IBM SPSS Categories. Prediga resultados y revele relaciones en sus datos categóricos. IBM Software Business Analytics IBM SPSS Categories 22

Tamaño: px
Comenzar la demostración a partir de la página:

Download "IBM SPSS Categories. Prediga resultados y revele relaciones en sus datos categóricos. IBM Software Business Analytics IBM SPSS Categories 22"

Transcripción

1 IBM SPSS Categories Prediga resultados y revele relaciones en sus datos categóricos Libere todo el potencial de sus datos a través de análisis predictivo, conocimiento estadístico, mapas perceptuales, escalamiento de preferencias, y técnicas de reducción dimensionales, incluyendo escalamiento óptimo de sus variables. IBM SPSS Categories le proporciona todas las herramientas que necesita para obtener una visión clara de datos complejos categóricos y numéricos; así como también de datos dimensionales. Características Visualizar y explorar datos numéricos y categorías complejas, así como también datos altamente dimensionales Comprender información en tablas de dos y varias vías Utilizar bi-plots y mapas perceptuales para ver las relaciones en sus datos Por ejemplo, utilice IBM SPSS Categories para comprender cuáles son las características que los consumidores consideran más cercanas a su producto o marca, o para determinar la percepción que tienen los consumidores de sus productos comparada con otros productos que la competencia ofrece. Con IBM SPSS Categories podrá realizar regresiones cuando las variables de predicción y los resultados son numéricos, ordinales o nominales, y contar con una interpretación visual de los datos para ver cómo las columnas y las filas se relacionan en grandes tablas de calificación, conteos, puntuaciones o similitudes. Esto le da la capacidad de: Trabajar y comprender datos ordinales y nominales utilizando procedimientos similares a la regresión convencional, componentes principales, y análisis de correlación canónica Trabajar con datos numéricos con residuos anormales o relaciones no lineales entre las variables de predicción de resultados. Utilice las opciones para regresión Ridge, de Lasso, malla elástica, variable de selección, y modelo de selección para datos numéricos y categóricos Utilice biplots y triplots para representar la relación entre objetos (casos), categorías, y (conjuntos de) variables en análisis de correlación Representar similitudes entre uno o dos conjuntos de objetos como distancias en mapas perceptuales

2 Transforme sus variables cualitativas en cuantitativas Los avanzados procedimientos de IBM SPSS Categories le permiten realizar operaciones estadísticas adicionales a datos categóricos. Fácilmente analice e interprete datos multivariados Las capacidades de IBM SPSS Categories le permiten fácilmente analizar e interpretar datos multivariados y sus relaciones de manera más completa: Los procedimientos de regresión categórica le permiten predecir los valores de una variables de resultados nominal, ordinal y numérica de una combinación de variables predictoras numéricas y (no)ordenadas. Las técnicas de esclamiento óptimo cuantifican las variables para maximizar R Multiple Las técnicas de reducción dimensional le ayudan a visualizar claramente las relaciones in sus datos utilizando mapas perceptuales y biplots Los cuadros de resumen despliegan variables similares o categorías, proporcionándole un conocimiento de las relaciones entre más de dos variables Utilice los procedimientos de escalamiento óptimo de IBM SPSS Categories para asignar unidades de medida y puntuaciones cero a sus datos categóricos. Esto abre un nuevo conjunto de funciones estadísticas al permitirle realizar análisis sobre variables de niveles de medida mixtos por ejemplo, variables nominales, ordinales y numéricas. La capacidad de IBM SPSS Categories para realizar regresiones múltiples con escalamiento óptimo le dan la oportunidad de aplicar regresiones cuando cuenta con mezclas de variables de predicción de resultados numéricos, ordinales y nominales. Esta última versión incluye un procedimiento novedoso para la selección de modelos y regularización. Podrá realizar análisis de correspondencia y correspondencia múltiple para evaluar numéricamente la relación entre dos o más variables nominales en sus datos. También podrá utilizar el análisis de correspondencia para analizar cualquier tabla con entradas no negativas. Y con el análisis de procedimiento de componentes principales podrá reducir sus datos a los componentes principales. Los objetos biplots y triplots, categorías, y variables muestran su relación. Estas opciones también están disponibles para datos numéricos. El escalamiento óptimo le proporciona una correlación matricial basada en las calificaciones de sus variables ordinales y nominales. Usted puede dividir sus variables en conjuntos, y posteriormente analizar las relaciones entre esos conjuntos utilizando el análisis de correlación canónica. Descubra las relaciones subyacentes de manera gráfica Sin importar el tipo de categorías que estudie - segmentos de mercado, subculturas, partidos políticos, o especies biológicas los procedimientos de escalamiento óptimo le liberan de las restricciones asociadas con las tablas de doble entrada, situando las relaciones entre las variables en un sistema de referencia más amplio. Puede ver un mapa de sus datos, no un mero reporte estadístico. Las técnicas de reducción de dimensiones de Categories le permiten ir más allá de tablas inmanejables ya que podrá clarificar relaciones en sus datos mediante el uso de mapas perceptuales y biplots. Los mapas perceptuales son gráficos de resumen de alta resolución que muestran las variables o categorías similares y cercanas unas a otras. Le proporcionan un conocimiento único entre más de dos variables categóricas Los biplots y triplots le permiten ver las relaciones entre casos, variables y categorías. Por ejemplo, puede definir relaciones entre productos, clientes y características demográficas Al utilizar procedimientos de escalamiento de preferencias, puede visualizar relaciones entre objetos. El algoritmo avanzado en el que se basa este procedimiento permite realizar análisis no métricos para datos ordinales y obtener resultados significativos. El procedimiento de escalamiento de proximidades le permite analizar las similitudes entre objetos, e incorporar características para cada uno de ellos en el mismo análisis.

3 Cómo puede utilizar IBM SPSS Categories Los siguientes procedimientos están disponibles para añadir significado a sus análisis de datos. Regresión categórica (CATREG) predice los valores de una variable nominal, ordinal o numérica a partir de una combinación de variables categóricas predictoras numéricas y no ordenadas. Puede utilizar regresión con escalamiento óptimo para descubrir, por ejemplo, cómo la satisfacción en el trabajo puede ser predicha a partir de una categoría de trabajo, una región geográfica, y la cantidad de viajes de trabajo. Las técnicas de escalamiento óptimo cuantifican las variables de una forma que R Múltiple es maximizado. El escalamiento óptimo puede ser aplicado a variables numéricas cuando los residuos son anormales o cuando las variables de predicción son no lineales en relación con las variables de resultados. Tres nuevos métodos de regularización: regresión Ridge, de Lasso, y malla elástica mejoran la precisión en la predicción estabilizando la estimación de parámetros. La selección automática de variables hace posible analizar grandes bases de datos más variables que objetos. Utilizando el nivel de escalamiento numérico podrá realizar regularizaciones en regresiones a través de la regresión de Lasso y de malla elástica.también podrá utilizar CATREG para aplicar Modelos Aditivos Generalizados (GAM) para datos numéricos y categóricos. Análisis de correspondencias (CORRESPONDENCE) le permite analizar tablas de doble entrada que contengan alguna medida de correspondencia entre filas y columnas, así como también desplegar filas y columnas como puntos en un mapa. Un tipo muy común de tabla de correspondencia es una tabla cruzada donde las celdas contienen frecuencias conjuntas de dos variables nominales. IBM SPSS Categories visualiza las relaciones entre categorías de variables nominales. Análisis de correspondencia múltiple (MULTIPLE CORRESPONDENCE), a diferencia del análisis de correspondencias, permite el uso de más de dos variables en su análisis. Con este procedimiento, todas las variables son analizadas a un nivel nominal (categorías desordenadas). Por ejemplo, puede utilizar el análisis de correspondencia múltiple para explorar las relaciones entre los programas de televisión favoritos, grupos de edad, y género. Al examinar un mapa de dimensiones reducidas creado con Categories, podrá ver qué grupos gravitan en cada programa revelando simultáneamente qué programas son más parecidos. Análisis categórico de componentes principales (CATPCA) emplea escalamiento óptimo para generalizar el procedimiento de análisis de componentes principales, de manera que se puedan acomodar variables de niveles de medida mixtos. Es un análisis similar al análisis de correspondencias múltiples, sólo que le permite especificar un nivel de análisis variable por variable. Por ejemplo, puede mostrar las relaciones entre marcas de coches y características tales como precio, peso, eficacia del combustible, etc. Alternativamente, puede describir los coches por su clase (compactos, medianos, descapotables, todoterreno, etc.), el análisis CATPCA utiliza estas clasificaciones para agrupar los puntos para los coches. Al asignar un gran peso a la variable de clasificación, los coches estarán agrupados cerca del punto de clase. Categories despliega relaciones complejas entre objetos, grupos y variables en un mapa dimensional, lo que hace más sencillo comprender sus relaciones. Análisis no lineal de correlación canónica (OVERALS) utiliza escalamiento óptimo para generalizar el procedimiento de análisis de correlación canónica, de manera que se puedan acomodar variables de niveles de medida mixtos. Este tipo de análisis le permite comparar más de un conjunto de variables con otro dentro de un mismo gráfico tras eliminar la correlación entre los conjuntos. Por ejemplo, puede analizar las características de productos como, sopas en un estudio de degustación. Los jueces representan las variables dentro de los conjuntos, mientras que las sopas son los casos. OVERALS promedia las evaluaciones de los jueces tras eliminar las correlaciones y combina las diferentes características para mostrar las relaciones entre las sopas. Alternativamente, cada juez puede emplear su propio conjunto de criterios para juzgar las sopas. En este último caso, OVERALS promedia los criterios tras eliminar las correlaciones y entonces combina las puntuaciones de los diferentes jueces. El procedimiento OVERALS también puede ser utilizado para procedimientos de regresión múltiple generalizada cuando cuenta con variables de resultados múltiples para que de manera conjunta sean predichas de un conjunto de variables de predicción.

4 Escalamiento multidimensional (PROXSCAL) realiza escalamiento multidimensional de una o más matrices con similitudes o disimilitudes (proximidades). Alternativamente puede calcular distancias entre casos en datos multivariantes como datos de entrada PROXSCAL. PROXSCAL muestra las proximidades como distancias en un mapa con el fin de ganar conocimiento espacial de cómo se relacionan los objetos. En el caso de múltiples matrices de proximidades, PROXSCAL analiza las concordancias y traza las diferencias entre ellas. Por ejemplo, puede utilizar PROXSCAL para mostrar las similitudes entre diferentes sabores de refrescos de cola preferidos por los consumidores en varios grupos de edad. Puede descubrir que la gente joven enfatiza la diferencia entre sabores tradicionales y sabores nuevos; mientras que los adultos enfatizan las bebidas bajas en calorías y las normales. Escalamiento de preferencias (PREFSCAL) examina visualmente las relaciones entre dos conjuntos de variables de objetos, por ejemplo, consumidores y productos. El escalamiento de preferencias realiza despliegues multidimensionales para encontrar un mapa que represente las relaciones entre estos dos conjuntos de objetos como distancias entre dos conjuntos de puntos. Por ejemplo, si un grupo de conductores clasifica 26 modelos de coches en 10 atributos en una escala de 6 puntos, podrá encontrar conglomerados que muestren qué modelos son similares y a las personas que prefieren estos modelos. Este mapa es un compromiso basado en 10 diferentes atributos, y un gráfico de 10 diferentes atributos muestra cómo son ponderados en las dimensiones del mapa. IBM SPSS Categories está disponible para su instalación como cliente únicamente; pero para un mejor desempeño y escalabilidad, está disponible una versión para servidor. Nuestra suite de software estadístico ahora está disponible en 3 ediciones: IBM SPSS Statistics Standard, IBM SPSS Statistics Professional e IBM SPSS Statistics Premium. Al agrupar las capacidades básicas en tres ediciones, éstas le proporcionan una forma eficiente de asegurar que los analistas y los tomadores de decisiones cuenten con las características y funcionalidades que necesitan para realizar el análisis que contribuye al éxito de su organización. Obtenga un valor adicional con colaboración Compartir y re-utilizar sus activos eficientemente, protegerlos de forma tal que se cumplan requerimientos internos y externos, y publicar resultados para que varios usuarios pueden visualizarlos e interactuar con ellos es posible con IBM SPSS Collaboration and Deployment Services.

5 Características CATREG Análisis de regresión categórica a través del escalamiento óptimo - Especifique el nivel de escalamiento óptimo al que quiera analizar cada variable. Elija entre: monotónica, no monotónica, ordinal, nominal, nominal múltiple o numérica - Categorice las variables continuas o convierta variables de cadena en variables numéricas enteras mediante la multiplicación, ordenación o agrupación de variables en un número preseleccionado de categorías de acuerdo a una distribución opcional (normal o uniforme), o mediante la agrupación de valores de un intervalo preseleccionado en categorías. Las opciones de ordenación y agrupación pueden emplearse para re codificar datos categóricos - Especifique el tratamiento de los datos perdidos. Impute los datos perdidos con la moda de la variable o con una categoría extra, o utilice exclusión según lista - Especifique los objetos que serán tratados como suplementarios - Especifique el método utilizado para computar la solución inicial - Controle el número de iteraciones - Especifique el criterio de convergencia - Grafique los resultados, como: - Diagramas de transformación (cuantificaciones óptimas de categorías contra indicadores de categorías) - Diagramas residuales - Añada variables transformadas, valores predichos y residuales al archivo de datos de trabajo - Impresión de resultados incluyendo: - Gráficos R múltiple, R2 y R2 ajustado - Coeficientes de regresión estandarizados, errores estándar, correlación de orden cero, correlación parcial, medida de importancia de Pratt para los indicadores transformados, tolerancia antes y después de la transformación y estadísticos F Tabla de estadísticos descriptivos, incluyendo frecuencias marginales, tipo de transformación, número de valores perdidos y moda - Historia de iteración - Tablas para los parámetros ajustados y del modelo: tabla ANOVA con grados de libertad de acuerdo al nivel óptimo de escalamiento: tabla resumen del modelo con R2 ajustada para escalamiento óptimo, t-valores y niveles de significancia: una tabla separada con correlación de orden cero, correlación parcial e importancia y tolerancia antes y después de las transformaciones - Correlaciones de los indicadores transformados y valores propios de la matriz de correlación - Correlaciones de de los predictores originales y de los valores propios de la matriz de correlación - Cuantificación de categorías - Escriba datos transformados e individuales en un archivo de datos externo Tres métodos nuevos de regularización: regresión de Ridge, de Lasso y malla elástica - Mayor precisión en la predicción estabilizando los parámetros de estimación - Análisis de un alto volumen de datos (más variables que objetos) - Obtención automática de variables de selección de un conjunto de predictores - Modelos de escritura regularizados y coeficientes para un nuevo conjunto de datos para su uso posterior Dos nuevos modelos de selección y aseguramiento de la predicción con los modelos: el bootstrap.632 y validación cruzada (CV) - Encuentre el mejor modelo para la predicción con el bootstrap.623 y las opciones CV - Obtenga estimadores no paramétricos de errores estándar de coeficientes con bootstrap Comienzo sistemático múltiple - Descubra la mejor solución global cuando realice transformaciones monotónicas - Escriba los signos de coeficientes de regresión a una nueva base de datos para su re utilización CORRESPONDENCIA Análisis de correspondencia - Introduzca los datos en un archivo de casos o directamente como una tabla - Especifique el número de dimensiones de la solución - Elija entre dos medidas de distancia: distancia Chicuadrado para el análisis de correspondencias o distancia euclídea para análisis de tipo biplot - Elija entre 5 tipos de estandarización: eliminar medias de fila, eliminar medias de columna, eliminar medias de fila y columna, igualar los totales de la fila o igualar los totales de la columna - 5 tipos de normalización: simétrica, principal, fila principal, columna principal y personalizada - Impresión de resultados, incluyendo: Tablas de correspondencia - Tablas de resumen: valores singulares, inercia, proporción de inercia por cada una de las dimensiones, proporción acumulada de inercia por cada una de las dimensiones, estadísticos de confianza para el número máximo de dimensiones, perfiles de filas y perfiles de columnas

6 - Resumen de los puntos de fila y de columna: masa, puntuaciones, inercia, contribución de los puntos a la inercia de las dimensiones, contribución de las dimensiones a la inercia de los puntos - Estadísticos de confianza para filas y columnas: desviaciones estándar y correlaciones para puntos activos de filas y columnas CORRESPONDENCIA MULTIPLE Análisis de correspondencia múltiple (sustituye a HOMALS, que se incluía en versiones anteriores a SPSS Categories 13.0) - Especifique las ponderaciones de las variables - Convierta variables de cadena en valores numéricos enteros al multiplicar, clasificar o agrupar valores en un número preseleccionado de categorías según una distribución opcional (normal o uniforme), o al agrupar valores en un intervalo preseleccionado de categorías. Las opciones de clasificación y de agrupación también pueden ser utilizadas para re codificar datos categóricos - Especifique el tratamiento de los datos perdidos. Excluya únicamente las celdas de la matriz de datos sin valor válido, impute los datos perdidos con la variable moda o con una categoría extra, o utilice exclusión según lista - Especifique los objetos y variables que deben ser tratados de forma suplementaria (el resultado completo se incluye para categorías que únicamente se dan en objetos suplementarios) - Especifique el número de dimensiones de la solución - Especifique los archivos que contienen las coordenadas de configuración y el ajuste de las variables en una configuración prefijada - Elija 5 opciones de normalización: variable principal (optimiza asociaciones entre variables), objeto principal (optimiza distancias entre objetos), simétrica (optimiza relaciones entre objetos y variables), independiente o personalizada (valores específicos de usuario que permiten cualquier cosa entre la variable principal y la normalización del objeto principal) - Controle el número de iteraciones - Especifique el criterio de convergencia - Impresión de resultados, incluyendo: - Resumen de los modelos - Historial y estadísticos de la iteración - Estadísticos descriptivos (frecuencias, valores perdidos y moda) - Medidas de discriminación por variable y por dimensión - Cuantificaciones de categorías (coordenadas centroides), masa, inercia de las categorías, contribución de las categorías a la inercia de las dimensiones y contribución de las dimensiones a la inercia de las categorías - Correlaciones de las variables transformadas y de los autovalores de la matriz de correlación para cada dimensión - Correlaciones de las variables originales y de los autovalores de la matriz de correlación - Puntuaciones de los objetos - Contribución de los objetos: masa, inercia, contribución de los objetos a la inercia de dimensiones y contribución de las dimensiones a la inercia de los objetos - Resultados plot creando: - Plots categóricos: puntos categóricos, transformaciones (cuantificaciones categóricas óptimas Vs. Indicadores categóricos), residuos para variables seleccionadas y joint plot para puntos categóricos para una selección de variables - Puntuación de objetos - Medidas discriminantes - Biplots u objetos y centroides de variables seleccionadas - Añada variables transformadas y puntuaciones de objetos al archivo de datos de trabajo - Escriba datos transformados, datos individuales y puntuaciones de objetos en un archivo de datos externo

7 CATPCA Análisis de componente principales categóricos a través de escalamiento óptimo - Especifique el nivel de escalamiento óptimo al que desea analizar cada una de las variables. Elija entre: monotónico, no monotónico, ordinal, nominal, nominal múltiple o numérico - Especifique las ponderaciones de las variables - Categorice las variables continuas o convierta cadenas en variables numéricas enteras multiplicando, clasificando o agrupando valores en un número preseleccionado de categorías de acuerdo a una distribución opcional (normal o uniforme), o agrupando valores en un intervalo preseleccionado de categorías. Las opciones de clasificación y de agrupación también pueden ser utilizadas para re codificar datos categóricos - Especifique el tratamiento de los datos perdidos. Excluya únicamente las celdas de la matriz de datos sin valor válido, impute los datos perdidos con la variable moda o con una categoría extra, o utilice exclusión según lista - Impresión de resultados, incluyendo: - Resumen del modelo - Iteración estadística e histórica - Estadísticos descriptivos (frecuencias, valores perdidos y moda) - Variación acumulada para variables y dimensiones - Componentes de carga - Cuantificación y coordenadas de categorías (coordenadas de vector y/o centroide) para cada dimensión - Correlación de la transformación de variables y los valores de la correlación matricial - Correlación de las variables originales y los valores de la correlación matricial - Puntuación de objetos - Resultados gráficos, creación de: - Diagramas de categorías: puntos categóricos, transformaciones (cuantificaciones categóricas óptimas contra indicadores de categorías), residuos para variables seleccionadas, y diagramas conjuntos de puntos categóricos para una selección de variables - Diagrama de las ponderaciones del objeto (componente) - Diagrama de cargas de los componentes PROXSCAL Análisis de escalamiento multidimensional - Leer una o más matrices cuadradas de proximidad, ya sea simétrica o asimétrica - Leer ponderaciones, configuraciones iniciales, coordenadas fijas, y variables independientes - Tratar las proximidades como ordinales (no métricas) o numéricas; las transformaciones ordinales pueden ser tratadas como observaciones discretas o continuas - Especificar el escalamiento multidimensional con tres modelos diferentes, así como también como identidades del modelo - Especificar las coordenadas fijas o variables independientes para restringir la configuración. Además, especifique las transformaciones (numéricas, nominales, ordinales y splines) para variables independientes PREFSCAL Examina visualmente relaciones entre variables en dos conjuntos de objetos de manera que encuentra una escala común cuantitativa - Lee una o más matrices de proximidades rectangulares - Lee pesos, configuraciones iniciales y coordenadas fijas - Opcionalmente transforma las proximidades como lineales, ordinales, ordinales suavizados o funciones - Especifica el escalamiento multidimensional con identidad, pesos euclídeos o modelos generales euclídeos - Especifica las coordenadas fijas de fila y columna para restringir la configuración

8 Sobre IBM SPSS Business Analytics El software de IBM SPSS Business Analytics le proporciona conocimiento a través de sus datos que le ayuda a las organizaciones a trabajar de manera más inteligente y a superar a sus competidores. Este portafolio incluye soluciones para inteligencia de negocios, análisis predictivo, administración de decisiones, del desempeño y del riesgo. Las soluciones Business Analytics le permiten a las empresas identificar y visualizar tendencias y patrones en áreas como análisis de clientes, la cual tiene un efecto importante en el desempeño de los negocios. Podrá comparar escenarios, anticipar amenazas potenciales y oportunidades, realizar una mejor planeación de presupuestos y pronóstico de recursos, balancear el riesgo contra los ingresos esperados y trabajar para alcanzar los requerimientos regulatorios. Al hacer el análisis más disponible, las empresas alinean el proceso de decisión táctico y estratégico para alcanzar los objetivos del negocio. Copyright IBM Corporation 2012 IBM Corporation Software Group Route 100 Somers, NY IBM, the IBM logo, ibm.com and SPSS are trademarks of International Business Machines Corporation registered in many jurisdictions worldwide. Other product and services names might be trademarks of IBM or other companies. A current list of IBM trademarks is available on the Web at Copyright and trademark information at BeSmart, antes AMSS Mardoqueo Fernández 207 Providencia Santiago F: M: The content in this document (including currency or printing references which exclude applicable taxes) is current as of the initial date of publication and may be changed by IBM at any time. Not all offerings are available in every country in which IBM operates. THE INFORMATION IN THIS DOCUMENT IS PROVIDED AS IS WITHOUT ANY WARRANTY, EXPRESS OR IMPLIED, INCLUDING WITHOUT ANY WARRANTIES OF MERCHANT ABILITY, FITNESS FOR A PARTICULAR PURPOSE AND ANY WARRANTY OR CONDITION OF NON-INFRIGEMENT. IBM products are warranted according to the terms and conditions of the agreements under which they are provided.

IBM SPSS Direct Marketing

IBM SPSS Direct Marketing IBM SPSS Direct Marketing Comprenda a sus clientes y mejore sus campañas de mercadotecnia Características: Comprender a sus clientes Mejorar sus campañas de mercadotecnia Maximizar el ROI de sus proyectos

Más detalles

IBM SPSS Forecasting. Construya pronósticos como un experto rápidamente. IBM Software Business Analytics IBM SPSS Forecasting 22

IBM SPSS Forecasting. Construya pronósticos como un experto rápidamente. IBM Software Business Analytics IBM SPSS Forecasting 22 IBM SPSS Forecasting Construya pronósticos como un experto rápidamente Los pronósticos le proporcionan una base sólida para la planeación en su empresa. IBM SPSS Forecasting le ofrece un sin número de

Más detalles

IBM SPSS Direct Marketing

IBM SPSS Direct Marketing IBM SPSS Direct Marketing Características Con IBM SPSS Direct Marketing podrá: Comprender a sus clientes Mejorar sus campañas de mercadotecnia Maximizar el ROI de sus proyectos Comprenda a sus clientes

Más detalles

IBM SPSS Decision Trees

IBM SPSS Decision Trees IBM Software IBM SPSS Statistics 19 IBM SPSS Decision Trees Identifique grupos y pronostique resultados con facilidad Funciones destacadas Con IBM SPSS Decision Trees podrá: Crear árboles de clasificación

Más detalles

IBM SPSS Data Preparation

IBM SPSS Data Preparation IBM SPSS Statistics 19 IBM SPSS Data Preparation Mejore la preparación de los datos para obtener resultados más precisos Funciones destacadas Identificar valores de datos, variables y casos sospechosos

Más detalles

IBM SPSS Missing Values 22

IBM SPSS Missing Values 22 IBM SPSS Missing Values 22 Nota Antes de utilizar esta información y el producto al que da soporte, lea la información del apartado Avisos en la página 23. Información de producto Esta edición se aplica

Más detalles

Metodología de Implantación Rational en INSA: Objetivo CMMI

Metodología de Implantación Rational en INSA: Objetivo CMMI Metodología de Implantación Rational en INSA: Objetivo CMMI Jaime Jose Masvidal Manuel Carlos Fernández INSA (Ingeniería de Software Avanzado) jmasvida@insags.com mcfernandezg@insags.com The premiere software

Más detalles

APROVECHE AL MÁXIMO EL MEJOR SOFTWARE DE ANÁLISIS DE DATOS, ASISTA A LOS CURSOS DE CAPACITACIÓN DE SPSS CHILE

APROVECHE AL MÁXIMO EL MEJOR SOFTWARE DE ANÁLISIS DE DATOS, ASISTA A LOS CURSOS DE CAPACITACIÓN DE SPSS CHILE TRAINING 2007 APROVECHE AL MÁXIMO EL MEJOR SOFTWARE DE ANÁLISIS DE DATOS, ASISTA A LOS CURSOS DE CAPACITACIÓN DE SPSS CHILE Fundamentos en el Uso y Aplicaciones con SPSS Introducción a la Sintaxis Estadísticas

Más detalles

Identificación fácil de los clientes adecuados

Identificación fácil de los clientes adecuados PASW Direct Marketing 18 Especificaciones Identificación fácil de los clientes adecuados Sabemos que le gustaría que sus programas de marketing sean lo más rentables posible y sabemos que conocer la información

Más detalles

Roadshow ECM 2010. Proyecto Imaging & Workflow Barclays. Miguel Ángel García de la Cruz

Roadshow ECM 2010. Proyecto Imaging & Workflow Barclays. Miguel Ángel García de la Cruz Roadshow ECM 2010 Proyecto Imaging & Workflow Barclays Miguel Ángel García de la Cruz 1 Índice Necesidades de Barclays Descripción del proyecto Por qué IBM ECM Por qué GBS 2 Necesidades de Barclays Barclays

Más detalles

Tome mejores decisiones mediante la inteligencia predictiva

Tome mejores decisiones mediante la inteligencia predictiva IBM SPSS Modeler Professional Funciones destacadas Acceda, prepare y cree modelos de datos estructurados fácilmente con este conjunto de programas de minería de datos intuitivo y visual. Crea y valide

Más detalles

IBM SPSS Direct Marketing 20

IBM SPSS Direct Marketing 20 IBM SPSS Direct Marketing 20 Nota: Antes de utilizar esta información y el producto que admite, lea la información general en Avisos el p. 109. sta edición se aplica a IBM SPSS Statistics 20 y a todas

Más detalles

Análisis multivariable

Análisis multivariable Análisis multivariable Las diferentes técnicas de análisis multivariante cabe agruparlas en tres categorías: «Análisis de dependencia» tratan de explicar la variable considerada independiente a través

Más detalles

Material del curso Análisis de datos procedentes de investigaciones mediante programas informáticos Manuel Miguel Ramos Álvarez

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 detalles

DYANE Versión 4 Diseño y Análisis de Encuestas

DYANE Versión 4 Diseño y Análisis de Encuestas DYANE Versión 4 Diseño y Análisis de Encuestas Miguel Santesmases Mestre 1. DESCRIPCIÓN GENERAL DEL PROGRAMA DYANE 1. FINALIDAD Y MÉTODO DEL PROGRAMA DYANE (Diseño y Análisis de Encuestas) es un programa

Más detalles

IBM Cognos Enterprise: Inteligencia de negocio y gestión del rendimiento potente y escalable

IBM Cognos Enterprise: Inteligencia de negocio y gestión del rendimiento potente y escalable : Inteligencia de negocio y gestión del rendimiento potente y escalable Puntos destacados Dota a los usuarios de su organización de las capacidades de business intelligence y de gestión del rendimiento

Más detalles

Algoritmos de minería de datos incluidos en SQL Server 2008 1. Algoritmo de árboles de decisión de Microsoft [MIC2009a] Cómo funciona el algoritmo

Algoritmos de minería de datos incluidos en SQL Server 2008 1. Algoritmo de árboles de decisión de Microsoft [MIC2009a] Cómo funciona el algoritmo 1 Algoritmos de minería de datos incluidos en SQL Server 2008 Los algoritmos que aquí se presentan son: Árboles de decisión de Microsoft, Bayes naive de Microsoft, Clústeres de Microsoft, Serie temporal

Más detalles

Cinco reglas imprescindibles en la predicción para maximizar el valor de los clientes

Cinco reglas imprescindibles en la predicción para maximizar el valor de los clientes Cinco reglas imprescindibles en la predicción para maximizar el valor de los clientes Aplicación del análisis predictivo para mejorar la gestión de las relaciones con los clientes Contenido: 1 Introducción

Más detalles

Cómo aprovechar la potencia de la analítica avanzada con IBM Netezza

Cómo aprovechar la potencia de la analítica avanzada con IBM Netezza IBM Software Information Management White Paper Cómo aprovechar la potencia de la analítica avanzada con IBM Netezza Un enfoque de appliance simplifica el uso de la analítica avanzada Cómo aprovechar la

Más detalles

IBM SPSS Statistics: Lo nuevo Funciones nuevas y mejoradas para acelerar, optimizar y simplificar el análisis de datos

IBM SPSS Statistics: Lo nuevo Funciones nuevas y mejoradas para acelerar, optimizar y simplificar el análisis de datos : Lo nuevo Funciones nuevas y mejoradas para acelerar, optimizar y simplificar el análisis de datos Características Descubra las relaciones causales ocultas entre un gran número de series temporales mediante

Más detalles

Instrucciones para la instalación de IBM SPSS Data Access Pack para Linux

Instrucciones para la instalación de IBM SPSS Data Access Pack para Linux Instrucciones para la instalación de IBM SPSS Data Access Pack para Linux Note: Before using this information and the product it supports, read the general information under Notices el p. 4. This document

Más detalles

Seguridad en Aplicaciones Críticas; SAT. Carlos Jiménez González

Seguridad en Aplicaciones Críticas; SAT. Carlos Jiménez González Seguridad en Aplicaciones Críticas; SAT Carlos Jiménez González Industry Forum 2009 2009 IBM Corporation Agenda Quién es el SAT? Necesidad Búsqueda de Soluciones Porqué asegurar los datos / Bases de Datos?

Más detalles

IBM SPSS Statistics. Analice grandes conjuntos de datos, mejore su rendimiento. Puntos destacados. IBM Software Business Analytics

IBM SPSS Statistics. Analice grandes conjuntos de datos, mejore su rendimiento. Puntos destacados. IBM Software Business Analytics IBM SPSS Statistics Server Analice grandes conjuntos de datos, mejore su rendimiento Puntos destacados Analice enermos archivos de datos rápidamente. Soporte las oficinas distribuidas con una alta capacidad

Más detalles

Microsoft Dynamics NAV

Microsoft Dynamics NAV Microsoft Dynamics NAV Maximizar el valor a través de conocimiento de negocio Business Intelligence White Paper Noviembre 2011 La información contenida en este documento representa el punto de vista actual

Más detalles

INFORME TÉCNICO PREVIO DE EVALUACIÓN DE SOFTWARE

INFORME TÉCNICO PREVIO DE EVALUACIÓN DE SOFTWARE "AA0 DE LA INTEGRACION NACIONAL Y EL RECONOCIMIENTO DE NUESTRA DIVERSIDAD" INFORME TÉCNICO PREVIO DE EVALUACIÓN DE SOFTWARE l. NOMBRE DEL ÁREA Gerencia de Informática 11. RESPONSABLE DE LA EVALUACIÓN Felix

Más detalles

Minitab Training. Blackberry&Cross es aliado oficial de Minitab Inc., en Centroamérica, así como aliado y comercializador de BBCross Learning Center.

Minitab Training. Blackberry&Cross es aliado oficial de Minitab Inc., en Centroamérica, así como aliado y comercializador de BBCross Learning Center. Minitab Training Minitab Statiscal Software, Quality Companion, sus logotipos, marcas y demás símbolos distintivos son propiedad de Minitab Inc. Blackberry&Cross, su logotipo, y demás símbolos distintivos

Más detalles

Guía del usuario de Web Publisher Portlets

Guía del usuario de Web Publisher Portlets Guía del usuario de Web Publisher Portlets Versión 5.3 SP1 Agosto de 2005 Copyright 1994-2005 EMC Corporation. Reservados todos los derechos Tabla de contenido Historial de revisión... 5 Capítulo 1 Introducción

Más detalles

IBM SPSS Modeler Professional

IBM SPSS Modeler Professional IBM SPSS Modeler Professional Características Cree estrategias más efectivas evaluando tendencias y resultados Acceda, prepare y cree modelos de datos estructurados fácilmente con este conjunto de programas

Más detalles

La práctica del análisis de correspondencias

La práctica del análisis de correspondencias La práctica del análisis de correspondencias MICHAEL GREENACRE Catedrático de Estadística en la Universidad Pompeu Fabra Separata del capítulo Biplots en análisis de correspondencias Primera edición: julio

Más detalles

STATGRAPHICS Centurion XVII Software de análisis de datos estadístico y gráfico. Mejoras de la versión 17.1

STATGRAPHICS Centurion XVII Software de análisis de datos estadístico y gráfico. Mejoras de la versión 17.1 STATGRAPHICS Centurion XVII Software de análisis de datos estadístico y gráfico STATGRAPHICS ofrece más de 230 procedimientos de Análisis Exploratorio de Datos, Estadística Descriptiva e Inferencial, Modelos

Más detalles

EMC SourceOne TM para Microsoft SharePoint 7.0 Búsqueda de archivo Tarjeta de referencia rápida

EMC SourceOne TM para Microsoft SharePoint 7.0 Búsqueda de archivo Tarjeta de referencia rápida EMC SourceOne TM para Microsoft SharePoint 7.0 Búsqueda de archivo Tarjeta de referencia rápida Utilice la búsqueda de archivo para buscar y restaurar contenido de SharePoint que se encuentre archivado

Más detalles

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3

Capítulo 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

ANÁLISIS DISCRIMINANTE

ANÁLISIS 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 detalles

Con el fin de obtener los datos, se procede con las siguientes instrucciones:

Con el fin de obtener los datos, se procede con las siguientes instrucciones: Capitulo 3. La predicción de beneficios del mercado bursátil Este segundo caso de estudio va más allá en el uso de técnicas de minería de datos. El dominio específico utilizado para ilustrar estos problemas

Más detalles

320514 - APTM - Análisis de Procesos Textiles y de Mercados

320514 - 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 detalles

Cinco imperativos de la predicción para maximizar el valor para el cliente

Cinco imperativos de la predicción para maximizar el valor para el cliente Cinco imperativos de la predicción para maximizar el valor para el cliente Aplicación del análisis predictivo para mejorar la gestión de la relación con los clientes Contenido: 1 Introducción 4 Los cinco

Más detalles

APLICACIONES CON SOLVER OPCIONES DE SOLVER

APLICACIONES 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 detalles

La Información como Servicio Information As A Service

La Información como Servicio Information As A Service Information As A Service Alonso Verdugo Medina, MD. Software IT Architect IBM SSA alonsov@co.ibm.com Agenda Nuestro Smarter Planet y el Desafío de la Información Entregando Información a Negocios Smarter

Más detalles

IBM Marketing Center. Solución integral, basada en la nube que combina la analítica de cliente con el marketing en tiempo real. Aspectos destacados

IBM Marketing Center. Solución integral, basada en la nube que combina la analítica de cliente con el marketing en tiempo real. Aspectos destacados IBM Marketing Center Solución integral, basada en la nube que combina la analítica de cliente con el marketing en tiempo real Aspectos destacados Ejecute comunicaciones de marketing diseñadas de forma

Más detalles

IBM Cognos Insight. Explore, visualice, modele y comparta información de forma independiente y sin ayuda de TI. Características principales

IBM Cognos Insight. Explore, visualice, modele y comparta información de forma independiente y sin ayuda de TI. Características principales Explore, visualice, modele y comparta información de forma independiente y sin ayuda de TI Características principales Explore, analice, visualice y comparta su información de forma independiente, sin

Más detalles

Cómo convertirse en un negocio en tiempo real con SAP Business Suite basado en SAP HANA

Cómo convertirse en un negocio en tiempo real con SAP Business Suite basado en SAP HANA de la solución SAP SAP Business Suite basado en SAP HANA Objetivos Cómo convertirse en un negocio en tiempo real con SAP Business Suite basado en SAP HANA Maneje todo su negocio en tiempo real Maneje todo

Más detalles

HERRAMIENTAS Y TECNICAS DE LA PLANEACIÓN

HERRAMIENTAS Y TECNICAS DE LA PLANEACIÓN HERRAMIENTAS Y TECNICAS DE LA PLANEACIÓN Análisis del Entorno. Es el análisis de grandes cantidades de información del medio ambiente para detectar tendencias emergentes y crear escenarios. Análisis del

Más detalles

SPSS Missing Values 17.0

SPSS Missing Values 17.0 i SPSS Missing Values 17.0 Si desea obtener más información sobre los productos de software de SPSS Inc., visite nuestro sitio Web en http://www.spss.com o póngase en contacto con SPSS Inc. 233 South Wacker

Más detalles

Cómo obtener un Modelo de Regresión Logística Binaria con SPSS

Cómo 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 detalles

How organizations are influenced by Business Analytics? Octubre 2014

How organizations are influenced by Business Analytics? Octubre 2014 How organizations are influenced by Business Analytics? Octubre 2014 El boom de los datos Fuente: Gestión. Artículo: Big Data: La nueva moneda en el mundo de los negocios. Martes, 07 de octubre del 2014

Más detalles

Empresa o Entidad C.A Electricidad de Valencia. Autores del Trabajo Nombre País e-mail Jimmy Martínez Venezuela jmartinez@eleval.

Empresa o Entidad C.A Electricidad de Valencia. Autores del Trabajo Nombre País e-mail Jimmy Martínez Venezuela jmartinez@eleval. Título Estudio Estadístico de Base de Datos Comercial de una Empresa Distribuidora de Energía Eléctrica. Nº de Registro 231 Empresa o Entidad C.A Electricidad de Valencia Autores del Trabajo Nombre País

Más detalles

Innovación en Acción. 2008 IBM Corporation

Innovación en Acción. 2008 IBM Corporation Innovación en Acción 2008 IBM Corporation Ventana Research: Modelo de Maduración Innovación Estratégica Avanzado Táctica 2 3 Preguntas para Performance Management Cómo lo estamos haciendo? Qué deberíamos

Más detalles

UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO

UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO INSTITUTO DE CIENCIAS BÁSICAS E INGENIERÍA ÁREA ACADÉMICA DE INGENIERÍA TÉCNICAS ESTADÍSTICAS DE CLASIFICACIÓN, UN EJEMPLO DE ANÁLISIS CLUSTER M O N O G R A F

Más detalles

Análisis de Datos. Práctica de métodos predicción de en WEKA

Análisis 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 detalles

Productos Oracle para gobierno de SOA. Oracle White Paper Mayo 2009

Productos Oracle para gobierno de SOA. Oracle White Paper Mayo 2009 Productos Oracle para gobierno de SOA Oracle White Paper Mayo 2009 Productos Oracle para gobierno de SOA RESUMEN EJECUTIVO La solución de Oracle SOA Governance es un elemento clave de la estrategia de

Más detalles

Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida. Por: Prof. Elena del C. Coba

Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida. Por: Prof. Elena del C. Coba Técnicas de análisis para el uso de resultados de encuestas y estudios aplicados al VIH/sida Por: Prof. Elena del C. Coba Encuestas y estudios aplicados al VIH/sida Definir la fuente de los datos: Datos

Más detalles

Instalación de IBM SPSS Modeler Server Adapter

Instalación de IBM SPSS Modeler Server Adapter Instalación de IBM SPSS Modeler Server Adapter Contenido Instalación del adaptador de IBM SPSS Modeler Server............ 1 Acerca de la instalación de IBM SPSS Modeler Server Adapter................

Más detalles

Scoring: Construcción y Aplicación

Scoring: Construcción y Aplicación Scoring: Construcción y Aplicación Agosto de 2014 2014 Experian Information Solutions, Inc. All rights reserved. Experian and the marks used herein are service marks or registered trademarks of Experian

Más detalles

CURSO MINERÍA DE DATOS AVANZADO

CURSO MINERÍA DE DATOS AVANZADO CURSO MINERÍA DE DATOS AVANZADO La minería de datos (en inglés, Data Mining) se define como la extracción de información implícita, previamente desconocida y potencialmente útil, a partir de datos. En

Más detalles

Statistical Software. Aprenda más al respecto

Statistical Software. Aprenda más al respecto Statistical Software Actualice ahora para obtener acceso a más de 70 nuevas características y mejoras que incluyen herramientas estadísticas más poderosas, un nuevo Asistente que le guiará paso a paso

Más detalles

IBM Cognos Business Intelligence Scorecarding

IBM Cognos Business Intelligence Scorecarding IBM Cognos Business Intelligence Scorecarding Enlazando exitosamente la estrategia con las operaciones Visión General Las tarjetas de puntuación o scorecards ofrecen un enfoque comprobado para comunicar

Más detalles

IBM SPSS Modeler Descubra patrones en los datos históricos para predecir eventos futuros, tomar mejores decisiones y lograr mejores resultados

IBM SPSS Modeler Descubra patrones en los datos históricos para predecir eventos futuros, tomar mejores decisiones y lograr mejores resultados Descubra patrones en los datos históricos para predecir eventos futuros, tomar mejores decisiones y lograr mejores resultados Características principales Acceda a diversas fuentes de datos tales como almacenes

Más detalles

Capítulo 15. Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante

Capítulo 15. Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante Capítulo 15 Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante Los modelos factoriales de análisis de varianza (factorial = más de un factor) sirven para evaluar el efecto

Más detalles

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL

UNIDAD 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 detalles

Conozca el catálogo de productos de IBM SPSS

Conozca el catálogo de productos de IBM SPSS Business Analytics Software SPSS Conozca el catálogo de productos de IBM SPSS Analítica avanzada que ayuda a las organizaciones a anticipar el cambio y actuar para mejorar los resultados 2 Conozca el catálogo

Más detalles

IBM SPSS Regression 20

IBM SPSS Regression 20 IBM SPSS Regression 20 Nota: Antes de utilizar esta información y el producto que admite, lea la información general en Avisos el p. 46. Esta edición se aplica a IBM SPSS Statistics 20 y a todas las versiones

Más detalles

TABLAS DE CONTINGENCIA (CROSS-TAB): BUSCANDO RELACIONES DE DEPENDENCIA ENTRE VARIABLES CATEGÓRICAS 1

TABLAS DE CONTINGENCIA (CROSS-TAB): BUSCANDO RELACIONES DE DEPENDENCIA ENTRE VARIABLES CATEGÓRICAS 1 TABLAS DE CONTINGENCIA (CROSS-TAB): BUSCANDO RELACIONES DE DEPENDENCIA ENTRE VARIABLES CATEGÓRICAS 1 rafael.dearce@uam.es El objeto de las tablas de contingencia es extraer información de cruce entre dos

Más detalles

MANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS

MANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS 1 MANUAL SIMPLIFICADO DE ESTADÍSTICA APLICADA VIA SPSS Medidas de tendencia central Menú Analizar: Los comandos del menú Analizar (Estadística) ejecutan los procesamientos estadísticos. Sus comandos están

Más detalles

El nuevo Integrador de Valor

El nuevo Integrador de Valor El nuevo Integrador de Valor Conclusiones del Global Chief Financial Officer Study: Resumen ejecutivo 2 El nuevo Integrador de Valor Resumen ejecutivo Éste es un resumen del IBM Global CFO Study titulado

Más detalles

Kofax. Desktop 2.0. Guía de instalación 10300952-000

Kofax. Desktop 2.0. Guía de instalación 10300952-000 Kofax Desktop 2.0 Guía de instalación 10300952-000 2009-2010 Kofax, Inc., 15211 Laguna Canyon Road, Irvine, California 92618, U.S.A. All rights reserved. Use is subject to license terms. Third-party software

Más detalles

Análisis de Homogeneidad en ViSta The Visual Statistics System *

Análisis de Homogeneidad en ViSta The Visual Statistics System * Análisis de Homogeneidad en ViSta The Visual Statistics System * 1. Introducción Rubén D. Ledesma Pedro M. Valero Mora Forrest W. Young Este documento describe el funcionamiento de un módulo de Análisis

Más detalles

IBM SPSS Regression 19

IBM SPSS Regression 19 IBM SPSS Regression 19 Note: Before using this information and the product it supports, read the general information under Notices el p. 47. This document contains proprietary information of SPSS Inc,

Más detalles

ESTADÍSTICA DESCRIPTIVA CON SPSS

ESTADÍSTICA 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 detalles

Introducción a la Minería de Datos

Introducción a la Minería de Datos Introducción a la Minería de Datos Abdelmalik Moujahid, Iñaki Inza y Pedro Larrañaga Departamento de Ciencias de la Computación e Inteligencia Artificial Universidad del País Vasco Índice 1 Minería de

Más detalles

Cómo hacer una Regresión Logística con SPSS paso a paso. (I)

Cómo hacer una Regresión Logística con SPSS paso a paso. (I) DOCUWEB FABIS Dot. Núm 070202 Cómo hacer una Regresión Logística con SPSS paso a paso. (I) Aguayo Canela, Mariano. Servicio de Medicina Interna. Hospital Universitario Virgen Macarena. Sevilla Resumen

Más detalles

Material del curso Análisis de datos procedentes de investigaciones mediante programas informáticos Manuel Miguel Ramos Álvarez

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 detalles

Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler

Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler Álvaro J. Méndez Services Engagement Manager IBM SPSS / Profesor Econometría UAM Jecas, 22 Oct 2010 Aplicaciones prácticas de Minería de Datos con IBM SPSS Modeler Business Analytics software Agenda Minería

Más detalles

Añada analítica avanzada a su repertorio con extracción de datos, analítica avanzada y R

Añada analítica avanzada a su repertorio con extracción de datos, analítica avanzada y R Añada analítica avanzada a su repertorio con extracción de datos, analítica avanzada y R Por qué la analítica avanzada? Las empresas que inyectan grandes volúmenes de datos y analítica a sus operaciones

Más detalles

Petrojam: Más eficiencia operativa actualizando la aplicación SAP ERP

Petrojam: Más eficiencia operativa actualizando la aplicación SAP ERP Petrojam: Más eficiencia operativa actualizando la aplicación SAP ERP Compañía Petrojam Limited Convertirse en un proveedor excepcional Sede central Kingston, Jamaica Industria, productos y servicios Hidrocarburos:

Más detalles

TEMA 7 ANÁLISIS DE DATOS: INTRODUCCIÓN AL SPSS

TEMA 7 ANÁLISIS DE DATOS: INTRODUCCIÓN AL SPSS TEMA 7 ANÁLISIS DE DATOS: INTRODUCCIÓN AL SPSS 1. Introducción 2. Definición de variables 3. Introducción de los datos 4. Análisis de los datos 5. Otras utilidades 1. INTRODUCCIÓN El SPSS es un paquete

Más detalles

EHP6 for SAP ERP 6.0 Marzo 2012 Español Gestión de Precios Documentación de proceso empresarial SAP AG Dietmar-Hopp-Allee 16 69190 Walldorf Alemania

EHP6 for SAP ERP 6.0 Marzo 2012 Español Gestión de Precios Documentación de proceso empresarial SAP AG Dietmar-Hopp-Allee 16 69190 Walldorf Alemania EHP6 for SAP ERP 6.0 Marzo 2012 Español Gestión de Precios Documentación de proceso empresarial SAP AG Dietmar-Hopp-Allee 16 69190 Walldorf Alemania Copyright 2012 SAP AG. All rights reserved. SAP, R/3,

Más detalles

CONSTRUCCION DE INDICADORES DE GESTION Y HERRAMIENTAS OLAP PARA PEQUEÑAS Y MEDIANAS EMPRESAS

CONSTRUCCION DE INDICADORES DE GESTION Y HERRAMIENTAS OLAP PARA PEQUEÑAS Y MEDIANAS EMPRESAS CONSTRUCCION DE INDICADORES DE GESTION Y HERRAMIENTAS OLAP PARA PEQUEÑAS Y MEDIANAS EMPRESAS 1. RESEÑA HISTORICA Las exigencias competitivas del mercado hacen que las organizaciones busquen mecanismos

Más detalles

GRADO EN QUÍMICA POR LA UNIVERSIDAD DE SANTIAGO DE COMPOSTELA PRÁCTICAS DE QUÍMICA ANALÍTICA MANUAL DE PRÁCTICAS DE QUÍMICA ANALÍTICA IV

GRADO EN QUÍMICA POR LA UNIVERSIDAD DE SANTIAGO DE COMPOSTELA PRÁCTICAS DE QUÍMICA ANALÍTICA MANUAL DE PRÁCTICAS DE QUÍMICA ANALÍTICA IV GRADO EN QUÍMICA POR LA UNIVERSIDAD DE SANTIAGO DE COMPOSTELA PRÁCTICAS DE QUÍMICA ANALÍTICA MANUAL DE PRÁCTICAS DE QUÍMICA ANALÍTICA IV 1. NORMAS DE TRABAJO DURANTE LAS PRÁCTICAS. La asistencia a las

Más detalles

CLASIFICACIÓN NO SUPERVISADA

CLASIFICACIÓN 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 detalles

Sage CRM 7.3 Avance de la versión

Sage CRM 7.3 Avance de la versión Sage CRM 7.3 Avance de la versión Presentación Este avance de la versión le ofrece información sobre las nuevas funciones de Sage CRM 7.3 y las mejoras de las funciones existentes. Hemos incluido una descripción

Más detalles

5 Asociación: organización y representación gráfica de datos multivariados

5 Asociación: organización y representación gráfica de datos multivariados 5 Asociación: organización y representación gráfica de datos multivariados. La distribución conjunta multivariada.. La tabla de contingencia. Representaciones gráficas.. El caso de dos variables categóricas..

Más detalles

Lidiando con el contenido no estructurado. An Oracle White Paper Junio 2009

Lidiando con el contenido no estructurado. An Oracle White Paper Junio 2009 Lidiando con el contenido no estructurado An Oracle White Paper Junio 2009 Lidiando con el contenido no estructurado El contenido no estructurado es cualquier tipo de información que no esta contenida

Más detalles

Gestión de pedidos de cliente: Modificación Ventas de stock

Gestión de pedidos de cliente: Modificación Ventas de stock EHP6 for SAP ERP 6.0 Marzo 2012 Español Gestión de pedidos de cliente: Modificación Ventas de stock Documentación de proceso empresarial SAP AG Dietmar-Hopp-Allee 16 69190 Walldorf Alemania Copyright 2012

Más detalles

Uso de Mapas Perceptuales en Campañas Políticas

Uso de Mapas Perceptuales en Campañas Políticas Uso de Mapas Perceptuales en Campañas Políticas Act. Marco Antonio Robles Páez GAUSSC Introducción El presente documento pretende mostrar la utilidad de los Mapas Perceptuales basados en el Análisis Discriminante

Más detalles

Lección n 5. Modelos de distribución n potencial de especies

Lección n 5. Modelos de distribución n potencial de especies Lección n 5. Modelos de distribución n potencial de especies 1. Elaboración de modelos de distribución de especies. a. Planteamiento. El modelado del nicho ambiental se basa en el principio de que la distribución

Más detalles

IBM SPSS Decision Trees 21

IBM SPSS Decision Trees 21 IBM SPSS Decision Trees 21 Nota: Antes de utilizar esta información y el producto que admite, lea la información general en Avisos el p. 112. sta edición se aplica a IBM SPSS Statistics 21 y a todas las

Más detalles

!!!!!!!! !!!!! Práctica!4.! Programación!básica!en!C.! ! Grado!en!Ingeniería!!en!Electrónica!y!Automática!Industrial! ! Curso!2015H2016!

!!!!!!!! !!!!! Práctica!4.! Programación!básica!en!C.! ! Grado!en!Ingeniería!!en!Electrónica!y!Automática!Industrial! ! Curso!2015H2016! INFORMÁTICA Práctica4. ProgramaciónbásicaenC. GradoenIngenieríaenElectrónicayAutomáticaIndustrial Curso2015H2016 v2.1(18.09.2015) A continuación figuran una serie de ejercicios propuestos, agrupados por

Más detalles

Inteligencia en Redes de Comunicaciones. Tema 7 Minería de Datos. Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda

Inteligencia en Redes de Comunicaciones. Tema 7 Minería de Datos. Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda Inteligencia en Redes de Comunicaciones Tema 7 Minería de Datos Julio Villena Román, Raquel M. Crespo García, José Jesús García Rueda {jvillena, rcrespo, rueda}@it.uc3m.es Índice Definición y conceptos

Más detalles

TRATAMIENTO DE BASES DE DATOS CON INFORMACIÓN FALTANTE SEGÚN ANÁLISIS DE LAS PÉRDIDAS CON SPSS

TRATAMIENTO 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 detalles

IMPLEMENTACIÓN DE ETIQUETAS DE SOFTWARE EN PRODUCTOS DE ADOBE HOJA TÉCNICA

IMPLEMENTACIÓN DE ETIQUETAS DE SOFTWARE EN PRODUCTOS DE ADOBE HOJA TÉCNICA IMPLEMENTACIÓN DE ETIQUETAS DE SOFTWARE EN PRODUCTOS DE ADOBE HOJA TÉCNICA 2011 Adobe Systems Incorporated. All rights reserved. Software Tag Implementation in Adobe Products Tech Note Adobe, the Adobe

Más detalles

MOC-50413 Mastering Microsoft Project 2010

MOC-50413 Mastering Microsoft Project 2010 MOC-50413 Mastering Microsoft Project 2010 Introducción Este curso presenta el software de gestión de proyectos más populares para la dirección de proyectos. Proporciona a los asistentes el conocimiento

Más detalles

Cree tablas personalizadas rápidamente

Cree tablas personalizadas rápidamente PASW Custom Tables 18 Cree tablas personalizadas rápidamente Analice con facilidad los datos y comunique los resultados con PASW Custom Tables. Muestre los resultados de los análisis con claridad y rapidez

Más detalles

Gestión del Capital Humano

Gestión del Capital Humano Gestión del Capital Humano Habilitando la innovación y el rendimiento empresarial mediante la optimización de la fuerza laboral Las prioridades del negocio están cambiando.. Crecimiento sustentable es

Más detalles

Sol Meliá consigue eficiencia y optimización de costes con la ayuda de CA Clarity PPM

Sol Meliá consigue eficiencia y optimización de costes con la ayuda de CA Clarity PPM CASO DE EXITO Sol Meliá consigue eficiencia y optimización de costes con la ayuda de CA Clarity PPM PERFIL DEL CLIENTE Sector: Hotelero Organización: Sol Meliá Group Empleados: 35.000 Ingresos: 1.148,7

Más detalles

Índice de Tablas y Gráficos

Índice de Tablas y Gráficos 2 Contenido 1. Los usuarios y los usos de los productos y servicios de AEVAL.... 7 2. La valoración del servicio prestado por AEVAL.... 13 2.1. Valoración por atributos... 13 2.2. Valoración por dimensiones

Más detalles

Práctica 2 ESTADÍSTICA DESCRIPTIVA

Práctica 2 ESTADÍSTICA DESCRIPTIVA Práctica 2. Estadística descriptiva 1 Práctica 2 ESTADÍSTICA DESCRIPTIVA Objetivos: En esta práctica utilizaremos el paquete SPSS para calcular estadísticos descriptivos de una muestra. Se representarán

Más detalles

Tema 6.Diseño del cuestionario (II): Escalas de medida

Tema 6.Diseño del cuestionario (II): Escalas de medida Tema 6.Diseño del cuestionario (II): 1.Finalidad de las escalas 2.Tipos de escalas: básicas, comparativas y no comparativas 3.Creación y evaluación de escalas 4.Escalas estandarizadas 43 6.1.Finalidad

Más detalles

Oracle On Demand Infrastructure: Virtualización con Oracle VM. An Oracle White Paper Junio 2009

Oracle On Demand Infrastructure: Virtualización con Oracle VM. An Oracle White Paper Junio 2009 Oracle On Demand Infrastructure: Virtualización con Oracle VM An Oracle White Paper Junio 2009 Oracle On Demand Infrastructure: Virtualización con Oracle VM INTRODUCCIÓN Infraestructura de Oracle On Demand

Más detalles

Incorpora la localización en tu compañía. Mejora la rentabilidad con la solución Location Analytics de Esri

Incorpora la localización en tu compañía. Mejora la rentabilidad con la solución Location Analytics de Esri Incorpora la localización en tu compañía Mejora la rentabilidad con la solución Location Analytics de Esri Qué es la pregunta Dónde es la respuesta En la era actual de sobrecarga de datos el éxito en los

Más detalles

29 de mayo de 2014. IBM Marketing Center Guía del usuario

29 de mayo de 2014. IBM Marketing Center Guía del usuario 29 de mayo de 2014 IBM Marketing Center Guía del usuario Nota Antes de utilizar esta información y el producto al que hace referencia, lea la información en Avisos en la página 113. IBM Digital Marketing

Más detalles