Facultad de Ciencias Económicas Universidad Nacional de Córdoba Carrera de Doctorado

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

Download "Facultad de Ciencias Económicas Universidad Nacional de Córdoba Carrera de Doctorado"

Transcripción

1 Facultad de Ciencias Económicas Universidad Nacional de Córdoba Carrera de Doctorado Materia: Estadística Aplicada a la Investigación Profesora: Dra. Hebe Goldenhersh Octubre del

2 Determinación de Áreas Ecológicas Homogéneas de la Provincia de Córdoba aplicando Análisis de Conglomerados Cesar Pietrantonio Florencia Peretti 2

3 I N D I C E Contenido Página Introducción Planteamiento del Problema Formulación del Problema Selección de Medidas de Distancia Resultados Obtenidos Interpretación y perfil de los Grupos Conclusiones Anexo Bibliografía

4 I N T R O D U C C IO N El análisis de cluster es un conjunto de técnicas que se utilizan para clasificar los objetos o casos en grupos relativamente homogéneos llamados conglomerados. Los objetos en cada grupo tienden a ser similares entre sí y diferentes a los objetos de los otros grupos, con respecto a algún criterio de selección predeterminado. Este análisis tiene como propósito esencial revelar las agrupaciones naturales dentro de una colección de datos. El objetivo del presente trabajo es encontrar una clasificación de los establecimientos agropecuarios de la provincia de Córdoba en grupos que reflejen de alguna manera la homogeneidad entre los suelos de las distintas áreas ecológicas homogéneas del territorio provincial. Para ello, se utilizará como punto de partida la clasificación realizada por el INTA de las zonas ecológicas homogéneas (ZEH) y áreas ecológicas homogéneas (AEH) (ver anexo). Los casos para el análisis provienen de la base de datos del relevamiento agropecuario que realizó la provincia de Córdoba en el año 1999 (ReAg 99) (ver anexo 2: formulario del ReAg '99) y las variables de dicha encuesta que se incluyeron en nuestro análisis se seleccionaron en función del estudio que realizan conjuntamente el INTA, la UNRC y la Secretaría de Agricultura y Ganadería de la provincia de Córdoba para la publicación Monitoreo económico de los sistemas productivos predominantes del sector agropecuario de Córdoba (ver anexo). La hipótesis de trabajo establece que los grupos conformados a partir de procesar los establecimientos agropecuarios (unidades de análisis del ReAg 99) seguirán un patrón de ubicación, es decir se localizarán por áreas, similar a las AEH definidas por el INTA. Esto se debería dar, principalmente, en función de que la agrupación inicial del INTA se realizó considerando características homogéneas de agua y suelo; características éstas que son altamente condicionantes para el mix productivo de los distintos establecimientos. 4

5 P L A N T E A M I E N T O D E L P R O B L E M A Sean X1,...,Xp p variables numéricas observadas en n objetos. Sea xij = valor de la variable Xj en el i-ésimo objeto ; donde: i=1,...,n; j=1,...,p. Basándonos en las variables que utiliza el "Monitoreo económico de los sistemas productivos predominantes del sector agropecuario de Córdoba" para clasificar los distintos tipos de empresa, se identifican esas mismas variables dentro de la base de datos del ReAg '99 para incluirlas en nuestro análisis. Para poder utilizar el mismo criterio que emplea dicho estudio, fue necesario crear también nuevas variables a partir de las extraídas de la encuesta mencionada. Así, las variables cuantitativas que se rescataron de la base de datos sin modificaciones son: SUPERFICIE = Superficie total trabajada (3.1): expresada en cantidad de hectáreas. PORCINOS = Total del rodeo (5.3.2): expresada en cantidad de cabezas. Por otra parte, se introdujeron las siguientes variables cuantitativas: % AGRICULTURA = Superficie dedicada a agricultura (4.1) / Superficie total trabajada (3.1): representa la participación de superficie agrícola sobre el total de superficie del establecimiento. % GANADERÍA = Superficie dedicada a ganadería (4.2) / Superficie total trabajada (3.1) : representa la participación de superficie ganadera sobre el total de superficie del establecimiento. BOVINOS = Total vacunos (5.1) - [vacas en ordeñe (5.2.1) + vacas secas (5.2.2) + vaquillonas de tambo (5.2.3)]: representa cabezas de bovinos excluyendo aquellas pertenecientes a tambo. TAMBO = vacas en ordeñe (5.2.1) + vacas secas (5.2.2) + vaquillonas de tambo (5.2.3): representa cabezas de bovinos destinados a la actividad tambera. OVINO-CAPRINO = Total ovinos (5.4) + Total caprinos (5.5): expresada en cantidad de cabezas. Por último se diseñaron las siguientes variables cualitativas a los fines de introducirlas como ilustrativas para interpretar los resultados: DP = combinación realizada a partir del código de departamento (2.1) y código de pedanía (2.2): se adoptó un código compuesto para identificar cada pedanía de la provincia. ZONA = determinada a partir de DP: es decir se cruzó la base de datos del ReAg '99 con una base de datos de ZEH y se asignó cada observación a la ZEH correspondiente. 5

6 SISTEMA = este código es el mismo que emplea el INTA en su estudio y resume todas las variables anteriores. A continuación se eliminan de la base de datos todas las observaciones cuya variable SUPERFICIE sea inferior a 50, es decir todos aquellos establecimientos menores a 50 hectáreas, excluyendo de esta manera del análisis a las microempresas que no son relevantes para este estudio. Una vez identificadas y construidas las nuevas variables se re-diseña la base de datos y extraídas las observaciones mencionadas, se trabaja con un total de establecimientos. 6

7 F O R M U L A C I Ó N D E L P R O B L E M A Como se explicó anteriormente lo que se trata de demostrar es que las observaciones del ReAg '99 se agruparán naturalmente en AEH similares a las definidas por el INTA a partir de la similitud de las combinaciones productivas que se dan en cada ZEH. De esta forma, se introducirá la base de datos con las variables seleccionadas en el programa InfoStat y se realizará un análisis de conglomerados. Para este fin se introducen los datos solicitados: A continuación desarrollaremos los métodos de agrupamiento seleccionados y las medidas elegidas. 7

8 S E L E C C I Ó N D E M E D I D A S D E D I S T A N C I A Y D E L P R O C E D I M I E N T O D E A G R U P A C I Ó N Elección de una Medida de Distancia Como el objetivo básico es medir la asociación entre objetos, es necesario establecer una medida de similitud que cuantifique el grado de similaridad entre cada par de objetos. Las medidas de disimilitud, desemejanza o distancia miden la distancia entre dos objetos de forma que, cuanto mayor sea su valor, más diferentes son los objetos y menor la probabilidad de que los métodos de clasificación los pongan en el mismo grupo. Esta elección depende de la naturaleza de las variables (binaria, discreta, continua) o de la escala de medición (nominal, ordinal, intervalo, cociente). En la literatura existen multitud de medidas de distancia; por tratarse de variables cuantitativas continuas se utiliza la Distancia euclídea que se define como la raíz cuadrada de la suma de las diferencias cuadradas en los valores para cada variable. Drs = p ( x ) rj x sj j= 1 2 Xrj: valor del objeto r en la j-ésima variable Xsj: valor del objeto s en la j-ésima variable Elección de un Procedimiento de Agrupación Hay dos tipos de procedimientos de agrupación: los jerárquicos y los no jerárquicos. Métodos no jerárquicos: El conglomerado jerárquico se caracteriza por el desarrollo de una jerarquía o estructura en forma de árbol. Una característica importante de los procedimientos jerárquicos es que los resultados de la primera etapa pueden estar anidados con los resultados de la última etapa, dando lugar a una similaridad parecida a la de un árbol. De este modo, los clusters están formados solamente por la unión de los grupos existentes, así cualquier miembro de un cluster puede trazar su relación en un irrompible sendero que comenzaría con una simple relación. Los métodos jerárquicos pueden ser por Aglomeración o por División. El conglomerado por división: comienza con todos los objetos agrupados en un solo conjunto. Los conglomerados se dividen hasta que cada objeto sea un grupo independiente. El conglomerado por aglomeración: Se realiza por una serie de uniones sucesivas. En el inicio hay tantos grupos como objetos. Los objetos similares se agrupan primero y esos grupos iniciales 8

9 son luego unidos de acuerdo a sus similitudes. Como las diferencias van disminuyendo, al final todos los subgrupos formarán un solo grupo. Los resultados del agrupamiento se muestran en un diagrama conocido como dendrograma, en el que se pueden observar las uniones que se van realizando. Los métodos disponibles en el programa InfoStat se detallan a continuación: Simple (Single linkage): Es un método aplicable tanto para agrupar objetos como variables. Los grupos se unen sobre la base de la distancia entre los dos miembros más cercanos. Completo (Complete linkage): Es un método aplicable tanto para agrupar objetos como variables. La distancia entre conglomerados es la del par de objetos más distantes. Promedio (Average linkage): Es un método aplicable tanto para agrupar objetos como variables. Promedia todas las distancias entre pares de objetos de diferentes grupos. Centroide Ponderado (Weighted centroid): Toma el promedio de todos los objetos en un conglomerado (conglomerado central) para medir la distancia entre otros objetos o grupos. Centroide no ponderado (Unweighted centroid): la distancia entre dos grupos es la distancia entre sus centroides (medias para todas las variables), Ward: Promedia todas las distancias entre los pares de objetos en diferentes grupos, ajustando por las covarianzas. Métodos no jerárquicos: Sirven para agrupar objetos, más que variables, en k grupos. El número de grupos puede ser especificado de antemano o ser determinado en el procedimiento. Estos métodos pueden comenzar con un agrupamiento inicial o con un grupo de puntos semilla (centroides) que formarán los centros de los grupos. El método no jerárquico disponible en el programa InfoStat es el K-means. K-means: Separa un grupo de objetos en una cantidad elegida de grupos haciendo máxima la variación entre conglomerados y minimizando la variación dentro de cada conglomerado. Asigna cada objeto al grupo que tiene el centroide (media) más cercano. La distancia comúnmente usada es la euclídea, tanto en observaciones estandarizadas como en las no estandarizadas Comparación de los diversos métodos aglomerativos: De acuerdo al criterio de algunos autores las conclusiones respecto a los diversos métodos de aglomeración son las siguientes: 9

10 1. El método de Enlace Promedio y el Procedimiento de Ward han demostrado un mejor desempeño que los otros. 2. Los métodos de Ward y Centroide se deben utilizar con distancias euclídeas. 3. El enlace simple conduce a clusters encadenados. 4. El enlace completo conduce a clusters compactos. 5. El enlace completo es menos sensible a outliers que el enlace simple. 6. El método de Ward y el método del enlace medio son los menos sensibles a outliers. 7. El método de Ward tiene tendencia a formar clusters más compactos y de igual tamaño y forma en comparación con el enlace medio. Se efectuaron las siguientes combinaciones de medidas de distancia con distintos métodos de aglomeraciones con el programa InfoStat: Medida de Distancia Euclidea Euclidea Euclidea Euclidea Euclidea Método de Aglomeración Encadenamiento ponderado Encadenamiento promedio (average linkage) Método del centroide ponderado Método del centroide Método de Ward Estas combinaciones se efectuaron de acuerdo a la comparación de los diversos métodos de aglomeración y teniendo presente que se recomienda utilizar distintas medidas de distancia y diversos métodos de conglomeración para comparar los resultados con todas las medidas a fin de determinar la estabilidad de las soluciones. 10

11 R E S U L T A D O S O B T E N I D O S Las variables que se seleccionan para efectuar los conglomerados son ocho: 1. Superficie 2. % _Agricultura 3. %_Ganadero 4. Bovinos 5. Tambo 6. Porcinos 7. Ovinos 8. Caprinos También se toma como Criterio de Clasificación la Variable ZonaHomogenea Los Resultados obtenidos de acuerdo a los métodos de agrupación que se utilicen son los siguientes. A - Comparación de Coeficientes de Correlación Cofenética: Tabla 1 coeficiente de correlación cofenética (*) Encadenamiento ponderado Método de Conglomeración Encadenamiento Método del promedio centroide (average linkage) ponderado Método del centroide Método de Ward (*) Coeficiente de correlación cofenética: Se lo suele utilizar para seleccionar uno de varios agrupamientos alternativos. Este coeficiente indica la correlación de las distancias definidas por la métrica de árbol binario con las distancias originales entre objetos. Se espera que el agrupamiento con mayor coeficiente sea el que mejor describe el agrupamiento natural de los datos. Utilizando el criterio del coeficiente de correlación cofenética, el método de conglomeración que mejor describe el agrupamiento natural de los datos es el Método del Centroide ponderado; y el método que muestra menor desempeño es el método de Ward. 11

12 Estandarización de los Datos Cuando las variables se miden en unidades muy diferentes, la solución de agrupación tendrá la influencia de las unidades de medición. En estos casos, antes de agrupar los datos se recomienda estandarizarlos. Sin embargo, la estandarización puede eliminar la influencia de la unidad de medición, siendo probable que reduzca las diferencia entre los grupos en las variables que puedan discriminar mejor los conglomerados. Este parecería ser nuestro caso dado que, cualquiera sea el método de conglomeración que utilicemos, cuando estandarizamos los datos, el coeficiente de correlación cofenética obtenido es sustancialmente menor; por tal motivo se desecha la estandarización de datos. B - Resultados Obtenidos: Observando los dendogramas y el resumen de aglomeración que figuran en las páginas A.8 y A.9 del Anexo, en los resultados obtenidos por los distintos métodos de conglomeración podemos ver que: Las Zonas Homogéneas que presentan mayor similitud son las zonas 3 y 10; se unen a una distancia de cualquiera sea el método de conglomeración que utilicemos, luego a estas zonas se le une la zona 2 a una distancia que varía entre y según el método de aglomeración que se considere. Estas tres zonas forman el Área II. Las Zonas Homogéneas 6 y 8 se unen a una distancia de con cualquiera de los métodos considerados, zonas a las cuales se les une la zona 5 a una distancia que varía entre y Estas tres zonas en conjunto forman el Área III. Las Zonas Homogéneas 9 y 7 se unen a una distancia de en todos lo métodos y es la primera Ares en formarse. Ambas conforman el Área IV. Las Zonas Homogéneas 1 y 4 se unen a una distancia de en todos lo métodos y es la última Área en formarse. Ambas conforman el Área I. Las zonas Homogéneas 11 y 12, salvo en el método de Ward que se unen a una distancia de y conformarían el Área V. En el resto de los métodos no se unen. 12

13 I N T E R P R E T A C I Ó N Y P E R F I L D E L O S G R U P O S Interpretar la clasificación obtenida por un Análisis Cluster requiere, en primer lugar, un conocimiento suficiente del problema analizado. Hay que estar abierto a la posibilidad de que no todos los grupos obtenidos tienen por qué ser significativos. Algunas ideas que pueden ser útiles en la interpretación de los resultados son las siguientes: - Realizar Análisis Discriminantes. - Realizar un Análisis Factorial o de Componentes Principales para representar, gráficamente los grupos obtenidos y observar las diferencias existentes entre ellos. - Calcular perfiles medios por grupos y compararlos. En la tabla 2 se resume la información obtenida por los distintos métodos de aglomeración. Los resultados obtenidos son bastantes estables dado que las Áreas que se forman por los distintos métodos están integradas por las mismas zonas, salvo el Área V que en el Método de Ward es en el único método que queda conformada por la unión de las zonas 11 y 12; en el resto de los métodos estas zonas no se unen. Tabla 2 Conformación de las Áreas Homogéneas según el método de aglomeración: INTA Zonas que integran cada Área Homogénea Encadenamiento Método del promedio centroide (average linkage) ponderado Encadenamiento ponderado Método del centroide Area I 1, 2, 4 1, 4 1, 4 1, 4 1, 4 1, 4 Método de Ward Area II 3, 7 2, 3, 10 2, 3, 10 2, 3, 10 2, 3, 10 2, 3,10 Area III 5, 6, 8 5, 6, 8 5, 6, 8 5, 6, 8 5, 6, 8 5, 6, 8 Area IV 9 9, 7 9, 7 9, 7 9, 7 9, 7 Area V 10, 11, , 12 Area VI Para visualizar mejor las diferencias entre los grupos obtenidos se efectúa un análisis de Componentes Principales cuyos resultados se resumen en la página A.10 del Anexo. De acuerdo a este análisis se identifican cuatro cuadrantes que definirían cuatro sistemas de producción. Cuadrante A: Sistema de Producción Ganadero Extensivo Cuadrante B: Sistema de Producción Agrícola Extensivo Cuadrante C: Sistema de Producción Ganadero Intensivo Cuadrante D: Sistema de Producción Agrícola Intensivo 13

14 Comparando los Sistemas de Producción obtenidos por el análisis de Componentes Principales, con las Áreas que se forman en al Análisis de Cluster, tenemos que: En el cuadrante A, se localizan las Zonas 1 y 4, lo cual es coherente con lo obtenido por el agrupamiento de cluster, dado que ambas zonas forman el Área I. En el cuadrante B, se localizan las Zonas 7 y 9, lo cual es coherente con lo obtenido por el agrupamiento de cluster, dado que ambas zonas forman el Área IV. En el cuadrante D, se localizan las Zonas 5,6 y 8, lo cual es coherente con lo obtenido por el agrupamiento de cluster, dado que estas zonas forman el Área III. Con el resto de las Áreas (II, V y VI), la clasificación es mas confusa dado que las zonas 2, 3, 10, 11 y 12 se distribuyen entre los cuadrantes A, B y D. 14

15 C O N C L U S I O N E S Comparando los dos mapas de la página siguiente: el obtenido por la clasificación del INTA y el obtenido utilizando análisis de Cluster; las áreas resultantes presentan diferencias en su conformación. Si tenemos en cuenta que la clasificación del INTA se efectuó sobre la base de un relevamiento de establecimientos agropecuarios realizado en el año 1987, y que los datos tomados para el análisis de Cluster corresponden a un relevamiento realizado en el año 1999, podemos concluir que las diferencias en la conformación de las áreas de acuerdo con el criterio aplicado por el INTA, podrían explicarse por cambios en los sistemas de producción, producidos en los establecimientos agropecuarios a través del tiempo. Sin embargo, debemos considerar que el análisis de Cluster es una técnica eminentemente exploratoria cuya finalidad es sugerir ideas a la hora de elaborar hipótesis y modelos que expliquen el comportamiento de las variables analizadas. Por lo tanto los resultados del análisis deberían tomarse como punto de partida en la elaboración de teorías que expliquen dicho comportamiento. 15

16 CLASIFICACION INTA CLASIFICACION METODO DE WARD

Análisis multivariable

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

Más detalles

INFORMÁTICA APLICADA AL ANÁLISIS ECONÓMICO - FONDO SOCIAL EUROPEO ANÁLISIS CLUSTER IDEA CONCEPTUAL BÁSICA: DEFINICIÓN:

INFORMÁTICA APLICADA AL ANÁLISIS ECONÓMICO - FONDO SOCIAL EUROPEO ANÁLISIS CLUSTER IDEA CONCEPTUAL BÁSICA: DEFINICIÓN: IDEA CONCEPTUAL BÁSICA: La heterogeneidad de una población constituye la materia prima del análisis cuantitativo...... sin embargo, en ocasiones, el individuo u objeto particular, aislado, resulta un "recipiente"

Más detalles

Análisis Estadístico de Datos Climáticos

Análisis Estadístico de Datos Climáticos Análisis Estadístico de Datos Climáticos Análisis de agrupamiento (o clusters) (Wilks, Cap. 14) Facultad de Ciencias Facultad de Ingeniería 2013 Objetivo Idear una clasificación o esquema de agrupación

Más detalles

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

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

Más detalles

Minería de Datos Web. 1 er Cuatrimestre 2015. Página Web. Prof. Dra. Daniela Godoy. http://www.exa.unicen.edu.ar/catedras/ageinweb/

Minería de Datos Web. 1 er Cuatrimestre 2015. Página Web. Prof. Dra. Daniela Godoy. http://www.exa.unicen.edu.ar/catedras/ageinweb/ Minería de Datos Web 1 er Cuatrimestre 2015 Página Web http://www.exa.unicen.edu.ar/catedras/ageinweb/ Prof. Dra. Daniela Godoy ISISTAN Research Institute UNICEN University Tandil, Bs. As., Argentina http://www.exa.unicen.edu.ar/~dgodoy

Más detalles

CLASIFICACIÓN NO SUPERVISADA

CLASIFICACIÓN NO SUPERVISADA CLASIFICACIÓN NO SUPERVISADA CLASIFICACION IMPORTANCIA PROPÓSITO METODOLOGÍAS EXTRACTORES DE CARACTERÍSTICAS TIPOS DE CLASIFICACIÓN IMPORTANCIA CLASIFICAR HA SIDO, Y ES HOY DÍA, UN PROBLEMA FUNDAMENTAL

Más detalles

EL ANÁLISIS DE CONGLOMERADOS EN LOS ESTUDIOS DE MERCADO

EL ANÁLISIS DE CONGLOMERADOS EN LOS ESTUDIOS DE MERCADO EL ANÁLISIS DE CONGLOMERADOS EN LOS ESTUDIOS DE MERCADO I. INTRODUCCIÓN Beatriz Meneses A. de Sesma * En los estudios de mercado intervienen muchas variables que son importantes para el cliente, sin embargo,

Más detalles

Técnicas de análisis multivariante para agrupación

Técnicas de análisis multivariante para agrupación TEMA 2: TÉCNICAS DE ANÁLISIS MULTIVARIANTE PARA AGRUPACIÓN Métodos cluster Técnicas de segmentación Clasificación no supervisada Ana Justel 1 Técnicas de análisis multivariante para agrupación Motivación

Más detalles

Santiago de la Fuente Fernández. Análisis Conglomerados

Santiago de la Fuente Fernández. Análisis Conglomerados Santiago de la Fuente Fernández Análisis Conglomerados Santiago de la Fuente Fernández Análisis Conglomerados ANÁLISIS DE CONGLOMERADOS Análisis de Conglomerados El Análisis Cluster, conocido como Análisis

Más detalles

Introducción al Análisis Cluster. Consideraciones generales.

Introducción al Análisis Cluster. Consideraciones generales. Capítulo 1 Introducción al Análisis Cluster. Consideraciones generales. 1.1. El problema de la clasificación. Una de las actividades más primitivas, comunes y básicas del hombre consiste en clasificar

Más detalles

ANALISIS MULTIVARIANTE

ANALISIS MULTIVARIANTE ANALISIS MULTIVARIANTE Es un conjunto de técnicas que se utilizan cuando se trabaja sobre colecciones de datos en las cuáles hay muchas variables implicadas. Los principales problemas, en este contexto,

Más detalles

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

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

Más detalles

UNIVERSIDAD AUTÓNOMA DEL ESTADO DE HIDALGO

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

Más detalles

CURSO MINERÍA DE DATOS AVANZADO

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

Más detalles

Métodos de la Minería de Datos

Métodos de la Minería de Datos This is page i Printer: Opaue this Métodos de la Minería de Datos Dr. Oldemar Rodríguez Rojas de noviembre de 2005 ii Contents This is page iii Printer: Opaue this iv This is page v Printer: Opaue this

Más detalles

ANALISIS DE CONGLOMERADOS

ANALISIS DE CONGLOMERADOS ANALISIS DE CONGLOMERADOS Jorge Galbiati R Consiste en buscar grupos (conglomerados) en un conjunto de observaciones de forma tal que aquellas que pertenecen a un mismo grupo se parecen, mientras que aquellas

Más detalles

ANÁLISIS DISCRIMINANTE

ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE ANÁLISIS DISCRIMINANTE 1. Introducción 2. Etapas 3. Caso práctico Análisis de dependencias introducción varias relaciones una relación 1 variable dependiente > 1 variable dependiente

Más detalles

MARKETING AGRARIO SEGMENTACION DE MERCADO

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

Más detalles

Años 2013-2014 Parte 2 de 4

Años 2013-2014 Parte 2 de 4 DICIEMBRE 2014 Reseña Ganadera República Argentina Años 2013-2014 Parte 2 de 4 PROVINCIA DE SANTA FE + INFO: Ministro de Economía Secretaría de Planificación y Política Económica www.santafe.gob.ar/ipec

Más detalles

4. MÉTODOS DE CLASIFICACIÓN

4. MÉTODOS DE CLASIFICACIÓN 4. MÉTODOS DE CLASIFICACIÓN Una forma de sintetizar la información contenida en una tabla multidimensional (por ejemplo una tabla léxica agregada), es mediante la conformación y caracterización de grupos.

Más detalles

Análisis de Cluster y Arboles de Clasificación

Análisis de Cluster y Arboles de Clasificación Análisis de Cluster y Arboles de Clasificación Introducción Elanálisisdeclusteresunatécnicacuyaideabásicaesagruparunconjuntodeobservaciones en un número dado de clusters o grupos. Este agrupamiento se

Más detalles

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

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

Más detalles

Lean SEIS SIGMA Área Temática: Logística

Lean SEIS SIGMA Área Temática: Logística Proyecto fin de Master Hito 3 Ejercicio Nº 1 Lean SEIS SIGMA Área Temática: Logística www.formatoedu.com 1 Enunciado Lean Seis Sigma es una metodología eficaz para reducir sistemáticamente todas las deficiencias

Más detalles

1.1. Introducción y conceptos básicos

1.1. Introducción y conceptos básicos Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................

Más detalles

UNIVERSIDAD DEL SALVADOR PROGRAMA. UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria. DIVISIÓN / COMISIÓN: Primer Año

UNIVERSIDAD DEL SALVADOR PROGRAMA. UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria. DIVISIÓN / COMISIÓN: Primer Año UNIVERSIDAD DEL SALVADOR PROGRAMA UNIDAD ACADÉMICA: Campus San Roque González de Santa Cruz. CARRERA: Veterinaria DIVISIÓN / COMISIÓN: Primer Año TURNO: Único OBLIGACIÓN ACADÉMICA: ESTADÍSTICA Y DISEÑO

Más detalles

La decisión de producción del agente agropecuario: un enfoque financiero

La decisión de producción del agente agropecuario: un enfoque financiero Trabajo Final de Licenciatura en Economía La decisión de producción del agente agropecuario: un enfoque financiero Verónica Dávila 03-010196-2 Año: 2006 Agradezco especialmente la colaboración de: Dr.

Más detalles

Sector Agropecuario. IPEC Mayo 2014 PROVINCIA DE SANTA FE

Sector Agropecuario. IPEC Mayo 2014 PROVINCIA DE SANTA FE IPEC Mayo 2014 Sector Agropecuario PROVINCIA DE SANTA FE + INFO: Ministro de Economía Secretaría de Planificación y Política Económica www.santafe.gob.ar/ipec Mayo 2014 P. 02 Señor Gobernador de la Provincia

Más detalles

320514 - APTM - Análisis de Procesos Textiles y de Mercados

320514 - APTM - Análisis de Procesos Textiles y de Mercados Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2015 320 - EET - Escuela de Ingeniería de Terrassa 714 - ETP - Departamento de Ingeniería Textil y Papelera MÁSTER UNIVERSITARIO

Más detalles

ANÁLISIS DE ENCUESTAS

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

Más detalles

Las tabulaciones recomendadas se obtienen de la publicación "Programa Mundial del Censo Agropecuario 2010 " (WCA, por sus siglas en inglés) de la

Las tabulaciones recomendadas se obtienen de la publicación Programa Mundial del Censo Agropecuario 2010  (WCA, por sus siglas en inglés) de la Las tabulaciones recomendadas se obtienen de la publicación "Programa Mundial del Censo Agropecuario 2010 " (WCA, por sus siglas en inglés) de la FAO, y se recomienda la consulta de este documento para

Más detalles

MINERIA DE DATOS Y Descubrimiento del Conocimiento

MINERIA DE DATOS Y Descubrimiento del Conocimiento MINERIA DE DATOS Y Descubrimiento del Conocimiento UNA APLICACIÓN EN DATOS AGROPECUARIOS INTA EEA Corrientes Maximiliano Silva La información Herramienta estratégica para el desarrollo de: Sociedad de

Más detalles

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

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

Más detalles

6.3.4. 4 Etapa : Caracterización de la partición P 4 de los n individuos de la tabla T(22, 3)

6.3.4. 4 Etapa : Caracterización de la partición P 4 de los n individuos de la tabla T(22, 3) 6.3.4. 4 Etapa : Caracterización de la partición P 4 de los n individuos de la tabla T(22, 3) - Resultados y conclusiones Las tres variables contribuyen significativamente a caracterizar las clases de

Más detalles

Metodología ESPAC 2014

Metodología ESPAC 2014 Metodología ESPAC 2014 1 Metodología de la Encuesta de Superficie y Producción Agropecuaria Continua 2014 Dirección responsable de la información estadística y contenidos: DIRECCIÓN DE ESTADÍSTICAS AGROPECUARIAS

Más detalles

CLASIFICACIÓN NO SUPERVISADA CLASIFICACIÓN NO SUPERVISADA N. QUEIPO, S. PINTOS COPYRIGHT 2005 FUNDAMENTOS DE DATA MINING Y SUS APLICACIONES

CLASIFICACIÓN NO SUPERVISADA CLASIFICACIÓN NO SUPERVISADA N. QUEIPO, S. PINTOS COPYRIGHT 2005 FUNDAMENTOS DE DATA MINING Y SUS APLICACIONES DEFINICIÓN: AGRUPAR UN CONJUNTO DE n OBJETOS, DEFINIDOS POR p VARIABLES, EN c CLASES, DONDE EN CADA CLASE LOS ELEMENTOS POSEAN CARACTERÍSTICAS AFINES Y SEAN MÁS SIMILARES ENTRE SÍ QUE RESPECTO AELEMENTOS

Más detalles

El ritmo de expansión de las

El ritmo de expansión de las Colocaciones comerciales y ciclo económico El crecimiento de las colocaciones comerciales se ha desacelerado fuertemente en lo que va del año 014. La desaceleración ha sido particularmente fuerte en los

Más detalles

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

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

Más detalles

Capítulo 1. Minería de datos: Conceptos, técnicas y sistemas...

Capítulo 1. Minería de datos: Conceptos, técnicas y sistemas... , INDICE Introducción, ; XVII Capítulo 1. Minería de datos: Conceptos, técnicas y sistemas... Aproximación al concepto de minería de datos... El proceso de extracción del conocimiento... Técnicas de minería

Más detalles

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

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

Más detalles

PRESENTACIÓN GRÁFICA DE LOS DATOS

PRESENTACIÓN GRÁFICA DE LOS DATOS PRESENTACIÓN GRÁFICA DE LOS DATOS Una imagen dice más que mil palabras, esta frase explica la importancia de presentar los datos en forma gráfica. Existe una gran variedad de gráficos y la selección apropiada

Más detalles

CLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN)

CLUSTERING MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) CLASIFICACIÓN NO SUPERVISADA CLUSTERING Y MAPAS AUTOORGANIZATIVOS (KOHONEN) (RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN) info@clustering.50webs.com Indice INTRODUCCIÓN 3 RESUMEN DEL CONTENIDO 3 APRENDIZAJE

Más detalles

Informe sobre el Cálculo de Errores de Muestreo. Encuesta de la Sociedad de la Información (ESI- Empresas)

Informe sobre el Cálculo de Errores de Muestreo. Encuesta de la Sociedad de la Información (ESI- Empresas) Informe sobre el Cálculo de Errores de Muestreo Encuesta de la Sociedad de la Información (ESI- Empresas) EUSKAL ESTATISTIKA ERAKUNDA INDICE 1. Introducción...3 2. Método de expansión de Taylor...3 3.

Más detalles

Análisis del riesgo crediticio bancario en la economía cubana

Análisis del riesgo crediticio bancario en la economía cubana Análisis del riesgo crediticio bancario en la economía cubana Resumen Zulma María Ledesma Martínez Inocencio Raúl Sánchez Machado * En este trabajo se presenta un estudio bibliográfico con el objetivo

Más detalles

ANÁLISIS DE LA PEQUEÑA Y MEDIANA EMPRESA DEL SECTOR DE ALIMENTACIÓN DE LA COMUNIDAD DE MADRID

ANÁLISIS DE LA PEQUEÑA Y MEDIANA EMPRESA DEL SECTOR DE ALIMENTACIÓN DE LA COMUNIDAD DE MADRID FUNDACIÓN UNIVERSIDAD CARLOS III ANÁLISIS DE LA PEQUEÑA Y MEDIANA EMPRESA DEL SECTOR DE ALIMENTACIÓN DE LA COMUNIDAD DE MADRID AÑO 2001 Madrid, Noviembre 2003 ÍNDICE INTRODUCCIÓN... 1 PRIMERA PARTE: ANÁLISIS

Más detalles

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

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

Más detalles

PRESENTACIÓN DE LOS MÉTODOS DE CLASIFICACIÓN. Eduardo CRIVISQUI

PRESENTACIÓN DE LOS MÉTODOS DE CLASIFICACIÓN. Eduardo CRIVISQUI PRESENTACIÓN DE LOS MÉTODOS DE CLASIFICACIÓN Eduardo CRIVISQUI ADVERTENCIA SÓLO EL CONOCIMIENTO DE LAS PROPIEDADES LÓGICAS DE LOS MÉTODOS ESTADÍSTICOS PERMITE EVITAR EL EMPLEO «A CIEGAS» DE LOS MISMOS.

Más detalles

INTRODUCCIÓN AL DISEÑO DE UNA ENCUESTA.

INTRODUCCIÓN AL DISEÑO DE UNA ENCUESTA. INTRODUCCIÓN AL DISEÑO DE UNA ENCUESTA. Introducción Muchos problemas de investigación requieren la recolección de datos muestrales, los cuales pueden obtenerse mediante el uso de encuestas. La finalidad

Más detalles

Clase 2: Estadística

Clase 2: Estadística Clase 2: Estadística Los datos Todo conjunto de datos tiene al menos dos características principales: CENTRO Y DISPERSIÓN Los gráficos de barra, histogramas, de puntos, entre otros, nos dan cierta idea

Más detalles

ÍNDICE AGRADECIMIENTOS... INTRODUCCIÓN... PARTE I MARCO TEÓRICO PARA EL ESTUDIO DEL GOBIERNO ELECTRÓNICO EN LAS DEMOCRACIAS OCCIDENTALES

ÍNDICE AGRADECIMIENTOS... INTRODUCCIÓN... PARTE I MARCO TEÓRICO PARA EL ESTUDIO DEL GOBIERNO ELECTRÓNICO EN LAS DEMOCRACIAS OCCIDENTALES ÍNDICE Páginas AGRADECIMIENTOS.............................................. INTRODUCCIÓN.................................................. 11 13 PARTE I MARCO TEÓRICO PARA EL ESTUDIO DEL GOBIERNO ELECTRÓNICO

Más detalles

ENERO 2015 Informe laboral de la Encuesta Pemanente de Hogares

ENERO 2015 Informe laboral de la Encuesta Pemanente de Hogares ENERO 2015 Informe laboral de la Encuesta Pemanente de Hogares Gran Rosario, Gran Santa Fe y San Nicolás/Villa Constitución Tercer Trimestre de 2014 SEGUNDA PARTE (2/2) Milo Lockett + INFO: Ministro de

Más detalles

En el contexto de las estadísticas del Sector

En el contexto de las estadísticas del Sector TEMA DE PORTADA OCTUBRE 04 9 Las estadísticas del INE sobre empresas y estudios Mª Antonia Vigara Hernández, Mª Dolores Rebollo Rivelott y Rafaela Mayo Moreno Subdirección General de Estadísticas Industriales

Más detalles

Clase 2: Estadística

Clase 2: Estadística Clase 2: Estadística Los datos Todo conjunto de datos tiene al menos dos características principales: CENTRO Y DISPERSIÓN Los gráficos de barra, histogramas, de puntos, entre otros, nos dan cierta idea

Más detalles

DYANE Versión 4 Diseño y Análisis de Encuestas

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

Más detalles

Curso de posgrado ESTADÍSTICA HIDROLÓGICA PARA LA GESTIÓN DE CUENCAS

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

Más detalles

Apoyo a Agricultores para Eliminar el Uso de Pesticidas

Apoyo a Agricultores para Eliminar el Uso de Pesticidas Apoyo a Agricultores para Eliminar el Uso de Pesticidas Sarmiento, Claudio; Cabrera, Flavia; Baldin, Sabrina; Primo, Carla Ruta 36 Km 601, Cátedra de Introducción a la Agronomía, FAV, Universidad Nacional

Más detalles

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas

INDICE Prefacio 1 Introducción 2 Organizaciones de los datos para que transmitan un significado: tablas y graficas INDICE Prefacio 1 Introducción 1-1 Preámbulo 1-2 Reseña histórica 1-3 Subdivisiones de la estadística 1-4 Estrategia, suposiciones y enfoque 2 Organizaciones de los datos para que transmitan un significado:

Más detalles

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

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

Más detalles

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

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

Más detalles

Análisis Exploratorio: ACP interpretación de resultados

Análisis Exploratorio: ACP interpretación de resultados Especialidad: Educación Estadística Estadística Aplicada XXIX Jornadas de la Asociación de Matemática de Facultades de Ciencias Económicas y Afines Facultad de Ciencias Económicas y Jurídicas - Universidad

Más detalles

Las 7 Herramientas Fundamentales de la Calidad

Las 7 Herramientas Fundamentales de la Calidad Las 7 Herramientas Fundamentales de la Calidad Se utilizarán los métodos estadísticos elementales, dado que está dirigido a todos los funcionarios, desde la alta dirección hasta los operarios de base (Ej:

Más detalles

MODELAMIENTO DE LA DEMANDA DE ENERGÍA ELÉCTRICA EN EDIFICIO DE OFICINAS ELECTRIC DEMAND MODELING IN BUILDINGS OFFICES

MODELAMIENTO DE LA DEMANDA DE ENERGÍA ELÉCTRICA EN EDIFICIO DE OFICINAS ELECTRIC DEMAND MODELING IN BUILDINGS OFFICES MODELAMIENTO DE LA DEMANDA DE ENERGÍA ELÉCTRICA EN EDIFICIO DE OFICINAS ELECTRIC DEMAND MODELING IN BUILDINGS OFFICES Nelson Aros Universidad de La Frontera, Departamento de Ingeniería Eléctrica Luzmarina

Más detalles

Estudio de la Empresa Agrícola. Métodos de estudio. Estudio de caso

Estudio de la Empresa Agrícola. Métodos de estudio. Estudio de caso CÁTEDRA DE ADMINISTRACIÓN DE EMPRESAS AGRÍCOLAS TEMA Estudio de la Empresa Agrícola Métodos de estudio Estudio de caso Bibliografía a consultar: GUERRA, Guillermo. 1998. Manual de Empresas Agropecuarias.

Más detalles

ESTUDIO ADMINISTRATIVO

ESTUDIO ADMINISTRATIVO ESTUDIO ADMINISTRATIVO ORGANIZACIÓN ADMINISTRATIVA Coordinación racional de las actividades de un cierto número de personas que intentan conseguir un objetivo común y explícito mediante la división de

Más detalles

ESTADÍSTICA SEMANA 4

ESTADÍSTICA SEMANA 4 ESTADÍSTICA SEMANA 4 ÍNDICE MEDIDAS DE DISPERSIÓN... 3 APRENDIZAJES ESPERADOS... 3 DEfinición de Medida de dispersión... 3 Rango o Recorrido... 3 Varianza Muestral (S 2 )... 3 CÁLCULO DE LA VARIANZA...

Más detalles

PRESENTACIÓN, DISCUSIÓN Y ANALISIS DE LOS RESULTADOS

PRESENTACIÓN, DISCUSIÓN Y ANALISIS DE LOS RESULTADOS UNIVERSIDAD DE LOS ANDES FACULTAD DE ODONTOLOGIA MERIDA EDO. MERIDA PRESENTACIÓN, DISCUSIÓN Y ANALISIS DE LOS RESULTADOS Mérida, Febrero 2010. Integrantes: Maria A. Lanzellotti L. Daniela Paz U. Mariana

Más detalles

INFORME DE RESULTADO. "Atlas de mortalidad por cáncer gástrico" PROYECTO FONIS SA05I20030: Atlas de mortalidad por Cáncer.

INFORME DE RESULTADO. Atlas de mortalidad por cáncer gástrico PROYECTO FONIS SA05I20030: Atlas de mortalidad por Cáncer. INFORME DE RESULTADO "Atlas de mortalidad por cáncer gástrico" PROYECTO FONIS SA5I3: Atlas de mortalidad por Cáncer. Chile 1997-3 SA5I3 1 AÑO 6 NÚMERO PROYECTO DURACIÓN AÑO DE EJECUCIÓN M. GLORIA ICAZA

Más detalles

TEMA 3: TRATAMIENTO DE DATOS EN MS. EXCEL (I)

TEMA 3: TRATAMIENTO DE DATOS EN MS. EXCEL (I) VARIABLES Variable: característica de cada sujeto (cada caso) de una base de datos. Se denomina variable precisamente porque varía de sujeto a sujeto. Cada sujeto tiene un valor para cada variable. El

Más detalles

PREPARADO POR: FECHA DE EMISIÓN: 20-05-05 FECHA DE VALIDACIÓN: 20-05-05

PREPARADO POR: FECHA DE EMISIÓN: 20-05-05 FECHA DE VALIDACIÓN: 20-05-05 3. MONITORÍA Y EVALUACIÓN DE LA GESTIÓN SS-UPEG-3 PREPARADO POR: EQUIPO CONSULTOR FECHA DE EMISIÓN: 20-05-05 FECHA DE VALIDACIÓN: 20-05-05 VERSIÓN Nº: 1 Secretaría de Salud de Honduras - 2005 PÁGINA 2

Más detalles

MINISTERIO DE EDUCACIÓN DIVISIÓN DE PLANIFICACIÓN Y PRESUPUESTO NOTA TÉCNICA MATRIZ DE MARCO LÓGICO

MINISTERIO DE EDUCACIÓN DIVISIÓN DE PLANIFICACIÓN Y PRESUPUESTO NOTA TÉCNICA MATRIZ DE MARCO LÓGICO MINISTERIO DE EDUCACIÓN DIVISIÓN DE PLANIFICACIÓN Y PRESUPUESTO NOTA TÉCNICA MATRIZ DE MARCO LÓGICO Departamento de Estudios y Estadísticas Enero 2001 MATRIZ DE MARCO LÓGICO 1 1. Introducción El método

Más detalles

Análisis Cluster. Un ejemplo aplicado a la identificación de perfiles de consumidores.

Análisis Cluster. Un ejemplo aplicado a la identificación de perfiles de consumidores. Facultad de Economía y Empresa Trabajo de Fin de Grado Análisis Cluster. Un ejemplo aplicado a la identificación de perfiles de consumidores. Jessica Martínez Bouza Tutor: Prof. Dr. Xosé Manuel Martínez

Más detalles

Covarianza y coeficiente de correlación

Covarianza y coeficiente de correlación Covarianza y coeficiente de correlación Cuando analizábamos las variables unidimensionales considerábamos, entre otras medidas importantes, la media y la varianza. Ahora hemos visto que estas medidas también

Más detalles

CORRELACIONES CON SPSS

CORRELACIONES CON SPSS ESCUEL SUPERIOR DE INFORMÁTIC Prácticas de Estadística CORRELCIONES CON SPSS 1.- INTRODUCCIÓN El concepto de relación o correlación entre dos variables se refiere al grado de parecido o variación conjunta

Más detalles

A continuación se presenta la Metodología empleada en la realización de cada una de las operaciones estadísticas mencionadas anteriormente:

A continuación se presenta la Metodología empleada en la realización de cada una de las operaciones estadísticas mencionadas anteriormente: Estadísticas ganaderas (Directorios y Encuestas) Introducción La elaboración y publicación de las Estadísticas Ganaderas, es responsabilidad del Ministerio de Agricultura, Alimentación y Medio Ambiente,

Más detalles

Curso: Estadísticas.

Curso: Estadísticas. Curso: Estadísticas. 1 1 La estadística es una herramienta indispensable para todas las disciplinas del conocimiento universal. La estadística es una colección de información numérica, que se refiere a

Más detalles

Tema 5. Reconocimiento de patrones

Tema 5. Reconocimiento de patrones Tema 5. Reconocimiento de patrones Introducción al reconocimiento de patrones y a la clasificación de formas Un modelo de general de clasificador Características discriminantes Tipos de clasificación Clasificadores

Más detalles

Text Mining Introducción a Minería de Datos

Text Mining Introducción a Minería de Datos Text Mining Facultad de Matemática, Astronomía y Física UNC, Córdoba (Argentina) http://www.cs.famaf.unc.edu.ar/~laura SADIO 12 de Marzo de 2008 qué es la minería de datos? A technique using software tools

Más detalles

Creación de tarifas para seguros en Colombia

Creación de tarifas para seguros en Colombia Creación de tarifas para seguros en Colombia Esther Fernández Sanz 1. Objetivos Una empresa aseguradora internacional tiene el proyecto de abrir sedes en Colombia. A raíz de la alta criminalidad en zonas

Más detalles

Introducción al Diseño de Experimentos

Introducción al Diseño de Experimentos Introducción al Diseño de Experimentos Introducción Los modelos de diseño de experimentos son modelos estadísticos clásicos cuyo objetivo es averiguar si unos determinados factores influyen en una variable

Más detalles

Indicadores de Riesgo Bancario determinados mediante el Modelado con Ecuaciones Estructurales

Indicadores de Riesgo Bancario determinados mediante el Modelado con Ecuaciones Estructurales Colección Economía y Finanzas BANCO CENTRAL DE VENEZUELA Indicadores de Riesgo Bancario determinados mediante el Modelado con Ecuaciones Estructurales Zuleima A. Durán M. Giampaolo Orlandoni Serie Documentos

Más detalles

1. Gestionar el ciclo de vida de las solicitudes de servicio que se reciben de los usuarios de los servicios de TIC.

1. Gestionar el ciclo de vida de las solicitudes de servicio que se reciben de los usuarios de los servicios de TIC. 5.9 OPERACIÓN DE SERVICIOS 5.9.1 Operación de la mesa de servicios 5.9.1.1 Objetivos del proceso General: Establecer y operar un punto único de contacto para que los usuarios de los servicios hagan llegar

Más detalles

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

TRATAMIENTO DE BASES DE DATOS CON INFORMACIÓN FALTANTE SEGÚN ANÁLISIS DE LAS PÉRDIDAS CON SPSS Badler, Clara E. Alsina, Sara M. 1 Puigsubirá, Cristina B. 1 Vitelleschi, María S. 1 Instituto de Investigaciones Teóricas y Aplicadas de la Escuela de Estadística (IITAE) TRATAMIENTO DE BASES DE DATOS

Más detalles

HERRAMIENTAS DE LA CALIDAD

HERRAMIENTAS DE LA CALIDAD HERRAMIENTAS DE LA CALIDAD Ayudan en la medición, análisis e implementación de mejoramientos. Para mejorar Las principales herramientas de la calidad se agrupan en dos categorías: las siete herramientas

Más detalles

Métodos y Diseños utilizados en Psicología

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

Más detalles

Socioestadística I Análisis estadístico en Sociología

Socioestadística I Análisis estadístico en Sociología Análisis estadístico en Sociología 1. INTRODUCCIÓN. Definición e historia. 1.1. Que es la Sociestadística?. La estadística es la ciencias de las regularidades que se observan en conjuntos de fenómenos

Más detalles

Estadística. Conceptos de Estadística. Un individuo o unidad estadística es cada uno de los elementos que componen la población.

Estadística. Conceptos de Estadística. Un individuo o unidad estadística es cada uno de los elementos que componen la población. Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico consta

Más detalles

Introducción al Data Mining Clases 5. Cluster Analysis. Ricardo Fraiman Centro de Matemática, Udelar y Universidad de San Andrés, Argentina

Introducción al Data Mining Clases 5. Cluster Analysis. Ricardo Fraiman Centro de Matemática, Udelar y Universidad de San Andrés, Argentina Introducción al Data Mining Clases 5 Cluster Analysis Ricardo Fraiman Centro de Matemática, Udelar y Universidad de San Andrés, Argentina Cluster Análisis 1 El término cluster analysis (usado por primera

Más detalles

TEMA 4: Introducción al Control Estadístico de Procesos

TEMA 4: Introducción al Control Estadístico de Procesos TEMA 4: Introducción al Control Estadístico de Procesos 1 Introducción 2 Base estadística del diagrama de control 3 Muestreo y agrupación de datos 4 Análisis de patrones en diagramas de control 1. Introducción

Más detalles

Este documento describe el proceso completo a seguir para analizar la existencia de una relación lógica entre dos variables. www.fundibeq.

Este documento describe el proceso completo a seguir para analizar la existencia de una relación lógica entre dos variables. www.fundibeq. DIAGRAMA DE DISPERSIÓN 1.- INTRODUCCIÓN Este documento describe el proceso completo a seguir para analizar la existencia de una relación lógica entre dos variables. Describe la construcción de los Diagramas

Más detalles

Introducción. Estadística 1. 1. Introducción

Introducción. Estadística 1. 1. Introducción 1 1. Introducción Introducción En este tema trataremos de los conceptos básicos de la estadística, también aprenderemos a realizar las representaciones gráficas y a analizarlas. La estadística estudia

Más detalles

17 de Agosto de 2013 HERRAMIENTAS DE CALIDAD TOTAL

17 de Agosto de 2013 HERRAMIENTAS DE CALIDAD TOTAL HERRAMIENTAS DE CALIDAD TOTAL 1 Daniel Dingler Paredes. Licenciatura en Administración. Calidad Total. Descripción de Herramientas de calidad total. Calidad Total significa Mejora continua. Ofrecer el

Más detalles

Empalme por Interpolación Estructural de las series de los principales cultivos estimados por la Encuesta de Superficie y Producción Agropecuaria

Empalme por Interpolación Estructural de las series de los principales cultivos estimados por la Encuesta de Superficie y Producción Agropecuaria Empalme por Interpolación Estructural de las series de los principales cultivos estimados por la Encuesta de Superficie y Producción Agropecuaria Continua 2002 2014 1 Empalme por Interpolación Estructural

Más detalles

Máster en Economía y Organización de empresas

Máster en Economía y Organización de empresas Máster en Economía y Organización de empresas Módulo III: Competencias para la preparación de trabajo fin de Máster Dr. Eulogio Cordón Pozo Índice de contenidos!! Introducción: metodología de la investigación!

Más detalles

RED CONTABLE AGRARIA NACIONAL

RED CONTABLE AGRARIA NACIONAL RED CONTABLE AGRARIA NACIONAL Notas Explicativas ÍNDICE 1. ANTECEDENTES.... 2 2. OBJETIVO... 2 3. CARACTERÍSTICAS.... 2 3.1. Población de referencia. Población objeto de estudio. Estratificación.... 2

Más detalles

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS

ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se

Más detalles

REVISTA INVESTIGACIÓN OPERACIONAL Vol. 26, No. 1, 2005

REVISTA INVESTIGACIÓN OPERACIONAL Vol. 26, No. 1, 2005 REVISTA INVESTIGACIÓN OPERACIONAL Vol. 26, No. 1, 2005 CARACTERIZACIÓN DEL CONSUMO DE ENERGÍA ELÉCTRICA EN FUNCIÓN DEL TIEMPO: UN ENFOQUE MULTIVARIADO * Lydia Lera, ICIMAF, CITMA. INTA, Universidad de

Más detalles

Parte 6: Definición de las variables y recolección de datos

Parte 6: Definición de las variables y recolección de datos Metodología de la investigación Curso 2008 Parte 6: Definición de las variables y recolección de datos Los ejemplos han sido tomados en su mayoría de la bibliografía recomendada para el curso Definición

Más detalles

EL PROCESO DE INVESTIGACIÓN. UN EJEMPLO

EL PROCESO DE INVESTIGACIÓN. UN EJEMPLO CAPÍTULO 6 EL PROCESO DE INVESTIGACIÓN. UN EJEMPLO ENRIQUE CASTRO ENCARNACIÓN CASTRO ecastro@ugr.es encastro@platon.ugr.es Universidad de Granada La realización de una investigación conlleva recorrer una

Más detalles

Carmelo García Pérez Departamento de Estadística, Estructura Económica y Organización Económica Internacional. Universidad de Alcalá

Carmelo García Pérez Departamento de Estadística, Estructura Económica y Organización Económica Internacional. Universidad de Alcalá SITUACIÓN Y EVOLUCIÓN ECONÓMICA DE LA PROVINCIA DE GUADALAJARA. ALGUNAS CONSIDERACIONES SOBRE SUS RASGOS DIFERENCIALES CON RESPECTO A LA COMUNIDAD DE CASTILLA-LA MANCHA. Carmelo García Pérez Departamento

Más detalles

ESCALAS DE MEDICIÓN ...

ESCALAS DE MEDICIÓN ... ESCALAS DE MEDICIÓN... Como la estadística analiza los datos y éstos son el resultado de las mediciones, necesitamos ocupar cierto tiempo para estudiar las escalas de medición. Este tema es de suma importancia,

Más detalles

Anexo 4. Herramientas Estadísticas

Anexo 4. Herramientas Estadísticas Anexo 4 Herramientas Estadísticas La estadística descriptiva es utilizada como una herramienta para describir y analizar las características de un conjunto de datos, así como las relaciones que existen

Más detalles