TEMA IV ANÁLISIS CONJUNTO
|
|
- Valentín Cárdenas Caballero
- hace 6 años
- Vistas:
Transcripción
1 TEMA IV ANÁLISIS CONJUNTO
2 LECTURA OBLIGATORIA Capítulo 12: Análisis conjunto. En Lévy, J.P. y Varela, J. (2003). Análisis Multivariable para las Ciencias Sociales. Madrid: Prentice Hall. Páginas Modelos Multivariantes 2
3 1. El Análisis Conjunto: Por qué? La Psicología es una Ciencia del Comportamiento. Como tal, estudia: Creencias Motivos e intereses Necesidades Valores Actitudes Preferencias Estudiaremos las Preferencias! Necesidades Valores Preferencias Comportamiento Modelos Multivariantes 3
4 Cómo explicar las PREFERENCIAS? Teoría de la Decisión: acento en el sujeto Modelos Multiatributo: acento en el objeto Cualquier estímulo u objeto se configura a partir de una serie de ATRIBUTOS Los sujetos tienen la capacidad de percibir cada uno de esos atributos, con su importancia particular en la estructura de preferencias El atractivo o nivel de preferencia de un objeto puede explicarse, precisamente, partir de las características de ese objeto Modelos Multivariantes 4
5 MODELOS MULTIATRIBUTO Características vs. ATRIBUTOS Un atributo se relaciona con la percepción, lo que lo convierte en algo psicológico En la investigación social y comercial NO interesa tanto medir el estímulo externo, como el atributo subyacente que se EXPERIMENTA Dentro de cada atributo pueden existir distintas alternativas u opciones, que llamaremos NIVELES Algunos pueden aportar valor final al objeto y otros pueden restárselo Las PREFERENCIAS (o el JUICIO asociado a un estímulo) será el resultado del efecto conjunto de los niveles de atributo que definen al estímulo Modelos Multivariantes 5
6 MODELOS MULTIATRIBUTO Teoría de la Integración de la Información (Anderson, 1974) Los juicios de preferencia (Y) se pueden expresar como una función entre las características de los estímulos (X) y unos coeficientes (C) que ponderan la aportación de cada característica a la preferencia global Y= f (C, X) Modelos Multivariantes 6
7 MODELOS COMPENSATORIOS Fishbein y Ajzen (1975) Los efectos de las características de un estímulo son aditivos; niveles de atributo no deseados pueden ser compensados con otros niveles de atributo. Determinadas opciones pueden ser compensadas con otras U = U 1 (X 1 ) + U 2 (X 2 ) U i (X i ) donde: U: Utilidad total U i : Utilidad parcial del atributo i X i : Nivel del atributo i Modelos Multivariantes 7
8 MÉTODOS DESCOMPOSICIONALES Cómo explicar las preferencias?. Dos opciones: Estrategia Composicional: preguntar directamente al sujeto por la importancia de cada atributo particular (escalas clásicas) Estrategia Descomposicional: presentar una tarea de ordenación de preferencias. Analizar o descomponer las preferencia para determinar el valor de cada atributo y sus niveles Modelos Multivariantes 8
9 MÉTODOS DESCOMPOSICIONALES Métodos Composicionales Respuestas estereotipadas, todo es importante Se consideran atributos que no son relevantes Poco realistas Métodos Descomposicionales Más realista, ya que el sujeto tiene que considerar todas las características a la vez, poniendo en funcionamiento su verdadera estructura de valores o preferencias Para explicar las preferencias es más adecuado presentar una tarea de RECOGIDA DE DATOS lo más real posible y tratar de analizar luego el proceso de TD, estimando de manera matemática a qué está dando importancia el sujeto y qué opciones aportan o restan valor Modelos Multivariantes 9
10 EL ANÁLISIS CONJUNTO El Análisis Conjunto se define como un Método Descomposicional (Green y Rao, 1971): Un conjunto de técnicas y modelos que buscan sustituir las respuestas subjetivas de los consumidores, por parámetros que estimen la utilidad de cada nivel de atributo en la respuesta de preferencia manifestada por éstos Modelos Multivariantes 10
11 2. El Análisis Conjunto: Qué es? Orígenes en el ámbito de la Psicología y del Marketing Luce y Tukey (1964) Green y Rao (1971) Definición restrictiva: una TÉCNICA de análisis de datos Definición amplia (Green y Srinivasan, 1990): una METODOLOGÍA que permite modelizar las preferencias de los individuos en cualquier campo de estudio, aunque habitualmente se haya utilizado en Marketing. Implica seguir una serie pasos o fases en el desarrollo de la investigación, un DISEÑO Modelos Multivariantes 11
12 El Análisis Conjunto: Qué es? El ANÁLISIS CONJUNTO emplea la lógica de los DISEÑOS EXPERIMENTALES y se basa en el ajuste de MODELOS LINEALES a variables ordinales El Análisis Conjunto permite explicar de forma cuantitativa las preferencias del consumidor Partiendo de información no métrica (preferencias) nos proporciona información métrica (utilidades) Modelos Multivariantes 12
13 ESQUEMA GENERAL COMPORTAMIENTO Aunque no siempre hacemos lo que más nos gusta, las preferencias son un buen predictor del comportamiento PREFERENCIAS La utilidad global de un objeto debe servirme para explicar la preferencia hacia éste. Cuanto mayor sea la UTILIDAD menor será el rango en una tarea de ordenación UTILIDADES PARCIALES Y GLOBALES Cada característica concreta aporta valor al objeto. Conociendo el valor o UTILIDAD PARCIAL asociada a cada característica somos capaces de estimar el atractivo o UTILIDAD GLOBAL de un objeto, como suma de las utilidades parciales CARACTERÍSTICAS DEL OBJETO Un objeto puede descomponerse en una serie de características o ATRIBUTOS Modelos Multivariantes 13
14 UNA COMIDA PARA PERROS 3 ATRIBUTOS (2x4x3= 24 combinaciones) FORMATO: SECO SEMIHÚMEDO INGREDIENTES: PRECIO: VACUNO POLLO CORDERO PAVO Modelos Multivariantes 14
15 UN PERIÓDICO ATRIBUTOS: MARCA: EL PAÍS ABC DIARIO 16 EL MUNDO PRECIO: 100 PTS 175 PTS 250 PTS SUPLEMENTO: CON SÍN CUADERNILLO OCIO: CON SIN 4 x 3 x 2 x 2= 48 combinaciones posibles Diseño Ortogonal: 16 Tarjetas Muestra: 510 lectores CONJOINT Modelos Multivariantes 15
16 UN PERIÓDICO RESULTADOS UTILIDADES PARCIALES: EL PAÍS (1.67), ABC (1.12), DIARIO 16 (-1.97) y EL MUNDO (-0.82) 100 PTS (0.63), 175 PTS (0.42), 250 PTS (0.21) CON SUPLEMENTO (0.45), SIN SUPLEMENTO (-0.45) CON CUADERNILLO (0.16), SIN CUADERNILLO (-0.16) PERIÓDICO IDEAL: EL PAÍS (1.67) PTS (0.63) + CON SUPLEMENTO (0.45) + CON CUADERNILLO (0.16) UTILIDAD GLOBAL= constante + utilidades parciales= IMPORTANCIA RELATIVA DE CADA ATRIBUTO: MARCA (??%), SUPLEMENTO (??%), PRECIO (??%) y CUADERNILLO (??%) Modelos Multivariantes 16
17 PROCEDIMIENTO HABITUAL Se seleccionan (o elaboran) un conjunto de estímulos que representen la combinación de atributos y niveles que al investigador le interesa estudiar. El sujeto los ordena. El investigador va a ser capaz de estimar la importancia relativa de cada atributo, así como del Valor o Utilidad Parcial de las distintas opciones o niveles dentro de cada uno de ellos. De este modo, comprenderá cómo se configura la estructura de preferencias de cada sujeto o grupo de sujetos. Sabrá a qué está dando importancia cuando elige entre distintos objetos, y qué características concretas hacen aumentar o disminuir su preferencia, qué aporta y qué quita valor. Modelos Multivariantes 17
18 VISIÓN RÁPIDA DEL ANÁLISIS CONJUNTO PLANTEAMIENTO DEL PROBLEMA DISEÑO DE LA INVESTIGACIÓN RECOGIDA DE DATOS CUESTIONES Cuáles son los objetivos? Cuál es el producto o servicio objeto de estudio? Cuáles son sus elementos relevantes? Qué diferencia el mercado competitivo? Cuáles son los criterios de elección que utilizan los sujetos? Identificación de ATRIBUTOS y NIVELES ESTIMACIÓN DEL MODELO Y EVALUACIÓN DEL AJUSTE INTERPRETACIÓN RESULTADOS VALIDACIÓN
19 VISIÓN RÁPIDA DEL ANÁLISIS CONJUNTO PLANTEAMIENTO DEL PROBLEMA DISEÑO DE LA INVESTIGACIÓN RECOGIDA DE DATOS ESTIMACIÓN DEL MODELO Y EVALUACIÓN DEL AJUSTE INTERPRETACIÓN RESULTADOS VALIDACIÓN CUESTIONES SELECCIÓN DE ATRIBUTOS Y NIVELES Atributos relevantes, independientes conceptualmente y limitados (nunca más de 6) Niveles amplios, representativos y limitados (3 o 4) DISEÑO DE ESTÍMULOS Determinar el nº de combinaciones posible Optar por la totalidad de estímulos o por una parte representativa: DISEÑO FACTORIAL FRACCIONADO (ORTHOPLAN) PREPARACIÓN DE ESTÍMULOS Matrices Trade-Off ó Perfiles Completos Estímulos reales o simulados
20 INGREDIENTE VISIÓN RÁPIDA DEL ANÁLISIS CONJUNTO PLANTEAMIENTO DEL PROBLEMA VACA POLLO PRECIO DISEÑO DE LA INVESTIGACIÓN CORDERO PAVO 1O RECOGIDA DE DATOS ESTIMACIÓN DEL MODELO Y EVALUACIÓN DEL AJUSTE INTERPRETACIÓN RESULTADOS VALIDACIÓN MATRICES TRADE-OFF Sencillo y fácil para el entrevistado, sin sobrecarga de información (si son pocos atributos) Poco realismo (sólo dos factores), alarga la tarea, fatiga, confusión, imposible utilizar estímulos gráficos o reales PERFILES COMPLETOS (FULL PROFILE) Realismo Pocos factores y niveles Aunque se pueden utilizar diseños factoriales fraccionados RECOGIDA DE DATOS Entrevista personal (tarea manipulativa) Por Internet
21 SEQUENCE TARJETA 1 CARNE DE PAVO FORMATO SECO 18.6 euros TARJETA 2 CARNE DE POLLO FORMATO SEMIHÚMEDO euros TARJETA 3 CARNE DE VACA FORMATO SECO 16.5 euros P1 P2 P3 P4 P5 P6 P7 P8 P9 P10 P11 P12 P13 P14 P15 P SCORE T1 T2 T3 T4 T5 T6 T7 T8 T9 T10 T11 T12 T13 T14 T15 T POSICIONAMIENTO GRÁFICO E G D K L H I B C A P M F
22 VISIÓN RÁPIDA DEL ANÁLISIS CONJUNTO PLANTEAMIENTO DEL PROBLEMA DISEÑO DE LA INVESTIGACIÓN RECOGIDA DE DATOS Y i j 0 j j 1 X ij e i ESTIMACIÓN DEL MODELO Y EVALUACIÓN DEL AJUSTE INTERPRETACIÓN RESULTADOS VALIDACIÓN ESTIMACIÓN DEL MODELO La Utilidad Subjetiva de un estímulo puede ser calculada si se conoce la secuencia de ordenación del sujeto, a partir de las estimaciones de los pesos de cada nivel de atributo y la presencia o ausencia de éstos, de manera aditiva. A esos pesos o utilidades estimados para cada característica o nivel (j) del atributo (k) le llamaremos jk o PARTWORTH
23 VISIÓN RÁPIDA DEL ANÁLISIS CONJUNTO PLANTEAMIENTO DEL PROBLEMA DISEÑO DE LA INVESTIGACIÓN RECOGIDA DE DATOS CÓMO ESTIMAR LAS UTILIDADES PARCIALES? jk ESTIMACIÓN DEL MODELO Y EVALUACIÓN DEL AJUSTE INTERPRETACIÓN RESULTADOS MÉTODOS DE ESTIMACIÓN MÍNIMOS CUADRADOS ORDINARIOS (OLS) El algoritmo CONJOINT del SPSS utiliza OLS VALIDACIÓN
24 ESTIMACIÓN OLS FORMATO INGREDIENTE SECO SEMIHÚMEDO VACUNO POLLO CORDERO PAVO PRECIO RANGO TARJETA 1 O TARJETA TARJETA TARJETA n n TARJETA 1: CARNE SEMIHÚMEDA DE POLLO A 16.5 Euros A continuación, se hace una regresión sobre la ordenación realizada por el sujeto, intentando estimar los coeficientes j que mejor explican el rango de las tarjetas. FORMATO INGREDIENTE RANGO RANGO SECO SEMIHÚMEDO VACUNO POLLO CORDERO PAVO PRECIO REAL PREDICHO TARJETA 1 O TARJETA TARJETA TARJETA n n n Una medida de la Bondad de Ajuste del Modelo podría ser la correlación de Kendall entre los rangos reales y los predichos por el modelo
25 VISIÓN RÁPIDA DEL ANÁLISIS CONJUNTO PLANTEAMIENTO DEL PROBLEMA DISEÑO DE LA INVESTIGACIÓN RECOGIDA DE DATOS ESTIMACIÓN DEL MODELO Y EVALUACIÓN DEL AJUSTE INTERPRETACIÓN RESULTADOS VALIDACIÓN EVALUACIÓN DEL AJUSTE Se trata de ver hasta qué punto las Utilidades Parciales estimadas nos sirven para reproducir eficazmente las (preferencias) ordenaciones de los sujetos. DOS OPCIONES: CORRELACIÓN DE KENDALL TARJETAS HOLDOUT o de validación. Se compara cómo las ordenó el sujeto con el pronóstico hecho por un modelo que no las ha utilizado en la estimación.
26 VISIÓN RÁPIDA DEL ANÁLISIS CONJUNTO PLANTEAMIENTO DEL PROBLEMA DISEÑO DE LA INVESTIGACIÓN RECOGIDA DE DATOS IMP i p i 1 Rango i Rango i x100 ESTIMACIÓN DEL MODELO Y EVALUACIÓN DEL AJUSTE INTERPRETACIÓN RESULTADOS VALIDACIÓN RESULTADOS UTILIDADES PARCIALES UTILIDAD GLOBAL DE UN OBJETO IMPORTANCIA DE UN ATRIBUTO El atributo más importante es aquel cuyos niveles sean más extremos en términos de Utilidad. Por eso es clave el DISEÑO RESULTADOS A TRES NIVELES: MUESTRA GLOBAL SEGMENTOS SUJETO INDIVIDUAL
27 VISIÓN RÁPIDA DEL ANÁLISIS CONJUNTO PLANTEAMIENTO DEL PROBLEMA DISEÑO DE LA INVESTIGACIÓN RECOGIDA DE DATOS ESTIMACIÓN DEL MODELO Y EVALUACIÓN DEL AJUSTE INTERPRETACIÓN RESULTADOS VALIDACIÓN P i 1 SIMULACIÓN PASAR DE LAS UTILIDADES A UNA PROBABILIDAD DE ELECCIÓN i Índice BTL (Bradley-Terry-Luce): la utilidad global de un producto dividida por el sumatorio de las utilidades de todos los productos utilizados en la simulación. Serviría para estimar las ventas U p i U i
28 VISIÓN RÁPIDA DEL ANÁLISIS CONJUNTO PLANTEAMIENTO DEL PROBLEMA DISEÑO DE LA INVESTIGACIÓN RECOGIDA DE DATOS ESTIMACIÓN DEL MODELO Y EVALUACIÓN DEL AJUSTE INTERPRETACIÓN RESULTADOS VALIDACIÓN NUEVOS ANÁLISIS Podemos salvar las Utilidades Parciales para cada sujeto y utilizarlas como entrada para un Análisis CLUSTER (SEGMENTACIÓN POST HOC)
29 VISIÓN RÁPIDA DEL ANÁLISIS CONJUNTO PLANTEAMIENTO DEL PROBLEMA DISEÑO DE LA INVESTIGACIÓN RECOGIDA DE DATOS ESTIMACIÓN DEL MODELO Y EVALUACIÓN DEL AJUSTE INTERPRETACIÓN RESULTADOS VALIDACIÓN VALIDACIÓN A NIVEL INTERNO: AJUSTE: KENDALL y HOLDOUT A NIVEL EXTERNO: Individual: intención de compra Colectivo: Resultado en el mercado (real o simulado)
TEMA 6 ANÁLISIS CONJUNTO
TEMA 6 ANÁLISIS CONJUNTO Facultade de Psicoloxía. Campus Sur, s/n. 15782 Santiago de Compostela www.usc.es/psicom Dr. Jesús Varela Mallou Dr. Antonio Rial Boubeta Dr. Eduardo Picón Prado Análisis Multivariante
Más detallesTEMA 5 ANÁLISIS CONJUNTO
TEMA 5 ANÁLISIS CONJUNTO Facultade de Psicoloxía. Campus Sur, s/n. 15782 Santiago de Compostela www.usc.es/psicom Dr. Jesús Varela Mallou Dr. Antonio Rial Boubeta Dr. Eduardo Picón Prado Análisis Multivariante
Más detallesTEMA I CONTEXTUALIZACIÓN Y REVISIÓN GENERAL DE LAS TÉCNICAS MULTIVARIANTES
TEMA I CONTEXTUALIZACIÓN Y REVISIÓN GENERAL DE LAS TÉCNICAS MULTIVARIANTES LECTURA OBLIGATORIA Algunas cuestiones previas. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en
Más detallesIX MASTER EN OLIVICULTURA Y ELAIOTECNIA XIX CURSO INTERNACIONAL DE ECONOMÍA. consumo
IX MASTER EN OLIVICULTURA Y ELAIOTECNIA XIX CURSO INTERNACIONAL DE ECONOMÍA MÓDULO: Sistemas AGROALIMENTARIA de producción, demanda y consumo EFECTO DE LA INFORMACIÓN EN LAS PREFERENCIAS DE LOS CONSUMIDORES:
Más detallesANÁLISIS MULTIVARIANTE
ANÁLISIS MULTIVARIANTE 2º CURSO- SEGUNDO CUATRIMESTRE 2016-207 Prof. Dr. Jesús Varela Mallou Prof. Dr. Antonio Rial Boubeta Prof. Dr. Eduardo Picón Prado http://www.usc.es/psicom/ Sistema de Evaluación:
Más detallesANÁLISIS MULTIVARIANTE
ANÁLISIS MULTIVARIANTE 2º CURSO- SEGUNDO CUATRIMESTRE 2017-2018 Prof. Dr. Jesús Varela Mallou Prof. Dr. Antonio Rial Boubeta Prof. Dr. Eduardo Picón Prado Prof. Dra. Sandra Golpe Ferreiro http://www.usc.es/psicom
Más detallesBLOQUE III. ANÁLISIS MULTIVARIANTE
BLOQUE III. ANÁLISIS MULTIVARIANTE CAPÍTULO 7 Teoría sobre análisis multivariante. El análisis multivariante engloba un grupo de técnicas o métodos estadísticos cuya finalidad es analizar simultáneamente
Más detallesINDICE Capitulo 1. Entorno de Trabajo e SPSS Capitulo 2. Operadores y Funciones. Aplicaciones
INDICE Introducción XV Capitulo 1. Entorno de Trabajo e SPSS 1 Introducción y manejo de datos en SPSS 1 Lectura e importación de datos SPSS 6 Importación de datos de hoja de cálculo 8 Importación de archivos
Más detallesÍNDICE. Introducción... Capítulo 1. Investigación de mercados y muestreo. Muestreo aleatorio simple y sistemático... 1
Introducción... XI Capítulo 1. Investigación de mercados y muestreo. Muestreo aleatorio simple y sistemático... 1 Las técnicas de muestreo y la investigación de mercados... 1 Población, marco y muestra...
Más detallesGuía docente 2007/2008
Guía docente 2007/2008 Plan 247 Lic.Investigación y Tec.Mercado Asignatura 43579 METODOS CUANTITATIVOS PARA LA INVESTIGACION DE MERCADOS Grupo 1 Presentación Métodos y técnicas cuantitativas de investigación
Más detallesUNIVERSIDAD NACIONAL AGRARIA LA MOLINA
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA FACULTAD DE ECONOMIA Y PLANIFICACIÓN DEPARTAMENTO ACADÉMICO DE ESTADÍSTICA E INFORMÁTICA TRABAJO MONOGRÁFICO DESCRIPCIÓN METODOLÓGICA DEL ANÁLISIS CONJUNTO CON PERFILES
Más detallesTitulación(es) Titulación Centro Curso Periodo M.U. en Dirección de Empresas. MBA 15-V.2
FICHA IDENTIFICATIVA Datos de la Asignatura Código 44480 Nombre Análisis de datos para la toma de decisiones Ciclo Máster Créditos ECTS 3.0 Curso académico 2016-2017 Titulación(es) Titulación Centro Curso
Más detallesÍNDICE. Capítulo 1. Técnicas de segmentación. Conceptos y clasificación... 1
ÍNDICE Capítulo 1. Técnicas de segmentación. Conceptos y clasificación... 1 Conceptos básicos... 1 Clasificación de las técnicas de segmentación... 1 Técnicas predictivas y descriptivas... 1 Técnicas Ad-Hoc
Más detallesANÁLISIS DE LAS PREFERENCIAS DE TÉCNICOS EN SOPORTE DE UN SISTEMA DE INFORMACIÓN MEDIANTE LA UTILIZACIÓN DE ANÁLISIS CONJUNTO
ANÁLISIS DE LAS PREFERENCIAS DE TÉCNICOS EN SOPORTE DE UN SISTEMA DE INFORMACIÓN MEDIANTE LA UTILIZACIÓN DE ANÁLISIS CONJUNTO Dra. Flor María Guerrero Casas fguecas@dee.upo.es Manuel Martínez Blanes mmarblan@dee.upo.es
Más detallesESCUELA POLITÉCNICA NACIONAL
ESCUELA POLITÉCNICA NACIONAL FACULTAD DE CIENCIAS ANÁLISIS CONJUNTO APLICADO A LA INVESTIGACIÓN DE MERCADOS PROYECTO PREVIO A LA OBTENCIÓN DEL TÍTULO DE INGENIERA MATEMÁTICA ROMERO LANDETA KARINA ELIZABETH
Más detallesAnálisis Factorial clásico. Análisis de Correlación Canónica. Análisis Discriminante. Modelos Lineales multivariantes.
GUÍA DOCENTE DE LA ASIGNATURA TÉCNICAS DE ANÁLISIS MULTIVARIANTE 1. Descriptores de la asignatura: Análisis Factorial clásico. Análisis de Correlación Canónica. Análisis Discriminante. Modelos Lineales
Más detallesUniversidad Nacional Autónoma de México Facultad de Psicología
Universidad Nacional Autónoma de México Facultad de Psicología PROGRAMA DE ASIGNATURA Nombre de la asignatura Clave Semestre Estadística Inferencial 0186 4 Número de créditos 8 Horas teoría 4 Horas práctica
Más detallesMASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN Módulo: ANÁLISIS DEL RIESGO ACTUARIAL Y FINANCIERO
MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN 2009 Nombre de asignatura: ESTADÍSTICA ACTUARIAL III: ANÁLISIS MULTIVARIANTE DE DATOS Código: 603377 Materia: ESTADÍSTICA ACTUARIAL Módulo: ANÁLISIS DEL
Más detalles(1) Plan de estudios: (2) Nombre de la asignatura: ESTADÍSTICA AVANZADA APLICADA A LA ADMINISTRACIÓN PÚBLICA
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MÉXICO FACULTAD DE CIENCIAS POLÍTICAS Y SOCIALES MAESTRÍA EN ADMINISTRACIÓN PÚBLICA Y GOBIERNO (1) Plan de estudios: (2) Nombre de la asignatura: MAESTRIA EN ADMINISTRACIÓN
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesPROGRAMA DE CURSO. Código Nombre ESTADISTICA PARA ECONOMIA Y GESTION Nombre en Inglés STATISTICS FOR BUSINESS AND ECONOMICS Unidades
PROGRAMA DE CURSO Código Nombre IN 3401 ESTADISTICA PARA ECONOMIA Y GESTION Nombre en Inglés STATISTICS FOR BUSINESS AND ECONOMICS es Horas Docencia Horas de Trabajo SCT Horas de Cátedra Docentes Auxiliar
Más detallesMÉTODOS CUANTITATIVOS APLICADOS A LAS CIENCIAS SOCIALES
GUÍA DOCENTE CURSO 2017-18 FICHA TÉCNICA DEL COMPLEMENTO DE FORMACIÓN Datos del Complemento de Formación Título Planificación temporal MÉTODOS CUANTITATIVOS APLICADOS A LAS CIENCIAS SOCIALES 1 semestre
Más detallesTÉCNICAS MULTIVARIANTES
Máster en Ordenación y Gestión del Desarrollo Territorial y Local Módulo I MÉTODO Y TÉCNICAS ESTADÍSTICAS PARA EL DESARROLLO TERRITORIAL Y LOCAL CURSO TÉCNICAS MULTIVARIANTES Prof. Dr. Rosa Jordá Borrell
Más detallesEl diseño factorial: efecto de la interacción. (Modelo no aditivo)
El diseño factorial: efecto de la interacción (Modelo no aditivo) La comprensión de los fenómenos psicológicos supone en muchas ocasiones analizar el efecto conjunto de varias variables dado que sólo su
Más detallesTEMA 1 INTRODUCCIÓN AL MODELADO Y LA SIMULACIÓN
TEMA 1 INTRODUCCIÓN AL MODELADO Y LA SIMULACIÓN 1.1. Introducción 1.2. Conceptos fundamentales 1.3. Modelado y simulación de tiempo discreto 1.4. Modelado y simulación de eventos discretos 1.5. Pasos en
Más detallesPROGRAMA DE CURSO. Código Nombre ESTADISTICA PARA ECONOMIA Y GESTION Nombre en Inglés STATISTICS FOR BUSINESS AND ECONOMICS Unidades
PROGRAMA DE CURSO Código Nombre IN 3401 ESTADISTICA PARA ECONOMIA Y GESTION Nombre en Inglés STATISTICS FOR BUSINESS AND ECONOMICS es Horas Docencia Horas de Trabajo SCT Horas de Cátedra Docentes Auxiliar
Más detallesCENTRO DE ENSEÑANZA SUPERIOR COLEGIO UNIVERSITARIO CARDENAL CISNEROS ADSCRITO A LA UNIVERSIDAD COMPLUTENSE DE MADRID
CENTRO DE ENSEÑANZA SUPERIOR COLEGIO UNIVERSITARIO CARDENAL CISNEROS ADSCRITO A LA UNIVERSIDAD COMPLUTENSE DE MADRID GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS CURSO 4º ANALISIS DE DATOS PROGRAMA
Más detallesGrado en ESTADÍSTICA APLICADA 258 ECTS
MATERIAS BÁSICAS (60 ECTS) Obligatorio 1.- Descripción y Exploración de datos (ESTADÍSTICA - RAMA) 2.- Azar y probabilidad (ESTADÍSTICA - RAMA) 3.- Estimación I (OB) (ESTADÍSTICA - RAMA) 4.- Software estadístico
Más detallesSegún el número de variables a analizar se definen varios niveles de análisis de datos:
Según el número de variables a analizar se definen varios niveles de análisis de datos: Univariante Bivariante Multivariante Univariante Se toma en cuenta cada una de las variables pudiendo extraer las
Más detallesGRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Cuarto curso
GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Cuarto curso Asignatura Análisis de datos Código 802301 Módulo Formación transversal Materia Carácter Créditos 4 Optativa Presenciales 1.8 No presenciales
Más detallesSílabo de Estadística Aplicada
Sílabo de Estadística Aplicada I. Datos generales Código ASUC 00305 Carácter Obligatorio Créditos 4 Periodo Académico 2018 Prerrequisito Probabilidad y estadística Horas Teóricas 2 Prácticas 4 II. Sumilla
Más detallesTEMA 3.- EL ANALISIS ESTADISTICO DE LA INFORMACION (MODELIZACION) DIFERENTES TIPOS DE PROCEDIMIENTOS ESTADISTICOS
TEMA 3.- EL ANALISIS ESTADISTICO DE LA INFORMACION (MODELIZACION) PROCEDIMIENTOS ESTADISTICOS CONSTRUCCION DE MODELOS DIFERENTES TIPOS DE PROCEDIMIENTOS ESTADISTICOS Cada procedimiento es aplicable a un
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesTema 12: Introducción a la Estadística.
MOLEDO GUGLIOTTA VICTOR Tratamiento de los datos Tema 12: Introducción a la Estadística. Al intentar interpretar la realidad a través de las herramientas que nos aporta la Estadística, lo primero que se
Más detallesINDICE 1. Introducción 2. Recopilación de Datos Caso de estudia A 3. Descripción y Resumen de Datos 4. Presentación de Datos
INDICE Prefacio VII 1. Introducción 1 1.1. Qué es la estadística moderna? 1 1.2. El crecimiento y desarrollo de la estadística moderna 1 1.3. Estudios enumerativos en comparación con estudios analíticos
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN CARRERA DE INGENIERÍA AGRÍCOLA
Cuarto semestre UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLÁN CARRERA DE INGENIERÍA AGRÍCOLA Nombre de la Asignatura: Diseños Experimentales Agrícolas Adscrita al departamento
Más detallesUNIDAD DIDACTICA I TEMA 1. LA MEDIDA EN PSICOLOGIA
UNIDAD DIDACTICA I TEMA 1. LA MEDIDA EN PSICOLOGIA 1. Delimitación teórica de la psicometría 2. Los comienzos de la psicometría 3. La orientación psicofísica 4. Los tests mentales 5. Áreas de trabajo de
Más detallesUniversidad Nacional del Litoral Facultad de Humanidades y Ciencias
MAT60: Estadística II 2013-2do. Cuatrimestre 01: Profesorado de Matemática Titular: TAUBER, Liliana Mabel Equipo de Cátedra: VERA CANDIOTI, Cecilia TAUBER, Liliana Mabel REDONDO, Yanina Teresita Régimen
Más detallesPreferencias de los consumidores catalanes de vino
Preferencias de los consumidores catalanes de vino R. Bernabéu 1,, M. Díaz 2,, M. Olmeda 1,, A. Prieto 1 E.T.S. Ingenieros Agrónomos, Universidad de Castilla-la Mancha, Campus Universitario s/n, 02071
Más detallesEL ANÁLISIS DE CORRESPONDENCIAS
EL ANÁLISIS DE CORRESPONDENCIAS Técnica multivariable, que se creó para el análisis de tablas de contingencia, con la finalidad de descubrir afinidades entre dos conjuntos de variables. Suele aplicarse
Más detallesTEMA V ANÁLISIS DE REGRESIÓN LOGÍSTICA
TEMA V ANÁLISIS DE REGRESIÓN LOGÍSTICA LECTURA OBLIGATORIA Regresión Logística. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en Ciencias de la Salud. Coruña: Netbiblo. Páginas
Más detallesGRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Cuarto curso
GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Cuarto curso Asignatura Análisis de datos Código 802301 Módulo Formación transversal Materia Carácter Créditos 4 Optativa Presenciales 2,2 No presenciales
Más detallesDIRECCIÓN Y ADMINISTRACIÓN DE PEQUEÑAS EMPRESAS
DIRECCIÓN Y ADMINISTRACIÓN DE PEQUEÑAS EMPRESAS Modulo tercero (integración). Clave de asignatura LC 735 PROFESOR: C.P. DAVID ARREDONDO ALCANTAR 1.- PRONOSTICOS 1.3.- Tipos de pronósticos. Los pronósticos
Más detallesMEDICIÓN EVALUACIÓN Y ANÁLISIS DE DATOS I
MEDICIÓN EVALUACIÓN Y ANÁLISIS DE DATOS I Asignatura Clave: Número de Créditos: Teóricos: Prácticos: Fecha de última revisión: Mayo 2007. INSTRUCCIONES PARA OPERACIÓN ACADÉMICA: El Sumario representa un
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesEL PAPEL DE LA ESTADISTICA EN O Y M. Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M.
EL PAPEL DE LA ESTADISTICA EN O Y M Objetivo: Identificar índices estadísticos, y métodos más convenientes, para aplicarlos en el estudio de O y M. O y M necesita apoyarse en la estadística que en casos
Más detallesI. TÉCNICAS DE ANÁLISIS MULTIVARIANTE
ÍNDICE Presentación y justificación................................................... 9 I. TÉCNICAS DE ANÁLISIS MULTIVARIANTE................................... 13 1. Introducción.................................................................
Más detalles7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE
ESCUELA UNIVERSITARIA DE ENFERMERIA DE TERUEL 1 er CURSO DE GRADO DE ENFERMERIA Estadística en Ciencias de la Salud 7. ANÁLISIS DE VARIABLES CUANTITATIVAS: REGRESIÓN LINEAL SIMPLE PROFESOR Dr. Santiago
Más detallesDiplomado en Estadística e Investigación Científica
Sociedad Hispana de Investigadores Científicos Diplomado en Estadística e Investigación Científica Introducción Durante mucho tiempo se consideró a la investigación científica como una actividad de unos
Más detallesMotivación. Motivación ESTIMACION DE LA DEMANDA
4 ESTIMACION DE LA DEMANDA Dr. Jorge Ibarra Salazar Profesor Asociado Departamento de Economía Tecnológico de Monterrey Motivación Estudio de los métodos para estimar la función de demanda a partir de
Más detallesCARACTERÍSTICAS GRALES.
Las técnicas estadísticas multivariadas permiten establecer, a partir de numerosos datos y variables, ciertas relaciones, investigar estructuras latentes y ensayar diversas maneras de organizar dichos
Más detallesPRACTICUM 3: Finanzas y Contabilidad Pública
PRACTICUM 3: Finanzas y Contabilidad Pública archivo 11 Investigación de mercados Causal Christian Cruz Castro 1. Recapitulación aportación 1 2 3 Lean Startup Customer = CANVAS + + Development Produccción
Más detallesUNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN CIENCIAS POLÍTICAS Y ADMINISTRACIÓN PÚBLICA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES ACATLÁN LICENCIATURA EN CIENCIAS POLÍTICAS Y ADMINISTRACIÓN PÚBLICA PROGRAMA DE ASIGNATURA CLAVE 4º SEMESTRE MODELOS LINEALES APLICADOS
Más detallesMÉTODOS DE PRONÓSTICO TEMA 1: ANÁLISIS DE SERIES DE TIEMPO Y ELABORACIÓN DE PRONÓSTICOS
UNIDAD 4 MÉTODOS DE PRONÓSTICO TEMA 1: ANÁLISIS DE SERIES DE TIEMPO Y ELABORACIÓN DE PRONÓSTICOS Predicción de lo que sucederá en el futuro. 1 Predicción de lo que sucederá en el futuro. Los métodos de
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 7) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 7) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía VIDEOCLASE: La Correlación. https://www.intecca.uned.es/portalavip/grabacion.php?id_grabacion=56932&id_sala=605
Más detallesMetodología cuantitativa IV
Departamento de Ciencias Políticas y Sociales Grado en Ciencias Políticas y de la Administración Universitat Pompeu Fabra Metodología cuantitativa IV Clase 3: Regresión lineal múltiple Bruno Arpino (Despacho:
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 4 4. REGRESIÓN Y CORRELACIÓN SIMPLE
PROBABILIDAD Y ESTADÍSTICA Sesión 4 4. REGRESIÓN Y CORRELACIÓN SIMPLE 4.1 Regresión lineal simple y curvilínea 4.1.1 Variable dependiente e independiente 4.1.2 Ecuación de regresión 4.1.2.1 Aplicación
Más detallesPRINCIPIOS DE PSICOMETRÍA
PRINCIPIOS DE PSICOMETRÍA Consulte nuestra página web: www.sintesis.com En ella encontrará el catálogo completo y comentado PRINCIPIOS DE PSICOMETRÍA CARMEN SANTISTEBAN REQUENA EDITORIAL SINTESIS Diseño
Más detallesAnálisis de Componentes Principales (ACP)
Sistemas de Visión en Manufactura Maestría en MIC, UDB Análisis de Componentes Principales (ACP) Presenta: Sergio Miguel García Pérez Enero de 2015 Introducción Cuando se recoge información de una muestra
Más detallesGRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS CUARTO CURSO
GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS CUARTO CURSO Asignatura ANÁLISIS DE DATOS Código 802301 Módulo FORMACIÓN TRANVERSAL Materia MÉTODOS CUANTITATIVOS Carácter OPTATIVA Créditos 4 Presenciales
Más detallesMÁSTER EN INVESTIGACIÓN DE DIRECCIÓN DE EMPRESAS, MARKETING Y CONTABILIDAD
MÁSTER EN INVESTIGACIÓN DE DIRECCIÓN DE EMPRESAS, MARKETING Y CONTABILIDAD Asignatura Métodos Estadísticos aplicados a la Investigación I Código 608595 Módulo Instrumental Materia Estadística Carácter
Más detallesConsultor en investigación social y de mercados y analista web.
Consultor en investigación social y de mercados y analista web 23 años de experiencia en investigación de mercados Amplio conocimiento de metodologías Manejo de SPSS y de modelos multivariantes Analista
Más detallesSALTA, 0 1 JUN Responsable de la asignatura "Estadística Experimental" de la carrera de Ingeniería
rara! Universidad Nacional de Salta '.~I.j FACULTAD DE INGENIERIA Avda. Bolivia 5.150-4.400 SALTA T.E. (0387) 4255420 - FAX (54-0387) 4255351 REPUBLICA ARGENTINA e-mail: unsaing@unsa.edu.ar SALTA, 0 1
Más detallesEs preciso responder a unas preguntas fundamentales para poder guiar los planes y acciones de marketing:
Introducción El incremento de la competencia, los rápidos cambios del entorno y el aumento de las exigencias de los consumidores requieren que las empresas estudien y comprendan el comportamiento del consumidor.
Más detallesFESTIVALES DE MÚSICA EN NAVARRA
Facultad de Ciencias Económicas y Empresariales TRABAJO FIN DE GRADO EN DOBLE GRADO EN ADMINISTRACIÓN Y DIRECCIÓN DE EMPRESAS Y EN DERECHO FESTIVALES DE MÚSICA EN NAVARRA Valoración de las preferencias
Más detallesAnálisis de las preferencias sociales en Andalucía hacia los alimentos modificados genéticamente. Capítulo V
Análisis de las preferencias sociales en Andalucía hacia los alimentos modificados Capítulo V V. ANÁLISIS DE LAS PREFERENCIAS SOCIALES EN ANDALUCÍA HACIA LOS ALIMENTOS MODIFICADOS GENÉTICAMENTE V.1 Aplicación
Más detallesUniversidad Nacional Autónoma de México Facultad de Psicología
Universidad Nacional Autónoma de México Facultad de Psicología PROGRAMA DE ASIGNATURA Nombre Método I Análisis de las ecuaciones estructurales I Clave 517 Semestre 8 Créditos 8 Horas teoría 3 Horas práctica
Más detallesDiplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López
Diplomado en Econometría Coordinadora académica: M.F. Esperanza Sainz López Brindar al alumno los conocimientos de los métodos econométricos fundamentales y de los conceptos estadísticos que éstos requieren,
Más detallesAnálisis de regresión y correlación lineal
Análisis de regresión y correlación lineal En las unidades anteriores hemos aplicado metodologías estadísticas para analizar la información de una variable desde una o más muestras utilizando las herramientas
Más detallesTécnicas de Inves-gación Social I Tema 10 : Introducción al análisis estadís-co
GRADO EN SOCIOLOGÍA PRIMER CURSO Primer cuatrimestre 2016-2017 Técnicas de Inves-gación Social I Tema 10 : Introducción al análisis estadís-co TUTORA: Marielva Rísquez Buonaffina mrisquez@palma.uned.es
Más detallesPrograma académico. Tipo de materia (Obli/Opta): Obligatoria Clave de la materia: 6019 Semestre: 5 Área en plan de estudios ( B, P y E):
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU0017H FACULTAD DE INGENIERÍA Clave: 08USU4053W PROGRAMA ANALÍTICO DE LA UNIDAD DE APRENDIZAJE: PROBABILIDAD Y ESTADÍSTICA II DES: Ingeniería Programa académico
Más detallesPrograma académico. Tipo de materia (Obli/Opta): Obligatoria Clave de la materia: Semestre: 5 Área en plan de estudios ( B, P y E):
UNIVERSIDAD AUTÓNOMA DE CHIHUAHUA Clave: 08MSU0017H FACULTAD DE INGENIERÍA Clave: 08USU4053W PROGRAMA ANALÍTICO DE LA UNIDAD DE APRENDIZAJE: PROBABILIDAD Y ESTADÍSTICA II DES: Ingeniería Programa académico
Más detallesConocer los principales métodos de la estadística inferencial e identificar sus aplicaciones a diversas áreas del conocimiento y de la cotidianidad.
NOMBRE DEL CURSO: ESTADÍSTICA INFERENCIAL CÓDIGO: CRÉDITOS 5 PRE-REQUISITO: POST-REQUISITO: JORNADA: PRESENTACIÓN: Se estudian los métodos más importantes de la estadística inferencial, enfocándose principalmente
Más detallesEVALUACIÓN DE LAS ESCALAS DE RESPUESTA EN LA MEDICIÓN CONJUNTA. Rosana López Pardo y Jesús Vare1a Mallou Universidad de Santiago de Compostela
Metodología de Encuestas Vol 2, Núm 2, 2000 185-198 EVALUACIÓN DE LAS ESCALAS DE RESPUESTA EN LA MEDICIÓN CONJUNTA Rosana López Pardo y Jesús Vare1a Mallou Universidad de Santiago de Compostela RESUMEN
Más detallesUnidad Temática 3: Estadística Analítica. Unidad 9 Regresión Lineal Simple Tema 15
Unidad Temática 3: Estadística Analítica Unidad 9 Regresión Lineal Simple Tema 15 Estadística Analítica CORRELACIÓN LINEAL SIMPLE Indica la fuerza y la dirección de una relación lineal proporcional entre
Más detallesUNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 11
UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 11 DOCENTE: Ing. Patricio Puchaicela ALUMNA: Andrea C. Puchaicela G. CURSO: 4to. Ciclo de Electrónica y Telecomunicaciones AÑO
Más detallesANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE
ANÁLISIS ESTADÍSTICO REGRESIÓN LINEAL SIMPLE Jorge Fallas jfallas56@gmail.com 2010 1 Temario Introducción: correlación y regresión Supuestos del análisis Variación total de Y y variación explicada por
Más detallesTitulación: Asignatura: Código: Año: Periodo: Carácter: Nº de Créditos: Departamento: Área de Conocimiento(*): Curso:
Titulación: Asignatura: Código: Año: Periodo: Carácter: Nº de Créditos: Departamento: Área de Conocimiento(*): Curso: Licenciado en Ciencias Actuariales y Financieras Investigación Comercial. Métodos y
Más detalles4. IMAGEN CORPORATIVA
4. IMAGEN CORPORATIVA La imagen corporativa es uno de los elementos más destacados para que las corporaciones para hacer comprender a sus públicos: Quiénes son A qué se dedican En qué se diferencian de
Más detallesEscalamiento unidimensional y multidimensional de producciones creativas
Escalamiento unidimensional y multidimensional de producciones creativas Julio Olea, Rafael San Martín y Jesús Varela En trabajos anteriores (Olea y García, 1989; Olea y San Martín, 1989; Varela, Olea
Más detallesASIGNATURA: ELEMENTOS DE ESTADISTICA SOCIAL OBJETIVO GENERAL:
UNIVERSIDAD AUTÓNOMA DEL ESTADO DE MORELOS PLAN DE ESTUDIOS 2008 PE: LICENCIADO EN ADMINISTRACIÓN PÚBLICA ASIGNATURA: ELEMENTOS DE ESTADISTICA SOCIAL ÁREA: TECNICO INSTRUMENTAL CLAVE: EES/T3-T2/C8 ETAPA:
Más detalles1. DATOS INFORMATIVOS
1. DATOS INFORMATIVOS 1.1. FACULTAD: CIENCIAS ECONÓMICAS 1.2. CARRERA: ESTADÍSTICA 1.3. ASIGNATURA: INFERENCIA ESTADÍSTICA 1.4. CÓDIGO DE ASIGNATURA: 33204 1.5. CRÉDITOS: 6 1.6. SEMESTRE: TERCERO 1.7.
Más detallesIBM SPSS Conjoint. Descubra qué es lo que motiva las decisiones de compra. IBM Software Business Analytics IBM SPSS Conjoint 22
IBM SPSS Conjoint Descubra qué es lo que motiva las decisiones de compra Características Modele el proceso de decisión de sus clientes Mida con facilidad el efecto de equilibrio de cada atributo de productos
Más detallesDistribución bidimensional. Marginales. Correlación lineal. Rectas de regresión.
REGRESIÓN LINEAL. Distribución bidimensional. Marginales. Correlación lineal. Rectas de regresión. Dada una población, hasta ahora hemos estudiado cómo a partir de una muestra extraída de ella podemos
Más detallesModelos Para la Toma de Decisiones
Modelos Para la Toma de Decisiones 1 Sesión No. 3 Nombre: Decisiones bajo incertidumbre. Primera parte. Contextualización Se puede evitar la incertidumbre en la toma de decisiones? En el ámbito administrativo
Más detallesNATURALEZA EXPERIMENTAL DE LA SIMULACIÓN
NATURALEZA EXPERIMENTAL DE LA SIMULACIÓN La técnica de la simulación no intenta específicamente aislar las relaciones entre determinadas variables; en vez de ello, observa la manera en que cambian todas
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.0 Semana 4.0 Optativa Prácticas Semanas 64.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE INGENIERÍA PROGRAMA DE ESTUDIO Aprobado por el Consejo Técnico de la Facultad de Ingeniería en su sesión ordinaria del 15 de octubre de 2008 ESTADÍSTICA
Más detallesUNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES SEDE RAFAELA FACULTAD DE CIENCIAS EMPRESARIALES INVESTIGACIÓN DE MERCADO II
UNIVERSIDAD DE CIENCIAS EMPRESARIALES Y SOCIALES SEDE RAFAELA FACULTAD DE CIENCIAS EMPRESARIALES CARRERA: LIC. EN MARKETING MATERIA: INVESTIGACIÓN DE MERCADO II CURSO: SEGUNDO AÑO CURSO LECTIVO: 2º CUATRIMESTRE
Más detallesNombre de la asignatura : Estadística Aplicada. Carrera : Ingeniería en Sistemas Computacionales. Clave de la asignatura : SCB-9308
. D A T O S D E L A A S I G N A T U R A Nombre de la asignatura : Estadística Aplicada Carrera : Ingeniería en Sistemas Computacionales Clave de la asignatura : SCB-908 Horas teoría-horas práctica-créditos
Más detallesANÁLISIS DISCRIMINANTE
DEFINICIÓN: Cómo técnica de análisis de dependencia: Pone en marcha un modelo de causalidad en el que la variable endógena es una variable NO MÉTRICA y las independientes métricas. Cómo técnica de análisis
Más detallesEstadística /Química 2004
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTAD DE ESTUDIOS SUPERIORES CUAUTITLAN LICENCIATURA EN: QUÍMICA. NOMBRE DE LA ASIGNATURA: ESTADÍSTICA. ÓRGANO INTERNO QUE COORDINA EL PROGRAMA DE LA ASIGNATURA:
Más detallesLectura No. 8. Contextualización. Nombre: Métodos de Análisis ANÁLISIS FINANCIERO 1
Análisis financiero ANÁLISIS FINANCIERO 1 Lectura No. 8 Nombre: Métodos de Análisis Contextualización Uno de los mayores obstáculos que se presentan en el momento de desarrollar un modelo econométrico
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 detallesCuando Existen VARIOS Grandes Oferentes, de un Producto, que cubren la Demanda Y Compiten con Calidad y Precio.
EL MERCADO PRONOSTICO DE VENTAS Prof: Jairo Orozco T. Está Conformado por la Totalidad de los COMPRADORES y los VENDEDORES Potenciales de un Producto, Interactuando en un Tipo Determinado de Ambiente COMPETITIVO,
Más detallesREGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS)
1 REGRESIÓN LINEAL SIMPLE, COEFICIENTE DE DETERMINACIÓN Y CORRELACIONES (EJERCICIOS RESUELTOS) 1. EN LA REGIÓN DE DRAKUL DE LA REPÚBLICA DE NECROLANDIA, LAS AUTORIDADES ECONÓMICAS HAN REALIZADO UNA REVISIÓN
Más detallesAsignatura: Horas: Total (horas): Obligatoria X Teóricas 4.0 Semana 4.0 Optativa Prácticas Semanas 64.0
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO FACULTADES DE ECONOMÍA E INGENIERÍA PROGRAMA DE ESTUDIO Estadística Aplicada P85 /P75 /P95 08 Asignatura Clave Semestre Créditos Ciencias Básicas División Matemáticas
Más detallesTitulación(es) Titulación Centro Curso Periodo Grado de Ingeniería Electrónica Industrial ESCOLA TÈCNICA SUPERIOR D'ENGINYERIA
FICHA IDENTIFICATIVA Datos de la Asignatura Código 34913 Nombre Matemáticas II Ciclo Grado Créditos ECTS 6.0 Curso académico 2016-2017 Titulación(es) Titulación Centro Curso Periodo 1404 - Grado de Ingeniería
Más detalles