Los modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma:
|
|
- César Márquez Villalba
- hace 8 años
- Vistas:
Transcripción
1 Ignacio Martín Tamayo 25 Tema: ANÁLISIS DE VARIANZA CON SPSS 8.0 ÍNDICE Modelos de ANOVA 2. ANOVA unifactorial entregrupos 3. ANOVA multifactorial entregrupos 4. ANOVA con medidas repetidas Modelos de ANOVA La técnica del Análisis de la Varianza (ANOVA o AVAR) es una de las técnicas más utilizadas en los análisis de los datos de los diseños experimentales. Se utiliza cuando queremos contrastar más de dos medias, por lo que puede verse como una extensión de la prueba t para diferencias de dos medias. El ANOVA es un método muy flexible que permite construir modelos estadísticos para el análisis de los datos experimentales cuyo valor ha sido constatado en muy diversas circunstancias. Básicamente es un procedimiento que permite dividir la varianza de la variable dependiente en dos o más componentes, cada uno de los cuales puede ser atribuido a una fuente (variable o factor) identificable. Los modelos que permite construir el ANOVA pueden ser reducidos a la siguiente forma: (Valor observado) = (efectos atribuibles) + (efectos no atribuibles o residuales) El valor observado se refiere al que se obtiene en la variable cuantitativa dependiente. Los efectos atribuibles son parámetros o variables aleatorias que son el resultado de cambios en los factores o variables independientes y, por tanto, atribuibles a ellos. Aquellos efectos no atribuibles a ningún factor controlado se denominan efectos residuales o variables aleatorias residuales. El ANOVA está basado en ciertos supuestos, unos más plausibles que otros, acerca de dichas variables aleatorias. Es evidente que cuantos más factores introduzcamos menos cantidad de variación residual (error) quedará por explicar. Pero siempre quedará alguna variación residual. Los supuestos en los que está basado respecto a la variación residual se resumen en los siguientes: 1. El valor esperado de cada variable aleatoria residual es cero. Esto significa que toda la variación de los valores esperados es debida a los parámetros (y/o variables aleatorias) que representan efectos atribuibles. En la mayor parte de las situaciones este supuesto no es incorrecto. 2. Las variables aleatorias residuales son mutuamente independientes. Significa que entre las observaciones no existe nexo alguno que no sea explicado por los factores controlados. El supuesto no es tan claramente correcto como el primero, pero se puede mantener razonablemente si los individuos se eligen al azar y la medición se hace separadamente para cada uno. 3. Todas las variables aleatorias residuales tienen la misma desviación típica. Es el llamado supuesto de homoscedasticidad o de igualdad de varianzas. Es el menos viable, pues los métodos de medida producen variaciones de diferente magnitud y sabemos que los valores esperados están relacionados con las desviaciones típicas. Hay distintos métodos para conseguir que tal supuesto sea satisfecho: número igual de sujetos en los tratamientos, transformación de las observaciones originales, etc. 4. Toda variable aleatoria residual se distribuye normalmente. Es probablemente, el menos válido de los cuatro. Sin embargo, se puede tolerar cierto alejamiento de la normalidad con mínimo efecto práctico sobre las propiedades del ANOVA. Los modelos del ANOVA son muchos y no vamos a desarrollarlos todos. Los que veremos son, quizá, los más representativos, pero no sirven para todas las situaciones. Tres son los criterios que vamos a utilizar para clasificar los modelos: número de factores, muestreo de niveles y tipo de aleatorización. a) Número de factores: Aquellos experimentos que utilizan una sola variable independiente o factor y una variable dependiente se analizan mediante varianza llamado de un factor, de clasificación simple, unidireccional o de una vía (one way). Se trata de comparar grupos o muestras que difieren sistemáticamente en un solo factor.
2 Ignacio Martín Tamayo 26 Si varios grupos o muestras se asignan a diferentes combinaciones de dos factores, el ANOVA correspondiente es llamado de dos factores, de clasificación doble, bidireccional o de dos vías (two way). Se trata de comparar grupos o muestras que difieren sistemáticamente en dos factores. Y así sucesivamente. b) Muestreo de niveles: Como sabemos, el factor es la variable independiente o experimental controlada por el investigador. Puede tomar pocos o muchos valores o niveles, a cada uno de los cuales se asignan los grupos o muestras. Si se toman K niveles del factor, a cada uno se asignan las muestras y las inferencias se refieren exclusivamente a los K niveles y no a otros que podrían haber sido incluidos, el ANOVA se llama de efectos fijos, sistemático o paramétrico. El interés del diseño se centra en saber si esos niveles concretos difieren entre sí. Cuando los niveles son muchos y se seleccionan al azar K niveles, pero las inferencias se desean hacer respecto al total de niveles, el análisis de varianza se denomina de efectos aleatorios. La idea básica es que el investigador no tiene interés en niveles particulares del factor. Cuando se utilizan dos factores, cada uno con varios niveles, uno de efectos fijos y otro de efectos aleatorios, el análisis de varianza es mixto. Los dos criterios de clasificación vistos hasta el momento obviamente se verán reflejados en el modelo general del análisis de varianza. Cuando los factores sean de efectos fijos aparecerán en la fórmula como parámetros (con letras griegas), cuando los factores sean de efectos aleatorios, aparecerán como variables aleatorias (con letras mayúsculas latinas). Así: a) Y jj = µ + α i + E ij b) Y jj = µ + A i + E ij e) Y ijk =µ + α i + β j + E ij d) Y ijk =µ + α i + B j + E ij, etc. El a) es un ANOVA de un factor, efectos fijos; el b) es un ANOVA de un factor, efectos aleatorios; el c) es un ANOVA de dos factores, efectos fijos; el d) es un ANOVA de dos factores, en el que el factor A es fijo y el factor B aleatorio; es, por tanto, un modelo mixto; µ es una constante y + E ij es la variable aleatoria residual o error. c) Tipo de aleatorización: Sabemos que la aleatorización es el procedimiento por el cual las unidades experimentales (en general, los sujetos) se asignan al azar a los niveles del factor o tratamientos, de modo que todas ellas tengan la misma probabilidad de recibir un tratamiento o nivel determinado. Esta aleatorización se puede llevar a cabo en el total de las observaciones o por bloques. Ello dará origen a dos tipos distintos de diseño experimental: completamente aleatorizado (CA) o aleatorizado en bloques (BA). Cuando una variable extraña se utiliza para dividir a los sujetos en subgrupos o bloques se denomina variable de bloqueo. El objetivo es eliminar su efecto. Diseños más complejos pueden utilizar más de una variable de bloqueo. El bloqueo llevado a sus extremos puede ser aquel en el que un bloque son medidas de un único sujeto. Es decir, sólo un sujeto recibe todos los tratamientos, de modo que se eliminará mayor número de variables exógenas o extrañas. Este tipo de diseño se suele llamar de medidas repetidas o intrasujetos. 2.- ANOVA unifactorial entregrupos El procedimiento ANOVA de un factor de SPSS genera un Análisis de la Varianza de un factor para una variable dependiente cuantitativa respecto a una única variable de factor (la variable independiente) de efectos fijos y completamente aleatorizado. Se utiliza para contrastar la hipótesis de si las medias calculadas en varios grupos son iguales o diferentes. Además de determinar que existen diferencias entre las medias, es posible que desee saber qué medias difieren. Existen dos tipos de contrastes para comparar medias: los contrastes a priori y las pruebas post hoc. Los contrastes a priori se plantean antes de ejecutar el experimento y las pruebas post hoc se realizan después de haber llevado a cabo el experimento. También pueden contrastarse las tendencias existentes a través de las categorías. Para obtener el ANOVA de un factor debe elegir en la barra de menús Estadística y posteriormente el procedimiento Comparar medias y dentro de este ANOVA de un factor. Cuando seleccione este procedimiento le aparecerá en pantalla la siguiente ventana.
3 Ignacio Martín Tamayo 27 Por ejemplo, si quisiéramos saber si tres métodos de enseñanza distintos influyen sobre el rendimiento académico de tres grupos distintos de sujetos podríamos realizar un ANOVA unifactorial entregrupos o completamente aleatorizado de efectos fijos usando como Variable Dependiente el Rendimiento y como factor el método (nota: hay que incluir el factor método como variable entera y no de cadena al definir las variables). En este caso obtendríamos una salida como esta: ANOVA RENDIMIENTO Suma de cuadrados gl Media cuadrática F Sig. Inter-grupos 45, ,902 7,245,003 Intra-grupos 85, ,161 Total 131, El procedimiento permite establecer contrastes a priori en el botón Contrastes. En esta opción se pueden dividir las sumas de cuadrados en componentes de tendencia o bien especificar contrastes a priori que estén implícitos en las hipótesis planteadas por el investigador previo a los análisis. Para realizarlos debe introducir un coeficiente para cada grupo de la variable factor y pulsar Añadir después de cada entrada. El orden de entrada es importante porque se corresponde con el orden ascendente de los valores de las categorías de la variable factor. Por ejemplo si deseáramos contrastar el método 1 frente al 2 y el 3 deberíamos introducir los coeficientes en este orden 1, 0.5 y 0.5. Para la mayoría de las aplicaciones la suma de los coeficientes deberá ser cero. El botón Post hoc permite realizar contrastes a posteriori para determinar que medias difieren si el análisis ha salido significativo. Se pueden elegir entre distintos estadísticos para realizar los contrastes. El botón Opciones permite seleccionar estadísticos descriptivos, prueba de homogeneidad de varianzas, gráfico para las medias y permite controlar el tratamiento de valores perdidos ANOVA multifactorial entregrupos Si deseamos realizar una ANOVA unifactorial entregrupos del tipo anterior o otro tipo o ANOVAs de dos o más factores entregrupos el procedimiento indicado por el programa SPSS es en el menú Estadística la opción Modelo lineal general y dentro de esta MLG Factorial general. El procedimiento MLG (Modelo Lineal General) Factorial general proporciona un análisis de regresión y un ANOVA para una variable dependiente mediante uno o más factores o variables que dividen la población en grupos. Con este procedimiento se pueden contrastar hipótesis nulas sobre los efectos de otras variables en las medias de varias agrupaciones de una única variable dependiente. Se pueden investigar las interacciones entre los factores así como los efectos de los factores individuales, algunos de los cuales pueden ser de efectos aleatorios. Además, aunque no es de nuestro interés en este tema, se pueden incluir los efectos de covariables y las interacciones de covariables con los factores. Para el análisis de regresión, las variables independientes (predictoras) se especifican como covariables. Es posible contrastar modelos equilibrados (si todas las casillas del modelo contienen igual número de casos) y no equilibrados. También permite estimar los parámetros del modelo. Además, se encuentran disponibles contrastes a priori y a posteriori.
4 Ignacio Martín Tamayo 28 Supongamos que un investigador está interesado en conocer el efecto que tiene la intensidad luminosa de un estímulo y el color sobre el tiempo de reacción. Para ello, eligió seis grupos de cinco sujetos asignados aleatoriamente a los que presentó diez estímulos. A cada grupo le presentó los estímulos con un color diferente (verde y azul) y con un nivel de intensidad distinto (baja, media y alta) y calculó el tiempo de reacción medio en los diez estímulos presentados a cada sujeto. Tiene efecto el color y la intensidad de presentación en el tiempo de reacción? Lo se debería realizar para responder a esta pregunta es un ANOVA con dos factores de efectos fijos y completamente aleatorizado. Si utilizaramos el SPSS la ventana que aparecería tras introducir los datos y elegir en el menú Estadística y la opción Modelo lineal general y posteriormente MLG Factorial general será: Si situamos la variable tiempo de reacción en la cuadro dependiente y las variables color e intensidad en el cuadro Factores fijos la salida que proporciona el programa es la siguiente: Pruebas de los efectos inter-sujetos Variable dependiente: TR Fuente Suma de cuadrados gl Media F Sig. tipo III cuadrática Modelo corregido 2062, ,433 9,887,000 Intersección 37949, , ,700,000 INTENSID 2054, ,433 24,629,000 COLOR 4, ,033,097,759 INTENSID * COLOR 3, ,633,039,962 Error 1001, ,717 Total 41013, Total corregido 3063, R cuadrado =,673 (R cuadrado corregido =,605) La tabla que proporciona la salida contiene en las filas los componentes del modelo que contribuyen a la variación de la variable dependiente. La filas denominadas Modelo corregido e intersección contienen los valores para el modelo de regresión. Las columnas INTENSID y COLOR son los efectos principales del modelo e INTENSID * COLOR es la interacción entre los dos factores y el Error hace referencia al término error del ANOVA. En estas filas debemos observar la suma de cuadrados, los grados de libertad, la media cuadrática, el valor del estadístico de contraste F y la significación del contraste (para considerar un contraste significativo la probabilidad debe ser menor de 0.05 o de 0.01). En este caso sólo la variable Intensidad ha tenido efecto sobre la variable dependiente Tiempo de reacción.
5 Ignacio Martín Tamayo 29 Además, el procedimiento MLG Factorial general permite trabajar con una serie de opciones que pueden seleccionarse pulsando los botones que aparen en la ventana principal de este procedimiento. Las posibilidades principales son: a) Modelo: permite especificar el modelo de ANOVA. Por defecto se entiende que el modelo es Factorial completo que contiene todos los efectos principales y de interacción. Si desea puede realizar un modelo personalizado (por ejemplo, si tiene una variable de bloqueo no incluirá la interacción de esta variable con las demás variables de tratamiento). Si selecciona la opción personalizado debe especificar los efectos principales e interacciones que desee incluir en el modelo. En esta ventana también puede seleccionar el tipo de suma de cuadrados (Tipo I, II, III y IV). Esta opción determina el método para calcular las sumas de cuadrados. Para los modelos equilibrados y no equilibrados, el método más utilizado es el Tipo III, que es el que se incluye por defecto. b) Contrastes: se utiliza para contrastar las diferencias entre los niveles de un factor. Puede especificarse un contraste para cada factor del modelo. Los contrastes disponibles son: desviación (compara la media de cada nivel con la media global de todos los niveles), simple (compara la media de cada nivel con la media de un nivel especificado), diferencia (Compra la media de cada nivel con la media de los niveles anteriores), Helmert (compara la media de cada nivel con los niveles siguientes), Repetido (compara la media de cada nivel con la media del nivel siguiente) y polinómico (compara el efecto lineal, cuadrático, cúbico, etc. c) Gráficos: Permite realizar gráficos de perfil que sirven para comparar las medias marginales del modelo. d) Post hoc: Una vez que se ha determinado que hay diferencias entre las medias, las pruebas de rango post hoc y las comparaciones pueden determinar qué medias difieren. Se realizan las comparaciones para aquellos efectos significativos con la opción de asumir o no igualdad de varianzas. e) Guardar: La opción guardar permite guardar los valores pronosticados por el modelo, los residuos y las medias relacionadas como variables nuevas en el editor de datos Muchas de estas variables se pueden utilizar para examinar supuestos sobre los datos. f) Opciones: Este cuadro de diálogo contiene estadísticos opcionales. Los estadísticos se calculan utilizando un modelo de efectos fijos. 4.- ANOVA con medidas repetidas Este procedimiento debe utilizarse cuando tenemos al menos una variable manipulada intrasujetos, es decir, cuando todos los sujetos reciben o pasan por todos los niveles de esa variable independiente. Así, se utilizará en aquellos casos que tengamos sólo una variable independiente intrasujeto (diseño unifactorial de medidas repetidas), o cuando tengamos dos variables independientes ambas intrasujeto (Diseño bifactorial de medidas repetidas) o una de ellas intrasujeto y la otra entregrupos (diseño bifactorial mixto). En todos estos casos y en sus extensiones lo más adecuado es seleccionar en el menú Estadística el procedimiento Modelo lineal general y después MLG Medidas repetidas. Veamos un ejemplo de un diseño bifactorial con las dos variables independientes manipuladas intrasujeto. Un investigador está comprobando si la dosis de cierta droga y el momento del dia en la que se administren tiene efecto sobre los procesos atencionales. Para ello seleccionó una muestra de sujetos y les administro dosis de droga en seis ocasiones distintas: tres por la mañana y tres por la tarde con tres niveles de droga distintos en cada ocasión y midió el número de aciertos de cero a cien en una tarea atencional. Para ello introdujo los datos en el Editor del Spss de la siguiente forma:
6 Ignacio Martín Tamayo 30 Como habitualmente, se utiliza una fila para cada sujeto y, por tanto, hay seis medidas de la variable dependiente en seis casos distintos, desde dosis de droga baja por la mañana (d1m1) hasta dosis de droga alta por la tarde (d3m2). Una vez introducidos los datos debemos seleccionar el procedimiento MLG Medidas repetidas. Cuando realizamos esta acción, la ventana que aparece es la siguiente: En esta ventana debemos ir definiendo los factores o variables independientes uno a uno. En nuestro caso tenemos dos factores. El factor dosis de droga con tres niveles (baja, media y elevada) y momento del día con dos niveles (mañana y tarde). Cada vez debemos indicar el nombre del factor y el número de niveles y pulsar después el botón añadir. En nuestro caso podemos poner en el nombre del factor intrasujetos dosis y en el número de niveles 3 y pulsar añadir, para posteriormente nombrar como momento y 2 niveles y volver a pulsar añadir. Cuando hemos finalizado debemos pulsar el botón Definir y automáticamente aparecerá la siguiente ventana.
7 Ignacio Martín Tamayo 31 En esa ventana se deben ir seleccionando ordenadamente la combinación de niveles de la variable intrasujetos. También permite introducir variables manipuladas entregrupos para los diseños mixtos y covariables para los Análisis de Covarianza. Una vez que se han seleccionado los niveles adecuadamente la salida que proporciona SPSS es similar a la siguiente: Pruebas de efectos intra-sujetos. Fuente Suma de cuad. gl Media F Sig. tipo III cuadrática DOSIS Esfericidad asumida 10213, , ,261,000 Greenhouse-Geisser 10213,233 1, , ,261,000 Huynh-Feldt 10213,233 1, , ,261,000 Límite-inferior 10213,233 1, , ,261,000 Error(DOSIS) Esfericidad asumida 689, ,320 Greenhouse-Geisser 689,767 14,351 48,063 Huynh-Feldt 689,767 16,949 40,698 Límite-inferior 689,767 9,000 76,641 MOMEN Esfericidad asumida 1, ,667,281,609 Greenhouse-Geisser 1,667 1,000 1,667,281,609 Huynh-Feldt 1,667 1,000 1,667,281,609 Límite-inferior 1,667 1,000 1,667,281,609 Error(MOMEN) Esfericidad asumida 53, ,926 Greenhouse-Geisser 53,333 9,000 5,926 Huynh-Feldt 53,333 9,000 5,926 Límite-inferior 53,333 9,000 5,926 DOSIS * MOMEN Esfericidad asumida 3, ,717,444,648 Greenhouse-Geisser 3,433 1,500 2,289,444,595 Huynh-Feldt 3,433 1,733 1,981,444,622 Límite-inferior 3,433 1,000 3,433,444,522 Error(DOSIS*MO Esfericidad asumida 69, ,865 MEN) Greenhouse-Geisser 69,567 13,497 5,154 Huynh-Feldt 69,567 15,596 4,461 Límite-inferior 69,567 9,000 7,730 Como puede comprobarse sólo el factor dosis ha tenido efecto significativo sobre la variable atención en el componente lineal y cuadrático. Como en el caso del procedimiento MLG Factorial general, en este caso también disponemos de diversas opciones similares a las ya indicadas en el apartado anterior. La diferencia más importante hace referencia al botón Post hoc, ya que en MLG Medidas repetidas estas pruebas no están disponibles si no hay factores entregrupos.
EJERCICIOS ANALISIS DE DISEÑOS EXPERIMENTALES Y CUASIEXPERIMENTALES CON SPSS
EJERCICIOS ANALISIS DE DISEÑOS EXPERIMENTALES Y CUASIEXPERIMENTALES CON SPSS Las soluciones a estos ejercicios y los outputs del SPSS se encuentran al final. EJERCICIO 1. Comparamos dos muestras de 10
Más detallesCapítulo 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 detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesIndicaciones específicas para los análisis estadísticos.
Tutorial básico de PSPP: Vídeo 1: Describe la interfaz del programa, explicando en qué consiste la vista de datos y la vista de variables. Vídeo 2: Muestra cómo crear una base de datos, comenzando por
Más detalles1 Introducción al SPSS
Breve guión para las prácticas con SPSS 1 Introducción al SPSS El programa SPSS está organizado en dos bloques: el editor de datos y el visor de resultados. En la barra de menú (arriba de la pantalla)
Más detallesANÁLISIS DE LA VARIANZA (ANOVA) José Vicéns Otero Ainhoa Herrarte Sánchez Eva Medina Moral
ANÁLISIS DE LA VARIANZA (ANOVA) José Vicéns Otero Ainhoa Herrarte Sánchez Eva Medina Moral Enero 2005 1.- INTRODUCCIÓN En múltiples ocasiones el analista o investigador se enfrenta al problema de determinar
Más detallesCovarianza 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 detallesSPSS: ANOVA de un Factor
SPSS: ANOVA de un Factor El análisis de varianza (ANOVA) de un factor nos sirve para comparar varios grupos en una variable cuantitativa. Esta prueba es una generalización del contraste de igualdad de
Más detallesCapítulo 16 Análisis de varianza con medidas repetidas: El procedimiento MLG: Medidas repetidas
Capítulo 6 Análisis de varianza con medidas repetidas: El procedimiento MLG: Medidas repetidas Los modelos de análisis de varianza (ANOVA) con medidas repetidas (MR) sirven para estudiar el efecto de uno
Más detallesAplicaciones de Estadística Descriptiva
Aplicaciones de Estadística Descriptiva Contenidos de la presentación Funciones estadísticas en Excel. Gráficos. El módulo de análisis de datos y las tablas dinámicas de Excel. Información Intentaremos
Más detallesEXPERIMENTACIÓN. Eduardo Jiménez Marqués
EXPERIMENTACIÓN Eduardo Jiménez Marqués 1 CONTENIDO: 1. Experimentación...3 1.1 Concepto...3 1. Definición...4 1.3 Dificultad...4 1.4 Ventaja...5 1.5 Planificación...5 1.6 Aplicaciones...5 1.7 Metodología...6
Más detallesEstadística con Excel Informática 4º ESO ESTADÍSTICA CON EXCEL
1. Introducción ESTADÍSTICA CO EXCEL La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en
Más detallesANÁLISIS DESCRIPTIVO CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:
Más detallesDIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009
Índice general 6. Regresión Múltiple 3 6.1. Descomposición de la variabilidad y contrastes de hipótesis................. 4 6.2. Coeficiente de determinación.................................. 5 6.3. Hipótesis
Más detalles- MANUAL DE USUARIO -
- MANUAL DE USUARIO - Aplicación: Kz Precio Hora Instagi Instagi Teléfono: 943424465-943466874 Email: instagi@instagi.com GUIA PROGRAMA CALCULO PRECIO HORA 1. Introducción 2. Datos de la empresa 2.1.Gastos
Más detallesDetergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16
3. DISEÑO EN BLOQUES ALEATORIZADOS En muchos experimentos además de que interesa investigar la influencia de un factor controlado sobre la variable de respuesta, como en la sección anterior, existe una
Más detallesAnálisis estadístico con Microsoft Excel
Análisis estadístico con Microsoft Excel Microsoft Excel ofrece un conjunto de herramientas para el análisis de los datos (denominado Herramientas para análisis) con el que podrá ahorrar pasos en el desarrollo
Más detallesEstadística; 3º CC. AA. Examen final, 4 de septiembre de 2009
Estadística; 3º CC. AA. Examen final, 4 de septiembre de 2009 Apellidos Nombre: Grupo: DNI. (5 puntos) Se observa la variable Porcentaje de masa boscosa perdida anualmente en 0 provincias elegidas al azar
Más detallesFICHERO DE AYUDA DEL PROGRAMA MEGAPRIMI
FICHERO DE AYUDA DEL PROGRAMA MEGAPRIMI Versión MEGAPRIMI : 4.0 Fecha : 19/06/2010 1. INFORMACION GENERAL Versión completamente gratuita. Entre otras muchas opciones, el programa permite seleccionar cualquier
Más detallesCapítulo 9. Archivos de sintaxis
Capítulo 9 Archivos de sintaxis El SPSS permite generar y editar archivos de texto con sintaxis SPSS, es decir, archivos de texto con instrucciones de programación en un lenguaje propio del SPSS. Esta
Más detallesSistema de Facturación de Ventas WhitePaper Enero de 2007
Sistema de Facturación de Ventas WhitePaper Enero de 2007 Ronda Guglielmo Marconi, 9 Parque Tecnológico 46980 Paterna Valencia Spain T +34 96 338 99 66 ventas@preference.es Please Recycle PrefSuite Document
Más detalles1 Ejemplo de análisis descriptivo de un conjunto de datos
1 Ejemplo de análisis descriptivo de un conjunto de datos 1.1 Introducción En este ejemplo se analiza un conjunto de datos utilizando herramientas de estadística descriptiva. El objetivo es repasar algunos
Más detallesESQUEMA GENERAL DISEÑOS DE MEDIDAS REPETIDAS
TEMA IV ESQUEMA GENERAL Definición Clasificación Diseño simple de medidas repetidas Diseño factorial de medidas repetidas Diseño de medidas parcialmente repetidas DISEÑOS DE MEDIDAS REPETIDAS Definición
Más detallesAjustes del Curso en egela (Moodle 2.5)
Ajustes del Curso en egela (Moodle 2.5) Manual para el profesorado Versión 2 (12/05/2015) El presente manual ha sido desarrollado por el Campus Virtual de la Universidad del País Vasco / Euskal Herriko
Más detallesMetodología de la Investigación. Dr. Cristian Rusu cristian.rusu@ucv.cl
Metodología de la Investigación Dr. Cristian Rusu cristian.rusu@ucv.cl 6. Diseños de investigación 6.1. Diseños experimentales 6.1.1. Diseños preexperimentales 6.1.2. Diseños experimentales verdaderos
Más detallesCapítulo 14. Análisis de varianza de un factor: El procedimiento ANOVA de un factor
Capítulo 14 Análisis de varianza de un factor: El procedimiento ANOVA de un factor El análisis de varianza (ANOVA) de un factor sirve para comparar varios grupos en una variable cuantitativa. Se trata,
Más detallesCORRELACIONES 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 detallesGESTINLIB GESTIÓN PARA LIBRERÍAS, PAPELERÍAS Y KIOSCOS DESCRIPCIÓN DEL MÓDULO DE KIOSCOS
GESTINLIB GESTIÓN PARA LIBRERÍAS, PAPELERÍAS Y KIOSCOS DESCRIPCIÓN DEL MÓDULO DE KIOSCOS 1.- PLANTILLA DE PUBLICACIONES En este maestro crearemos la publicación base sobre la cual el programa generará
Más detallesPRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) F(X) es la función de distribución que hipotetizamos.
PRUEBA DE KOLMOGOROV SMIRNOV (Contraste sobre la forma de la distribución) PRUEBAS NO PARAMÉTRICAS F(X) es la función de distribución que hipotetizamos. Fs(X) es la probabilidad o proporción teórica de
Más detallesDiseños de Investigación 40 conceptos que debes conocer
Diseños de Investigación 40 conceptos que debes conocer 1. El método científico: Se puede realizar desde dos enfoques distintos, hipotético deductivo y analítico inductivo. Con frecuencia los dos ocurren
Más detallesCómo creo las bandejas del Registro de Entrada /Salida y de Gestión de Expedientes?
Preguntas frecuentes Cómo creo las bandejas del Registro de Entrada /Salida y de Gestión de Expedientes? Atención! Esta opción es de configuración y solamente la prodrá realizar el administrador de la
Más detallesSe podría entender como una matriz de filas y columnas. Cada combinación de fila y columna se denomina celda. Por ejemplo la celda A1, B33, Z68.
Departamento de Economía Aplicada: UDI de Estadística. Universidad Autónoma de Madrid Notas sobre el manejo de Excel para el análisis descriptivo y exploratorio de datos. (Descriptiva) 1 1 Introducción
Más detallesLa ventana de Microsoft Excel
Actividad N 1 Conceptos básicos de Planilla de Cálculo La ventana del Microsoft Excel y sus partes. Movimiento del cursor. Tipos de datos. Metodología de trabajo con planillas. La ventana de Microsoft
Más detallesAnálisis de los datos
Universidad Complutense de Madrid CURSOS DE FORMACIÓN EN INFORMÁTICA Análisis de los datos Hojas de cálculo Tema 6 Análisis de los datos Una de las capacidades más interesantes de Excel es la actualización
Más detallesEl e-commerce de Grupo JAB es una herramienta que permite a los clientes del Grupo, realizar un amplio conjunto de servicios de consulta, petición y
El de Grupo JAB es una herramienta que permite a los clientes del Grupo, realizar un amplio conjunto de servicios de consulta, petición y compra en los diversos almacenes del Grupo JAB. En concreto podremos:
Más detallesMANUAL DE USUARIO Y EJEMPLO DE UTILIZACIÓN HERRAMIENTA DLP-DELPHI LEARNING PACKAGE
MANUAL DE USUARIO Y EJEMPLO DE UTILIZACIÓN HERRAMIENTA DLP-DELPHI LEARNING PACKAGE PROFESOR: Creación y puesta en marcha de un proceso de aprendizaje Delphi: En esta fase el profesor debe realizar las
Más detallesUNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS
UNIVERSIDAD CARLOS III DE MADRID MASTER EN CALIDAD TOTAL MANUAL DE SPSS I. INTRODUCCIÓN Y MANEJO DE DATOS MANUAL DE SPSS 1 MASTER CALIDAD TOTAL 1/ INTRODUCCIÓN Las aplicaciones de la Estadística en la
Más detallesIntroducción a la Estadística con Excel
Introducción a la Estadística con Excel En el siguiente guión vamos a introducir el software Excel 2007 y la manera de trabajar con Estadística Descriptiva. Cargar o importar datos En Excel 2007 podemos
Más detallesFICHERO DE AYUDA DEL PROGRAMA MEGAEURO
FICHERO DE AYUDA DEL PROGRAMA MEGAEURO Versión MEGAEURO : 1.0 Fecha : 02/10/2010 1. INFORMACION GENERAL Versión completamente gratuita. Entre otras muchas opciones, el programa permite seleccionar cualquier
Más detallesTEMA 4: Variables binarias
TEMA 4: Variables binarias Econometría I M. Angeles Carnero Departamento de Fundamentos del Análisis Económico Curso 2011-12 Econometría I (UA) Tema 4: Variables binarias Curso 2011-12 1 / 51 Variables
Más detalles8.1. Introducción... 1. 8.2. Dependencia/independencia estadística... 2. 8.3. Representación gráfica: diagrama de dispersión... 3. 8.4. Regresión...
Tema 8 Análisis de dos variables: dependencia estadística y regresión Contenido 8.1. Introducción............................. 1 8.2. Dependencia/independencia estadística.............. 2 8.3. Representación
Más detallesFormas de Pago y Efectos en Facturas de Venta WhitePaper Febrero de 2007
Formas de Pago y Efectos en Facturas de Venta WhitePaper Febrero de 2007 Contenidos 1. Propósito 3 2. Cuentas Bancarias 4 2.1. Dar de alta un banco 4 3. Formas de pago 6 3.1. Cómo crear formas de pago
Más detalles1.1. 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 detallesMantenimiento Limpieza
Mantenimiento Limpieza El programa nos permite decidir qué tipo de limpieza queremos hacer. Si queremos una limpieza diaria, tipo Hotel, en el que se realizan todos los servicios en la habitación cada
Más detallesManual de Introducción a SIMULINK
Manual de Introducción a SIMULINK Autor: José Ángel Acosta Rodríguez 2004 Capítulo Ejemplo.. Modelado de un sistema dinámico En este ejemplo se realizará el modelado de un sistema dinámico muy sencillo.
Más detallesSOLUCIÓN CASO GESTIÓN DE PERSONAL I
SOLUCIÓN CASO GESTIÓN DE PERSONAL I Empezaremos abriendo un nuevo libro de trabajo que podemos guardar como Nóminas e introducimos los datos que nos proporciona el enunciado relativos a coste por hora
Más detallesPresentaciones. Con el estudio de esta Unidad pretendemos alcanzar los siguientes objetivos:
UNIDAD 8 Presentaciones Reunión. (ITE. Banco de imágenes) as presentaciones son documentos formados por una sucesión de páginas, llamadas diapositivas, que transmiten información estructurada de manera
Más detallesPRUEBAS NO PARAMÉTRICAS
PRUEBAS NO PARAMÉTRICAS 1. PRUEBAS DE NORMALIDAD Para evaluar la normalidad de un conjunto de datos tenemos el Test de Kolmogorov- Smirnov y el test de Shapiro-Wilks La opción NNPLOT del SPSS permite la
Más detallesControl Estadístico del Proceso. Ing. Claudia Salguero Ing. Alvaro Díaz
Control Estadístico del Proceso Ing. Claudia Salguero Ing. Alvaro Díaz Control Estadístico del Proceso Es un conjunto de herramientas estadísticas que permiten recopilar, estudiar y analizar la información
Más detallesEs el listado de los productos que están ofertados en la página.
1 Productos Es el listado de los productos que están ofertados en la página. En la tabla de productos hay las siguientes columnas: Casilla de verificación: sirve para seleccionar uno o varios productos
Más detallesServicio de Informática
Módulo para la cumplimentación de contratos de movilidad en Universidad Virtual Guía de Usuario Última actualización 21 de abril de 2015 Tabla de contenido 1.- Introducción... 4 2.- Acceso al módulo y
Más detallesCASO PRÁCTICO. ANÁLISIS DE DATOS EN TABLAS DINÁMICAS
CASO PRÁCTICO. ANÁLISIS DE DATOS EN TABLAS DINÁMICAS Nuestra empresa es una pequeña editorial que maneja habitualmente su lista de ventas en una hoja de cálculo y desea poder realizar un análisis de sus
Más detallesManual Oficina Web de Clubes (FBM)
Manual Oficina Web de Clubes (FBM) INTRODUCCIÓN: La Oficina Web de Clubes de Intrafeb es la oficina virtual desde la que un club podrá realizar las siguientes operaciones durante la temporada: 1. Ver información
Más detallesBASES Y DIMENSIÓN. Propiedades de las bases. Ejemplos de bases.
BASES Y DIMENSIÓN Definición: Base. Se llama base de un espacio (o subespacio) vectorial a un sistema generador de dicho espacio o subespacio, que sea a la vez linealmente independiente. β Propiedades
Más detallesEstas visiones de la información, denominadas vistas, se pueden identificar de varias formas.
El primer paso en el diseño de una base de datos es la producción del esquema conceptual. Normalmente, se construyen varios esquemas conceptuales, cada uno para representar las distintas visiones que los
Más detallesCapítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales
Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales Cuando se analizan datos, el interés del analista suele centrarse en dos grandes objetivos:
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesESTUDIO PRELIMINAR DE ALGUNOS FACTORES INFLUYENTES EN EL RENDIMIENTO ACADÉMICO DE ALUMNOS DEL GRUPO EXECUTIVE FISIOTERAPIA
ESTUDIO PRELIMINAR DE ALGUNOS FACTORES INFLUYENTES EN EL RENDIMIENTO ACADÉMICO DE ALUMNOS DEL GRUPO EXECUTIVE FISIOTERAPIA Autores: Noemí Díaz Matas; Carlos Martín Saborido; Raquel Díaz-Meco Conde; Silvia
Más detallesAnálisis de medidas conjuntas (conjoint analysis)
Análisis de medidas conuntas (conoint analysis). Introducción Como ya hemos dicho anteriormente, esta técnica de análisis nos sirve para analizar la importancia que dan los consumidores a cada uno de los
Más detallesPlataforma e-ducativa Aragonesa. Manual de Administración. Bitácora
Plataforma e-ducativa Aragonesa Manual de Administración Bitácora ÍNDICE Acceso a la administración de la Bitácora...3 Interfaz Gráfica...3 Publicaciones...4 Cómo Agregar una Publicación...4 Cómo Modificar
Más detallesTutorial - Parte 2: Scoring
Introducción Tutorial - Parte 2: Scoring En este segundo tutorial aprenderá lo que significa un modelo de Scoring, verá cómo crear uno utilizando Powerhouse Analytics y finalmente a interpretar sus resultados.
Más detallesIntroducción al @RISK
Introducción al @RISK Ariadna Berger Noviembre 2004 Introducción al @RISK El análisis de riesgo implica cuatro etapas: Desarrollo del modelo Identificación de las fuentes de riesgo Análisis con simulación
Más detallesControl Estadístico de Procesos
Control Estadístico de Procesos Gráficos de Control Los gráficos de control o cartas de control son una importante herramienta utilizada en control de calidad de procesos. Básicamente, una Carta de Control
Más detalles2_trabajar con calc I
Al igual que en las Tablas vistas en el procesador de texto, la interseccción de una columna y una fila se denomina Celda. Dentro de una celda, podemos encontrar diferentes tipos de datos: textos, números,
Más detallesTema 2. Espacios Vectoriales. 2.1. Introducción
Tema 2 Espacios Vectoriales 2.1. Introducción Estamos habituados en diferentes cursos a trabajar con el concepto de vector. Concretamente sabemos que un vector es un segmento orientado caracterizado por
Más detallesTEMA 4: EMPEZANDO A NAVEGAR ESCUELA UNIVERSITARIA DE INFORMÁTICA. Raúl Martín Martín
TEMA 4: EMPEZANDO A ESCUELA UNIVERSITARIA DE INFORMÁTICA NAVEGAR Raúl Martín Martín SERVICIOS DE INTERNET SERVICIOS DE INTERNET Las posibilidades que ofrece Internet se denominan servicios. Hoy en día,
Más detallesFundamentos de Biología Aplicada I Estadística Curso 2011-2012 Práctica 6: Regresión Logística I
Fundamentos de Biología Aplicada I Estadística Curso 2011-2012 Índice 1. Objetivos de la práctica 2 2. Estimación de un modelo de regresión logística con SPSS 2 2.1. Ajuste de un modelo de regresión logística.............................
Más detallesPuede considerarse un caso especial de l análisis de regresión en donde la variable dependiente es dicotómica («Sí» [1] o «No» [0])
Regresión logística Puede considerarse un caso especial de l análisis de regresión en donde la variable dependiente es dicotómica («Sí» [1] o «No» [0]) Se trata de calcular la probabilidad en la que una
Más detallesGuía N 1: Fundamentos básicos(i)
1 Guía N 1: Fundamentos básicos(i) Objetivos Generales: Ver una breve descripción de las capacidades más comunes de Excel Objetivos específicos: Descripción de los elementos de un libro: Hojas, iconos,
Más detallesGENERACIÓN DE ANTICIPOS DE CRÉDITO
GENERACIÓN DE ANTICIPOS DE CRÉDITO 1 INFORMACIÓN BÁSICA La aplicación de generación de ficheros de anticipos de crédito permite generar fácilmente órdenes para que la Caja anticipe el cobro de créditos
Más detallesIntroducción al SPSS/PC. 1. El editor de datos. Taller de Estadística
1 Taller de Estadística Curso 2oo5/2oo6 Introducción al SPSS/PC SPSS: Statistical Package for the Social Sciences. Este programa estadístico está organizado en dos bloques: el editor de datos y el visor
Más detallesTPVFÁCIL. Caja Real. Definiciones.
TPVFÁCIL. Caja Real. TPVFÁCIL incluye desde la versión 3.3.2 la posibilidad de manejar dos cajas, la Caja Real y la Caja normal. La idea es esconder los datos de caja que pueden alcanzar los usuarios no
Más detallesInformes de activos fijos Versión 1.1. Tabla de contenidos. Informes de activos fijos
Informes de activos fijos Fecha: 23/03/2015 Tabla de contenidos Servicio de Coordinación y Apoyo al Área Económica ucpe@pas.ucm.es Informes de activos fijos... 1 Informes de activos fijos... 2 Inventario
Más detallesDISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA
2011 UNED DISEÑOS DE INVESTIGACIÓN Y ANÁLISIS DE DATOS [TEMA 7] Diseños con más de dos grupos independientes. Análisis de varianza con dos factores completamente aleatorizados 1 Índice 7.1 Introducción...
Más detallesUna vez que tengamos el padrón de un determinado tributo con todos sus datos actualizados, podemos generar los recibos de ese padrón.
11. RECIBOS. Desde esta opción de Menú vamos a completar el proceso de gestión de los diferentes tributos, generando recibos, informes de situación, impresiones, etc. 11.1. GENERACIÓN DE RECIBOS. Una vez
Más detallesREGRESIÓN LINEAL MÚLTIPLE
REGRESIÓN LINEAL MÚLTIPLE.- Planteamiento general....- Métodos para la selección de variables... 5 3.- Correlaciones parciales y semiparciales... 8 4.- Multicolinealidad en las variables explicativas...
Más detalles10. GENERADOR DE INFORMES.
10. GENERADOR DE INFORMES. El generador de informes es un módulo de la aplicación que nos permite elaborar listados de artículos y de clientes pero de forma personalizada, pues se definen los criterios
Más detallesSEMINARIOS. (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática
SEMINARIOS (Problemas de exámenes de años anteriores) Estadística. 1º Grado en Informática Seminario de Estadística Descriptiva Unidimensional y Bidimensional 1. Se ha realizado un control de calidad en
Más detallesTEMA 5. INTRODUCCIÓN AL MANEJO DE ORIGIN 6.1
TEMA 5. INTRODUCCIÓN AL MANEJO DE ORIGIN 6.1!"# 1. Introducción En muchos aspectos, el Origin es muy similar a Excel. Y lo es, más que en su apariencia, en la versatilidad y en las funciones que permite
Más detallesESCUELA SUPERIOR DE INFORMATICA Prácticas de Estadística UNA SESIÓN EN SPSS
UNA SESIÓN EN SPSS INTRODUCCIÓN. SPSS (Statistical Product and Service Solutions) es un paquete estadístico orientado, en principio, al ámbito de aplicación de las Ciencias sociales, es uno de las herramientas
Más detallesCalculadora de Tamaño muestral GRANMO
Calculadora de Tamaño muestral GRANMO Versión 7.12 Abril 2012 http://www.imim.es/ofertadeserveis/software-public/granmo/ Entre las distintas ofertas que existen para el cálculo del tamaño muestral, ofrecemos
Más detallesCapítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos
Capítulo 10 Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Al analizar datos, lo primero que conviene hacer con una variable es, generalmente, formarse una idea lo más exacta posible
Más detallesPráctica 5. Contrastes paramétricos en una población
Práctica 5. Contrastes paramétricos en una población 1. Contrastes sobre la media El contraste de hipótesis sobre una media sirve para tomar decisiones acerca del verdadero valor poblacional de la media
Más detallesBASES DE DATOS - Microsoft ACCESS 2007-
BASES DE DATOS - Microsoft ACCESS 2007- Una base de datos es un archivo estructurado de datos que nos permite almacenarlos, modificarlos, ordenarlos, generar informes etc., de manera rápida. Un listín
Más detallesEl programa Minitab: breve introducción a su funcionamiento. Para mostrar la facilidad con la que se pueden realizar los gráficos y cálculos
El programa Minitab: breve introducción a su funcionamiento Para mostrar la facilidad con la que se pueden realizar los gráficos y cálculos estadísticos en la actualidad, el libro se acompaña, en todo
Más detallesImprimir códigos de barras
Imprimir códigos de barras Al igual que en Abies 1, podemos definir el papel de etiquetas que vamos a utilizar. Se nos dan tres tipos de etiquetas ya creadas, que podemos modificar o eliminar, para lo
Más detallesContenido: CARTAS DE CONTROL. Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS
Contenido: CARTAS DE CONTROL Cartas de control C Cartas de control U Cartas de control P Cartas de control NP DIAGRAMA DE PARETTO HISTOGRAMAS TEST DE MEDIANAS CEL: 72488950 1 Antes de querer utilizar cualquier
Más detallesBREVE MANUAL DE SOLVER
BREVE MANUAL DE SOLVER PROFESOR: DAVID LAHOZ ARNEDO PROGRAMACIÓN LINEAL Definición: Un problema se define de programación lineal si se busca calcular el máximo o el mínimo de una función lineal, la relación
Más detalles13.1. Tablas dinámicas de Excel
13.1. Tablas dinámicas de Excel Una tabla dinámica consiste en el resumen de un conjunto de datos, atendiendo a varios criterios de agrupación, representado como una tabla de doble entrada que nos facilita
Más detallesMedidas de tendencia central o de posición: situación de los valores alrededor
Tema 10: Medidas de posición y dispersión Una vez agrupados los datos en distribuciones de frecuencias, se calculan unos valores que sintetizan la información. Estudiaremos dos grandes secciones: Medidas
Más detallesIntroducción a la Econometría (LE y LADE, mañana) Prof. Magdalena Cladera ANÁLISIS DE REGRESIÓN CON EXCEL Y SPSS
Introducción a la Econometría (LE y LADE, mañana) Prof. Magdalena Cladera ANÁLISIS DE REGRESIÓN CON EXCEL Y SPSS ESTIMACIÓN DE UN MODELO DE REGRESIÓN LINEAL CON EXCEL La Herramienta para análisis Regresión
Más detallesCapítulo 18 Análisis de regresión lineal El procedimiento Regresión lineal
Capítulo 18 Análisis de regresión lineal El procedimiento Regresión lineal Introducción El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre variables. Se
Más detallesMERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II
MERCADOS FINANCIEROS: LOS FONDOS DE INVERSIÓN II 28 febrero de 2012 Javier Marchamalo Martínez Universidad Rey Juan Carlos SABER INTERPRETAR LOS RATIOS SIGNIFICATIVOS EN LA GESTIÓN POR BENCHMARK Ratio
Más detallesREPASO CONCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓN NORMAL.
REPASO COCEPTOS BÁSICOS DE ESTADÍSTICA. DISTRIBUCIÓ ORMAL. Éste es un breve repaso de conceptos básicos de estadística que se han visto en cursos anteriores y que son imprescindibles antes de acometer
Más detallesMensario 2: Manual de importación
Mensario 2: Manual de importación Estimado cliente: Le agradecemos la confianza depositada en nuestros productos y servicios de mensajería profesional Mensario, y le damos la bienvenida a nuestra empresa
Más detallesCORRELACIÓN Y PREDICIÓN
CORRELACIÓN Y PREDICIÓN 1. Introducción 2. Curvas de regresión 3. Concepto de correlación 4. Regresión lineal 5. Regresión múltiple INTRODUCCIÓN: Muy a menudo se encuentra en la práctica que existe una
Más detallesPS.Vending Almacén Pocket PC
Versión 1.0 Enero 2013 Autor: Pedro Naranjo Rodríguez www.psvending.es Contenido Qué es PS.Vending Almacén Pocket PC?... 3 Funciona PS.Vending Almacén Pocket PC independiente de PS.Vending?... 3 Requisitos...
Más detallesAula Banca Privada. La importancia de la diversificación
Aula Banca Privada La importancia de la diversificación La importancia de la diversificación La diversificación de carteras es el principio básico de la operativa en mercados financieros, según el cual
Más detallesMinisterio de Educación. Diseño de Presentaciones en la Enseñanza. Módulo 9: Imprimir
Ministerio de Educación Diseño de Presentaciones en la Enseñanza Módulo 9: Imprimir Instituto de Tecnologías Educativas 2011 Diseño de Presentaciones en la Enseñanza (OpenOffice) Imprimir Imprimir una
Más detallesOtras medidas descriptivas usuales
Tema 7 Otras medidas descriptivas usuales Contenido 7.1. Introducción............................. 1 7.2. Medidas robustas.......................... 2 7.2.1. Media recortada....................... 2 7.2.2.
Más detalles