Análisis previo y exploratorio de datos. Ana María López Departamento de Psicología Experimental
|
|
- Rosa Martín Valverde
- hace 7 años
- Vistas:
Transcripción
1 Análisis previo y exploratorio de datos Ana María López Departamento de Psicología Experimental
2 Introducción En toda investigación, y antes de extraer conclusiones acerca de los objetivos e hipótesis planteados, es necesario llevar a cabo un análisis previo y exploratorio de los datos con objeto de detectar errores en la codificación de las variables, eliminar inconsistencias, evaluar la magnitud y tipo de datos perdidos (ausentes), conocer características básicas de la distribución de las variables (normalidad, igualdad de varianzas, presencia de valores atípicos, linealidad, etc) y avanzar acerca de las relaciones entre ellas. En definitiva, el investigador debe adquirir un conocimiento básico de los datos de su investigación y de las relaciones existentes entre las variables analizadas antes de proceder a aplicar los procedimientos inferenciales.
3 AED UNIDIMENSIONAL BIDIMENSIONAL MULTIDIMENSIONAL a) Variable Cualitativa b)variable Cuantitativa a) Dos Variables Cualitativas b) Una Variable Cuantitativa y otra Cualitativa c) Dos Variables Cuantitativas
4 Introducción Para llevar a cabo el análisis previo y exploratorio de datos disponemos de un conjunto de procedimientos estadísticos numéricos y gráficos- que vamos a describir a lo largo del presente curso y que están implementados en la mayoría de los programas estadísticos (SPSS, SAS, S-PLUS, LISREL, EQS, etc).
5 Introducción A nivel univariable, la mayoría de los objetivos del AED se alcanzan realizando un análisis descriptivo. Concretamente utilizaremos medidas de tendencia central y de dispersión para describir las características de las variables cuantitativas y tablas de frecuencias y porcentajes para las variables cualitativas. Para ello utilizaremos, esencialmente, los procedimiento de SPSS que aparecen en la última columna de la siguiente tabla: Tipo de variable Índices analíticos Representaciones gráficas Cuantitativa media, mediana, moda, desviación típica, rango, amplitud intercuartílica, prueba de normalidad histograma, gráfico de caja Procedimientos de SPSS Descriptivos, Explorar, Tablas Cualitativa frecuencias, porcentajes, moda, etc. diagrama de barras, diagrama de líneas, diagrama de sectores Frecuencias, Tablas
6 AED: Detección de errores en la codificación de las variables cualitativas y cuantitativas: Errores de codificación son valores que están fuera del rango de las variables cuantitativas y códigos numéricos o no numéricos no definidos para representar las categorías de las variables cualitativas. Ejemplo: Estamos interesados en estudiar si la opinión acerca de la ley de matrimonios entre parejas del mismo sexo depende de la edad y del sexo. Para ello seleccionamos una muestra de sujetos mayores de edad y les pedimos que nos den su opinión acerca de la ley eligiendo una de las opciones de una escala que va desde 1 (muy desfavorable) hasta 7 (muy favorable). Los datos los hemos escrito en una archivo de spss y hemos realizado un análisis descriptivo básico utilizando el procedimiento frecuencias para las todas las variables incluidas en el archivo y el procedimiento descriptivos para las cuantitativas
7 Para realizar el análisis descriptivo, seleccionamos Estadísticos descriptivos> Frecuencias del menú Analizar. Con esta selección accedemos al cuadro de diálogo Frecuencias y en dicho cuadro trasladamos, pulsando en el botón flecha, las variables al cuadro Variables y pulsamos en Aceptar. Para analizar las variables cuantitativas opinión y edad seleccionamos Descriptivos y pulsamos Aceptar. El visor de resultados nos ofrece la información contenida en las siguiente tablas. podemos identificar errores de codificación en las variables medidas?
8 AED: Caracterización de las distribuciones de las variables en cuanto a su tendencia central, dispersión y forma (normalidad). Para ello utilizaremos tanto índices numéricos como gráficos. Estadísticos de tendencia central Media aritmética. Mediana: una vez ordenados los datos, es el valor que deja el mismo número de observaciones a su derecha que a su izquierda. Media truncada: es la media de la variable eliminando el 5% de las colas inferior y superior de la distribución, de esta forma se eliminan valores extremos y es por tanto un estadístico robusto. M-estimadores: son estadísticos robustos pues se definen ponderando cada valor de la distribución en función de su distancia al centro de la misma. Las observaciones centrales se ponderan por el máximo valor (la unidad) disminuyendo los coeficientes de ponderación a medida que las observaciones se alejan del centro. Existen distintas formas de ponderar: Humbert (pondera con valor uno los valores situados a menos de 1,339 de la mediana), Tukey (pondera con cero los valores situados a 4,385 de la mediana), Andrews (pondera con cero los situados a 4,2066 de la mediana), etc.
9 AED: Caracterización de las distribuciones de las variables en cuanto a su tendencia central, dispersión y forma (normalidad). Estadísticos de dispersión: Rango Varianza Desviación tipo Amplitud intercuartílica (AI) Estadísticos de forma: Asimetría. Curtosis Prueba de normalidad de Kolmogorov
10 AED: Caracterización de las distribuciones de las variables en cuanto a su tendencia central, dispersión y forma (normalidad). Histograma Gráfico de caja Gráfico Q-Q Desv. típ. = 3.57 Media = N = DIG
11 AED: Caracterización de las distribuciones de las variables en cuanto a su tendencia central, dispersión y forma (normalidad). Figura 1. Tipologías de histogramas X i ( X + 1) máx X i Figura 2. Tipologías de gráficos Q-Q log (( X +1) ) X i 10 log 10 máx X i 1 X i 1 +1 (( X ) ) máx X i
12 AED: Caracterización de las distribuciones de las variables en cuanto a su tendencia central, dispersión y forma (normalidad) con SPSS. Para caracterizar a las variables cuantitativas utilizaremos el procedimiento Explorar de SPSS con las variables cansancio emocional, despersonalización, realización personal y depresión total medidas en una muestra de odontólogos. Los cuadros de diálogo con las opciones básicas recomendadas son:
13 AED: Caracterización de las distribuciones de las variables en cuanto a su tendencia central, dispersión y forma (normalidad) con SPSS. Con las opciones seleccionadas hemos obtenido información que nos permite responder a las siguientes cuestiones de las variables analizadas: 1. Identificar las medidas de tendencia central y de dispersión 2. Comparar la media con la mediana y con los estimadores robustos 3. Evaluar mediante inspección visual la normalidad de las variables 4. Evaluar utilizando la prueba de significación la normalidad de las variables
14 AED: Detección de datos atípicos: Llamamos datos atípicos a aquellas observaciones que se encuentran alejadas del resto de las observaciones en una variable (atípico univariable) o en la distribución conjunta de dos o más variables (atípico multivariable). Los valores atípicos multivariantes resultan de combinaciones de valores muy inusuales. Las consecuencias de una sola observación atípica pueden ser graves pues pueden distorsionar las medias y desviaciones típicas de las variables y destruir o construir relaciones entre ellas. Ejemplo Los valores atípicos pueden deberse a Errores en la codificación de los valores de las variables, errores en la codificación de valores perdidos, errores de medida, errores en la transcripción. Observaciones que no proceden de la población de la que se ha extraído la muestra. Observaciones atípicas debidas a que la distribución de la variable en la población tiene valores más extremos que los de una distribución normal. En los dos primeros casos los valores atípicos, una vez detectados, deben ser eliminados o recodificados como valores perdidos. En el último caso suelen retenerse y analizar su incidencia en los análisis posteriores.
15 AED: Detección de datos atípicos: Para considerar a una observación como atípica existen diferentes criterios: Se consideran atípicas aquellas observaciones que están, en valores absolutos, a más de 3 desviaciones tipo de la media (Z>3 o Z<-3) pero la aplicación de este criterio depende del tamaño de la muestra. En el gráfico de caja, como ya hemos visto, son atípicos observaciones con puntuaciones superiores a 1,5*AI evaluadas a partir del P 75 o inferiores a 1,5 AI evaluadas a partir del P 25. A partir de 3*AI se califican de extremos. Otra regla simple es considerar sospechosas aquellas observaciones tales que: x i med ( x) MEDA( x) > 4,5 donde Med(x) es la mediana y MEDA(x) es la mediana de las desviaciones absolutas de x con respeto a la mediana
16 AED: Detección de datos atípicos: Los criterios para detectar atípicos a nivel univariante no tienen porque identificar atípicos multivariantes (ejemplo). Para ello se puede utilizar, aunque no exenta de problemas, la distancia de Mahalanobis. La distancia de Mahalanobis es la distancia al centro de gravedad ponderada por la matriz de varianzas-covarianzas. Una observación multivariante resultará sospechosa si su distancia supera el valor de chi-cuadrado para k (número de variables) y un nivel de significación de 0,001. Algunos de los gráficos disponibles en SPSS implementan los criterios anteriores para detectar datos atípicos. Los siguientes cuadros de diálogo corresponden a los gráficos recomendados para detectar atípicos:
17 AED: Detección de datos atípicos Con la secuencia de cuadros de diálogo sobre la matriz obtenemos los siguientes gráficos
18 AED: Detección de datos atípicos: Caras de Chernoff
19 AED: Detección de datos atípicos: Gráficos de estrella zsatisfa zcan sujeto 1 zdespe sujeto 1 zsatisfa sujeto 2 zcan zdespe zsatisfa zcan fr zdespe zdepre zrea zdepre zrea zdepre zrea zcan zdespe zrea zdepre zsatisfa Gráficos de linea
20 AED: Supuesto de Linealidad Muchos procedimientos de análisis se basan en el patrón de correlaciones de Pearson entre variables cuantitativas. El coeficiente de correlación mide el grado de asociación lineal entre variables y no es adecuado utilizarlo cuando el patrón de covariación no es lineal. Es importante también que los coeficientes de correlación sean fiables y, bajo determinadas circunstancias, los coeficientes de correlación pueden ser mucho más grandes o mucho más pequeños de lo que deberían ser. Variables compuestas: En muchas investigaciones es frecuente utilizar variables compuestas (sumas, promedios, etc) que se obtienen a partir de varios items, las correlaciones entre variables compuestas que comparten items individuales en su definición suelen estar infladas. La presencia de valores atípicos: los valores atípicos como ya hemos demostrado pueden inflar o reducir significativamente las correlaciones entre variables. Restricción de rango: las correlaciones muestrales pueden ser inferiores a las poblacionales cuando en la muestra el rango de respuestas de una o ambas de las variables analizadas está restringido.
21 análisis previo y exploratorio Univariable Bivariado Multivariado a) Variable Cualitativa b) Variable Cuantitativa a) Dos Variables Cualitativas: Tablas de contingencia y gráficos de barras b) Una Variable Cuantitativa y otra Cualitativa: Explorar c) Dos Variables Cuantitativas: correlaciones bivariadas, gráficos de dispersión
22 AED: Supuesto de Linealidad La herramienta más útil para obtener información, a nivel exploratorio, de la relación entre dos variables cuantitativas es el diagrama de dispersión, o nube de puntos. Se construye representando, en el plano cartesiano, los valores de las variables medidas. La inspección visual del gráfico de dispersión nos permite identificar valores atípicos y el tipo de relación entre las variables.
23 AED: Supuesto de Linealidad
24 AED: Supuesto de Linealidad
25 AED: Supuesto de Linealidad 80,00 60,00 hrv_b 40,00 20,00 20,00 40,00 60,00 80,00 100,00 hrv_a a) Diagrama de dispersión por defecto
26 AED: Supuesto de Linealidad Gráfico imp_d imp_c imp_b imp_a hrv_fa hrv_d hrv_c hrv_b hrv_a hrv_a hrv_b hrv_c hrv_d hrv_fa imp_a imp_b imp_c imp_d
27 AED: Supuesto de Linealidad grup ctrl phob 80,00 60,00 hrv_b 40,00 20,00 20,00 40,00 60,00 80,00 100,00 hrv_a
28 AED: Dos variables cualitativas Una tabla de contingencia para dos variables contiene en filas las modalidades de una de las variables y en columnas las modalidades de la segunda. Cada casilla de la tabla contiene la frecuencia conjunta que representa el número de datos que pertenecen a la modalidad i-ésima de la primera variable y a la modalidad j-ésima de la segunda. A partir de dicha tabla podemos estudiar si las dos variables son o no independientes. Si son independientes no existe relación entre ellas; en caso contrario analizaríamos el tipo y grado de la dependencia tanto gráfica como numéricamente.
29 AED: Dos variables cualitativas Vamos a analizando la posible relación entre la variables válvulas y retrasos en el desarrollo y válvulas y ansiedad de la matriz. Seleccionamos: Analizar > Estadísticos descriptivos > Tablas de contingencia
30 AED: Dos variables cualitativas Para analizar los posibles fallos en el diseño y recogida de datos así como la posible relación entre variables cualitativas utilizaremos el procedimiento Tablas de contingencia como se muestra en el cuadro adjunto de SPSS
31 AED: Dos variables cualitativas En el cuadro de diálogo Tablas de contingencia seleccionamos las variables val y retraso en el desarrollo como fila y columna. Seleccionamos también mostrar barras agrupadas
32 AED: Dos variables cualitativas En el cuadro de diálogo Tablas de contingencia pulsamos el botón Estadísticos para acceder a las opciones que nos permiten evaluar la posible relación entre las variables. En dicho cuadro marcamos la opción Chi-cuadrado.
33 AED: Dos variables cualitativas Las tablas de contingencia que se construyen por defecto contienen las frecuencias absolutas. Pero podemos, pulsando el botón Casillas seleccionar frecuencias esperadas, varios tipos de porcentajes y residuos.
34 AED: Dos variables cualitativas Con las opciones seleccionadas en los cuadros descritos la ventana de resultados nos muestra la información que vamos a ir describiendo.
35 AED: Dos variables cualitativas Resumen del procesamiento de los casos VAL * retraso en el desarrollo Casos Válidos Perdidos Total N Porcentaje N Porcentaje N Porcentaje % % % Tabla de contingencia VAL * retraso en el desarrollo f esp = ( ) ( ) f f f c N = f f i.. j f.. VAL Total 0 Si No Recuento Frecuencia esperada % de VAL % de retraso en el desarrollo % del total Recuento Frecuencia esperada % de VAL % de retraso en el desarrollo % del total Recuento Frecuencia esperada % de VAL % de retraso en el desarrollo % del total Recuento Frecuencia esperada % de VAL % de retraso en el desarrollo % del total retraso en el desarrollo Si No Total %.0% 100.0% 3.3%.0% 2.4% 2.4%.0% 2.4% % 15.0% 100.0% 56.7% 25.0% 47.6% 40.5% 7.1% 47.6% % 42.9% 100.0% 40.0% 75.0% 50.0% 28.6% 21.4% 50.0% % 28.6% 100.0% 100.0% 100.0% 100.0% 71.4% 28.6% 100.0%
36 χ 2 = i j AED: Dos variables cualitativas ( f f ) ( f ) 2 ob es ij es ij Pruebas de chi-cuadrado Chi-cuadrado de Pearson Razón de verosimilitud Asociación lineal por lineal N de casos válidos a. Sig. asintótica Valor gl (bilateral) a casillas (33.3%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima esperada es En este caso dado que p > 0.05 aceptamos la hipótesis de independencia y concluimos que las variables no están relacionadas. Nota a. El número de casillas con frecuencias esperadas menores que 5 no debe superar el 20% para que la aproximación a la distribución Chi-cuadrado sea adecuada
37 AED: Dos variables cualitativas Además de los estadísticos anteriores el cuadro de diálogo Tablas de contingencia nos proporciona los diagramas de barras para las variables analizadas retraso en el desarr retraso en el desarr Recuento 0 0 Si No Si No Recuento Si No No Si VAL Gráfico por defecto VAL Gráfico modificado con el editor de gráficos
38 AED: Una variable cualitativa y una variable cuantitativa Cuando analizamos una variable cuantitativa y otra cualitativa, el estudio se enfoca como un problema de comparación del comportamiento de la variable numérica en las diferentes subpoblaciones que define la variable cualitativa. Una forma de realizar dicho análisis es mediante los diagramas de caja y los test de hipótesis que nos permiten probar normalidad y homogeneidad de varianzas. El procedimiento de SPSS que nos proporciona información más completa para el AED en este caso es el procedimiento Explorar del SPSS.
39 AED: Una variable cualitativa y una variable cuantitativa Seguimos con el archivo de espina bífida y ahora vamos a seleccionar Estadísticos descriptivos y Explorar tal y como aparece en el cuadro adjunto
40 AED: Una variable cualitativa y una variable cuantitativa
41 Explorar ansiedad Resumen del procesamiento de los casos CIM ansiedad. (perdidos Si No Casos Válidos Perdidos Total N Porcentaje N Porcentaje N Porcentaje % 1 9.1% % % 0.0% % % 0.0% %
42 Descriptivos CIM ansiedad. (perdidos) Media Intervalo de confianza para la media al 95% Límite inferior Límite superior Estadístico Error típ Si Media recortada al 5% Mediana Varianza Desv. típ. Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis Media Intervalo de confianza para la media al 95% Límite inferior Límite superior No Media recortada al 5% Mediana Varianza Desv. típ. Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis Media Intervalo de confianza para la media al 95% Límite inferior Límite superior Media recortada al 5% Mediana Varianza Desv. típ. Mínimo Máximo Rango Amplitud intercuartil Asimetría Curtosis
43 CIM ansiedad. (perdidos) Si No Pruebas de normalidad Kolmogorov-Smirnov a Shapiro-Wilk Estadístico gl Sig. Estadístico gl Sig * *. Este es un límite inferior de la significación verdadera. a. Corrección de la significación de Lilliefors Gráfico Q-Q normal de CIM Gráfico Q-Q normal de CIM 2 Para ANS= No 2.0 Para ANS= Si Normal esperado Valor observado Gráfico Q-Q normal de CIM Para ANS= Omitido Normal esperado Valor observado Normal esperado Valor observado
44 Prueba de homogeneidad de la varianza CIM Basándose en la media Basándose en la mediana. Basándose en la mediana y con gl corregido Basándose en la media recortada Estadístico de Levene gl1 gl2 Sig CIM 20 N = 10 Omitido 24 Si 33 No ansiedad
45 Bibliografía Escobar, M. (2000). Análisis gráfico/exploratorio. Cuadernos de Estadística. Madrid: Editorial La Muralla. Figueras, M y Gargallo, P. (2003): Análisis Exploratorio de Datos", [en línea]. [y añadir fecha consulta] Palmer, A. (1995). El análisis exploratorio de datos. Madrid: Eudema Peña, D. (2002). Análisis de datos multivariantes. Madrid: McGraw Hill. Rial, A.; Varela, J. y rojas, A. (2001). Depuración y análisis preliminares de datos en SPSS. Sistemas informatizados para la investigación del comportamiento. Madrid: RA-MA.
Práctica 2 Estadística Descriptiva
Práctica 2 Estadística Descriptiva Contenido Introducción...................................... 1 Tablas de frecuencias................................. 2 Medidas de centralización, dispersión y forma...................
Más detallesÍNDICE CAPITULO UNO CAPITULO DOS. Pág.
ÍNDICE CAPITULO UNO Pág. Concepto de Estadística 1 Objetivo 1 Diferencia entre estadísticas y estadística 1 Uso de la estadística 1 Divisiones de la estadística 1 1. Estadística Descriptiva 1 2. Estadística
Más detallesPráctica 1: Introducción a SPSS 1
Estadística Aplicada Curso 2010/2011 Diplomatura en Nutrición Humana y Dietética Práctica 1: Introducción a SPSS 1 Este programa estadístico está organizado en dos bloques: el editor de datos y el visor
Más detallesTema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0
Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar
Más detallesFUNDAMENTOS METODOLÓGICOS EN PSICOLOGÍA ANÁLISIS BÁSICOS CON SPSS
UNIVERSIDAD DE SEVILLA FACULTAD DE PSICOLOGIA FUNDAMENTOS METODOLÓGICOS EN PSICOLOGÍA PROFESORES: Gutiérrez, Mayte Martínez, Rafael J. Moreno, Rafael ANÁLISIS BÁSICOS CON SPSS INDICE: Pág. 1. Estadísticos
Más detallesAnálisis estadístico básico (I) Magdalena Cladera Munar mcladera@uib.es Departament d Economia Aplicada Universitat de les Illes Balears
Análisis estadístico básico (I) Magdalena Cladera Munar mcladera@uib.es Departament d Economia Aplicada Universitat de les Illes Balears CONTENIDOS Introducción a la inferencia estadística. Muestreo. Estimación
Más detallesREGRESIÓN LINEAL CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística REGRESIÓN LINEAL CON SPSS 1.- INTRODUCCIÓN El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre
Más detallesEstadística Avanzada y Análisis de Datos
1-1 Estadística Avanzada y Análisis de Datos Javier Gorgas y Nicolás Cardiel Curso 2006-2007 2007 Máster Interuniversitario de Astrofísica 1-2 Introducción En ciencia tenemos que tomar decisiones ( son
Más detallesSnapStat: Análisis de Una Muestra
SnapStat: Análisis de Una Muestra Resumen La SnapStat Análisis de Una Muestra crea un resumen en una hoja de una sola columna de datos numéricos. Calcula estadísticas de resumen e intervalos de confianza,
Más detallesGRÁFICOS GRÁFICOS EN SPSS. Bakieva, M., González Such, J., Jornet, J., Terol, L.
GRÁFICOS GRÁFICOS EN SPSS GRÁFICOS EN SPSS. TIPOS DE GRÁFICOS. GRÁFICOS DE BARRAS; GRÁFICOS DE LÍNEAS; GRÁFICOS DE ÁREAS; GRÁFICOS DE SECTORES; GRÁFICOS DE MÁXIMOS Y MÍNIMOS; DIAGRAMA DE CAJA; DIAGRAMAS
Más detallesPráctica 2: Intervalos de confianza y contrastes con SPSS 1
Estadística Aplicada Curso 2010/2011 Diplomatura en Nutrición Humana y Dietética Práctica 2: Intervalos de confianza y contrastes con SPSS 1 El objetivo de esta práctica es aprender a calcular intervalos
Más detalles1. Introducción. CEDEX - Curso de formación estadística. Práctica Cómo introducir datos en SPSS/PC?
Técnicas de análisis multivariante - I 9//oo5 CEDEX - Curso de formación estadística Práctica. Introducción En esta práctica trabajaremos con el fichero de datos pardals.xls que corresponde a un estudio
Más detallesEstadística inferencial. Aplicación con el SPSS
Estadística inferencial. Aplicación con el SPSS Sabina Pérez Vicente Unidad de Calidad APES Hospital Costa del Sol sabina.perez.exts@juntadeandalucia.es Comparabilidad inicial de los grupos Se debe realizar
Más detalles4. Obtén las siguientes tablas de doble entrada para las variables Dispersión y Formación:
ACTIVIDAD DE INFERENCIA Y ASOCIACIÓN 1. Obtén los estadísticos descriptivos básicos y un intervalo de confianza del 95% para la media del coste en farmacia por habitante. A partir del resultado obtenido
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 9 DESCRIPTIVOS El submenú Estadísticos descriptivos está en el menú Analizar, y ofrece una serie de opciones para analizar datos de una forma sencilla. En este capítulo serán descritos estos procedimientos.
Más detallesÍndice de contenidos. Primera parte Introducción al SPSS. 1. Estructura del SPSS
Índice de contenidos Primera parte Introducción al SPSS 1. Estructura del SPSS Tipos de ventanas SPSS Ventana designada versus ventana activa Cuadros de diálogo Subcuadros de diálogo Las barras de menús
Más detallesDIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009
Índice general 5 Análisis de datos categóricos 3 51 Tablas de contingencia 3 52 Distribuciones marginales y condicionadas 4 53 Independencia Test Chi-cuadrado Tablas 2 2 6 531 Independencia 6 532 Test
Más detallesLucila Finkel Temario
Lucila Finkel Temario 1. Introducción: el análisis exploratorio de los datos. 2. Tablas de contingencia y asociación entre variables. 3. Correlación bivariada. 4. Contrastes sobre medias. 5. Regresión
Más detallesDebemos obtener las medidas estadísticas más comunes.
- Ejercicio: Gráficos Estadísticos Estudiando el número de hijos de 30 familias elegidas al azar en una ciudad se han obtenido los siguientes datos: 1, 2, 3, 5, 6, 0, 7, 8, 4, 1, 3, 4, 5, 2, 6, 5, 2, 3,
Más detallesANÁLISIS DE DATOS MULTIDIMENSIONALES
ANÁLISIS DE DATOS MULTIDIMENSIONALES INTRODUCCIÓN DISTRIBUCIÓN DE FRECUENCIAS MULTIDIMENSIONAL DISTRIBUCIONES MARGINALES DISTRIBUCIONES CONDICIONADAS INDEPENDENCIA ESTADÍSTICA ESTUDIO ANALÍTICO DE DISTRIBUCIONES
Más detallesANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Tablas de contingencia y pruebas de asociación
ANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Tablas de contingencia y pruebas de asociación Francisca José Serrano Pastor Pedro A. Sánchez Rodríguez - Implica siempre a variables
Más detallesESTADÍSTICA APLICADA. PRÁCTICAS CON SPSS. TEMA 2
ESTADÍSTICA APLICADA. PRÁCTICAS CON SPSS. TEMA 2 1.- ANÁLISIS DE LA VARIANZA CON UN FACTOR El análisis de la varianza estudia el efecto de una o varias variables independientes denominadas factores sobre
Más detallesESTADÍSTICA BÁSICA Dirección Redes en Salud Pública 2015 09 16
ESTADÍSTICA BÁSICA Dirección Redes en Salud Pública 2015 09 16 Es el conjunto sistemático de procedimientos para la observación, registro, organización, síntesis y análisis e interpretación de los fenómenos
Más detallesEstadísticos Descriptivos
ANÁLISIS EXPLORATORIO DE DATOS El análisis exploratorio tiene como objetivo identificar el modelo teórico más adecuado para representar la población de la cual proceden los datos muéstrales. Dicho análisis
Más detallesComparación de Líneas de Regresión
Comparación de Líneas de Regresión Resumen El procedimiento de Comparación de Líneas de Regresión esta diseñado para comparar líneas de regresión relacionas con Y y X en dos o mas niveles de un factor
Más detallesIntroducción a la estadística básica, el diseño de experimentos y la regresión
Introducción a la estadística básica, el diseño de experimentos y la regresión Objetivos José Gabriel Palomo Sánchez gabriel.palomo@upm.es E.U.A.T. U.P.M. Julio de 2011 Objetivo general Organizar el estudio
Más detallesTÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD
TÉCNICAS ESTADÍSTICAS APLICADAS EN NUTRICIÓN Y SALUD Contrastes de hipótesis paramétricos para una y varias muestras: contrastes sobre la media, varianza y una proporción. Contrastes sobre la diferencia
Más detallesAnálisis de Datos CAPITULO 3: MEDIDAS DE VARIABILIDAD Y ASIMETRÍA
1. INTRODUCCIÓN En el tema 1 veíamos que la distribución de frecuencias tiene tres propiedades: tendencia central, variabilidad y asimetría. Las medidas de tendencia central las hemos visto en el tema
Más detallesTema 2: Estadísticos
Bioestadística Tema 2: Estadísticos Tema 2: Estadísticos 1 Parámetros y estadísticos Parámetro: Es una cantidad numérica calculada sobre una población La altura media de los individuos de un país La idea
Más detallesCómo describir e interpretar los resultados de un estudio de investigación quirúrgica? Variables cuantitativas
Cómo describir e interpretar los resultados de un estudio de investigación quirúrgica? Variables cuantitativas Sesión de Residentes 13 de febrero, 2012 ÍNDICE Diferencia entre población y muestra. Diferencia
Más detallesEstadística descriptiva. Representación de datos descriptivos
6 Estadística descriptiva. Representación de datos descriptivos Alberto Rodríguez Benot Rodolfo Crespo Montero 6.1. Introducción Tal como vimos en la introducción, la estadística descriptiva comprende
Más detallesANÁLISIS ESTADÍSTICO. Estadística descriptivos: Tablas, gráficos, estadísticos descriptivos. Jorge Fallas jfallas56@gmail,com
ANÁLISIS ESTADÍSTICO Estadística descriptivos: Tablas, gráficos, estadísticos descriptivos Jorge Fallas jfallas56@gmail,com 2010 1 Describiendo el set de datos Conocer contexto de los datos Variable, nivel
Más detallesUNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES
UNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES Carrera: LICENCIATURA EN COMERCIO EXTERIOR Asignatura: ESTADÍSTICA APLICADA A LOS NEGOCIOS ESTADÍSTICA DE LOS NEGOCIOS Curso: 1º AÑO Año lectivo: 2016 Carga
Más detallesTema 1. Modelo de diseño de experimentos (un factor)
Tema 1. Modelo de diseño de experimentos (un factor) Estadística (CC. Ambientales). Profesora: Amparo Baíllo Tema 1: Diseño de experimentos (un factor) 1 Introducción El objetivo del Análisis de la Varianza
Más detallesNociones de Estadística Descriptiva. Medidas de tendencia central y de variabilidad
Nociones de Estadística Descriptiva. Medidas de tendencia central y de variabilidad Introducción a la estadística descriptiva La estadística descriptiva ayuda a describir las características de grupos
Más detallesAnálisis de fiabilidad. García-Bellido, R.; González Such, J. y Jornet Meliá, J.M.
SPSS: ANÁLISIS DE FIABILIDAD ALFA DE CRONBACH El coeficiente Alfa de Cronbach es un modelo de consistencia interna, basado en el promedio de las correlaciones entre los ítems. Entre las ventajas de esta
Más detallesUna vez realizados estos procesos conviene verificar que han aparecido las dos nuevas variables (columnas) en el archivo de datos.
ECONOMETRÍA 09 PRACTICA 1: REPASO DE SPSS 1. Cuántas variables hay en el fichero? Y cuántas observaciones? Qué representa cada observación? Distingue entre variables cualitativas y cuantitativas. El fichero
Más detallesUna población es el conjunto de todos los elementos a los que se somete a un estudio estadístico.
Introducción a la Melilla Definición de La trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico
Más detallesTema 3. 3. Correlación. Correlación. Introducción
3-1 Introducción Tema 3 Correlación Coeficiente de correlación lineal de Pearson Coeficiente de correlación poblacional Contraste paramétrico clásico Transformación de Fisher Correlación bayesiana Test
Más detallesTEMA 5 Inferencia no paramétrica. Guía docente:
TEMA 5 Inferencia no paramétrica Guía docente: Pruebas estadísticas unidireccionales (una cola) y pruebas estadísticas bidireccionales (dos colas) Antes de continuar con el tema nos vamos a detener en
Más detallesAnálisis descriptivo con SPSS. Favio Murillo García
Análisis descriptivo con SPSS Favio Murillo García Autoevaluación 3 1. Descargue el archivo eval3.xls a) Importe los datos de Excel a SPSS. b) Agregue etiquetas de valor a cada variable según lo indique
Más detallesCapítulo 2. Cómo utilizar la ayuda
Capítulo 2 Cómo utilizar la ayuda El SPSS cuenta con un completo sistema de ayuda al que puede accederse desde cualquier ventana o cuadro de diálogo. Este sistema de ayuda adopta varios formatos diferentes,
Más detallesTeoría de la decisión Estadística
Conceptos básicos Unidad 7. Estimación de parámetros. Criterios para la estimación. Mínimos cuadrados. Regresión lineal simple. Ley de correlación. Intervalos de confianza. Distribuciones: t-student y
Más detallesJulio Deride Silva. 27 de agosto de 2010
Estadística Descriptiva Julio Deride Silva Área de Matemática Facultad de Ciencias Químicas y Farmcéuticas Universidad de Chile 27 de agosto de 2010 Tabla de Contenidos Estadística Descriptiva Julio Deride
Más detallesPara ello hacemos lo siguiente: Analizar. o Comparar medias. García Bellido, R.; González Such, J. y Jornet Meliá, J.M.
SPSS: PRUEBA T PRUEBA T PARA MUESTRAS INDEPENDIENTES El procedimiento Prueba T para muestras independientes debe utilizarse para comparar las medias de dos grupos de casos, es decir, cuando la comparación
Más detallesEl promedio como punto típico de los datos es el valor al rededor del cual se agrupan los demás valores de la variable.
3. MEDIDAS DE TENDENCIA CENTRAL Con estas medidas se persigue reducir en pocas cifras significativas el conjunto de observaciones de una variable y describir con ellas ciertas características de los conjuntos,
Más detallesJulia García Salinero. Departamento de Investigación FUDEN. Introducción
1 Análisis de datos en los estudios epidemiológicos V Prueba de Chi cuadrado y Análisis de la varianza. Departamento de Investigación FUDEN. Introducción Continuamos el análisis de los estudios epidemiológicos,
Más detallesDISTRIBUCIONES UNIDIMENSIONALES:
DISTRIBUCIONES UNIDIMENSIONALES: INTRODUCCIÓN Todo análisis estadístico se inicia con una primera fase descriptiva de los datos. Ésta tiene por objeto sintetizar la información mediante la elaboración
Más detallesTema 8. Organización y descripción de datos con más de una variable
Tema 8 Organización y descripción de datos con más de una variable 1 EL CASO DE DOS VARIABLES CUALITATIVAS Tablas de contingencia Representación gráfica Índices de Asociación OTROS CASOS Una variable cualitativa
Más detallesEjemplo Diseño Completamente aleatorizado (Pág. 470 Montgomery)
Ejemplo Diseño Completamente aleatorizado (Pág. 47 Montgomery) ) Representación gráfica de los datos mediante diagramas de caja Resumen del procesamiento de los casos Tension del papel (psi) Casos Válidos
Más detallesLos fenómenos psicológicos (por ejemplo, la comunicación verbal) se puede analizar desde distintos puntos de vista:
Los fenómenos psicológicos (por ejemplo, la comunicación verbal) se puede analizar desde distintos puntos de vista: (1) Cuáles son los procesos mentales que realizamos para construir una frase? (por ejemplo,
Más detallesSESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas
SESIÓN PRÁCTICA 7: REGRESION LINEAL SIMPLE PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria
Más detallesTema 5. Muestreo y distribuciones muestrales
Tema 5. Muestreo y distribuciones muestrales Contenidos Muestreo y muestras aleatorias simples La distribución de la media en el muestreo La distribución de la varianza muestral Lecturas recomendadas:
Más detallesTEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS
TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS FASES EN EL ANÁLISIS DE LOS DATOS DE UNA INVESTIGACIÓN SELECCIÓN HIPÓTESIS DE INVESTIGACIÓN Modelo de Análisis Técnica de Análisis
Más detallesCONTRASTES DE HIPÓTESES
CONTRASTES DE IPÓTESES 1. Contraste de hipótesis 2. Contrastes de tipo paramétrico 2.1 Contraste T para una muestra 2.2 Contraste T para dos muestras independientes 2.3 Análisis de la varianza 3. Contrastes
Más detallesAnálisis de Capabilidad (Porcentaje Defectuoso)
Análisis de Capabilidad (Porcentaje Defectuoso) STATGRAPHICS Rev. 9/4/2006 Este procedimiento esta diseñado para estimar el porcentaje de artículos defectuosos en una población basándose en muestra de
Más detallesweb: http://www.uv.es/friasnav/
LAS PRUEBAS PARAMÉTRICAS 1. Se conoce el modelo de distribución de la población objeto de estudio y se desconoce un número finito de parámetros de dicha distribución que hay que estimar con los datos de
Más detallesIngeniería en Innovación Agrícola Sustentable
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Estadística Ingeniería en Innovación Agrícola Sustentable ASF-1010 (Créditos) SATCA: 3-2-5 2.- PRESENTACIÓN Caracterización
Más detallesMatemáticas y Estadística para Finanzas Prof.: H. Ernesto Sheriff, PhD(c) M.Sc.
Matemáticas y Estadística para Finanzas Prof.: H. Ernesto Sheriff, PhD(c) M.Sc. Sesión 3 INTRODUCCIÓN A LA ESTADÍSTICA 1 Estadística Aplicada a los Negocios Motivación: usos de la estadística Encuestas
Más detallesCapítulo 6. Análisis bivariante de variables
Contenidos: Capítulo 6 Análisis bivariante de variables Distribución bidimensional de frecuencias ( tabla de correlación o contingencia ) Distribuciones marginales Coeficientes de Asociación Análisis de
Más detallesLOGO Fundamentos Básicos de Estadística I
LOGO Fundamentos Básicos de Estadística I Prof. Mariugenia Rincón mrinconj@gmail.com Definiciones Estadistica. Objetivo e Importancia Clasificación: Descriptiva e Inferencial Población y Muestra Unidad
Más detallesPRUEBAS PARA DOS MUESTRAS RELACIONADAS
PRUEBAS PARA DOS MUESTRAS RELACIONADAS Estos contrastes permiten comprobar si hay diferencias entre las distribuciones de dos poblaciones a partir de dos muestras dependientes o relacionadas; es decir,
Más detallesTécnicas Cuantitativas para el Management y los Negocios I
Técnicas Cuantitativas para el Management y los Negocios I Licenciado en Administración Módulo II: ESTADÍSTICA INFERENCIAL Contenidos Módulo II Unidad 4. Probabilidad Conceptos básicos de probabilidad:
Más detallesGUIA PARA USAR INFOSTAT EN ESTADÍSTICA DESCRIPTIVA. Autores: Mgter. María Inés Stímolo Cra. Mariana Gonzalez Cra. Olga Padró
GUIA PARA USAR INFOSTAT EN ESTADÍSTICA DESCRIPTIVA Autores: Mgter. María Inés Stímolo Cra. Mariana Gonzalez Cra. Olga Padró 1 TABLAS Y GRÁFICOS GUIA PARA CLASE DE GABINETE- INFOSTAT. Esta clase tiene como
Más detalles2.5. Asimetría y apuntamiento
2.5. ASIMETRÍA Y APUNTAMIENTO 59 variable Z = X x S (2.9) de media z = 0 y desviación típica S Z = 1, que denominamos variable tipificada. Esta nueva variable carece de unidades y permite hacer comparables
Más detallesEl análisis de correspondencias. Ana María López Jiménez Dept. Psicología Experimental (USE)
El análisis de correspondencias Ana María López Jiménez Dept. Psicología Experimental (USE) 4. El análisis de correspondencias 4.. Introducción 4.2. Tabla de correspondencias 4.3. Dependencia e independencia
Más detallesEl promedio como punto típico de los datos es el valor al rededor del cual se agrupan los demás valores de la variable.
TEMA 3: ESTADÍSTICA DESCRIPTIVA 3.1 Conceptos fundamentales Es el conjunto de procedimientos y técnicas empleadas para recolectar, organizar y analizar datos, los cuales sirven de base para tomar decisiones
Más detallesTEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS
TEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS LECTURA OBLIGATORIA Capítulo 2: Preparación del Archivo de datos. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en Ciencias de
Más detallesCapítulo 13 Contrastes sobre medias Los procedimientos Medias y Prueba T
Capítulo 13 Contrastes sobre medias Los procedimientos Medias y Prueba T La opción Comparar medias del menú Analizar contiene varios de los procedimientos estadísticos diseñados para efectuar contrastes
Más detallesSe desea analizar el nivel de glucemia según tratamientos en un grupo de. enfermos. Para ello se ha medido este nivel antes y después de dichos
Práctica 4: Estadística Matemática Ejercicio 1: Se desea analizar el nivel de glucemia según tratamientos en un grupo de enfermos. Para ello se ha medido este nivel antes y después de dichos tratamientos.
Más detallesESTADISTICA APLICADA: PROGRAMA
Pág. 1 de 5 ESTADISTICA APLICADA: PROGRAMA a) OBJETIVOS Y BLOQUE 1: Teoría de Probabilidades 1.1 Comprender la naturaleza de los experimentos aleatorios y la estructura de los espacios de probabilidades,
Más detalles9.- Análisis estadísticos con R Commander
Tipos de datos - Cuantitativos: se expresan numéricamente. - Discretos: Toman valores numéricos aislados - Continuos: Toman cualquier valor dentro de unos límites dados - Categóricos o Cualitativos: No
Más detallesTema 3: Estadística Descriptiva
Tema 3: Estadística Descriptiva Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 3: Estadística Descriptiva Curso 2008-2009 1 / 27 Índice
Más detallesANEXO 4. Comparación características basales. Técnica de enseñanza. Resumen del procesamiento de los casos. N Porcentaje N Porcentaje
dimension1 dimension1 ANEXO 4 Comparación características basales Técnica de Resumen del procesamiento de los casos Técnica de Casos Válidos Perdidos N Porcentaje N Porcentaje Edad en años cumplidos On
Más detallesUNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA I. DATOS DE IDENTIFICACIÓN.
1.- Unidad Académica: Facultad de Ingeniería UNIVERSIDAD AUTÓNOMA DE BAJA CALIFORNIA DIRECCIÓN GENERAL DE ASUNTOS ACADÉMICOS PROGRAMA DE ASIGNATURA I. DATOS DE IDENTIFICACIÓN 2.- Programa (s) de estudio:
Más detalles3. Análisis univariable y bivariable
FUOC P01/71039/00748 36 Investigación descriptiva: análisis de información 3. Análisis univariable y bivariable 3.1. Análisis univariable Como se ha visto, los métodos de análisis univariable se utilizan
Más detallesDeterminación del tamaño muestral para calcular la significación del coeficiente de correlación lineal
Investigación: Determinación del tamaño muestral para calcular 1/5 Determinación del tamaño muestral para calcular la significación del coeficiente de correlación lineal Autores: Pértegas Día, S. spertega@canalejo.org,
Más detallesFACULTAD DE CIENCIAS ECONOMICAS Y ADMINISTRATIVAS PROGRAMA DE MERCADEO
FACULTAD DE CIENCIAS ECONOMICAS Y ADMINISTRATIVAS PROGRAMA DE MERCADEO I. IDENTIFICACIÓN DE LA ASIGNATURA NOMBRE: Estadística I CODIGO: 41A03 PRERREQUISITO: Matemática I SEMESTRE: III CRÉDITOS: 3 II. OBJETIVO
Más detallesInferencia estadística III. Análisis de Correlación. La inferencia estadística también se puede aplicar para:
1 Inferencia estadística III La inferencia estadística también se puede aplicar para: 1. Conocer el grado de relación o asociación entre dos variables: análisis mediante el coeficiente de correlación lineal
Más detallesTEMAS SELECTOS DE MATEMÁTICAS II
MATERIAL PARA PREPARAR EL EXAMEN DE TEMAS SELECTOS DE MATEMÁTICAS II Profesor: Rubén Oscar Costiglia Garino PREFECO David Alfaro Siqueiros MEDIAS 1. Dados los números 13 y 23 calcula: a. La media aritmética
Más detallesEstadística Descriptiva. SESIÓN 12 Medidas de dispersión
Estadística Descriptiva SESIÓN 12 Medidas de dispersión Contextualización de la sesión 12 En la sesión anterior se explicaron los temas relacionados con la desviación estándar, la cual es una medida para
Más detallesPROGRAMA COMPLETO DEL CURSO DE BIOESTADÍSTICA APLICADA A LAS CIENCIAS DE LA SALUD
PROGRAMA COMPLETO DEL CURSO DE BIOESTADÍSTICA APLICADA A LAS CIENCIAS DE LA SALUD 1.- Introducción a la bioestadística Introducción a la bioestadística como herramienta aplicada a las Ciencias de la Salud.
Más detallesEl Análisis de Correspondencias tiene dos objetivos básicos:
Tema 8 Análisis de correspondencias El Análisis de Correspondencias es una técnica de reducción de dimensión y elaboración de mapas percentuales. Los mapas percentuales se basan en la asociación entre
Más detalles1. IDENTIFICACIÓN DE LA ASIGNATURA
UNIVERSIDAD DE SANTIAGO DE CHILE FACULTAD DE ADMINISTRACION Y ECONOMIA DEPARTAMENTO DE CONTABILIDAD Y AUDITORIA PROGRAMA DE ESTUDIO ESTADÍSTICA APLICADA II 1. IDENTIFICACIÓN DE LA ASIGNATURA 2. OBJETIVOS
Más detallesTipo de punta (factor) (bloques)
Ejemplo Diseño Bloques al Azar Ejercicio -6 (Pág. 99 Montgomery) Probeta Tipo de punta (factor) (bloques) 9. 9. 9.6 0.0 9. 9. 9.8 9.9 9. 9. 9.5 9.7 9.7 9.6 0.0 0. ) Representación gráfica de los datos
Más detallesCapítulo 13. Contrastes sobre medias: Los procedimientos Medias y Prueba T. Medias
Capítulo 13 Contrastes sobre medias: Los procedimientos Medias y Prueba T La opción Comparar medias del menú Analizar contiene varios de los procedimientos estadísticos diseñados para efectuar contrastes
Más detallesRELACIÓN TEMA 13: ESTADÍSTICA UNIDIMENSIONAL
RELACIÓN TEMA 13: ESTADÍSTICA UNIDIMENSIONAL 1.- Un fabricante de tornillos desea hacer un control de calidad. Para ello recoge uno de cada 0 tornillos y lo analiza. El conjunto de tornillos analizado
Más detallest de Student para muestras relacionadas
t de Student para muestras relacionadas Es una prueba paramétrica de comparación de dos muestras relacionadas, debe cumplir las siguientes características: Asignación aleatoria de los grupos Homocedasticidad
Más detallesTABLAS DE CONTINGENCIA
Tablas de contingencia 1 TABLAS DE CONTINGENCIA En SPSS, el procedimiento de Tablas de Contingencia crea tablas de clasificación doble y múltiple y, además, proporciona una serie de pruebas y medidas de
Más detallesCapítulo 12 Análisis de variables categóricas El procedimiento Tablas de contingencia
Capítulo 12 Análisis de variables categóricas El procedimiento Tablas de contingencia En las ciencias sociales, de la salud y del comportamiento es bastante frecuente encontrarse con variables categóricas.
Más detalles1) Características del diseño en un estudio de casos y controles.
Departamento de Estadística Universidad Carlos III de Madrid BIOESTADISTICA (55-10536) Estudios de casos y controles CONCEPTOS CLAVE 1) Características del diseño en un estudio de casos y controles. )
Más detallesUNIVERSIDAD NACIONAL EXPERIMENTAL DE GUAYANA VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL
VICERRECTORADO ACADÉMICO COORDINACION DE PRE-GRADO PROYECTO DE CARRERA DE INGENIERIA INDUSTRIAL PROGRAMA: ESTADISTICA I CÓDIGO ASIGNATURA: 1215-311 PRE-REQUISITO: 1215209 SEMESTRE: 3 UNIDADES DE CRÉDITO:
Más detalles11. PRUEBAS NO PARAMÉTRICAS
. PRUEBAS NO PARAMÉTRICAS Edgar Acuña http://math.uprm/edu/~edgar UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ PRUEBAS NO PARAMÉTRICAS Se estudiarán las pruebas noparamétricas, las cuales
Más detalles4. Medidas de tendencia central
4. Medidas de tendencia central A veces es conveniente reducir la información obtenida a un solo valor o a un número pequeño de valores, las denominadas medidas de tendencia central. Sea X una variable
Más detallesLaboratorio de Estadística Con Manejo en SPSS.
Laboratorio de Estadística Con Manejo en SPSS. Sesión 1: Importación de Datos, Gráficos y Análisis Bivariado. Desde el 02 de Abril hasta el 06 de Abril del 2018 Patricio Videla J. Profesor Coordinador
Más detallesCURSO MINERÍA DE DATOS BÁSICO
CURSO MINERÍA DE DATOS BÁSICO Hoy en día se utiliza la minería de datos en la mayoría de los campos de la ciencia. Cabe destacar las aplicaciones financieras y en banca, en análisis de mercados y comercio,
Más detallesTEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS
TEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS LECTURA OBLIGATORIA Capítulo 2: Preparación del Archivo de datos. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en Ciencias de
Más detallesUniversidad de Managua
Universidad de Managua UdeM Simulación de Sistemas Guía #2 Tema: Determinar si el conjunto de números Pseudoaleatorios dados, cumplen las pruebas estadísticas de uniformidad e independencia; para ser considerados
Más detallesbáscula 1 báscula 2 Podemos comprobar que en ambos casos el p valor > 0,05, lo cual implica la normalidad de las muestras.
LABORATORIO 2 LABORATORIO INFORMÁTICO Caso 1. En una planta de fabricación de hormigón se quiere comprobar si dos básculas de distintos fabricantes están midiendo lo mismo. Para ello se toman aleatoriamente
Más detalles