ESQUEMA DE OBTENCIÓN Y ANÁLISIS DE DATOS

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

Download "ESQUEMA DE OBTENCIÓN Y ANÁLISIS DE DATOS"

Transcripción

1 CURSO DE INTRODUCCIÓN y MANEJO BÁSICO DEL SPSS

2 SESIÓN I:: Técniicas de Análliisiis Mullttiivariiantte.. Cllasiifiicaciión,, descriipciión y diisponiibiilliidad en SPSS

3 ESQUEMA DE OBTENCIÓN Y ANÁLISIS DE DATOS DETERMINACIÓN DEL PROBLEMA F.SECUNDARIAS - SOPORTE IMPRESO - SOPORTE MAGNÉTICO OBTENCIÓN DE INFORMACIÓN F.PRIMARIAS - UNIVERSO - CUESTIONARIO - MUESTREO - PRETEST Y TRABAJO DE CAMPO - CONTROL - CODIFICACIÓN Y TABULACIÓN ANÁLISIS MULTIVARIANTE SIMPLE - ESTADÍSTICA DESCRIPTIVA - ANÁLISIS DE CORRELACIÓN: Numérica, ordinal o categórica - NÚMEROS ÍNDICES - GRÁFICOS Y TABLAS - ANÁLISIS DE DEPENDENCIA: Anova, Ancova, Manova y Mancova. Análisis de Regresión. Análisis Discriminante. Correlación Canóvnica - ANÁLISIS DE INTERDEPENDENCIA: - Entre variables: Análisis Factorial. Componentes principales - Entre sujetos: Análisis Cluster. Análisis Multidimensional No-Métrico. Análisis Conjunto INFORME TÉCNICO DE DIRECCIÓN

4 ESQUEMA DE CLASIFICACIÓN DE TÉCNICAS DE ANÁLISIS MULTIVARIANTE ANÁLISIS DE DEPENDENCIA: TABLAS DE CONTINEGENCIA. ANOVA, ANCOVA, MANOVA, MANCOVA. ANÁLISIS DE REGRESIÓN. ANÁLISIS DISCRIMINANTE LOGIT - PROBIT. CORRELACIÓN CANÓNICA. ANÁLISIS DE INTERDEPENDENCIA. ENTRE VARIABLES: COMPONENTES PRINCIPALES. ANÁLISIS FACTORIAL. ANÁLISIS CONJUNTO. ENTRE SUJETOS: CLUSTER O ANÁLISIS DE GRUPOS. ANÁLISIS MULTIDIMENSIONAL NO MÉTRICO.

5 EXTENSIÓN DE TÉCNICAS DE ANÁLISIS MULTIVARIANTE VICENS OTERO, J. Estudios de mercado en la empresa española. Instituto de Predicción Económica L. R. Klein. Documento 96/4. Julio Resultados para 300 empresas con cifras de ventas superiores a 250 mill. Pts. UTILIZACIÓN DE LOS DISTINTOS TIPOS DE ANÁLISIS SI (Porcentaje) NO (Porcentaje) TOTAL (Porcentaje) ANÁLISIS ESTADÍSTICO SIMPLE 20.8% 79.2% 100% ANÁLISIS ESTADÍSTICO MULTIVARIANTE 8.2% 91.8% 100% UTILIZACIÓN DE PROGRAMAS DE ORDENADOR PARA EL ANÁLISIS 29.8% 70.2% 100% ANÁLISIS ESTADÍSTICO MULTIVARIANTE MÉTODOS DE ANÁLISIS REALIZADOS EN 1994 (Porcentaje) NO HA REALIZADO PERSONAL PROPIO SI HA REALIZADO CONSUL- TORÍA EXTERNA PERSONAL INTERNO Y EXTERNO TOTAL ANÁLISIS DE LA VARIANZA 88.6% 4.2% 4.8% 2.4% 100% ANÁLISIS DE LA COVARIANZA 94.5% 1.8% 3.7% 0.0% 100% ANÁLISIS DISCRIMIANTE 93.3% 1.2% 4.9% 0.6% 100% CORRELACIÓN CANÓNICA 98.8% 0.0% 1.2% 0.0% 100% ANÁLISIS FACTORIAL 85.4% 2.5% 9.1% 3.0% 100% ANÁLISIS DE REGRESIÓN 89.1% 5.5% 4.2% 1.2% 100% CLUSTER O ANÁLISIS DE GRUPO 87.2% 4.2% 7.4% 1.2% 100% ESCALAS MULTI- DIMENSIONALES 95.1% 2.5% 1.2% 1.2% 100% ANÁLISIS CONJUNTO 93.9% 3.0% 2.5% 0.6% 100%

6 FACTORES, VARIABLES Y ESCALAS DE MEDIDA TIPOLOGÍA: Variables Continuas y Discretas Variable Temporal, Transversal y Panel Data...etc ESCALAS DE MEDIDA: Nominal (Factor) Identifica la pertenencia de un elemento sujeto u objeto a un grupo u otro, a niveles generalmente mutuamente excluyentes. Permite la distinción entre elementos pero no su ordenación. Ordinal Identifica a cada elemento en una posición de escala respecto a los otros. Intervalo Identifica la posición ordinal de cada elemento y permite además medir las distancias entre unos y otros utilizando una escala de medida subjetiva. Razón Permite medir las distancias entre elementos utilizando una escala de objetiva y, por lo tanto, posibilita la utilización de razones o ratios comparativos. CONDICIONA LA HERRAMIENTA DE ANÁLISIS Y, POR TANTO, LA CALIDAD DE LOS RESULTADOS ES CONDICIONADA POR LOS OBJETIVOS EXPERIMENTALES, LOS RECURSOS DISPONIBLES, Y LA DIFICULTAD DE PERCEPCIÓN EXPERIMENTAL.

7 TABLAS DE CONTINGENCIA APROPIADAS CUANDO... Se desea organizar información relativa a más de un factor, explorar la relación de dependencia o independencia entre los factores y eventualmente medir el grado de asociación entre los mismos. Así mismo, apropiadas cuando se desea medir el grado de concordancia entre clasificaciones factoriales de objetos o sujetos. EJEMPLO 1 (Organización bifactorial): Cómputo sencillo de validez de Test Diagnósticos. Punto de partida: Se ordenan en una tabla de dos dimensiones los resultados de un test diagnóstico para 100 pacientes (50 enfermos - 50 sanos) según los resultados positivos y negativos. La información contenida en las distintas celdas, debidamente relativizada, nos permitirá determinar la sensibilidad del Test (Prob. Diagnóstico correcto para un enfermo), su especificidad Prob. Diagnóstico correcto para un NO enfermo) y sus valores predictivos positivo (Prob. Enfermedad ante test Positivo) y negativo (Prob. NO Enfermedad ante test Negativo) EJEMPLO 2 (Relación entre dos factores): Relación entre el riesgo de infección por virus la hepatitis B del personal sanitario y la manipulación de sangre o material biológico. Punto de partida: Se realiza un estudio serológico en 50 voluntarios del grupo de mayor riesgo y 100 del grupo de menor riesgo. Suponiendo que la muestra es suficientemente representativa se observará la dependencia entre el puesto de trabajo y el riesgo de infección hepática.

8 EJEMPLO 3 (Factores multinivel): Relación entre el intervalo de edad infantil y el padecimiento del sarampión, rubéola y parotiditis como paso previo al estudio de la escolarización como factor de riesgo en la transmisión de estas enfermedades infeccionas. Punto de partida: Se toman los datos de la edad de 265 niños clasificándolos por intervalos en cuatro grupos (Menores de cuatro años, entre 4 y 5 años, entre 6 y 7 años y mayores de siete años). Así mismo, se estudia su situación inmunológica detectándose la presencia o ausencia de anticuerpos frente a cada uno de esos virus. EJEMPLO 4 (Análisis de concordancia): Homogeneidad de criterios en la hospitalización entre dos centros diferentes Punto de partida: Se selecciona una muestra experimental de 50 pacientes que serán atendidos, con los mismos síntomas, por facultativos de dos centros diferentes. Para cada paciente se anota la decisión de hospitalización SI - NO en cada uno de los dos centros. PROCEDIMIENTO SPPS MENÚ: ESTADÍSTICA - RESUMIR - TABLAS DE CONTINGENCIA FACTOR 1 FACTOR 2 Medidas para el estudio de la correlación, dependencia y asociación entre factores Control de la información a mostrar en las casillas interiores de la tabla y marginales de filas y columnas.

9 ANÁLISIS DE LA VARIANZA APROPIADO CUANDO... Se desea analizar si los distintos niveles de un determinado factor inciden en los valores de una variable cuantitativa. Si se emplean como explicativos dos o más factores hablamos de una ANOVA multifactorial y, en ese caso, cobrarán interés los efectos de los niveles de cada uno de los factores y los efectos de las interacciones entre los niveles de los factores. Algunas variantes de esta técnica son especialmente atractivas para casos experimentales concretos, en especial el ANCOVA. EJEMPLO 1 (Anova Unifactorial - Experimento de homogeneidad de datos pareados): Eficacia de un tratamiento antitaquicárdico Punto de partida: Se realiza un experimento con 50 pacientes tomando las pulsaciones por minuto antes y después de la administración del medicamento. EJEMPLO 2 (Anova Unifactorial sobre grupos diferentes): Relación entre la localización del Cáncer Gástrico en el número de monocitos del enfermo. Punto de partida: Se toman 50 enfermos de cáncer gástrico dividios en tres grupos: 15 con carcinoma en fundus, 15 con carcinoma en curvatura y 20 con carcinoma en píloro. Al efectuar un hemograma se realiza un recuento monocitario. EJEMPLO 3 (Anova con dos factores): Independencia, sinergismo o antagonismo del consumo de Haschis y la Cocaína. Punto de partida: Se dispone de una muestra de 100 individuos de los cuales, un 25% no son consumidores de ninguna de las dos drogas, otro 25% son consumidores exclusivos de cocaína, un 25% exclusivos de Haschis y un 25% de ambas drogas simultáneamente. En condiciones experimentales de homogeneidad adecuada se toman las pulsaciones por minuto a estos 100 individuos. El análisis no sólo permitirá diferenciar la variabilidad "biológica" de la debida al consumo individual de cada droga sino también de la debida a la interacción de ambas drogas.

10 PROCEDIMIENTO SPPS MENÚ (Anova Unifactorial): ESTADÍSTICA - COMPARAR MEDIAS - ANOVA DE UN FACTOR MENÚ (ANOVA Multifactorial): ESTADÍSTICA - MODELO LINEAL GENERAL - COMPONENTES DE LA VARIANZA VARIABLES A EXPLICAR FACTOR EXPLICATIVO Contrastes de existencia de tendencia en la endógena y contrastes "t" de significación para los niveles del factor. Pruebas a posteriori para determinar qué medias difieren en el caso en que el ANOVA resulte significativo. Test de homogeneidad de varianzas, presencia de estadísticos descriptivos y tratamiento de los valores perdidos.

11 ANÁLISIS DE REGRESIÓN APROPIADO CUANDO... SIEMPRE que la calidad de los datos lo permita para el análisis de dependencia univariante o multivariante. Su precisión, refinamiento y potencia de análisis es muy superior a las de otras técnicas de análisis de dependencia, permitiendo la realización de ejercicios de simulación y predicción. Como contrapartida, sus virtudes sólo pueden explotarse asumiendo una complejidad que puede llegar a ser muy acusada, de modo que su aplicación exige un importante compromiso de recursos técnicos. VARIANTES BÁSICAS (Recogidas en SPSS) Modelo Básico de Regresión Lineal por MCO Aproximación clásica adecuada para relaciones lineales entre variables exógenas y endógena en las que cabe asumir un único sentido de la causalidad y el estricto cumplimiento de las Hipótesis Básicas tanto estructurales como referidas a la perturbación aleatoria (especialmente la homocedasticidad y ausencia de autocorrelación residual). Regresión no lineal (RNL - NLR) Aproximación genérica para aquellos casos en los que no puede suponerse linealidad en la relación entre exógenas y endógena. Orientado en el SPSS a la predicción simple de series temporales. Estimación ponderada (MCP - WLS) Estimación específica para ajustar relaciones de dependencia en las que se viole la condición de varianza constante para la variable endógena en la población objeto de estudio. El método afina el resultado de una estimación clásica ponderando en mayor medida las observaciones más precisas. Estimación en dos etapas (MC2E - 2SLS) Una de las muchas aproximación específicas para aquellos casos en los que los errores del modelo aparecen correlacionados con alguna exógena, por ejemplo, cuando la relación de causalidad no se da exclusivamente desde las exógenas a la endógena, sospechándose la existencia de un efecto de retroalimentación en sentido inverso.

12 EJEMPLO 1 (Regresión lineal básica multivariante): presión arterial en la población fumadora. Punto de partida: Sobre una muestra de 500 fumadores habituales mayores de 50 años se desea establecer la relación entre la presión arterial y algunas de sus características básicas y hábitos: edad, peso, número de años con el hábito de fumar y número de cigarrillos diarios promedio en los últimos 5 años. Todas las variables pueden medirse en escalas de razón. EJEMPLO 2 (Regresión univariante no lineal): Predicción de la extensión de la infección por VIH. Punto de partida: Utilizando el censo español de casos de infección VIH se determina el número de casos por mil habitantes ocurridos desde La evolución de la enfermedad será, con seguridad, no lineal, lo que impedirá el ajuste de un modelo básico de regresión. Un ajuste de tipo logístico permitirá realizar una mejor predicción para el período EJEMPLO 3 (Regresión univariante por estimación ponderada): Relación entre la edad de los trabajadores y la duración de las bajas por enfermedad. Punto de partida: Utilizando estadísticas de una mutualidad laboral, se desea establecer la relación entre la edad de los trabajadores y el total de días de anuales que solicitan por baja de enfermedad. La relación positiva es previsible, pero para estimar de forma precisa el valor del parámetro debe observarse el hecho de que, a mayor edad, la varianza de la endógena crece como consecuencia de la aparición progresiva de un mayor espectro de enfermedades de distinta gravedad y, por lo tanto, de distinto período de baja.

13 EJEMPLO 4 (Regresión por estimación con variables instrumentales): Demanda de un determinado producto farmacéutico. Punto de partida: Una empresa farmacéutica está interesada en medir los factores que han impulsado los cambios en las ventas de un novedoso producto sin competencia a lo largo de los últimos tres años. Para ello dispone de datos mensuales de ventas, precio medio, promoción y publicidad entre facultativos e incidencia de la enfermedad en el segmento poblacional de interés. La estimación simple de los parámetros estaría sesgada, especialmente para el parámetro de la incidencia, en cuanto que las ventas del producto farmaceútico pueden funcionar como explicativa para la incidencia de la misma. PROCEDIMIENTO SPPS MENÚ (Regresión Lineal MCO y Regresión MCP - WLS): ESTADÍSTICA - REGRESIÓN - LINEAL VARIABLE A EXPLICAR VARIABLES EXPLICATIVAS Método para la inclusión selectiva de las variables exógenas Selección método de Mínimos Cuadrados Ponderados (WLS) Posibilidad de limitar el análisis a un conjunto de casos según el valor de una variable Intervalos de confianza para los coeficientes, matriz de varianzas y covarianzas, correlaciones parciales y semiparciales, test multicolinealidad, Durbin Watson.

14 PROCEDIMIENTO SPPS MENÚ (Regresión Curvilínea): ESTADÍSTICA - REGRESIÓN - ESTIMACIÓN CURVILÍNEA VARIABLES A PREDECIR VARIABLES PREDICTORA ó TIEMPO Variable etiquetar punto. para cada Tipo de modelo de ajuste curvilíneo. PROCEDIMIENTO SPPS MENÚ (Regresión genérica NO Lineal): ESTADÍSTICA - REGRESIÓN - NO LINEAL VARIABLES A EXPLICAR EXPRESIÓN NO LINEAL DEL MODELO La sintaxis de la expresión no lineal del se escribirá utilizando variables dependientes (cuadro superior), el cuadro operativo básico y las funciones prediseñadas.

15 ANÁLISIS DISCRIMINANTE - ANÁLISIS LOGIT - ANÁLISIS PROBIT APROPIADOS CUANDO... En términos generales, todas estas técnicas permiten explicar el valor de un factor utilizando la información de variables explicativas cuantitativas. En el campo de la medicina, resulta especialmente atractivo para la diagnosis y para la determinación del nivel de estímulo efectivo en los tratamientos. VARIANTES BÁSICAS (Recogidas en SPSS) Análisis DISCRIMINANTE Aunque todos estos análisis son en realidad análisis discriminantes, el SPSS denomina específicamente A. Discriminante al caso en el que se utiliza una aproximación no probabilística apoyada en cálculos sobre la variación intragrupal y entregrupal observada. El factor a explicar representa generalmente el grupo de pertenencia de una serie de individuos. El análisis discriminante utilizará la información de un conjunto de variables observadas para esos sujetos u objetos a fin de construir unas funciones discriminantes (basadas en simples combinaciones lineales de las variables predictoras), capaces de explicar esa pertenencia a uno u otro grupo (ADD) y de construir un modelo predictivo (ADP) para pronosticar el grupo de pertenencia de un caso a partir de las características observadas de cada caso. Si bien no se reduce sólo al caso dicotómico para la endógena requiere que las variables explicativas sean continuas.

16 Modelos LOGIT - PROBIT El modelo LOGIT es en realidad un tipo específico de regresión en el que la variable endógena es dicotómica mientras que las explicativas pueden ser continuas o categóricas. El contexto es similar al descrito en el cuadro anterior para el análisis discriminante, pero ahora el análisis suele enfocarse a aquellos casos en los que la variable endógena puede interpretarse en términos de probabilidad y el objetivo es cuantificar la relación entre las características individuales de los individuos y esa probabilidad. Los coeficientes de regresión logística, aunque difíciles de interpretar, pueden utilizarse para estimar la razón de las ventajas relativas de cada variable independiente del modelo. La regresión logística es aplicable a un rango más amplio de situaciones de investigación que el análisis discriminante. La regresión PROBIT, muy similar a la empleada en el LOGIT, suele utilizarse en aquellos casos en los que se sospecha que una respuesta dicotómica está influida por el nivel de alguna o algunas variables explicativas. El procedimiento, permitirá estimar muy fácilmente la intensidad necesaria para que un estímulo llegue a inducir una determinada proporción de respuestas. EJEMPLO 1 (Análisis Discriminante): Selección de la cartera de clientes solventes de una Aseguradora Médica. Punto de partida: Una aseguradora analiza su cartera de 2500 clientes distinguiendo a aquellos que han hecho frente a sus cuotas con regularidad de aquellos que no lo han hecho. Adicionalmente, revisa para cada uno de los 2500 clientes algunas variables que se sospecha pueden estar en relación directa con la solvencia: edad, renta mensual, antigüedad del contrato, número de hijos. Estas cinco variables permitirán elaborar un máximo de cuatro funciones discriminantes que ayuden a caracterizar a cada uno de los grupos. Además, si el valor predictivo de las mismas es elevado podrán utilizarse para elaborar la conveniencia de admitir a un nuevo solicitante o rechazar su solicitud como asegurado.

17 EJEMPLO 2 (Análisis LOGIT): Factores de riesgo para el desarrollo de aterosclerosis. Punto de partida: Apoyándonos en el diseño de una amplia muestra de historiales médicos se desea establecer la importancia de cada uno de los factores de riesgo en el desarrollo de la aterosclerosis. Para cada uno de los individuos que constituyen la muestra, se dispone de información para un período determinado acerca de variables referidas a: tabaquismo, dieta (en especial niveles séricos medios de colesterol), edad, sexo, tensión arterial, consumo de alcohol, sedentarismo y antecedentes genéticos. El ajuste de una función LOGIT permitirá determinar cómo incide cada uno de estos factores en la probabilidad de desarrollo de la enfermedad a fin de orientar la política preventiva, elaborándose además un instrumento medidor del riesgo de padecimiento. EJEMPLO 3 (Análisis PROBIT): Determinación de la dosis de respuesta adecuada a un fármaco. Punto de partida: Apoyándonos en un diseño experimental se administra un determinado medicamento a 60 individuos divididos en 20 grupos de 3 personas. A cada grupo se le administra una cantidad en mmg diferente desde 11 (primer grupo) a 30 (último grupo) y se anota su reacción después de un tiempo de 1 hora calificándose el resultado en cada individuo como POSITIVO o NEGATIVO. El ajuste de una función PROBIT permitirá determinar la dosis más adecuada para provocar una reacción positiva al medicamento.

18 PROCEDIMIENTO SPPS MENÚ (DISCRIMINANTE): ESTADÍSTICA - CLASIFICAR DISCRIMINANTE FACTOR DE AGRUPACIÓN A EXPLICAR VARIABLES DISCRIMINANTES Estadísticos descriptivos de las variables independientes según los diferentes grupos. Coeficientes de la función de clasificación de Fisher y descomposición de Matrices de Varianzas y Covarianzas. Controla cómo usar para la clasificación de individuos el resultado obtenido en las funciones discriminantes, en especial para fines predictivos. PROCEDIMIENTO SPPS MENÚ (ANÁLISIS PROBIT): ESTADÍSTICA - REGRESIÓN - PROBIT Variable que contiene, para cada nivel de exposición (casos) el % de reacciones positivas a ese nivel de estimulación. Variable que contiene, para cada nivel de exposición (casos) el número de sujetos expuestos a ese nivel de estimulación. Permite obtener una prueba de paralelismo (todos los niveles del factor tiene pendiente común ) y controlar algunos aspectos de la estimación de los parámetros. Variable o variables predictoras, esto es, variables de estímulos.

19 CORRELACIÓN CANÓNICA APROPIADA CUANDO... Se desea abordar el estudio de un fenómeno de causalidad entre dos fenómenos que vienen representadas, tanto el causado como el explicativo, por un conjunto de variables, y no se desea restringir el modo en que cada una de las variables explicativas incide en cada una de las explicadas. EJEMPLO 1 (Análisis Correlación Canónica): Determinación de la relación entre el nivel de desarrollo económico y el nivel de desarrollo sanitario de un conjunto de países. Punto de partida: Un estudio planteado a nivel internacional desea establecer la relación entre el nivel de renta y nivel de desarrollo sanitario en un conjunto de países. El analista dispone de 25 variables homogéneas del nivel de desarrollo sanitario de cada país (gasto farmacéutico de distintos tipos, instalaciones hospitalarias por 1000 hb de distintos tipos, médicos por 1000 hb de distintas especialidades,...). Así mismo dispone de otras 25 variables relativas al desarrollo económico (PIB real por Hb, tasa de actividad, tasa de paro, capacidad de eneudamiento...). Mediante un análisis de correlación canónica el analista puede construir un modelo de causalidad entre ambos conjuntos de variables sin necesidad de especificar el detalle del modelo de casualidad para cada par de variables.

20 ANÁLISIS DE COMPONENTES PRINCIPALES APROPIADO CUANDO... Se desea reducir las dimensiones de un conjunto de variables sin pérdida excesiva de información. El método de componentes principales permitirá generar combinaciones lineales de las variables originales de modo que las nuevas variables contengan gran parte de la información original. Su coste debe valorarse en términos de interpretabilidad de esos componentes. Aunque no es infrecuente su confusión con el análisis factorial existen importantes diferencias conceptuales; en todo caso, la relación provendría del hecho de que la técnica de componentes principales es uno de los métodos de extracción factorial más utilizados. EJEMPLO 1 (Análisis de Componentes Principales): Determinación de la relación entre la esperanza de vida media y el nivel de desarrollo económico y sanitario de un conjunto de países. Punto de partida: Un estudio planteado a nivel internacional desea establecer la relación entre la esperanza de vida media de un conjunto de países y su nivel de renta y desarrollo sanitario. El analista dispone de 25 variables homogéneas del nivel de desarrollo sanitario de cada país (gasto farmacéutico de distintos tipos, instalaciones hospitalarias por 1000 hb de distintos tipos, médicos por 1000 hb de distintas especialidades,...). Así mismo dispone de otras 25 variables relativas al desarrollo económico (PIB real por Hb, tasa de actividad, tasa de paro, capacidad de eneudamiento...). Mediante un análisis de componentes principales el analista puede reducir el conjunto inicial de 50 variables a unos cuantos Componentes Principales, aprovechando las posibles redundancias existentes en datos referidos a cuestiones similares.

21 ANÁLISIS FACTORIAL APROPIADO CUANDO... Se desea obtener una medición de una serie de factores de naturaleza inobservables, aprovechando para ello la dependencia o relación común de un conjunto de variables en torno a estos factores. El análisis requiere datos expresados en variables de intervalo. EJEMPLO 1 (Análisis Factorial): Aproximación de la capacidad de abstracción, la capacidad de cálculo y la memoria de los alumnos universitarios. Punto de partida: Partiendo de los expedientes de más de alumnos de se extraen las notas correspondientes a 15 materias en las que las proporciones de capacidad de cálculo, capacidad de abstracción y memoria intervienen de en distintas proporciones. Observando las presencia o ausencia de correlaciones entre las distintas notas (comunalidad) pueden identificarse los mecanismos de causalidad en las calificaciones. Un análisis detallado de la composición factorial revelará que los mimos se corresponden con la capacidad de abstracción, capacidad de cálculo y memoria. Las denominadas "puntuaciones factoriales" permitirán medir, a partir de las notas iniciales, las tres capacidades comentadas tanto en los elementos que componen la muestra como en nuevos elementos.

22 EJEMPLO 2 (Ayuda SPSS) (Análisis Factorial): Qué actitudes subyacentes hacen que las personas respondan a las preguntas de una encuesta política de la manera en que lo hacen? Punto de partida: Examinando las correlaciones entre los elementos de la encuesta se deduce que hay una superposición significativa entre los diversos subgrupos de elementos (las preguntas sobre los impuestos tienden a estar correlacionadas entre sí, las preguntas sobre temas militares también están correlacionadas entre sí..., y así sucesivamente). Con el análisis factorial, se puede investigar el número de factores subyacentes y, en muchos casos, se puede identificar lo que los factores representan conceptualmente. Adicionalmente, se pueden calcular las puntuaciones factoriales para cada encuestado, que pueden utilizarse en análisis subsiguientes. Por ejemplo, es posible construir un modelo de regresión logística para predecir el comportamiento de voto basándose en las puntuaciones factoriales.

23 PROCEDIMIENTO SPPS MENÚ: ESTADÍSTICA - REDUCCIÓN DE DATOS - FACTORIAL El análisis factorial implica, generalmente el desarrollo de tres etapas: Análisis Preliminar de viabilidad, Extracción Factorial y Rotación factorial. El SPSS ofrece una gran flexibilidad para afrontar cada una de estas tres etapas. Conjunto de variables fundamental, a partir para las que se desea encontrar factores subyacentes comunes. Posibilidad de limitar el análisis a un número limitado de casos según una variable de selección. Facilitan el análisis preliminar de las variables y sus correlaciones de cara a anticipar la viabilidad del análisis. Permite especificar el método de extracción, el número de factores a extraer así como las iteraciones máximas a considerar en la extracción. Ofrece varios métodos de rotación tanto ortogonales como oblicuos. Permite obtener y guardar el valor de los factores a partir de las variables originales

24 ANÁLISIS CONJUNTO APROPIADO CUANDO... Se desea establecer en que medida los distintos atributos de un objeto inciden en su selección preferente por parte de un conjunto de individuos. El análisis conjunto intentará aproximarse a la estructura subyacente de selección determinando la importancia relativa de cada atributo así como la combinación de los mismos que resulte más atractiva. EJEMPLO 1 (Análisis Conjunto): Diseño de un nuevo producto farmacéutico. Punto de partida: Un laboratorio farmacéutico desea lanzar al mercado un nuevo analgésico de tipo genérico. Su experiencia en el mercado le ha permitido identificar una serie de variables que condicionan la preferencia por una u otra marca como: precio, formato de presentación (grageas, sobres,...), sabor del preparado, rapidez de acción, cantidad de contenido, tipo de publicidad asociada (facultativo, medios comunicación,..). El análisis conjunto permitirá ordenar de modo relativo cada uno de esos atributos, para ponderar su importancia relativa en la selección del producto y establecer la combinación óptima para el nuevo producto. ANÁLISIS CLUSTER APROPIADO CUANDO... Se desea aprovechar la información relativa a un conjunto de variables para clasificar a un grupo amplio de sujetos y objetos en subgrupos de máxima homogeneidad intergrupal y mayor heterogeneidad entregrupal. El análisis cluster no debe confundirse con el discriminante, ya que ese último tiene por objeto explicar una clasificación establecida a priori mientras que el análisis cluster intenta, precisamente, generar esa clasificación a partir de un único grupo global.

25 EJEMPLO 1 (Análisis Cluster): Análisis geográfico de los perfiles de sanitarios de la población. Punto de partida: A fin de planificar convenientemente la política preventiva, desde el Ministerio de Sanidad de un determinado país se plantea la necesidad de dibujar el "mapa sanitario", dividiendo el total del territorio en zonas de características sanitarias homogéneas, no necesariamente similares a las divisiones político administrativas. Se sospecha que una diferenciación de este tipo puede tener sentido en la medida en que algunos de los factores de riesgo más importantes tienen relación con la distribución geográfica: factores demográficos, factores ambientales (clima, calidad del agua,...), dietéticos ó culturales entre otros. Así pues, se recopila información relativa a la incidencia de un conjunto de enfermedades frecuentes como: enfermedades cardiovasculares (cardiopatías coronarias y accidentes cerebro - vasculares), distintos tipos de cáncer (mama, colon y recto, pulmón, cervix y endometrio..), enfermedades de transmisión aérea (gripe, legionelosis, tuberculosis...), enfermedades de transmisión entérica (botulismo, diarreas víricas, salmonelosis, shigelosis, colera., poliomielitis, hepatitis A...), enfermedades transmitidas por contacto (tétanos, brucelosis, toxoplasmosis...) y enfermedades de transmisión sexual (sida, sífilis,...) La utilización de todos estos indicadores dividirá a la población total en grupos homogéneos desde el punto de vista sanitario. Determinar la viabilidad geográfica de esta agrupación será un paso posterior en el análisis.

26 PROCEDIMIENTO SPPS MENÚ: ESTADÍSTICA - CLASIFICAR - CONGLOMERADOS JERÁRQUICOS Conjunto de variables utilizadas para la segmentación Variable que etiquetará cada individuo u objeto a clasificar. Guarda el grupo de pertenencia de objetos El SPSS ofrece la posibilidad de aplicar la metodología CLUSTER a variables, en lugar de objetos o sujetos. Permite elaborar el clásico Dendograma o gráfico de agrupación secuencial de los objetos analizados. El análisis Cluster viene condicionado sensiblemente por el método de aglomeración utilizado, la medida de distancia empleada. El SPSS ofrece una amplia variedad de métodos.

27 ANÁLISIS MULTIDIMENSIONAL NO MÉTRICO APROPIADO CUANDO... Se desea comprender la estructura subyacente a de un conjunto de medidas de similitud o distancia entre objetos o sujetos. Para ello se asignan las observaciones disponibles de esos sujetos u objetos a posiciones específicas en un espacio conceptual (normalmente de dos o tres dimensiones) de modo que las distancias entre los puntos en el espacio concuerden al máximo con las disimilaridades observadas. En muchos casos, las dimensiones de este espacio conceptual son interpretables y se pueden utilizar para comprender mejor los datos. El escalamiento multidimensional puede también aplicarse a valoraciones subjetivas de disimilaridad entre objetos o conceptos. PROCEDIMIENTO SPPS MENÚ: ESTADÍSTICA - ESCALAS - ESCALAMIENTO MULTIDIMENSIONAL Conjunto de matrices de variables a partir de las cuales se calcularán las distancias entre objetos o sujetos para explicar sus similaridades Permite controlar el nivel de media, la condicionalidad, las dimensiones y el método de escalamiento. Normalmente, los datos de partida son matrices que reflejan la similitud o diferencia percibida entre los objetos o sujetos que ocupan cada fila y columna (los datos son distancias). No obstante, si no se han creado las matrices a partir de las variables en bruto, el SPSS las crea conforme a una medida de distancia elegida por el usuario (crear distancias a partir de datos).

ANÁLISIS MULTIVARIANTE. Créditos. Teóricos: 6 Prácticos: 3 Total: 9. Profesoras: Agurtzane Amparan, Silvia Marcaida y Arantza Urkaregi

ANÁLISIS 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 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

Mónica 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 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 detalles

Relación entre variables cuantitativas

Relación 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 detalles

UNIVERSIDAD NACIONAL DE SAN MARTIN

UNIVERSIDAD 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 detalles

En el presente documento se realizará una introducción al programa con el objetivo de facilitar su rápida utilización por un usuario sin

En el presente documento se realizará una introducción al programa con el objetivo de facilitar su rápida utilización por un usuario sin IINTRODUCCIIÓN all SPSS,, MANEJO Y PROCESAMIIENTO BÁSIICO DE DATOS BÁSIICO EN SPSS En el presente documento se realizará una introducción al programa con el objetivo de facilitar su rápida utilización

Más detalles

Máster en Economía y Organización de empresas

Máster en Economía y Organización de empresas Máster en Economía y Organización de empresas Módulo III: Competencias para la preparación de trabajo fin de Máster Dr. Eulogio Cordón Pozo ÍNDICE DE CONTENIDOS! 1. Errores en la medición. El modelo de

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

Medidas de concordancia: el índice de Kappa

Medidas de concordancia: el índice de Kappa Investigación: Medidas de concordancia: el índice de Kappa 1/5 Medidas de concordancia: el índice de Kappa Autores: López de Ullibarri Galparsoro I, Pita Fernández, S. Unidad de Epidemiología Clínica y

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

INFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA

INFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA INFLUENCIA DE SELECTIVIDAD EN LAS MATEMÁTICAS DE ECONOMÍA Juana María Vivo Molina Departamento de Métodos Cuantitativos para la Economía. Universidad de Murcia. jmvivomo@um.es RESUMEN En este trabajo se

Más detalles

Segmentación y predicción en los modelos de tarificación

Segmentación y predicción en los modelos de tarificación Segmentación y predicción en los modelos de tarificación Caro Carretero, Raquel. rcaro@doi.icai.upcomillas.es Departamento de Organización Industrial Universidad Pontificia Comillas. ICAI RESUMEN El análisis

Más detalles

Ruth Vilà, María-José Rubio, Vanesa Berlanga, Mercedes Torrado. Cómo aplicar un cluster jerárquico en SPSS.

Ruth Vilà, María-José Rubio, Vanesa Berlanga, Mercedes Torrado. Cómo aplicar un cluster jerárquico en SPSS. Universitat de Barcelona. Institut de Ciències de l Educació Cómo aplicar un cluster jerárquico en SPSS Ruth Vilà-Baños, María-José Rubio-Hurtado, Vanesa Berlanga-Silvente, Mercedes Torrado-

Más detalles

INVESTIGACION COMERCIAL

INVESTIGACION COMERCIAL CENTRO DE ENSEÑANZA SUPERIOR COLEGIO UNIVERSITARIO CARDENAL CISNEROS ADSCRITO A LA UNIVERSIDAD COMPLUTENSE DE MADRID GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS CURSO 3º INVESTIGACION COMERCIAL PROGRAMA

Más detalles

Lo que no se mide, lo que de alguna manera no se capta, NO EXISTE. Teodoro Luque Martinez

Lo que no se mide, lo que de alguna manera no se capta, NO EXISTE. Teodoro Luque Martinez Técnicas Estadísticas en Análisis de Mercados Lo que no se mide, lo que de alguna manera no se capta, NO EXISTE. Teodoro Luque Martinez Xavier Barber: xbarber@goumh.es (en asunto SIEMPRE 3º Grado Estadística

Más detalles

Técnicas de regresión: Regresión Lineal Múltiple

Técnicas de regresión: Regresión Lineal Múltiple Investigación: Técnicas de regresión: regresión lineal múltiple 1/1 Técnicas de regresión: Regresión Lineal Múltiple Pértega Díaz S., Pita Fernández S. Unidad de Epidemiología Clínica y Bioestadística.

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

INVESTIGACIÓN DE MERCADOS I

INVESTIGACIÓN DE MERCADOS I Universidad Rey Juan Carlos Facultad de CC. Jurídicas y Sociales (Campus de Vicálvaro) Licenciatura en INVESTIGACIÓN Y TÉCNICAS DE MERCADO asignatura: INVESTIGACIÓN DE MERCADOS I curso y duración: 1º (de

Más detalles

25906 Metodología de la Investigación I Prof. Angel Barrasa Curso 2008-09 http://www.unizar.es/abarrasa/tea/200809_25906 CONTENIDOS

25906 Metodología de la Investigación I Prof. Angel Barrasa Curso 2008-09 http://www.unizar.es/abarrasa/tea/200809_25906 CONTENIDOS 25906 Metodología de la Investigación I Prof. Angel Barrasa Curso 2008-09 http://www.unizar.es/abarrasa/tea/200809_25906 CONTENIDOS A. MÉTODOS Y DISEÑOS DE INVESTIGACIÓN EN PSICOLOGÍA 1. Psicología, Ciencia

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

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

Comparación de proporciones

Comparación de proporciones 11 Comparación de proporciones Neus Canal Díaz 11.1. Introducción En la investigación biomédica se encuentran con frecuencia datos o variables de tipo cualitativo (nominal u ordinal), mediante las cuales

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

PROBABILIDAD DE APROBAR MÉTODOS CUANTITATIVOS PARA LA ECONOMÍA I EN EL MARCO DE UN MODELO PROBIT

PROBABILIDAD DE APROBAR MÉTODOS CUANTITATIVOS PARA LA ECONOMÍA I EN EL MARCO DE UN MODELO PROBIT PROBABILIDAD DE APROBAR MÉTODOS CUANTITATIVOS PARA LA ECONOMÍA I EN EL MARCO DE UN MODELO PROBIT Ángel Solano García Mª Isabel González Martínez Universidad de Murcia ABSTRACT Es bien sabido por el futuro

Más detalles

ANÁLISIS DE ENCUESTAS

ANÁLISIS DE ENCUESTAS ANÁLISIS DE ENCUESTAS TÉCNICAS MULTIVARIANTES 1. Introducción 2. Clasificación de las técnicas 3. Etapas de análisis 4. Supuestos básicos 5. Valores perdidos y anómalos introducción Definición. i ió -

Más detalles

Una validación de la interpretación no causal del análisis factorial

Una validación de la interpretación no causal del análisis factorial Una validación de la interpretación no causal del análisis factorial José Antonio Pérez-Gil y Rafael Moreno Rodríguez Es muy frecuente asumir que los factores comunes obtenidos en el Análisis Factorial

Más detalles

Modelos de regresión: lineal simple y regresión logística

Modelos de regresión: lineal simple y regresión logística 14 Modelos de regresión: lineal simple y regresión logística Irene Moral Peláez 14.1. Introducción Cuando se quiere evaluar la relación entre una variable que suscita especial interés (variable dependiente

Más detalles

Área de Comercialización e Investigación de Mercados. Área de Organización de Empresas. Universidad de Extremadura.

Área de Comercialización e Investigación de Mercados. Área de Organización de Empresas. Universidad de Extremadura. Área de Comercialización e Investigación de Mercados. Área de Organización de Empresas. Universidad de Extremadura. GUÍA PARA REALIZAR UNA INVESTIGACIÓN DE MERCADOS INTRODUCCIÓN Esta guía pretende ofrecer

Más detalles

MARKETING AGRARIO SEGMENTACION DE MERCADO

MARKETING AGRARIO SEGMENTACION DE MERCADO MARKETING AGRARIO SEGMENTACION DE MERCADO CONCEPTO DE SEGMENTACIÓN El concepto de mercado admite varias acepciones. En la teoría económica actual se entiende el mercado fundamentalmente como un conjunto

Más detalles

Los modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma:

Los 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 detalles

T. 5 Inferencia estadística acerca de la relación entre variables

T. 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 detalles

PLAN DOCENTE DE LA ASIGNATURA INVESTIGACIÓN DE MERCADOS II. 1. Datos descriptivos de la asignatura

PLAN DOCENTE DE LA ASIGNATURA INVESTIGACIÓN DE MERCADOS II. 1. Datos descriptivos de la asignatura PLAN DOCENTE DE LA ASIGNATURA INVESTIGACIÓN DE MERCADOS II 1. Datos descriptivos de la asignatura Nombre de la asignatura: Investigación de Mercados II Área: Marketing e investigación de mercados Perfil:

Más detalles

ÍNDICE. Introducción... Capítulo 1. El concepto de Data Mining... 1

ÍNDICE. Introducción... Capítulo 1. El concepto de Data Mining... 1 ÍNDICE Introducción... XV Capítulo 1. El concepto de Data Mining... 1 Introducción... 1 Una definición de Data Mining... 3 El proceso de Data Mining... 6 Selección de objetivos... 8 La preparación de los

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

Titulación: 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. 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 detalles

Línea de trabajo: Control de los Procesos de Manufactura Optimización de los Procesos de Manufactura 48 20 100 168-6

Línea de trabajo: Control de los Procesos de Manufactura Optimización de los Procesos de Manufactura 48 20 100 168-6 Nombre de la asignatura: ESTADISTICA MULTIVARIADA Línea de trabajo: Control de los Procesos de Manufactura Optimización de los Procesos de Manufactura 48 20 100 168-6 DOC: Docencia; TIS: Trabajo Independiente

Más detalles

I1.1 Estudios observacionales IISESIÓN DISEÑO O DE ESTUDIOS EN INVESTIGACIÓN N MÉDICA DESCRIPTIVA CURSO DE. 1.2 Estudios experimentales

I1.1 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 detalles

Representación gráfica en el Análisis de Datos

Representación gráfica en el Análisis de Datos Investigación: Representación gráfica en el análisis de datos 1/11 Representación gráfica en el Análisis de Datos Pértega Díaz S., Pita Fernández S. Unidad de Epidemiología Clínica y Bioestadística. Complexo

Más detalles

UNIVERSIDAD AUTÓNOMA DE MADRID GUÍA DOCENTE

UNIVERSIDAD AUTÓNOMA DE MADRID GUÍA DOCENTE Universidad Autónoma de Madrid UNIVERSIDAD AUTÓNOMA DE MADRID GUÍA DOCENTE Asignatura: TÉCNICAS DE AGRUPACIÓN Tipo: Optativa Nivel: Posgrado Centro: Facultad de Psicología Curso académico: 2015/2016 1.

Más detalles

MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO

MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO GUIA DOCENTE DE LA ASIGNATURA INVESTIGACIÓN DE MERCADOS III Curso 2014-2015 (Fecha última actualización: 03/06/14) MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Dirección e investigación internacional PROFESOR(ES)

Más detalles

INTELIGENCIA ARTIFICIAL Y ESTADÍSTICA APLICADA: ALGUNAS LÍNEAS MODERNAS DE DESARROLLO

INTELIGENCIA ARTIFICIAL Y ESTADÍSTICA APLICADA: ALGUNAS LÍNEAS MODERNAS DE DESARROLLO INTELIGENCIA ARTIFICIAL Y ESTADÍSTICA APLICADA: ALGUNAS LÍNEAS MODERNAS DE DESARROLLO JOSÉ M. 1 CARIDAD Y OCERÍN ACADÉMICO CORRESPONDIENTE Al referirse a una rama de la Matemática, como es la Estadística,

Más detalles

Descripción y Exploración de Datos en Psicología 2015/2016

Descripción y Exploración de Datos en Psicología 2015/2016 GUIA DOCENTE DE LA ASIGNATURA Descripción y Exploración de Datos en Psicología 2015/2016 MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Formación Básica PROFESORES Estadística (Ciencias de la Salud) 1º 1º

Más detalles

Aparte de lo anterior, dos aspectos justifican el estudio de la Estadística en la FUNLAM: la investigación y la interdisciplinaridad.

Aparte de lo anterior, dos aspectos justifican el estudio de la Estadística en la FUNLAM: la investigación y la interdisciplinaridad. CARTA DESCRIPTIVA Código: FO-MI-108 Versión: 3 Fecha: 25-10-2013 1. PRESENTACIÓN FACULTAD: Vicerrectoría de Investigaciones PROGRAMA: Cursos electivos de investigación NOMBRE DEL CURSO: Estadística Descriptiva

Más detalles

Programa. I. Identificación Carrera en que se Profesor o equipo: Estadísticaa III. Eduardo Toro. Ayudantes: Victoria León Ciclo

Programa. I. Identificación Carrera en que se Profesor o equipo: Estadísticaa III. Eduardo Toro. Ayudantes: Victoria León Ciclo Universidadd de Chile Facultad de Ciencias Sociales Escuela de Ciencias Sociales Carrera de Sociología I. Identificación de la actividad curricular Carrera en que se dicta: Estadísticaa III Profesor o

Más detalles

MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO

MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO GUIA DOCENTE DE LA ASIGNATURA INVESTIGACIÓN DE MERCADOS II Curso 2014-2015 (Fecha última actualización: 03/06/14) MÓDULO MATERIA CURSO SEMESTRE CRÉDITOS TIPO Dirección e Investigación Internacional PROFESOR(ES)

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

El Análisis de la Regresión a través de SPSS

El Análisis de la Regresión a través de SPSS El Análisis de la Regresión a través de SPSS M. D olores M artínez M iranda Profesora del D pto. E stadística e I.O. U niversidad de G ranada Referencias bibliográficas. Hair, J.F., Anderson, R.E., Tatham,

Más detalles

Curso. Diseño Experimental y Estadística

Curso. 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 detalles

Llobell, J. P., Pérez, J. F. G., & Navarro, M. D. F. (1996). El diseño y la investigación

Llobell, J. P., Pérez, J. F. G., & Navarro, M. D. F. (1996). El diseño y la investigación Llobell, J. P., Pérez, J. F. G., & Navarro, M. D. F. (1996). El diseño y la investigación experimental en psicología [Design of experimental research in psychology] (2nd ed.). Valencia, Spain: Cristóbal

Más detalles

Curso de posgrado ESTADÍSTICA HIDROLÓGICA PARA LA GESTIÓN DE CUENCAS

Curso de posgrado ESTADÍSTICA HIDROLÓGICA PARA LA GESTIÓN DE CUENCAS Docentes Responsables: Curso de posgrado ESTADÍSTICA HIDROLÓGICA PARA LA GESTIÓN DE CUENCAS Mag. Ing. Marta Paris Mag. Ing. Viviana Zucarelli Facultad de Ingeniería y Ciencias Hídricas (FICH). Universidad

Más detalles

CAPITULO 3 INVESTIGACIÓN DE MERCADOS. Para lograr desarrollar un Plan de Mercadotecnia que esté realmente enfocado en el

CAPITULO 3 INVESTIGACIÓN DE MERCADOS. Para lograr desarrollar un Plan de Mercadotecnia que esté realmente enfocado en el CAPITULO 3 INVESTIGACIÓN DE MERCADOS Para lograr desarrollar un Plan de Mercadotecnia que esté realmente enfocado en el consumidor se deben identificar, primeramente, sus necesidades, gustos y preferencias.

Más detalles

ANALISIS DE DATOS I Programa de la asignatura; curso 2012/13

ANALISIS DE DATOS I Programa de la asignatura; curso 2012/13 1 ANALISIS DE DATOS I Programa de la asignatura; curso 2012/13 A.- OBJETIVOS DE LA ASIGNATURA El objetivo principal de la asignatura Análisis de Datos I es contribuir a familiarizar al estudiante con las

Más detalles

ECONOMÍA FINANCIERA II (Gerencia Cuantitativa del Riesgo) Profesor: JORGE MARIO URIBE GIL

ECONOMÍA FINANCIERA II (Gerencia Cuantitativa del Riesgo) Profesor: JORGE MARIO URIBE GIL ECONOMÍA FINANCIERA II (Gerencia Cuantitativa del Riesgo) Profesor: JORGE MARIO URIBE GIL Introducción. El curso de Economía Financiera II está diseñado para aquellos estudiantes que estén interesados

Más detalles

TEMA 8: LA SEGMENTACIÓN DE MERCADOS

TEMA 8: LA SEGMENTACIÓN DE MERCADOS TEMA 8: LA SEGMENTACIÓN DE MERCADOS 2.1. CONCEPTO Y FINES DE LA SEGMENTACIÓN DE MERCADOS 2.2. LOS MÉTODOS DE SEGMENTACIÓN 2.3. CRITERIOS DE SEGMENTACIÓN 2.4. DECISIONES DE SEGMENTACIÓN Y POSICIONAMIENTO

Más detalles

DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA UNIVERSIDAD DE VALLADOLID

DEPARTAMENTO DE ESTADÍSTICA E INVESTIGACIÓN OPERATIVA UNIVERSIDAD DE VALLADOLID d e p a r t a m e n t o d E 0.8 300 0.6 I O 0.4 250 0.2 50 100 200 150 200 250 www.eio.uva.es 300 150 universidad de valladolid e s t a d í s t i c a Ver.norm media desv. estand. o p e r a t i v a i n

Más detalles

PROGRAMA DE ESTUDIOS. : Investigación en Psicología II.

PROGRAMA 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 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

Enseñanza e Investigación en Ciencias Sociales

Enseñanza e Investigación en Ciencias Sociales Cursos Metodológicos para la Enseñanza e Investigación en Ciencias Sociales Organizado por: Fundación General UGr-Empresa Facultad de Ciencias Económicas y Empresariales Universidad de Granada Econometría

Más detalles

PUBLICACIONES DE 3º CURSO

PUBLICACIONES DE 3º CURSO PUBLICACIONES DE 3º CURSO Licenciatura: Economía Asignatura: ECONOMETRÍA II GRUPO 36 PROGRAMA Profesores: Luis A. Medrano Monia Ben Kaabia Irene Olloqui Departamento: ANÁLISIS ECONÓMICO Curso Académico

Más detalles

ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960

ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960 ANÁLISIS DE SERIE DE TIEMPO DE CAUDALES DEL RÍO EL TALA PERIODO 1937-1960 Verón, Juan Antonio* ; Herrera, Carlos Gabriel*; Rodríguez, Norma Leonor** * Facultad de Tecnología y Ciencias Aplicada de la UNCa.

Más detalles

PRESENTACIÓN, DISCUSIÓN Y ANALISIS DE LOS RESULTADOS

PRESENTACIÓN, 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 detalles

CENTRO UNIVERSITARIO DE LOS ALTOS PROGRAMA DE ESTUDIOS POR OBJETIVOS FORMATO BASE MTRO. HÉCTOR DELGADO MARTÍNEZ VALOR EN CRÉDITOS FM 102 30 10 40 5

CENTRO UNIVERSITARIO DE LOS ALTOS PROGRAMA DE ESTUDIOS POR OBJETIVOS FORMATO BASE MTRO. HÉCTOR DELGADO MARTÍNEZ VALOR EN CRÉDITOS FM 102 30 10 40 5 CENTRO UNIVERSITARIO DE LOS ALTOS PROGRAMA DE ESTUDIOS POR OBJETIVOS FORMATO BASE 1.- DATOS DE IDENTIFICACIÓN CENTRO UNIVERSITARIO: DEPARTAMENTO: ACADEMIA: ÁREA DE FORMACIÓN: NOMBRE DE LA UNIDAD DE APRENDIZAJE:

Más detalles

1 Introducción al SPSS

1 Introducción al SPSS Breve guión para las prácticas con SPSS 1 Introducción al SPSS El programa SPSS está organizado en dos bloques: el editor de datos y el visor de resultados. En la barra de menú (arriba de la pantalla)

Más detalles

FACTORES Y TIPOLOGÍA DEL RENDIMIENTO ACADÉMICO EN PRIMER CURSO DE CIENCIAS EMPRESARIALES EUROPEAS (E4)

FACTORES Y TIPOLOGÍA DEL RENDIMIENTO ACADÉMICO EN PRIMER CURSO DE CIENCIAS EMPRESARIALES EUROPEAS (E4) FACTORES Y TIPOLOGÍA DEL RENDIMIENTO ACADÉMICO EN PRIMER CURSO DE CIENCIAS EMPRESARIALES EUROPEAS (E4) Antonio Rúa Vieytes 1, Raquel Redondo Palomo 2 1 Departamento de Métodos Cuantitativos Facultad de

Más detalles

Diseños cross-over (alternativos): Aspectos metodológicos y analíticos*

Diseños cross-over (alternativos): Aspectos metodológicos y analíticos* Diseños cross-over (alternativos): Aspectos metodológicos y analíticos* Jaime Arnau Gras y Manuel Viader Junyent El diseño alternativo o cross-over, conocido también como diseño change-over, es un esquema

Más detalles

240ST014 - Análisis de Datos de Transporte y Logística

240ST014 - Análisis de Datos de Transporte y Logística Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2015 240 - ETSEIB - Escuela Técnica Superior de Ingeniería Industrial de Barcelona 715 - EIO - Departamento de Estadística e Investigación

Más detalles

Métodos y Diseños utilizados en Psicología

Métodos y Diseños utilizados en Psicología Métodos y Diseños utilizados en Psicología El presente documento pretende realizar una introducción al método científico utilizado en Psicología para recoger información acerca de situaciones o aspectos

Más detalles

POSGRADO INSTITUCIONAL EN CIENCIAS AGROPECUARIAS Y MANEJO DE RECURSOS NATURALES TROPICALES. Asignatura: ESTADÍSTICA. Duración: 60 horas INTRODUCCIÓN

POSGRADO INSTITUCIONAL EN CIENCIAS AGROPECUARIAS Y MANEJO DE RECURSOS NATURALES TROPICALES. Asignatura: ESTADÍSTICA. Duración: 60 horas INTRODUCCIÓN POSGRADO INSTITUCIONAL EN CIENCIAS AGROPECUARIAS Y MANEJO DE RECURSOS NATURALES TROPICALES Asignatura: ESTADÍSTICA Duración: 60 horas INTRODUCCIÓN Al hacer un recuento de las actividades a desarrollar

Más detalles

Pablo Martínez-Camblor Subdirección de Salud de Guipuzcoa, Donosti.

Pablo Martínez-Camblor Subdirección de Salud de Guipuzcoa, Donosti. Métodos Estadísticos sticos para Diagnósticos MédicosM Barcelona, uno de marzo de 2008 Pablo Martínez-Camblor Subdirección de Salud de Guipuzcoa, Donosti. MODULO: Diseño de proyectos y análisis estadístico

Más detalles

11-12. Econometría Financiera. Guía Docente. G r a d o e n C o n t a b i l i d a d y F i n a n z a s. Curso

11-12. Econometría Financiera. Guía Docente. G r a d o e n C o n t a b i l i d a d y F i n a n z a s. Curso Curso 11-12 Econometría Financiera Guía Docente G r a d o e n C o n t a b i l i d a d y F i n a n z a s FICHA DESCRIPTIVA DE LA ASIGNATURA ECONOMETRÍA FINANCIERA Módulo Materia Econometría Econometría

Más detalles

ANÁLISIS Y PROPUESTA PARA LA ENSEÑANZA DE LA COMPUTACIÓN A LOS ESTUDIANTES DE NIVEL MEDIO DE LOS COLEGIOS FISCALES DE GUAYAQUIL

ANÁLISIS Y PROPUESTA PARA LA ENSEÑANZA DE LA COMPUTACIÓN A LOS ESTUDIANTES DE NIVEL MEDIO DE LOS COLEGIOS FISCALES DE GUAYAQUIL ANÁLISIS Y PROPUESTA PARA LA ENSEÑANZA DE LA COMPUTACIÓN A LOS ESTUDIANTES DE NIVEL MEDIO DE LOS COLEGIOS FISCALES DE GUAYAQUIL Hugo Renán Ruíz 1, Luis Rodríguez Ojeda 1 Ingeniero en Estadística Informática

Más detalles

TEMARIO DE MÉDICO FACULTATIVO Y TÉCNICO DE LOS GRUPOS PROFESIONALES DE FACULTATIVOS MÉDICOS Y TÉCNICOS ESPECIALIDAD: UNIDAD INVESTIGACIÓN

TEMARIO DE MÉDICO FACULTATIVO Y TÉCNICO DE LOS GRUPOS PROFESIONALES DE FACULTATIVOS MÉDICOS Y TÉCNICOS ESPECIALIDAD: UNIDAD INVESTIGACIÓN TEMARIO DE MÉDICO FACULTATIVO Y TÉCNICO DE LOS GRUPOS PROFESIONALES DE FACULTATIVOS MÉDICOS Y TÉCNICOS ESPECIALIDAD: UNIDAD INVESTIGACIÓN 1.- Definición y objetivos de la epidemiología; conceptos de causalidad

Más detalles

Carrera: MTF-0519 2-4-8. Participantes Representante de las academias de ingeniería Mecatrónica de los Institutos Tecnológicos. Academia de Ingeniería

Carrera: MTF-0519 2-4-8. Participantes Representante de las academias de ingeniería Mecatrónica de los Institutos Tecnológicos. Academia de Ingeniería .- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos: Estadística y Control de Calidad Ingeniería Mecatrónica MTF-059-4-8.- HISTORIA

Más detalles

INVESTIGACION COMERCIAL

INVESTIGACION COMERCIAL ASIGNATURA: INVESTIGACION COMERCIAL Curso 2014/2015 (Código:01425020) 1.OBJETIVOS En la medida en que el Marketing es un cuerpo científico de conocimientos aplica el método científico al proceso de investigación

Más detalles

Estadística (Gr. Biología-09) (2010-2011)

Estadística (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 detalles

Material de la asignatura Psicología Experimental Manuel Miguel Ramos Álvarez

Material 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 detalles

Edith Alarcón Matutti César Gutiérrez Villafuerte

Edith 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 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

Estadística. Material docente de la UOC. Ángel A. Juan Blanca de la Fuente Alicia Vila PID_00159944

Estadística. Material docente de la UOC. Ángel A. Juan Blanca de la Fuente Alicia Vila PID_00159944 Estadística Ángel A. Juan Blanca de la Fuente Alicia Vila PID_00159944 Material docente de la UOC CC-BY-SA PID_00159944 Estadística Ángel A. Juan Blanca de la Fuente Alicia Vila Licenciado en Matemáticas

Más detalles

1.9. Requisitos mínimos de asistencia a las sesiones presenciales / Minimum attendance requirement

1.9. 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 detalles

Syllabus Asignatura : ESTADISTICA I Titulo Superior de Marketing y Gestión Comercial

Syllabus Asignatura : ESTADISTICA I Titulo Superior de Marketing y Gestión Comercial Syllabus Asignatura : ESTADISTICA I Titulo Superior de Marketing y Gestión Comercial Curso 2012/2013 Profesor/es Ignacio Soret Los Santos José María Cordero Sánchez Emilia López Iñesta (Valencia) José

Más detalles

Estudio comparativo de los currículos de probabilidad y estadística español y americano

Estudio comparativo de los currículos de probabilidad y estadística español y americano Estudio comparativo de los currículos de probabilidad y estadística español y americano Jaldo Ruiz, Pilar Universidad de Granada Resumen Adquiere las mismas capacidades en Probabilidad y Estadística un

Más detalles

Nombre de la asignatura: Estadística y Control de Calidad. Carrera: Ingeniería Mecatrónica. Clave de la asignatura: MCM-0205

Nombre de la asignatura: Estadística y Control de Calidad. Carrera: Ingeniería Mecatrónica. Clave de la asignatura: MCM-0205 1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Estadística y Control de Calidad Carrera: Ingeniería Mecatrónica Clave de la asignatura: MCM-0205 Horas teoría Horas práctica-créditos 3-2-8 2. UBICACION

Más detalles

BREVE APUNTE SOBRE EL PROBLEMA DE LA MULTICOLINEALIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL

BREVE APUNTE SOBRE EL PROBLEMA DE LA MULTICOLINEALIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL BREVE APUNTE SOBRE EL PROBLEMA DE LA MULTICOLINEALIDAD EN EL MODELO BÁSICO DE REGRESIÓN LINEAL Ramón Mahía Febrero 013 Prof. Ramón Mahía ramon.mahia@uam.es Qué se entiende por Multicolinealidad en el marco

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

UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA

UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA UNIVERSIDAD AUTONOMA DE SANTO DOMINGO FACULTAD DE CIENCIAS ECONOMICAS Y SOCIALES DEPARTAMENTO DE ESTADISITICA CATEDRA ASIGNATURA Bioestadística Bioestadística (EST-135) NUMERO DE CREDITOS 03 HORAS DE DOCENCIA

Más detalles

Cómo aplicar las pruebas paramétricas bivariadas t de Student y ANOVA en SPSS. Caso práctico.

Cómo 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 detalles

Introducción. Estadística aplic. A la Mercadotecnia. I.- Introducción y generalidades. Aplicaciones en los negocios y en la economía.

Introducción. Estadística aplic. A la Mercadotecnia. I.- Introducción y generalidades. Aplicaciones en los negocios y en la economía. Estadística aplic. A la Mercadotecnia Introducción Con frecuencia leemos o escuchamos el siguiente tipo información: de I.- Introducción y generalidades M. en C. Jesús Ocaña Zúñiga a)la asociación de agentes

Más detalles

Diplomatura en CIENCIAS EMPRESARIALES ESTADISTICA EMPRESARIAL

Diplomatura en CIENCIAS EMPRESARIALES ESTADISTICA EMPRESARIAL Universidad Rey Juan Carlos Facultad de CC. Jurídicas y Sociales (Campus de Vicálvaro) asignatura: Diplomatura en CIENCIAS EMPRESARIALES ESTADISTICA EMPRESARIAL curso y duración: 2º Anual carácter: Troncal

Más detalles

1928: DISEÑOS EXPERIMENTALES (4,5 Créditos: 3 teóricos y 1,5 prácticos)

1928: DISEÑOS EXPERIMENTALES (4,5 Créditos: 3 teóricos y 1,5 prácticos) 1928: DISEÑOS EXPERIMENTALES (4,5 Créditos: 3 teóricos y 1,5 prácticos) Profesora: Noelia Llorens Aleixandre (Profesor Responsable: Alfonso Palmer Pol) Asignatura cuatrimestral adscrita al Área de Metodología

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

Guía Docente. IVESTIGACIÓN DE MERCADOS II 3º curso GRADO OFICIAL EN MARKETING (GRMK) Curso 2014 /2015. Juan Antonio Márquez García Pablo López Tenorio

Guía Docente. IVESTIGACIÓN DE MERCADOS II 3º curso GRADO OFICIAL EN MARKETING (GRMK) Curso 2014 /2015. Juan Antonio Márquez García Pablo López Tenorio Guía Docente IVESTIGACIÓN DE MERCADOS II 3º curso GRADO OFICIAL EN MARKETING (GRMK) Curso 2014 /2015 Campus: Pozuelo (Madrid) Profesor/es: Juan Antonio Márquez García Pablo López Tenorio Periodo de impartición:

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

Investigación de Mercados

Investigación de Mercados Investigación de Mercados Licenciatura en Administración y Dirección de Empresas Asignatura optativa. 4 créditos teóricos y 2 créditos prácticos. Créditos ECTS: 6 o 180 horas de trabajo (30 horas por crédito)

Más detalles

1. DATOS DE LA ASIGNATURA

1. DATOS DE LA ASIGNATURA 1. DATOS DE LA ASIGNATURA Nombre de la asignatura: Curso Avanzado de Estadística Titulación: Máster en Matemáticas y aplicaciones Código Breve Descripción: El curso está centrado en dos temas relativamente

Más detalles

ANÁLISIS DE LA VARIANZA (ANOVA) José Vicéns Otero Ainhoa Herrarte Sánchez Eva Medina Moral

ANÁLISIS DE LA VARIANZA (ANOVA) José Vicéns Otero Ainhoa Herrarte Sánchez Eva Medina Moral ANÁLISIS DE LA VARIANZA (ANOVA) José Vicéns Otero Ainhoa Herrarte Sánchez Eva Medina Moral Enero 2005 1.- INTRODUCCIÓN En múltiples ocasiones el analista o investigador se enfrenta al problema de determinar

Más detalles

ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS A.D.E. Econometría Empresarial II

ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS A.D.E. Econometría Empresarial II ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS A.D.E. Departamento de Análisis Económico Econometría Empresarial II Curso 2006-2007 Materia: Troncal Ubicación: Segundo Ciclo 4º curso 2º semestre Créditos: 4 5

Más detalles

Introducción al análisis de la Teoría de Respuesta al Ítem. Antonio Matas Terrón

Introducción al análisis de la Teoría de Respuesta al Ítem. Antonio Matas Terrón Introducción al análisis de la Teoría de Respuesta al Ítem Antonio Matas Terrón Ediciciones Aidesoc 2010 Introducción al análisis de la Teoría de Respuesta al Ítem Antonio Matas Terrón Edita: Aidesoc.net

Más detalles

TÉCNICAS NO PARAMÉTRICAS

TÉCNICAS NO PARAMÉTRICAS ASIGNATURA DE MÁSTER: TÉCNICAS NO PARAMÉTRICAS Curso 2015/2016 (Código:22201147) 1.PRESENTACIÓN La asignatura Técnicas No Paramétricas forma parte del Módulo 3 que está compuesto por Cursos Optativos que

Más detalles