APUNTES DE SPSS. Dolores Frías-Navarro. Universidad de Valencia, 2014
|
|
- Cristina Ojeda Lucero
- hace 7 años
- Vistas:
Transcripción
1 APUNTES DE SPSS Dolores Frías-Navarro Universidad de Valencia, Aná lisis de fiábilidád de lás puntuáciones de un instrumento de medidá. Alfá de Cronbách: un coeficiente de fiábilidád 2. Fusio n de váriábles con el SPSS 1. Análisis de fiabilidad de las puntuaciones de un instrumento de medida. Alfa de Cronbach: un coeficiente de fiabilidad En muchas ocasiones en las Ciencias Sociales o en las Ciencias de la Salud es necesario medir y cuantificar la expresión de un constructo (prejuicio, racismo, xenofobia, ansiedad, ira, inteligencia, empatía ) que es imposible medirlo de forma explícita o directa. Para realizar su medición se utilizan un conjunto de cuestiones o ítems y se combinan las respuestas de los sujetos sumando sus valores y obteniendo una puntuación total. Pero cuando los ítems son sumados para formar una escala es necesario demostrar previamente que existe consistencia interna entre dichos ítems. Es decir, todos los ítems deben medir un mismo constructo y por lo tanto estarán correlacionados entre sí. Un coeficiente para medir la consistencia interna o fiabilidad de una escala es el denominado alfa de Cronbach. Los instrumentos de medida de los constructos tienen que demostrar que poseen las propiedades psicométricas de validez y fiabilidad. Y sus propiedades deben calcularse con cada una de las muestras en las que se aplica pues no es una propiedad inherente del instrumento y podría ser fiable y válido con una muestra de participantes pero no serlo con otra muestra. En 1967 Nunnally definía la fiabilidad como el grado en que las medidas de los constructos son repetibles y cualquier influencia aleatoria que pudiese hacer las medidas diferentes de una medición a otra es una fuente de error de medida. Indica una consistencia de la medida del constructo. La validez de un instrumento se refiere al grado en que el instrumento mide aquello que pretende medir. Por ejemplo, un instrumento de medida es fiable si proporciona aproximadamente el mismo tipo de respuestas para diferentes grupos de sujetos o en repetidas aplicaciones a un mismo grupo de sujetos. Además, será válido si correlaciona con las puntuaciones de otros instrumentos que miden constructos donde es 1
2 esperable una convergencia (validez convergente). En cambio, la validez discriminante está presente cuando se utilizan instrumentos para medir diferentes constructos y sus puntuaciones están débilmente correlacionadas. La fiabilidad de la consistencia interna del instrumento se puede estimar con el alfa de Cronbach (Cronbach, 1951). El método de consistencia interna basado en el coeficiente de fiabilidad alfa de Cronbach permite estimar la fiabilidad de un instrumento de medida a través de un conjunto de ítems que se espera que midan el mismo constructo o una única dimensión teórica de un constructo latente. Cuando los datos tienen una estructura multidimensional el valor del alfa de Cronbach será bajo. Es decir, no se observa una consistencia en las puntuaciones que forman el constructo teórico que se desea medir. La medida de la fiabilidad mediante el alfa de Cronbach asume que los ítems (medidos en escala tipo Likert o también es posible para ítems dicotómicos) miden un mismo constructo y que están altamente correlacionados entre sí (Welch & Comer, 1988). Al menos se necesitan dos ítems para poder estimar el valor del coeficiente alfa de Cronbach y cuanto mayor el número de ítems mayor será la fiabilidad de la escala. El valor de alfa de Cronbach oscila de 0 a 1. Cuanto más cerca se encuentre el valor del alfa a 1 mayor es la consistencia interna de los ítems analizados. Si los ítems están positivamente correlacionados entonces la varianza de la suma de los ítems se incrementa. Por ello, si las puntuaciones en todos los ítems fuesen idénticas, y por lo tanto las puntuaciones estarían perfectamente correlacionadas, el valor de alfa sería igual a 1. En cambio, si los ítems fuesen totalmente independientes, no mostrando ningún tipo de relación entre ellos, el valor de alfa de Cronbach sería igual a 0. Una vez comprobado que el valor de alfa de Cronbach es aceptable ya se pueden sumar las puntuaciones de los ítems y formar una puntuación total de una escala. Por ello, siempre hay que comprobar la fiabilidad de las puntuaciones de la muestra antes de computar puntuaciones totales o realizar cualquier otro análisis estadístico. Si la fiabilidad no es adecuada entonces será necesario estudiar si representan a dimensiones diferentes (por ejemplo, realizando un análisis factorial) pero nunca se utilizarán como elementos que miden un mismo constructo. Cálculo El alfa de Cronbach puede ser calculado a partir de la correlación entre los ítems como una función del número de ítems del instrumento y la correlación media entre los ítems. La fórmula sería la siguiente: N r [1] 1 N 1 r Donde N es igual al número de ítems y r es la correlación media entre los ítems. Como se puede observar en la fórmula, si se incrementa el número de ítems entonces se incrementa el valor del alfa de Cronbach. Además, si la correlación media entre los ítems es baja entonces el valor del alfa de Cronbach será bajo. En este sentido, a medida que la correlación media entre los ítems se incrementa también se incrementa el valor del alfa de Cronbach. Si la correlación entre los ítems es alta entonces habrá evidencia de que los ítems están midiendo un mismo constructo o dimensión latente. El análisis de las correlaciones ítem-puntuación total permite valorar la relavancia y la utilidad de cada ítem dentro de la escala. Cuando se obtiene un valor de alfa de Cronbach bajo entonces los ítems tienen una estructura multidimensional y es aconsejable realizar un análisis factorial de los ítems para observar cómo se agrupan los 2
3 ítems en dimensiones latentes diferentes y entonces calcular el valor de alfa de Cronbach para cada dimensión por separado que ha detectado el análisis factorial. Un valor aceptable de alfa de Cronbach señala que existe consistencia interna, es decir, los ítems están inter-relacionados pero nunca señala el grado de unidimensionalidad de los ítems que miden el constructo. La consistencia interna es una condición necesaria pero no suficiente para señalar la unidimensionalidad. Un conjunto de ítems pueden estar inter-relacionados y sin embargo mostrar multidimensionalidad. Por ello, conviene tener en cuenta que obtener un valor de alfa de Cronbach alto no significa que la medida es unidimensional. Para comprobar que la escala o instrumento es unidimensional es necesario ejecutar otros análisis como el Análisis Factorial Exploratorio (EFA) o el Análisis Factorial Confirmatorio (AFC) y comprobar la dimensionalidad del conjunto de ítems. Interpretación Como criterio general, George y Mallery (2003, p. 231) sugieren las recomendaciones siguientes para evaluar los valores de los coeficientes de alfa de Cronbach: -Coeficiente alfa >.9 es excelente - Coeficiente alfa >.8 es bueno -Coeficiente alfa >.7 es aceptable - Coeficiente alfa >.6 es cuestionable - Coeficiente alfa >.5 es pobre - Coeficiente alfa <.5 es inaceptable Opiniones de otros investigadores: Nunnally (1978): dentro de un análisis exploratorio estándar, el valor de fiabilidad en torno a 0.7 es adecuado y es el nivel mínimo aceptable. El autor reconoce que valores más bajos son utilizados a veces en la literatura. En las primeras fases de la investigación o estudios exploratorios un valor de fiabilidad de 0.6 o 0.5 puede ser suficiente (Nunnally, 1967). Con investigación básica se necesita al menos 0.8 y en investigación aplicada entre 0.9 y Gliem & Gliem (2003): un valor de alfa de 0.8 es probablemente una meta razonable. Huh, Delorme & Reid (2006): el valor de fiabilidad en investigación exploratoria debe ser igual o mayor a 0.6 y en estudios confirmatorios debe estar entre 0.7 y 0.8. Kaplan & Saccuzzo (1982): el valor de fiabilidad para la investigación básica entre 0.7 y 0.8 y en investigación aplicada sobre Loo (2001): el valor de consistencia que se considera adecuado es de 0.8 o más. Loewenthal (1996) sugiere que un valor de fiabilidad de 0.6 puede ser considerado aceptable para escalas con menos de 10 ítems. 3
4 Análisis con el programa estadístico SPSS EJERCICIO. Realizar la estimación de la fiabilidad para para la sub-escala de Prejuicio Manifiesto y la de Prejuicio Sutil. ANALIZAR ESCALA ANÁLISIS DE FIABILIDAD En la opción de análisis de fiabilidad se mueven a la derecha aquellos ítems de los que se desea analizar la fiabilidad y que se supone forman una escala que mide un constructo. Es muy importante que todos los ítems estén puntuados en el mismo sentido y nunca tener ítems en sentido directo e inverso en un mismo análisis de fiabilidad pues daría valores de alfa de Cronbach bajos e incluso negativos. Para invertir los ítems es necesario cambiar el formato de respuesta, por ejemplo si era 1, 2, 3, 4, 5 y 6 hay que cambiar para ese ítem invertido la respuesta a 6, 5, 4, 3, 2 y 1. Es decir, cambiar el 1 por el 6, el dos por el 5 y así sucesivamente. Este proceso de inversión se puede realizar en la Ventana del SPSS de Transforma y recodificar en la misma variable (se sustituye a la variable original) o recodificar en distinta variable (se crea una nueva variable con un nombre distinto que aparecerá al final de la base de datos). Se puede controlar que todos los ítems están en el mismo sentido observando la columna de las correlaciones del ítem con la puntuación total donde todas tienen que ser correlaciones positivas. Si hay algún coeficiente de correlación negativo entonces ese ítem está en un sentido inverso al resto de ítems y habría que transformar su escala de respuesta antes de ejecutar el análisis de fiabilidad. Si la muestra es muy pequeña también podrían aparecer valores de alfa de Cronbach negativos. Antes de ejecutar el análisis de fiabilidad es necesario entrar en la opción de Estadísticos para que la salida de resultados del programa ofrezca el análisis de consistencia interna de los ítems. En Estadísticos se seleccionan las opciones de Descriptivos para elemento, escala y escala si se elimina el elemento, Resúmenes de medias, varianzas, covarianzas y correlaciones y en Inter-elementos se señalan las correlaciones. 4
5 La sintaxis para obtener los resultados ejecutando los comandos en la ventana de Sintaxis del SPSS es la siguiente: Ventana de Resultados del SPSS En la ventana de Resultados del SPSS se obtienen un conjunto de tablas relacionadas con toda la información solicitada en Opciones. Los resultados aparecen en la ventana de Resultados del SPSS. 5
6 Interpretación de los resultados que ofrece el SPSS El procedimiento de análisis de la fiabilidad señala la fiabilidad mediante dos valores: 1) El valor de alfa de Cronbach. 2) La fiabilidad basada en valor de alfa de Cronbach que utiliza los elementos o ítems tipificados (estandarizados). 6
7 Cuando se utiliza un conjunto de ítems que tienen la misma unidad de medida la interpretación se realiza con la fiabilidad del valor del alfa de Cronbach que utiliza la correlación entre los ítems de tal manera que cuanto mayor sea la correlación entre los ítems más probable será que el instrumento sea consistente. La fiabilidad basada en los ítems estandarizados utiliza las covarianzas entre los ítems y se utiliza cuando los ítems que forman la escala usan diferentes unidades de medida. Habitualmente suele trabajarse con el valor de alfa de Cronbach. Conviene observar también con detenimiento la información relacionada con Correlación elemento-total corregida. Esta correlación indica la correlación lineal entre el ítem y la puntuación total (sin considerar el ítem que se está evaluando), señalando la magnitud y la dirección de esta relación. Los ítems cuyos coeficientes ítem-total arrojan valores menores a 0.35 deben ser desechados o reformulados ya que las correlaciones a partir de 0.35 son estadísticamente significativas más allá del nivel del 1% (Cohen-Manion, 1990). Una baja correlación entre el ítem y la puntuación total puede deberse a diversas causas, ya sea de mala redacción del ítem o que el ítem no sirve para medir lo que se desea medir. Si se aplica la fórmula del alfa de Cronbach a los datos del ejercicio se observa que su valor es de 0.75: N Referencias bibliográficas Cortina, J. M. (1993). What is coefficient alpha? An examination of theory and applications. Journal of Applied psychology, 78, Cronbach, L. J. (1951). Coefficient alpha and the internal structure of tests. Psychometrika. 16, George, D., & Mallery, P. (2003). SPSS for Windows step by step: A simple guide and reference update (4 th ed.). Boston: Allyn & Bacon. Loewnthal, K.M. (1996). An introduction to psychological tests and scales. London: UCL Press. Nunnally, J.C. (1967). Psychometric theory. New York: McGraw Hill. Nunnally, J.C. (1978). Psychometric theory (2nd ed.). New York: McGraw Hill. Nunnally, J.C., & Bernstein, I.H. (19994). Psychometric theory (3rd ed.). New York: McGraw Hill. 7
8 2. Fusión de variables con el SPSS Supongamos que el investigador necesita categorizar dos variables continuas y después desea combinar sus valores para crear otra variable fruto de la fusión de las dos variables anteriores combinando los grupos. Por ejemplo con los factores de Prejuicio Sutil y Prejuicio Manifiesto. Se podría crear dos grupos con cada subescala: altos y bajo en Prejuicio Sutil y altos y bajos en Prejuicio Manifiesto, combinado los grupos se crearían cuatro grupos. Supongamos que tenemos dos variables continuas como son las puntuaciones directas de los sujetos en la subescala de Prejuicio Sutil y de Prejuicio Manifiesto de Pettigrew y Meertens (1998) y deseamos crear la tipología de prejuicio de los autores que se define gracias a la combinación de las puntuaciones de los sujetos en ambas subescalas formando las categorías de sujetos sutiles, sujetos fanáticos, sujetos igualitarios y la puntuación de error o de respuesta inconsistente dada su incoherencia teórica. SUTIL BAJO SUTIL ALTO MANIFIESTO BAJO Igualitarios (grupo 1) Sutiles (grupo 2) MANIFIESTO ALTO Error (grupo 3) Fanáticos (grupo 4) 1. CATEGORIZAR LAS VARIABLES CONTINUAS Lo primero que hay que hacer es categorizar las dos variables continuas en dos grupos. Pettigrew y Meertens (1998) señalan la puntuación de 30 como punto de corte (la mitad de la puntuación máxima posible en la subescala ya que la amplitud de puntuación oscila de 10 a 60). Entonces es necesario ir a: Transformar---Recodificar en distintas variables---valores antiguos y nuevos En la sección de valores antiguos y nuevos del SPSS crearemos las nuevas categorías señalando que de 10 a 30 el nuevo valor será 1 y de 31 a 60 el nuevo valor será de 2. Por lo tanto en la nueva variable, que podemos etiquetar como DosSutil, tenemos una variable categorizada con dos grupos donde el grupo de 1 recoge a los sujetos que obtuvieron una puntuación de 10 a 30 y el grupo 2 recoge a los sujetos cuya puntuación es de 31 o más. Lo mismo realizaremos para la subescala de prejuicio manifiesto que etiquetamos como DosManifiesto creando una nueva variable categorizada con dos grupos: 1 para los sujetos con puntuaciones de 30 o menos y 2 para los sujetos con puntuaciones de 31 o más. Una vez tenemos categorizadas las dos variables que queremos fusionar ya podemos pasar a combinar su valores en una tercera variables que denominamos TipologiaPrejuicio que estará formada por cuatro grupos (dos grupos de DosSutil por dos grupos de DosManifiesto son cuatro grupos, bajo de sutil y bajo de manifiesto, bajo de sutil y alto de manifiesto, alto de sutil y bajo de manifiesto y alto de sutil y alto de manifiesto). 2. COMBINAR LOS VALORES DE DOS O MÁS VARIABLES EN UNA NUEVA VARIABLE Para combinar los valores de dos o más variables en una nueva variable podemos utilizar las ventanas del SPSS o la sintaxis a través de: COMPUTE IF argument1 AND argument2 AND argument3 Si ejecutamos la fusión de las dos variables con la ventana del SPSS entonces tenemos que acceder a transformar variables. 8
9 VENTANA: TRANSFORMAR CALCULAR VARIABLE Después de abrir transformar hay que acceder a calcular variable. CALCULAR VARIABLE Una vez abierta la ventana de calcular variable hay que dar nombre y etiquetar a la nueva variable que vamos a crear. En nuestro caso utilizaremos el mismo nombre y etiqueta: TipologiaPrejuicio. VARIABLE DE DESTINO: escribir el nombre de la nueva variable A continuación en Expresión Numérica escribimos el valor numérico que tendrá el grupo que vamos a crear con la combinación de las dos variables. Por ejemplo, supongamos que le adjudicamos un 1 (escribir un 1 en expresión numérica). EXPRESIÓN NUMÉRICA: escribir el número del grupo, por ejemplo 1 A continuación accedemos a SI la opción y señalamos la opción de Incluir si el caso satisface la condición. Si la opción : por ejemplo DosSutil=1 & DosManifiesto=1 Y entonces añadimos por ejemplo la siguiente expresión DosSutil=1 & DosManifiesto=1. Con esa expresión estamos indicando que se cree un grupo cuya valor de categoría será 1 gracias a la combinación del grupo 1 de la variable DosSutil y del grupo 1 de la variable DosManifiesto. Por último se Acepta y ya tenemos el primer grupo creado de la nueva variable de fusión TipologíaPrejuicio. Hacer clic y ACEPTAR A continuación hay que repetir todo el proceso señalando en expresión numérica 2 (después 3 y 4) y estableciendo las condiciones de combinación en cada caso. Cada vez que demos a Aceptar el ordenador señalará si deseamos cambiar la variable y la respuesta es Sí. Con cada cambio se están rellenando los huecos que corresponden a la combinación de las variables categorizadas DosSutil y DosManifiesto. Como resultado final se habrá creado una nueva variable denominada TipologiaPrejuicio donde se encuentran los valores de 1, 2, 3 y 4 formados por la combinación señalada en Incluir si el caso satisface la condición. Si deseamos realizar la fusión de las variables con la ventana de Sintaxis entonces los comandos son los siguientes: 9
10 IF (DosSutil= 1 & DosManifiesto =2) TipologiaPrejuicio =1. VARIABLE LABELS TipologiaPrejuicio 'TipologiaPrejuicio'. EXECUTE. IF (DosSutil =1 & DosManifiesto =1) TipologiaPrejuicio =2. VARIABLE LABELS TipologiaPrejuicio 'TipologiaPrejuicio'. EXECUTE. IF (DosSutil =2 & DosManifiesto =1) TipologiaPrejuicio =3. VARIABLE LABELS TipologiaPrejuicio 'TipologiaPrejuicio'. EXECUTE. IF (DosSutil =2 & DosManifiesto =2) TipologiaPrejuicio =4. VARIABLE LABELS TipologiaPrejuicio 'TipologiaPrejuicio'. EXECUTE. El resultado final de la fusión de las dos variables implica crear una nueva variable llamada TipologiaPrejuicio que está formada por 4 valores o categorías: 1, 2, 3, 4 y que aparecerá al final de la base de datos cuando se haya completado todo el proceso. Sintaxis Resultados 10
Citar como: Frías-Navarro, D. (2018). Apuntes de SPSS. Consistencia interna. Universidad de Valencia. España.
Citar como: Frías-Navarro, D. (2018). Apuntes de SPSS. Consistencia interna. Universidad de Valencia. España. APUNTES DE SPSS: CONSISTENCIA INTERNA Dolores Frías-Navarro Universidad de Valencia, 2018 Spain
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 detallesPráctica 2 Estadística Descriptiva
Práctica 2 Estadística Descriptiva Contenido Introducción...................................... 1 Tablas de frecuencias................................. 2 Medidas de centralización, dispersión y forma...................
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 detallesTEMA 11. LA FIABILIDAD DE LOS TESTS
TEMA 11. LA FIABILIDAD DE LOS TESTS 11.1. Métodos empíricos para estimar el coeficiente de Fiabilidad 11.2. Factores que afectan al Coeficiente de Fiabilidad 11.3. Interpretación del Coeficiente de Fiabilidad
Más detallesTests para particulares. Propiedades psicométricas
Tests para particulares Propiedades psicométricas Tests de orientación, personalidad e inteligencia Introducción Central Test dispone de más de diez años de experiencia en la publicación de test psicométricos.
Más detallesCOEFICIENTE ALFA LA LEYENDA VIVIENTE EN PSICOLOGÍA ARNOLD TAFUR UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS
COEFICIENTE ALFA LA LEYENDA VIVIENTE EN PSICOLOGÍA ARNOLD TAFUR UNIVERSIDAD NACIONAL MAYOR DE SAN MARCOS TEMAS A DESARROLLAR Alfa fue primero desarrollado por Cronbach? Alfa debe ser mayor o igual que.70
Más detallesConocer la forma de analizar las Medidas de Tendencia Central de una distribución con OpenOffice Calc.
Objetivo: Conocer la forma de analizar las Medidas de Tendencia Central de una distribución con OpenOffice Calc. CALC: MEDIDAS DE TENDENCIA CENTRAL Las medidas de tendencia central sirven como puntos de
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 detallesContenido. Página 2 de 8
RÚBRICA Contenido INTRODUCCIÓN... 3 CONFIGURACIÓN Y GESTIÓN DE UNA RÚBRICA... 3 Definir un nuevo formulario de calificación desde cero, para crear un nuevo formulario desde cero... 4 Crear un nuevo formulario
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 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 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 detallesEditorial Universidad de Almería
INFORME DE RESULTADOS DE LA EVALUACIÓN DE LA SATISFACCIÓN DE LOS USUARIOS DE LOS SERVICIOS ADMINISTRATIVOS DE LA UNIVERSIDAD DE ALMERÍA 2014 SERVICIO DE PLANIFICACIÓN, EVALUACIÓN Y CALIDAD SECCIÓN DE CALIDAD
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 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 detallesFUNCIONES CONDICIONALES EN EXCEL
FUNCIONES CONDICIONALES EN EXCEL FORMATO CONDICIONAL, 2 FUNCION CONTAR.SI, 3 FUNCION SI, 1 FUNCION SUMAPRODUCTO, 4 FUNCION SUMAR.SI, 5 1. FUNCION SI La función SI permite evaluar una condición, en el caso
Más detallesCAPITULO III. METODOLOGIA DE LA INVESTIGACION
CAPITULO III. METODOLOGIA DE LA INVESTIGACION La metodología aplicada en esta investigación fue la siguiente: 1. Definición del problema. 2. Diseño de la investigación. 3. Muestreo estadístico. 4. Procedimiento
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 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 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 detallesD.2 ANÁLISIS ESTADÍSTICO DE LAS TEMPERATURAS DE VERANO
Anejo Análisis estadístico de temperaturas Análisis estadístico de temperaturas - 411 - D.1 INTRODUCCIÓN Y OBJETIVO El presente anejo tiene por objeto hacer un análisis estadístico de los registros térmicos
Más detallesSUMA DE VARIABLES Y CREACIÓN DE VARIABLES
SUMA DE VARIABLES Y CREACIÓN DE VARIABLES Una vez hemos ejecutado la suma de variables y hemos creado las nuevas variables tendremos una base de datos que se ha ampliado con las siguientes variables: A
Más detallesGUIA PRACTICA PARA LA APLICACIÓN DE MS EXCEL TECNOLOGIA/ INFORMATICA
Fórmulas y funciones De la barra de menú seleccionmos la opción insertar y haciendo clic en la opción f x se desplegará el siguiente cuadro de diálogo a partir del cual escogeremos la función adecuada
Más detallesMETODO SIMPLEX ANALISIS DE SENSIBILIDAD Y DUALIDAD
METODO SIMPLEX ANALISIS DE SENSIBILIDAD Y DUALIDAD Análisis de sensibilidad con la tabla simplex El análisis de sensibilidad para programas lineales implica el cálculo de intervalos para los coeficientes
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 detallesEtapas en el diseño de cuestionarios de autoinforme
Etapas en el diseño de cuestionarios de autoinforme Carretero-Dios, H y Pérez, C. (2005). Normas para el desarrollo y revisión de estudios instrumentales. International Journal of Clinical and Health Psychology,
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 detallesPruebas de bondad de ajuste
Pruebas de bondad de ajuste Existen pruebas cuantitativas formales para determinar si el ajuste de una distribución paramétrica a un conjunto de datos es buena en algún sentido probabilístico. Objetivo:
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 detallesCÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS SIMCE
CÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS SIMCE SIMCE Unidad de Currículum y Evaluación Ministerio de Educación 011 Índice 1. Antecedentes Generales 1. Comparación de puntajes promedios.1. Errores
Más detallesLa herramienta ArtEM: Aritmética Entera y Modular
La herramienta ArtEM: Aritmética Entera y Modular 1. Introducción La herramienta ArtEM (Aritmética Entera y Modular) es una aplicación informática programada en Visual Basic y desarrollada con el fin de
Más detallesAnexo C. Introducción a las series de potencias. Series de potencias
Anexo C Introducción a las series de potencias Este apéndice tiene como objetivo repasar los conceptos relativos a las series de potencias y al desarrollo de una función ne serie de potencias en torno
Más detallesLos números naturales
Los números naturales Los números naturales Los números naturales son aquellos que sirven para contar. Se suelen representar utilizando las cifras del 0 al 9. signo suma o resultado Suma: 9 + 12 = 21 sumandos
Más detallesSi ningún alumno hace algún comentario, el profesor pregunta si están mirando los lados del octágono.
65 7) Prisma octagonal. Al iniciar la clase, el profesor coloca las ligas del geospacio, ante todos los alumnos, o solicita que algunos de ellos lo hagan, mientras él los dirige. Ya formado el prisma octagonal,
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 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 detallesAnálisis Factorial: Análisis de componentes principales
Análisis Factorial: Análisis de componentes principales Abel Lucena Ferran Carrascosa Universitat Pompeu Fabra 22 de febrero de 2013 En qué consiste el análisis factorial? El análisis factorial agrupa
Más detallesCALIDAD 1 JOSÉ MANUEL DOMENECH ROLDÁN PROFESOR DE ENSEÑANZA SECUNDARIA
CALIDAD 1 DIAGRAMA DE CORRELACIÓN-DISPERSIÓN QUÉ ES EL DIAGRAMA DE CORRELACIÓN-DISPERSIÓN? Es una herramienta gráfica que permite demostrar la relación existente entre dos clases de datos y cuantificar
Más detallesEntre las múltiples formas de baremar un test, destacamos las siguientes: - Baremos cronológicos: Edad Mental y Cociente Intelectual.
104 TEMA V: BAREMACIÓN DE UN TEST 1.- INTRODUCCIÓN La puntuación directa de una persona en un test no es directamente interpretable si no la referimos a los contenidos incluidos en el test o al rendimiento
Más detallesMATEMÁTICAS I SUCESIONES Y SERIES
MATEMÁTICAS I SUCESIONES Y SERIES. Sucesiones En casi cualquier situación de la vida real es muy frecuente encontrar magnitudes que varían cada cierto tiempo. Por ejemplo, el saldo de una cuenta bancaria
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 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 detallesTema 11: Intervalos de confianza.
Tema 11: Intervalos de confianza. Presentación y Objetivos. En este tema se trata la estimación de parámetros por intervalos de confianza. Consiste en aproximar el valor de un parámetro desconocido por
Más detallesLa fiabilidad de los tests y escalas
Estadística aplicada a las Ciencias Sociales Índice Pedro Morales Vallejo Universidad Pontificia Comillas, Madrid Facultad de Ciencias Humanas y Sociales (última revisión, 18 de Septiembre de 007) 1. Conceptos
Más detallesTEST DE RAZONAMIENTO empresa
TEST DE RAZONAMIENTO empresa CONTENIDO Introducción Qué se mide? Especificidad y fundamento teórico del Test de Razonamiento Qué información obtiene el examinado/administrador del test? Propiedades psicométricas
Más detallesLos números enteros. > significa "mayor que". Ejemplo: 58 > 12 < significa "menor que". Ejemplo: 3 < 12 Cualquier número positivo siempre es mayor
Los números enteros Los números enteros Los números enteros son aquellos que permiten contar tanto los objetos que se tienen, como los objetos que se deben. Enteros positivos: precedidos por el signo +
Más detallesGeneración de Números Aleatorios. Modelos de Probabilidad. Introducción a la Simulación con EXCEL.
PRÁCTICAS DE ESTADÍSTICA 1º CURSO DE GRADO EN CC. AMBIENTALES Guión de la práctica 4: Curso 2009/2010 7/04/2010. Generación de Números Aleatorios. Modelos de Probabilidad. Introducción a la Simulación
Más detallesDEFINICIÓN OPERACIONAL DE VARIABLES
DEFINICIÓN OPERACIONAL DE VARIABLES César Arturo Gutiérrez Villafuerte Sección de Epidemiología Instituto de Medicina Tropical Daniel A. Carrión Facultad de Medicina, UNMSM El proceso de la investigación
Más detallesA continuación, definimos el rango en el que están codificadas éstas variables
Análisis de correspondencias Incluye una técnicas estadística multivariante que permite resumir grandes cantidades de información en un número reducido de dimensiones o factores Se habla de análisis de
Más detallesExcel - Fórmulas y Funciones
Excel - Fórmulas y Funciones Fórmulas elaboradas por el usuario Además de las fórmulas y las funciones que provee Excel (como autosuma y promedio), el usuario puede fabricar sus propias fórmulas. Hay que
Más detallesCURSOSO. Aritmética: Númerosnaturalesyenteros. Númerosracionalesyfraciones. MATEMÁTICAS. AntonioF.CostaGonzález
CURSOSO CURSOSO MATEMÁTICAS Aritmética: Númerosnaturalesyenteros. Númerosracionalesyfraciones. AntonioF.CostaGonzález DepartamentodeMatemáticasFundamentales FacultaddeCiencias Índice 1 Introducción y objetivos
Más detallesTEMA I EL SISTEMA SAP R/3
TEMA I EL SISTEMA SAP R/3 INTRODUCCIÓN El Sistema SAP R/3 en su versión estándar presenta una amplia selección de informes, para acceder a ellos se podrá llegar por dos caminos, llegando al mismo destino,
Más detallesTeoría 3_10 Gráficos!
Teoría 3_10 Gráficos! Gráficos de columnas Ideal para mostrar cambios de datos en un período de tiempo o para ilustrar comparaciones entre elementos. En los gráficos de columnas, las categorías normalmente
Más detallesCAPÍTULO III MARCO METODOLÓGICO
CAPÍTULO III MARCO METODOLÓGICO CAPITULO III MARCO METODOLÓGICO 1. TIPO DE INVESTIGACIÓN El tipo de investigación depende del nivel de conocimiento científico (Observación, descripción, explicación). En
Más detallesTema 3. Medidas de tendencia central Ejercicios resueltos 1
Tema 3. Medidas de tendencia central Ejercicios resueltos 1 Ejercicio resuelto 3.1 La demanda de cierto artículo en 48 días fue 1, 4, 1, 0, 2, 1, 1, 3, 2, 1, 1, 0, 3, 2, 4, 3, 4, 1, 2, 1, 1, 2, 2, 2, 1,
Más detallesVALORES EXACTOS DE FUNCIONES TRIGONOMÉTRICAS (SENO Y COSENO)
VALORES EXACTOS DE FUNCIONES TRIGONOMÉTRICAS (SENO Y COSENO) En trigonometría plana, es fácil de encontrar el valor exacto de la función seno y coseno de los ángulos de 30, 5 y 60, gracias a la ayuda de
Más detallesCAPITULO IV. 4. Metodología de la investigación. 4.1 Tipo y diseño de la investigación. 4.1.1 Tipo de estudio
CAPITULO IV 4. Metodología de la investigación 4.1 Tipo y diseño de la investigación 4.1.1 Tipo de estudio De acuerdo al tipo de investigación realizado se determinó en base al texto Metodología de la
Más detallesCORPORACIÓN UNIFICADA NACIONAL DE EDUCACIÓN SUPERIOR FACULTAD DE INGENIERIAS LINEA INFORMÁTICA GUIA FORMATOS Y FORMATOS CONDICIONALES
Como ya hemos trabajo en introducir la información con la que vamos a trabajar, procedemos a revisar las diversas los diversos formatos que se pueden aplicar: 2a 1 2b Pasos a seguir: 1. Seleccionamos la
Más detallesCURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES
Unidad didáctica. Ecuaciones, inecuaciones y sistemas de ecuaciones e inecuaciones CONCEPTOS ECUACIONES Una ecuación es una igualdad entre dos epresiones en las que aparece una o varias incógnitas. En
Más detallesManual del Usuario de Microsoft Access Consultas - Página 1. Tema IV: Consultas. IV.1. Creación de Consultas
Manual del Usuario de Microsoft Access Consultas - Página 1 Tema IV: Consultas IV.1. Creación de Consultas La potencia real de una base de datos reside en su capacidad para mostrar los datos que se desea
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 detallesMATEMÁTICAS APLICADAS A LAS C.C. SOCIALES
MATEMÁTICAS APLICADAS A LAS C.C. SOCIALES CAPÍTULO 1 Curso preparatorio de la prueba de acceso a la universidad para mayores de 25 años curso 2010/11 Nuria Torrado Robles Departamento de Estadística Universidad
Más detallesCÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS DE LAS PRUEBAS SIMCE
CÁLCULO DE SIGNIFICANCIA ESTADÍSTICA PARA RESULTADOS DE LAS PRUEBAS SIMCE Unidad de Análisis Estadístico División de Evaluación de Logros de Aprendizaje Agencia de Calidad de la Educación 013 Índice 1.
Más detallesPotencia estadística
Potencia estadística M. Dolores Frías http://www.uv.es/~friasnav 1 Potencia Estadística 1 - Es la probabilidad que tiene la prueba estadística para rechazar una hipótesis NULA FALSA Tiene un rango de 0
Más detallesMedidas de asociación
13 Medidas de asociación Irene Moral Peláez 13.1. Introducción Recurriremos a las medidas de asociación cuando queramos evaluar el grado de asociación entre dos variables y no únicamente comprobar analíticamente
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 detallesSe denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas.
TEMA 1.- MATRICES 1.-Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones dispuestos en forma rectangular, formando filas y columnas. Cada uno de los números de que consta la
Más detallesCAPÍTULO III METODOLOGIA DE LA INVESTIGACIÓN.
CAPÍTULO III METODOLOGIA DE LA INVESTIGACIÓN. Para poder obtener mejor información se realizará una investigación de mercado ya que es la función que enlaza al consumidor con el comercializador es a través
Más detallesLa estadística en Internet
5 La estadística en Internet Neus Canal Díaz 5.1. Introducción Actualmente, Internet se está convirtiendo en una de las principales fuentes de información en muchas áreas, como es la investigación científica.
Más detallesEjercicio 1: Realiza las siguientes divisiones por el método tradicional y por Ruffini: a)
Tema 2: Ecuaciones, Sistemas e Inecuaciones. 2.1 División de polinomios. Regla de Ruffini. Polinomio: Expresión algebraica formada por la suma y/o resta de varios monomios. Terminología: o Grado del polinomio:
Más detallesI. TÉCNICAS DE ANÁLISIS MULTIVARIANTE
ÍNDICE Presentación y justificación................................................... 9 I. TÉCNICAS DE ANÁLISIS MULTIVARIANTE................................... 13 1. Introducción.................................................................
Más detallesINSTRUCCIONES PARA EL USO DEL SOFTWARE (IS)
INSTRUCCIONES PARA EL USO DEL SOFTWARE (IS) Pantalla Inicial de DERIVE for Windows Teniendo instalado el programa DERIVE sobre Windows, podemos ingresar al sistema de las siguientes formas: Haciendo clic
Más detallesEL LÍMITE AL INFINITO EN EL CÁLCULO DE ÁREAS BAJO UNA CURVA
EL LÍMITE AL INFINITO EN EL CÁLCULO DE ÁREAS BAJO UNA CURVA Sugerencias al Profesor: Comentar que uno de los problemas fundamentales que dieron origen al Cálculo Integral es el de acumulación, el cual
Más detallesII. SECCIONES PRINCIPALES 1-2-3... Figura1: Partes principales de un Informe Técnico
Formato del Informe El informe técnico debe ser un documento profesional. Para clarificar el texto deben usarse Figuras, tablas y dibujos. Las tres partes principales de un informe técnico se muestran
Más detallesPolinomios. 1.- Funciones cuadráticas
Polinomios 1.- Funciones cuadráticas Definición 1 (Función polinomial) Sea n un entero no negativo y sean a n, a n 1,..., a, a 1, a 0 número s reales con a n 0. La función se denomina función polinomial
Más detallesCREACIÓN DE SOBRES, ETIQUETAS Y CARTAS PERSONALES
CREACIÓN DE SOBRES, ETIQUETAS Y CARTAS PERSONALES CREACIÓN DE SOBRES Y CARTAS SIN COMBINAR CON DATOS Antes de comenzar a hablar de la combinación de correspondencia, vamos a ver cómo crear sobres o etiquetas
Más detallesEJERCICIOS SOBRE CURVA NORMAL Los recursos que encontrarás en esta página te serán útiles para comprender y manejar con soltura los conceptos y los procedimientos relacionados con la distribución normal.
Más detallesDESCOMPOSICIÓN FACTORIAL
6. 1 UNIDAD 6 DESCOMPOSICIÓN FACTORIAL Objetivo general. Al terminar esta Unidad resolverás ejercicios y problemas en los que apliques la factorización de polinomios cuyos términos tienen coeficientes
Más detallesPRUEBA DE NIVEL DE ACCES
PRUEBA DE NIVEL DE ACCES NOMBRE Y APELLIDOS:... 1. Microsoft Access es: Una base de datos relacional. Una base de datos no relacional. Una base de datos documental. Ninguna de las afirmaciones es correcta.
Más detalles4,2 + 0,67 Y c) R 2 = 0,49. 3.- En la estimación de un modelo de regresión lineal se ha obtenido:
INTRODUCCIÓN A LA ESTADÍSTICA. Relación 4: REGRESIÓN Y CORRELACIÓN 1.- En una población se ha procedido a realizar observaciones sobre un par de variables X e Y. Xi 4 5 4 5 6 5 6 6 Yi 1 1 3 3 3 4 4 ni
Más detallesEjercicio 5 de Excel 1. Lea y escriba la información en su cuaderno 2. Realice los ejercicios
Ejercicio 5 de Excel 1. Lea y escriba la información en su cuaderno 2. Realice los ejercicios Si queremos quitar los formatos que hemos aplicado, podemos ir a Inicio/Modificar, y desplegamos el menú Borrar
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 detallesRELACIONES ACCESS TIPOS DE RELACIONES QUE PODEMOS UTILIZAR
RELACIONES ACCESS Lo primero que hemos de hacer para poder establecer relaciones, es disponer de las tablas que nos permitan realizar tal operación. Vamos a trabajar con tres tablas: Clientes. Productos.
Más detallesProblemas resueltos. Tema 12. 2º La hipótesis alternativa será que la distribución no es uniforme.
Tema 12. Contrastes No Paramétricos. 1 Problemas resueltos. Tema 12 1.- En una partida de Rol se lanza 200 veces un dado de cuatro caras obteniéndose 60 veces el número 1, 45 veces el número 2, 38 veces
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 detallesDepartamento Administrativo Nacional de Estadística. Dirección de Censos y Demografía
Departamento Administrativo Nacional de Estadística Dirección de Censos y Demografía ESTIMACIÓN E INTERPRETACIÓN DEL COEFICIENTE DE VARIACIÓN DE LA ENCUESTA COCENSAL CENSO GENERAL 2005 - CGRAL Junio de
Más detallesLección 1. Algoritmos y conceptos básicos.
Página 1 de 8 Lección 1. Algoritmos y conceptos básicos. Objetivos. La primera lección del curs está dedicada a repasar los conceptos y algoritmos del álgebra lineal, básicos para el estudio de la geometría
Más detallesPasos en el Método Simplex
Pontificia Universidad Católica Escuela de Ingeniería Departamento de Ingeniería Industrial y de Sistemas Clase 20 El Método Simplex ICS 1102 Optimización Profesor : Claudio Seebach 16 de octubre de 2006
Más detallesDistribuciones bidimensionales. Regresión.
Temas de Estadística Práctica Antonio Roldán Martínez Proyecto http://www.hojamat.es/ Tema 5: Distribuciones bidimensionales. Regresión. Resumen teórico Resumen teórico de los principales conceptos estadísticos
Más detallesEl uso de la Técnica de Regresión Lineal Múltiple para la evaluación de la dotación de personal en el I.N.S.S.
El uso de la Técnica de Regresión Lineal Múltiple para la evaluación de la dotación de personal en el I.N.S.S. Establecimiento de un sistema de evaluación de la dotación de personal para las oficinas del
Más detallesCoeficiente de correlación semiparcial
Coeficiente de correlación semiparcial 1.- Introducción...1.- Correlación semiparcial... 3.- Contribución específica de las distintas variables al modelo de egresión Múltiple... 3 4.- Correlación semiparcial
Más detalles5 Relaciones entre variables.
ANÁLISIS EPLORATORIO DE DATOS 39 ANÁLISIS EPLORATORIO DE DATOS 40 Relaciones entre variables..1 Ejercicios. Ejercicio.1 En una muestra de 0 individuos se recogen datos sobre dos medidas antropométricas
Más detallesSabes cómo simplificar una expresión con fracciones utilizando propiedades? Echa un vistazo a este dilema.
Materia: Matemática de Octavo Tema: Propiedades de la Adición y la Multiplicación en Q Sabes cómo simplificar una expresión con fracciones utilizando propiedades? Echa un vistazo a este dilema. Para simplificar
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 detallesProyecciones. Producto escalar de vectores. Aplicaciones
Proyecciones La proyección de un punto A sobre una recta r es el punto B donde la recta perpendicular a r que pasa por A corta a la recta r. Con un dibujo se entiende muy bien. La proyección de un segmento
Más detalles3. Métodos clásicos de optimización lineal
3. Métodos clásicos de optimización lineal Uso del método Simplex El problema que pretende resolverse es un problema de optimización lineal sujeto a restricciones. Para el modelo construido para el problema
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 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 detalles