conjunto específico de datos (pero no todos) de una población. Tenemos esto de los experimentos Generalización Hasta que nivel podemos generalizar de una muestra a la población?
9 Utilización de la estadística Necesitamos la estadística porque no sabemos cómo funcionan ciertas cosas complejas. Los humanos no somos capaces de determinar modelos precisos para hacer ciertos fenómenos deterministas. Por ello lo aproximamos como aleatorio. Ejemplo: Lanzar un dado, notas de los alumnos 9
10 Azar vs Efectos sistemáticos Con las técnicas estadísticas de inferencia diremos algo con un % de probabilidad. Hay algo de duda Azar: Alguna influencia que es aleatoria Efecto sistemático: Alguna influencia que es una variable específica que puede ser determinada y que afecta al resultado final 10
11 Recolección de datos Recolectar todas las variables según las hipótesis y técnicas a aplicar Idealmente una muestra aleatoria simple Determinar los factores que pudieran influir y aislarlos del experimento Incluir placebos si es necesario Experimentos doblemente ciegos Tener suficiente número de casos en la muestra para testear las hipótesis 11
12 12 2) Comparación de dos grupos
13 Propósito Variable categórica define los dos grupos Variable continua de la que se quiere comparar la media en los dos grupos Tipos 13 Independiente: Diferentes sujetos. Ej. Comparar ganancias de aprendizaje en diferentes grupos Dependiente: Mismos sujetos definen los grupos. Ej. Comparar motivación antes y después de la interacción con un tutor
14 14 t-test independiente: Condiciones de los datos Condiciones La distribución de muestreo de las medias está normalmente distribuida > Se cumple si Las distribuciones de las muestras son normales Número de casos suficientemente grandes en ambas muestras Homogeneidad de varianzas Si no fueran homogéneas -> t-test modificado Si no se cumplen condiciones -> test no paramétrico como Mann-Whitney
15 t-test dependiente: Condiciones de los datos Condiciones La distribución muestreo de la diferencia de las medias está normalmente distribuida > Se cumple si La distribución de la diferencia está normalmente distribuida Hay un suficiente número de casos en la muestra Si no se cumplen condiciones -> test no paramétrico como Wilcoxon 15
16 Average knowledge increase between post-test and pretest (Scale: from 0 to 10) Ejemplo (I) 4 3,5 3 2,5 2,65 2,5 Students that interacted with the tutor providing hints P.J. Muñoz-Merino, M. Muñoz-Organero, C. Delgado Kloos, "Enhancement of Student Learning Through the Use of a Hinting Computer e- Learning System and Comparison With Human Teachers", IEEE Transactions on Education, vol. 54, no. 1, pp , ,5 1 0, Sudents that interacted with the teacher providing hints (13,67 students per teacher) Hinting system [2.06, 3.25] Human tutor [1.69, 3.31] t-test [-0.38, 0.70]
17 Ejemplo (II) Variables: premotivation, post-motivation -Diferencia entre postmotivation y pre-motivation (t=-2.58, p=.014, n=41). Pedro J. Muñoz-Merino, Manuel Fernández Molina, Mario Muñoz-Organero, Carlos Delgado Kloos, Motivation and Emotions in Competition Systems for Education: An empirical study IEEE Transactions on Education, (2014), 57 (3),
18 18 3) Comparación de N grupos
19 Propósito Variables categóricas definen factores. Cada factor puede tener varios niveles Variable continua de la que se quiere comparar la media entre N grupos definido por la combinación de factores Tipos: Independiente, dependiente, mixto Ejemplos: 19 Compar. de efectividad en 4 cursos (1 factor) Compar. de notas según f1 (individiual o colaborativo) y f2 (con pistas o sin pistas)
20 20 ANOVA: Condiciones de los datos Los requisitos de los datos son diferentes dependiendo del caso (e.g. por ejemplo si los grupos son dependientes o independientes) En algunos casos, se puede aplicar ANOVA, incluso aunque los datos no cumplan los requisitos iniciales (hay que conocer cuales son los otros requisitos) Si ANOVA da significativo en global, para comparaciones dos a dos -> tests post-hoc
21 ANOVA de un factor indep.: Condiciones de los datos Las poblaciones de los N grupos deben ser normales Si el número de casos en cada grupo es suficientemente grande, se cumple Homogeneidad de varianza Incluso si no se cumplen condiciones, en algunos casos se puede aplicar ANOVA (p. ej. mismo número de casos en grupos) Si no se cumplen condiciones -> Kruskall- 21 Wallis
22 Ejemplo (I) E. Harskamp and N. Ding, Structured collaboration versus individual learning in solving physics problems, International Journal of Science Education, vol. 28, no. 14, pp ,
23 Ejemplo (II) Pedro J. Muñoz-Merino, José A. Ruipérez-Valiente, Carlos Alario-Hoyos, Mar Pérez-Sanagustín, Carlos Delgado Kloos, "Precise effectiveness strategy for analyzing the effectiveness of students with educational resources 23 and activities in MOOCs", Computers in Human Behavior (2014). Accepted for publication
24 4) Medida de relación entre variables continuas 24
25 Propósito Ver el nivel de relación entre dos variables contínuas No implica causalidad Ejemplos: Ganancias de aprendizaje y realización de ejercicios Uso de elementos opcionales y seguir recomendaciones 25
26 Condiciones de los datos Correlación de Pearson Ninguna condición es necesaria, salvo variables continuas, o una continua y otra con dos niveles Para la significación estadística se requiere que la distribución de muestreo esté normalmente distribuida. Esto es así si los datos de la muestra están normalmente distribuidos (o si tenemos una muestra suficientemente grande) 26
27 Ejemplo Usuario irreflexivo evitador de pistas (0.607, p<0.01) Tiempo toal videos completados (0.81, p<0.01) Elementos opcionales explorador (0.1, p=0.42) P.J. Muñoz-Merino, J.A. Ruipérez-Valiente, C. Delgado Kloos, Inferring higher level learning information from low level data for the Khan Academy platform in Proceedings of the Learning Analytics Conference, pp ,
28 5) Predicción con regresión lineal 28
29 Propósito Conocer el valor de una variable continua en función de los valores de otras variables predictoras continuas o categóricas con dos valores 29 Lineal: Ecuación lineal Ejemplos Conocer comportamiento con encuesta Conocer contribuidores sociales con notas Conocer LG con indicadores bajo nivel Conocer LG con indicadores alto nivel
30 30 Condiciones de los datos generalización Regresión lineal Condiciones Varianzas de predictores distinta a 0 Correlación no alta entre predictores Homosteciedad. Residuos misma varianza Independencia de los errores Errores distribuidos normalmente Independencia de los valores var. a predecir Linearidad Validación cruzada
31 Ejemplo M. Feng, N. T. Heffernan, and K. R. Koedinger, Predicting state test scores better with intelligent tutoring systems: developing metrics to measure assistance required, in Proceedings of the 8th International Conference on Intelligent Tutoring Systems, pp ,
32 6) Predicción con regresión logística 32
33 Propósito Conocer el valor de una variable categórica en función de los valores de otras variables predictoras continuas o categóricas Ejemplo Si un alumno continuará sus estudios en la universidad a partir de un conjunto de interacciones con un sistema 33
34 Condiciones de los datos generalización Regresión lineal Condiciones Correlación no alta entre predictores Independencia de los errores Linearidad Validación cruzada 34
35 Ejemplo CollegeEnrollment = StudentKnowledge Correctness NumFirstActions Carelessness Confusion Boredom San Pedro, M.O.Z., Baker, R.S.J.d., Bowers, A.J., Heffernan, N.T. (2013) Predicting College Enrollment from Student Interaction with an Intelligent Tutoring System in Middle School. Proceedings of the 6th International Conference on Educational Data Mining,
36 36 7) Clustering
37 Propósito Varias variables continuas que caracterizan algo, queremos saber los grupos como combinaciones de dichas variables Condiciones: Depende de la técnica de clustering Ejemplo 37 Identificar grupos de alumnos con patrones de interacción diferentes en un sistema de aprendizaje
38 Ejemplo Amershi, S., Conati, C.: Automatic Recognition of Learner Groups in Exploratory Learning Environments. In: Ikeda, M., Ashley, K.D., Chan, T.W. (eds.) Intelligent Tutoring Systems 2006, pp
39 8) Herramientas software para aplicación de técnicas estadísticas 39
40 Herramientas software para aplicación técnicas estadísticas R, SPSS, 01.ibm.com/software/es/analytics/spss/ Matlab, Weka, RapidMiner, 40
41 9) Referencias para profundización 41
42 Referencias (I) A. Field, Discovering Statistics using R, SAGE, 2012 D. Rumsey, "Intermediate Statistics for Dummies", Wiley Publishing Statistical Methods in Brain and cognitive sciences, OCW MIT course P. Dalgaard, Introductory statistics with R, New York: Springer, 2002, ISBN: G.P. Quinn, M.J. Keough, "Experimental Design and data analysis for biologists": 42
43 Referencias (II) R. Baker, Big Data and Education, ml Data Science Courses, Coursera, 1?utm_medium=listingPage Data mining, Coursera utm_medium=listingpage Data, analytics and Learning, edx, 43 utarlingtonx-link5-10x#.vl_k4keg9hu
Un presente y futuro de RR.HH. basado en datos: Aplicaciones de Data Mining en la Gestión de Personas. Prof. Lic. Juan M. Bodenheimer jb@instare.
Un presente y futuro de RR.HH. basado en datos: Aplicaciones de Data Mining en la Gestión de Personas Congreso de RR.HH. De Costa Rica 30/10/2012 Prof. Lic. Juan M. Bodenheimer jb@instare.com Nuestra Agenda
Más detallesMetodología de la Investigación. Dr. Cristian Rusu cristian.rusu@ucv.cl
Metodología de la Investigación Dr. Cristian Rusu cristian.rusu@ucv.cl 6. Diseños de investigación 6.1. Diseños experimentales 6.1.1. Diseños preexperimentales 6.1.2. Diseños experimentales verdaderos
Más detallesClima Organizacional
Página 1 de 5 1. Objetivo y Alcance Determinar si el clima organizacional es favorable o desfavorable para los trabajadores de cada dependencia en pro eficiencia organizacional. Elaborando los pasos necesarios
Más detallesConceptos básicos de estadística para clínicos
Conceptos básicos de estadística para clínicos Víctor Abraira A Coruña. Noviembre 2008 Programa Valor p : qué significa? Aleatorización Pruebas de hipótesis para variables continuas Pruebas de hipótesis
Más detallesEstadística (Gr. Biología-09) (2010-2011)
Estadística (Gr. Biología-09) (2010-2011) PRESENTACIÓN OBJETIVOS PROGRAMA METODOLOGÍA EVALUACIÓN BIBLIOGRAFÍA HORARIO ATENCIÓN http://www.unav.es/asignatura/estadisticabio/ 1 de 10 PRESENTACIÓN Descripción
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 detallesTitulación: GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS. Asignatura: ECO Análisis avanzado de datos. Semestre: Primero.
Titulación: GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Asignatura: ECO Análisis avanzado de datos Semestre: Primero Econometría [1] Asignatura: ECO Análisis avanzadas de datos Formación: Obligatoria
Más detallesMónica López Ratón BIOSTATECH, Advice, Training & Innovation in Biostatistics, S.L. Octubre 2012. monica.lopez.raton@usc.es
Mónica López Ratón BIOSTATECH, Advice, Training & Innovation in Biostatistics, S.L. Octubre 01 monica.lopez.raton@usc.es Tablas de contingencia y tests asociados Índice 1. Datos categóricos. Tablas de
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 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 detallesTécnicas Cuantitativas para el Management y los Negocios
Segundo cuatrimestre - 4 Técnicas Cuantitativas para el Management y los Negocios Mag. María del Carmen Romero 4 romero@econ.unicen.edu.ar Módulo III: APLICACIONES Contenidos Módulo III Unidad 9. Análisis
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 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 detallesESTUDIO COMPARATIVO DEL DESEMPEÑO DE ALUMNOS DE ESTADÍSTICA EN LAS ORGANIZACIONES BAJO LAS MODALIDADES POR INTERNET, VIRTUAL Y PRESENCIAL.
ESTUDIO COMPARATIVO DEL DESEMPEÑO DE ALUMNOS DE ESTADÍSTICA EN LAS ORGANIZACIONES BAJO LAS MODALIDADES POR INTERNET, VIRTUAL Y Sandra Patricia González Lozano, José Guadalupe Ríos Alejandro y José Rafael
Más detallesInvestigación en Psicología. Introducción METODOS DE INVESTIGACION EN PSICOLOGIA
I. Introducción Investigación en Psicología Introducción METODOS DE INVESTIGACION EN PSICOLOGIA La psicología es una ciencia y como tal tiene un cuerpo de teorías que procuran explicar los fenómenos propios
Más detallesInvestigación Cuantitativa La Encuesta
Investigación Cuantitativa La Encuesta Dr. José Manuel Huerta Catedrático en Evaluación Curso Métodos de Investigación DEPT. Economía Agrícola 27 de septiembre de 2006 Objetivos de la presentación Concienciar
Más detallesParte 7: Análisis de los datos
Metodología de la investigación Curso 2008 Parte 7: Análisis de los datos Los ejemplos han sido tomados en su mayoría de la bibliografía recomendada para el curso Análisis de los datos El análisis de datos
Más detalles"Big Data Analysis" (Métodos especiales para bases de datos gigantes)
"Big Data Analysis" (Métodos especiales para bases de datos gigantes) Tutor: El curso será impartido por Dr. Oldemar Rodríguez graduado de la Universidad de París IX y con un postdoctorado de la Universidad
Más detallesTema 1: Introducción a la Estadística
Tema 1: Introducción a la Estadística Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 1: Introducción a la Estadística Curso 2009-2010
Más detallesEXPERIMENTACIÓN. Eduardo Jiménez Marqués
EXPERIMENTACIÓN Eduardo Jiménez Marqués 1 CONTENIDO: 1. Experimentación...3 1.1 Concepto...3 1. Definición...4 1.3 Dificultad...4 1.4 Ventaja...5 1.5 Planificación...5 1.6 Aplicaciones...5 1.7 Metodología...6
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 detalles1.9. Requisitos mínimos de asistencia a las sesiones presenciales / Minimum attendance requirement
ASIGNATURA / COURSE TITLE ANÁLISIS DE DATOS 1.1. Código / Course number 16307 1.2. Materia / Content area Módulo instrumental 1.3. Tipo / Course type Obligatoria 1.4. Nivel / Course level Grado 1.5. Curso
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 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 detallesEL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones
EL ANÁLISIS DE LA VARIANZA (ANOVA) 1. Comparación de múltiples poblaciones Ricard Boqué, Alicia Maroto Grupo de Quimiometría y Cualimetría. Universitat Rovira i Virgili. Pl. Imperial Tàrraco, 1. 43005Tarragona
Más detallesTALLER BÁSICO DE EXPERIMENTOS CONTROLADOS ALEATORIOS
TALLER BÁSICO DE EXPERIMENTOS CONTROLADOS ALEATORIOS 1. INTRODUCCIÓN Y JUSTIFICACIÓN Este Taller Básico de Experimentos Controlados Aleatorios (ECA) está dirigido a profesionales de la salud interesados
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 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 detallesProcesamiento de información para la investigación utilizando el programado Excel recopilados. Los participantes rán en
Procesamiento de información para la investigación utilizando el programado Excel recopilados. Los participantes rán en Julio E. Rodríguez Torres el Joel uso O. Lucena de Excel. Quiles Centro para la Excelencia
Más detallesEdith Alarcón Matutti César Gutiérrez Villafuerte
Edith Alarcón Matutti César Gutiérrez Villafuerte Paso 1 Concebir la idea a investigar Paso 2 Plantear el problema de investigación: Objetivos Preguntas Justificación y viabilidad Paso 3 Elaborar el MARCO
Más detallesCurso de Estadística no-paramétrica
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
Más detallesEl análisis factorial confirmatorio: una herramienta para la validación de pruebas psicodiagnósticas
El análisis factorial confirmatorio: una herramienta para la validación de pruebas psicodiagnósticas Adalberto González Debén, ICIMAF, ACC. Martha Vázquez Villazón, Facultad de Psicología, Universidad
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 detallesEmpresa de telefonía celular: Transintelcel
Empresa de telefonía celular: Transintelcel El proceso metodológico de esta investigación de mercados está dividido en las siguientes etapas: 1. Datos generales de la empresa 2. Planteamiento del problema
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 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 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 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 detallesSon las dispersiones diferentes?
ESTADÍSTICA BÁSICA II Prueba de significancia 2: F-test Análisis de Varianza (ANOVA) Identificación de valores anómalos (outliers) - Cochran y Grubbs test Taller 3 Leonardo Merino Science Department Swedish
Más detallesANÁLISIS MULTIVARIANTE. Créditos. Teóricos: 6 Prácticos: 3 Total: 9. Profesoras: Agurtzane Amparan, Silvia Marcaida y Arantza Urkaregi
Presentación ANÁLISIS MULTIVARIANTE MATEMÁTICAS SEGUNDO CICLO OPTATIVA SEGUNDO CUATRIMESTRE Créditos. Teóricos: 6 Prácticos: 3 Total: 9 Profesoras: Agurtzane Amparan, Silvia Marcaida y Arantza Urkaregi
Más detallesLos modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma:
Ignacio Martín Tamayo 25 Tema: ANÁLISIS DE VARIANZA CON SPSS 8.0 ÍNDICE --------------------------------------------------------- 1. Modelos de ANOVA 2. ANOVA unifactorial entregrupos 3. ANOVA multifactorial
Más detallesANALISIS DE DATOS EN PSICOLOGIA I (Grupos 12, 13, 14, 16 y 17) Programa de la asignatura; curso 2006/07
1 ANALISIS DE DATOS EN PSICOLOGIA I (Grupos 12, 13, 14, 16 y 17) Programa de la asignatura; curso 2006/07 A.- OBJETIVOS DE LA ASIGNATURA El objetivo principal de esta asignatura es contribuir a familiarizar
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 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 detallesCaracterización Temporal de las Demandas de Ancho de Banda en Enlaces con Alta Agregación Mediante un Modelo Normal Multivariante
High Performance Caracterización Temporal de las Demandas de Ancho de Banda en Enlaces con Alta Agregación Mediante un Modelo Normal Multivariante F. Mata J.L. García-Dorado J. Aracil High Performance
Más detallesTema 1: Introducción Tratamiento de datos con ordenador
TEMA 1.- INTRODUCCION 1.1.- Concepto de estadística. 1.2.- Introducción al paquete estadístico SPSS para Windows. 1.3.- Tipos de datos y variables. 1.1.- Concepto de estadística. Definición de estadística
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 detallesProf. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS
Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE EXPERIMENTOS ANÁLISIS DE EXPERIMENTOS 1. Introducción 2. Comparación de dos medias 3. Comparación de más de dos medias 4. Pruebas post-hoc 5. ANCOVA
Más detallesTema IV. EL ANOVA de un factor
4.1. La estrategia del Análisis de varianza: - Los test t múltiples (múltiples tratamientos); corrección a posteriori - La mejora del ANOVA: necesidad de análisis a posteriori C Test t A versus B A versus
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 detallesRelación entre variables cuantitativas
Investigación: Relación entre variables cuantitativas 1/8 Relación entre variables cuantitativas Pita Fernández S., Pértega Díaz S. Unidad de Epidemiología Clínica y Bioestadística. Complexo Hospitalario
Más detallesPrograma de Formació Continuada Societat Catalana de Cirurgia. Análisis Multivariante. Introducción. Tema 21 Joan J Sancho
Programa de Formació Continuada Societat Catalana de Cirurgia Análisis Multivariante Introducción Tema 21 Joan J Sancho Qué es? Son todas aquellas técnicas estadísticas que simultáneamente analizan múltiples
Más detallesLaboratorio Virtual y Ambiente Híbrido con Sistema Tutor Inteligente para la enseñanza de la Física
Laboratorio Virtual y Ambiente Híbrido con Sistema Tutor Inteligente para la enseñanza de la Física Cátedra de Investigación en e-learning Campus Ciudad de México Participantes: Julieta Noguez, Karla Muñoz
Más detallesLa metodologia Cuantitativa. Encuestas y muestras
La metodologia Cuantitativa. Encuestas y muestras Técnicas «cuantitativas» y «cualitativas» «Las técnicas cuantitativas»: Recogen la información mediante cuestiones cerradas que se planteal sujeto de forma
Más detallesEJERCICIOS ANALISIS DE DISEÑOS EXPERIMENTALES Y CUASIEXPERIMENTALES CON SPSS
EJERCICIOS ANALISIS DE DISEÑOS EXPERIMENTALES Y CUASIEXPERIMENTALES CON SPSS Las soluciones a estos ejercicios y los outputs del SPSS se encuentran al final. EJERCICIO 1. Comparamos dos muestras de 10
Más detallesUNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN ANÁLISIS MULTIVARIADO
UNIVERSIDAD TECNOLÓGICA DE PEREIRA FACULTAD DE INGENIERÍAS MAESTRÍA EN INGENIERÍA DE SISTEMAS Y COMPUTACIÓN ANÁLISIS MULTIVARIADO OBJETIVO GENERAL El curso es de un nivel matemático intermedio y tiene
Más detallesDiseño de un estudio de investigación de mercados
Diseño de un estudio de investigación de mercados En cualquier diseño de un proyecto de investigación de mercados, es necesario especificar varios elementos como las fuentes a utilizar, la metodología,
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 detallesObjetivos Generales. Objetivos específicos. Que el estudiante:
ASIGNATURA: MÉTODOS NUMPERICOS I (ANÁLISIS Y PROCESAMIENTO DE LOS DATOS EXPERIMENTALES CON INTRODUCCIÓN A LA COMPUTACIÓN) Objetivos Generales Comprender y manejar los conceptos relacionados con el manejo,
Más detallesIIC 3633 - Sistemas Recomendadores
Tests Estadísticos para Comparar Recomendaciones IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 16 TOC En esta clase 1. Significancia Estadistica de los Resultados
Más detallesMODELO PREDICTIVO DE DESERCIÓN ESTUDIANTIL
MODELO PREDICTIVO DE DESERCIÓN ESTUDIANTIL APLICACIÓN DE TÉCNICAS DE MINERÍA DE DATOS Yegny Amaya, Edwin Barrientos, Universidad Francisco de Paula Santander, Colombia Diana Heredia Vizcaíno, Universidad
Más detallesTRATAMIENTO DE BASES DE DATOS CON INFORMACIÓN FALTANTE SEGÚN ANÁLISIS DE LAS PÉRDIDAS CON SPSS
Badler, Clara E. Alsina, Sara M. 1 Puigsubirá, Cristina B. 1 Vitelleschi, María S. 1 Instituto de Investigaciones Teóricas y Aplicadas de la Escuela de Estadística (IITAE) TRATAMIENTO DE BASES DE DATOS
Más detallesUniversidad de Málaga
5 técnicas estadísticas 1.- T-Student calcio.sav 2.- ANOVA lectura.sav 3.- Regresión Múltiple empleados.sav 4.- 2 Chi-Cuadrado empleados.sav 5.- Regresión Logística pena de muerte.sav 1.- T-STUDENT VARIABLE:
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 detallesQué es la Estadística?
EYP2214 Estadística para Construcción Civil 1 Qué es la Estadística? La Estadística es una ciencia que proporciona un conjunto de métodos que se utilizan para recolectar, resumir, clasificar, analizar
Más detallesPLANTILLA PARA LA GESTIÓN DEL PROYECTO
PLANTILLA PARA LA GESTIÓN DEL PROYECTO PASO 1: DESARROLLO CONCEPTUAL Esto tiene el propósito de llegar al Qué? y Por qué? del proyecto Escaneo de los Temas y Revisión de la Investigación Cuál es el problema
Más detallesUNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI
UNIVERSIDAD DEL VALLE DE MÉXICO PROGRAMA DE ESTUDIO DE LICENCIATURA PRAXIS MES XXI NOMBRE DE LA ASIGNATURA: INFORMÁTICA APLICADA A LA MERCADOTECNIA FECHA DE ELABORACIÓN: MAYO 2005 ÁREA DEL PLAN DE ESTUDIOS:
Más detallesEn la presente investigación, se contrastará el modelo propuesto en la. investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y
Capítulo 2.- Metodología En la presente investigación, se contrastará el modelo propuesto en la investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y Participación en el mercado de
Más detallesPRESENTACIÓN, DISCUSIÓN Y ANALISIS DE LOS RESULTADOS
UNIVERSIDAD DE LOS ANDES FACULTAD DE ODONTOLOGIA MERIDA EDO. MERIDA PRESENTACIÓN, DISCUSIÓN Y ANALISIS DE LOS RESULTADOS Mérida, Febrero 2010. Integrantes: Maria A. Lanzellotti L. Daniela Paz U. Mariana
Más detallesCapítulo 3. Áreas de Proceso
Capítulo 3. Áreas de Proceso Tal como lo vimos en el capitulo anterior, las áreas de proceso son un grupo de prácticas que se realizan colectivamente con el fin de alcanzar determinadas metas. Existen
Más detallesMetodología. del ajuste estacional. Tablero de Indicadores Económicos
Metodología del ajuste estacional Tablero de Indicadores Económicos Metodología del ajuste estacional Componentes de una serie de tiempo Las series de tiempo están constituidas por varios componentes que,
Más detallesMARCO METODOLÓGICO CAPITULO III
MARCO METODOLÓGICO CAPITULO III CAPITULO III MARCO METODOLÓGICO En esta sección se presenta el tipo de investigación, las técnicas de recolección de datos y finalmente la metodología utilizada para el
Más detallesIIC 3633 - Sistemas Recomendadores
Tests Estadísticos para Comparar Recomendaciones IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 11 TOC En esta clase 1. Significancia Estadistica de los Resultados
Más detallesPROGRAMA DE ESTUDIOS. : Investigación en Psicología II.
PROGRAMA DE ESTUDIOS A. ANTECEDENTES GENERALES Nombre de la asignatura Carácter de la asignatura Pre requisitos Co requisitos Créditos Ubicación dentro del plan de estudio Número de clases por semana Número
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 detallesCurso. Diseño Experimental y Estadística
CINVESTAV. IPN. UNIDAD MERIDA DEPARTAMENTO DE ECOLOGIA HUMANA Maestría en Ciencias con especialidad en Ecología Humana Características del curso: Curso Diseño Experimental y Estadística Obligatorio Asignatura
Más detallesResumen. Artículo producto de la investigación
Artículo producto de la investigación Comparación del aprendizaje, la actitud y el razonamiento científico en la enseñanza de la química a distancia y en la enseñanza tradicional Alba Janeth Pinzón Rosas
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 detallesUNIVERSIDAD NACIONAL DE SAN MARTIN
UNIVERSIDAD NACIONAL DE SAN MARTIN DOCTORADO EN CIENCIAS POLÍTICAS Métodos de Investigación Cuantitativos Agustín Salvia Programa El propósito central del curso es ofrecer un panorama introductorio a 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 detallesDATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT
DATA MINING EN LA BASE DE DATOS DE LA OMS KNOWLEDGE DETECTION (DETECCIÓN DEL CONOCIMIENTO) Q.F.B. JUANA LETICIA RODRÍGUEZ Y BETANCOURT REACCIONES ADVERSAS DE LOS MEDICAMENTOS Los fármacos por naturaleza
Más detallesCurso Comparabilidad de resultados
Curso Comparabilidad de resultados Director: Gabriel A. Migliarino. Docente: Evangelina Hernández. Agenda Introducción. n. Protocolos iniciales de comparación de métodos. m * EP9-A2. CLSI. * Comparación
Más detallesANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO
ANÁLISIS DINÁMICO DEL RIESGO DE UN PROYECTO Por: Pablo Lledó Master of Science en Evaluación de Proyectos (University of York) Project Management Professional (PMP) Profesor de Project Management y Evaluación
Más detallesEl modelo Ordinal y el modelo Multinomial
El modelo Ordinal y el modelo Multinomial Microeconomía Cuantitativa R. Mora Departmento de Economía Universidad Carlos III de Madrid Esquema Motivación 1 Motivación 2 3 Motivación Consideramos las siguientes
Más detallesI1.1 Estudios observacionales IISESIÓN DISEÑO O DE ESTUDIOS EN INVESTIGACIÓN N MÉDICA DESCRIPTIVA CURSO DE. 1.2 Estudios experimentales
1 2 3 4 5 6 ESQUEMA DEL CURSO ESTADÍSTICA BÁSICA DISEÑO DE EXPERIMENTOS CURSO DE ESTADÍSTICA STICA BÁSICAB ESTADÍSTICA DESCRIPTIVA TIPOS DE VARIABLES MEDIDAS DE POSICIÓN CENTRAL Y DE DISPERSIÓN TABLAS
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 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 detallesAño de la Consolidación Económica y Social del Perú Década de la Educación Inclusiva del 2003 al 2012
TALLER 3 1. DISEÑOS DE INVESTIGACIÓN CIENTÍFICA Kerlinger 1 dice generalmente se llama diseño de investigación al PLAN y a la ESTRUCTURA de un estudio. Es el plan y estructura de una investigación concebidas
Más detallesISO 9001 Auditing Practices Group Directriz en:
International Organization for Standardization International Accreditation Forum ISO 9001 Auditing Practices Group Directriz en: Auditando los procesos de retroalimentación del cliente 1) Introducción
Más detallesIIC 3633 - Sistemas Recomendadores
Ranking & UB-CF IIC 3633 - Sistemas Recomendadores Denis Parra Profesor Asistente, DCC, PUC CHile Page 1 of 19 TOC En esta clase 1. Definición y un poco de Historia 2. Ranking No Personalizado 3. User-Based
Más detallesPONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE CIENCIAS HUMANAS ESCUELA DE GEOGRAFIA PROGRAMA DE CURSO
PONTIFICIA UNIVERSIDAD CATOLICA DEL ECUADOR FACULTAD DE CIENCIAS HUMANAS ESCUELA DE GEOGRAFIA PROGRAMA DE CURSO 1. DATOS INFORMATIVOS 1.1 ASIGNATURA: ESTADISTICA II 1.2 NIVEL CUARTO y SEGUNDO 1.3 NÚMERO
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 detallesUniversidad de Tarapacá Investigación de Mercados Internacionales
Universidad de Tarapacá Investigación de Mercados Internacionales Capítulo II: El proceso de la Investigación de Mercados Internacionales. Tema 2: El Diseño de la Investigación de Mercados Internacionales
Más detallesCumpliendo con las Necesidades de la Salud Sexual y Reproductiva de Jóvenes Vulnerables: Una Caja de Herramientas para Monitoreo y Evaluación
Cumpliendo con las Necesidades de la Salud Sexual y Reproductiva de Jóvenes Vulnerables: Una Caja de Herramientas para Monitoreo y Evaluación 3A. Pasos Claves para la Implementación de una Encuesta Este
Más detallesEL PODER ESTADÍSTICO. DIFERENCIAS OBSERVADAS CUANDO SE CAMBIA EL ALFA ESTABLECIDO EN UN ESTUDIO DE INVESTIGACIÓN
EL PODER ESTADÍSTICO. DIFERENCIAS OBSERVADAS CUANDO SE CAMBIA EL ALFA ESTABLECIDO EN UN ESTUDIO DE INVESTIGACIÓN Mylord Reyes Tosta, EdD Resumen Se utilizaron dos ejemplos para una prueba de hipótesis
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 detalles1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2.
1. INTRODUCCIÓN AL CONCEPTO DE LA INVESTIGACIÓN DE MERCADOS 1.1. DEFINICIÓN DE INVESTIGACIÓN DE MERCADOS 1.2. EL MÉTODO CIENTÍFICO 2. GENERALIDADES SOBRE LAS TÉCNICAS DE INVESTIGACIÓN SOCIAL Y DE MERCADOS
Más detallesT. 5 Inferencia estadística acerca de la relación entre variables
T. 5 Inferencia estadística acerca de la relación entre variables 1. El caso de dos variables categóricas 2. El caso de una variable categórica y una variable cuantitativa 3. El caso de dos variables cuantitativas
Más detallesEVALUACIÓN 2 (SIN DESCUENTO - PUNTAJE MAXIMO:45 IDP: 65% PUNTAJE NOTA 4,0.:29) NOMBRE DEL (DE LA) ESTUDIANTE:
UNIVERSIDAD ANDRÉS BELLO FACULTAD DE EDUCACIÓN ESCUELA DE EDUCACIÓN Profesor : MANUEL LOBOS GONZÁLEZ - METODOLOGÍA DE LA INVESTIGACIÓN EVALUACIÓN 2 (SIN DESCUENTO - PUNTAJE MAXIMO:45 IDP: 65% PUNTAJE NOTA
Más detallesCapítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3
Capítulo 3 1. Introducción El análisis de regresión lineal, en general, nos permite obtener una función lineal de una o más variables independientes o predictoras (X1, X2,... XK) a partir de la cual explicar
Más detalles