REGRESIÓN LOGÍSTICA APLICADA A LA EPIDEMIOLOGÍA LOGISTIC APPLIED FOR REGRESSION EPIDEMIOLOGY
|
|
- Ana Belén Acuña Peralta
- hace 8 años
- Vistas:
Transcripción
1 Revista Salud, Sexualidad y Sociedad (4), 29 REGRESIÓN LOGÍSTICA APLICADA A LA EPIDEMIOLOGÍA LOGISTIC APPLIED FOR REGRESSION EPIDEMIOLOGY RESUMEN Dra. Jully Pahola Calderón Saldaña Dr. Luis Alzamora de los Godos Urcia El siguiente artículo presenta la regresión logística como un método aplicado a las ciencias de la salud, en especial a la epidemiología, con lo que se trabajan los coeficientes del modelo logístico como cuantificadora de riesgo, las variables cualitativas en el modelo logístico, la interacción y confusión, la colinealidad, el tamaño de la muestra, la selección de modelos, el método de máxima verosimilitud y la prueba de Wald de significación de los parámetros, en todo este aplicativo se coloca un ejemplo en de reporte final de regresión logística binaria en SPSS y su interpretación. Palabras Claves: Regresión logística, epidemiología. ABSTRACT The following article presents the logistic regression like an applied for method the sciences of health, specially to epidemiology, so that the coefficients of the logistic model like quantifiers of risk, the qualitative variables in the logistic model, the interaction and confusion, the colineality, the size of sign, the selection of models, the procedure of maximum verisimilitude and Wald's sample of significance of the parameters, in everything are worked up this application an example is placed in of final report of logistic binary regression in SPSS and your interpretation. Key words: Logistic regression, epidemiology. INTRODUCCIÓN No cabe ninguna duda que la regresión logística es una de las herramientas estadísticas con mejor capacidad para el análisis de datos en investigación clínica y epidemiología, de ahí su amplia utilización. El objetivo primordial que resuelve esta técnica es el de modelar cómo influye en la probabilidad de aparición de un suceso, habitualmente dicotómico, la presencia o no de diversos factores y el valor o nivel de los mismos. También puede ser usada para estimar la probabilidad de aparición de cada una de las posibilidades de un suceso con más de dos categorías (politómico o multinomial). De todos es sabido que este tipo de situaciones se aborda mediante técnicas de regresión. Sin embargo, la metodología de la regresión lineal no es aplicable ya que ahora la variable respuesta sólo presenta dos valores (nos centraremos en el caso dicotómico), como puede ser presencia/ausencia de alguna enfermedad o suceso, por ejemplo hipertensión. Si clasificamos el valor de la variable respuesta como cuando no se presenta el suceso (ausencia de hipertensión) y con el valor cuando sí está presente (paciente hipertenso), y buscamos cuantificar la posible relación entre la presencia de hipertensión y, por ejemplo, la cantidad media de sal consumida al día como posible factor de riesgo, podríamos caer en la tentación de utilizar una regresión lineal y estimar, a partir de nuestros datos, por el procedimiento habitual de mínimos cuadrados, los coeficientes a y b de la ecuación. Sin embargo, y aunque esto es posible matemáticamente, nos conduce a la obtención de resultados absurdos, ya que cuando se calcule la función obtenida para diferentes valores de consumo de sal se obtendrá resultados que, en general, serán diferentes de y, los únicos realmente posibles en este caso, ya que esa restricción no se impone en la regresión lineal, en la que la respuesta puede en principio tomar cualquier valor. Si utilizamos cómo variable dependiente la probabilidad p de que un paciente padezca hipertensión y construimos la siguiente función:. Doctor of Philosophy in Public Health (Ph. D.). U.M. U.S.A. Docente de Postgrado en Salud de la Universidad Nacional Federico Villareal. 2. Doctor of Philosophy in Public Health (Ph. D.). U.M. U.S.A. Docente de Postgrado en Salud de la Universidad Inca Garcilaso de la Vega.
2 Revista Salud, Sexualidad y Sociedad (4), 29 Aahora sí tenemos una variable que puede tomar cualquier valor, por lo que podemos plantearnos el buscar para ella una ecuación de regresión tradicional: Que se puede convertir con una pequeña manipulación algebraica en Y este es precisamente el tipo de ecuación que se conoce como modelo logístico, donde el número de factores puede ser más de uno, así en el exponente que figura en el denominador de la ecuación podríamos tener: b.consumo_sal + b2.edad + b3.sexo + b4.fumador Los coeficientes del modelo logístico como cuantificadores de riesgo Una de las características que hacen tan interesante la regresión logística es la relación que éstos guardan con un parámetro de cuantificación de riesgo conocido en la literatura como "odds ratio" (aunque puede tener traducción al castellano, renunciamos a ello para evitar confusión ya que siempre se utiliza la terminología inglesa). El odds asociado a un suceso es el cociente entre la probabilidad de que ocurra frente a la probabilidad de que no ocurra: la haya en esa situación. Igualmente podríamos calcular el odds de presencia de hipertensión cuando el consumo de sal es inferior a esa cantidad. Si dividimos el primer odds entre el segundo, hemos calculado un cociente de odds, esto es un odds ratio, que de alguna manera cuantifica cuánto más probable es la aparición de hipertensión cuando se consume mucha sal (primer odds) respecto a cuándo se consume poca. La noción que se está midiendo es parecida a la que encontramos en lo que se denomina riesgo relativo que corresponde al cociente de la probabilidad de que aparezca un suceso (hipertensión) cuando está presente el factor (consumo elevado de sal) respecto a cuando no lo está. De hecho cuando la prevalencia del suceso es baja (< 2 %) el valor del odds ratio y el riesgo relativo es muy parecido, pero no es así cuando el suceso es bastante común, hecho que a menudo se ignora y será objeto de un comentario más extenso en un nuevo artículo. Si en la ecuación de regresión tenemos un factor dicotómico, como puede ser por ejemplo si el sujeto es no fumador, el coeficiente b de la ecuación para ese factor está directamente relacionado con el odds ratio OR de ser fumador respecto a no serlo Es decir que exp(b) es una medida que cuantifica el riesgo que representa poseer el factor correspondiente respecto a no poseerlo, suponiendo que el resto de variables del modelo permanecen constantes. Cuando la variable es numérica, como puede ser por ejemplo la edad, o el índice de masa corporal, es una medida que cuantifica el cambio en el riesgo cuando se pasa de un valor del factor a otro, permaneciendo constantes el resto de variables. Así el odds ratio que supone pasar de la edad X a la edad X2, siendo b el coeficiente correspondiente a la edad en el modelo logístico es: Siendo p la probabilidad del suceso. Así, por ejemplo, podemos calcular el odds de presencia de hipertensión cuando el consumo diario de sal es igual o superior a una cierta cantidad, que en realidad determina cuántas veces es más probable que haya hipertensión a que no Nótese que se trata de un modelo en el que el aumento o disminución del riesgo al pasar de un valor a otro del factor es proporcional al cambio, es decir a la diferencia entre los dos valores, pero no al punto de partida, quiere esto decir que el cambio en el riesgo, con el
3 Revista Salud, Sexualidad y Sociedad (4), 29 modelo logístico, es el mismo cuando pasamos de 4 a 5 años que cuando pasamos de 8 a 9. Cuando el coeficiente b de la variable es positivo obtendremos un odds ratio mayor que y corresponde por tanto a un factor de riesgo. Por el contrario, si b es negativo el odds ratio será menor que y se trata de un factor de protección. Las variables cualitativas en el modelo logístico Puesto que la metodología empleada para la estimación del modelo logístico se basa en la utilización de variables cuantitativas, al igual que en cualquier otro procedimiento de regresión, es incorrecto que en él intervengan variables cualitativas, ya sean nominales u ordinales. La asignación de un número a cada categoría no resuelve el problema ya que si tenemos, por ejemplo, la variable ejercicio físico con tres posibles respuestas: sedentario, realiza ejercicio esporádicamente, realiza ejercicio frecuentemente, y le asignamos los valores,, 2, significa a efectos del modelo, que efectuar ejercicio físico frecuentemente es dos veces mayor que solo hacerlo esporádicamente, lo cual no tienen ningún sentido. Más absurdo sería si se trata, a diferencia de ésta, de una variable nominal, sin ninguna relación de orden entre las respuestas, como puede ser el estado civil. La solución a este problema es crear tantas variables dicotómicas como número de respuestas -. Estas nuevas variables, artificialmente creadas, reciben en la literatura anglosajona el nombre de "dummy", traduciéndose en español con diferentes denominaciones como pueden ser variables internas, indicadoras, o variables diseño. Así por ejemplo si la variable en cuestión recoge datos de tabaquismo con las siguientes respuestas: Nunca fumó, Ex-fumador, Actualmente fuma menos de cigarrillos diarios, Actualmente fuma o más cigarrillos diarios, tenemos 4 posibles respuestas por lo que construiremos 3 variables internas dicotómicas (valores,), existiendo diferentes posibilidades de codificación, que conducen a diferentes interpretaciones, y siendo la más habitual la siguiente: I I2 I3 Nunca fumó Ex- fumador Menos de cigarrillos diarios o más cigarrillos diarios En este tipo de codificación el coeficiente de la ecuación de regresión para cada variable diseño (siempre transformado con la función exponencial), se corresponde al odds ratio de esa categoría con respecto al nivel de referencia (la primera respuesta), en nuestro ejemplo cuantifica cómo cambia el riesgo respecto a no haber fumado nunca. Existen otras posibilidades entre las que se destaca con un ejemplo para una variable cualitativa de tres respuestas: I I2 Respuesta Respuesta 2 Respuesta 3 Con esta codificación cada coeficiente se interpreta como una media del cambio del riesgo al pasar de una categoría a la siguiente. En el caso una categoría que NO pueda ser considerada de forma natural como nivel de referencia, como por ejemplo el grupo sanguíneo, un posible sistema de clasificación es: I I2 Respuesta - - Respuesta 2 Respuesta 3 Donde cada coeficiente de las variables indicadoras tiene una interpretación directa como cambio en el riesgo con respecto a la media de las tres respuestas. Bondad del ajuste
4 Revista Salud, Sexualidad y Sociedad (4), 29 Siempre que se construye un modelo de regresión es fundamental, antes de pasar a extraer conclusiones, el corroborar que el modelo calculado se ajusta efectivamente a los datos usados para estimarlo. En el caso de la regresión logística una idea bastante intuitiva es calcular la probabilidad de aparición del suceso, presencia de hipertensión en nuestro caso, para todos los pacientes de la muestra. Si el ajuste es bueno, es de esperar que un valor alto de probabilidad se asocie con presencia real de hipertensión, y viceversa, si el valor de esa probabilidad calculada es bajo, cabe esperar también ausencia de hipertensión. Esta idea intuitiva se lleva a cabo formalmente mediante la prueba conocida como de Hosmer- Lemeshow (989), que básicamente consiste en dividir el recorrido de la probabilidad en deciles de riesgo (esto es probabilidad de hipertensión <., <.2, y así hasta <) y calcular tanto la distribución de hipertensos, como no hipertensos prevista por la ecuación y los valores realmente observados. Ambas distribuciones, esperada y observada, se contrastan mediante una prueba de chi². En la presentación final de los datos de regresión logística debiera figurar siempre algún tipo de prueba de bondad de ajuste y las conclusiones comentadas que de ella se deducen, pues en el caso de la prueba Hosmer-Lemeshow es más ilustrativo que el propio resultado del contraste, los valores de la distribución obtenida. Interacción y confusión El empleo de técnicas de regresión logística sirve para dos objetivos:. Estimar la relación entre dos variables teniendo en cuenta la presencia de otros factores 2. Construir un modelo que permita predecir el valor de la variable dependiente (en regresión logística la probabilidad del suceso) para unos valores determinados de un conjunto de variables pronóstico Cuando el objetivo es estimar la relación o asociación entre dos variables, los modelos de regresión permiten considerar que puede haber otros factores que modifiquen esa relación. Así, por ejemplo, si se está estudiando la posible relación, como factor de riesgo, entre el síndrome de apnea nocturna y la probabilidad de padecer hipertensión, dicha relación puede ser diferente si se tiene en cuenta otras variables como pueden ser la edad, el sexo o el índice de masa corporal. Por ello en un modelo de regresión logística podrían ser incluidas como variables independientes, además del dato de apnea. En la ecuación obtenida al considerar como variables dependientes APNEA, EDAD, SEXO, IMC, el exp(coeficiente de la ecuación para APNEA) nos determina el odds ratio debido a la apena, ajustado o controlado para el resto de los factores. A las variables que, además del factor de interés (en el ejemplo EDAD, SEXO, IMC), se introducen en el modelo, se las denomina en la literatura de diferentes formas: variables control, variables extrañas, covariantes, o factores de confusión. Interacción Cuando la relación entre el factor en estudio y la variable dependiente se modifica según el valor de una tercera estamos hablando de interacción. Así en nuestro ejemplo, supongamos que la probabilidad de padecer HTA cuando se tiene síndrome de apnea aumenta con la edad. En este caso decimos que existe interacción entre las variables EDAD y APNEA. Si nos fijamos sólo en el exponente del modelo logístico, en el caso de no considerar interacción éste será: Si deseamos considerar la presencia de interacción entre APNEA y EDAD el modelo cambia: Si la variable APNEA es dicotómica (valores y ) la relación entre HTA y APNEA vendrá cuantificada por b en el primer modelo mientras que en el segundo
5 Revista Salud, Sexualidad y Sociedad (4), 29 es decir que ahora esa relación se modifica en función del valor de la EDAD. Algunas precauciones La amplia disponibilidad de programas que permiten el acceso a sofisticadas pruebas estadísticas como el SPSS, el Epi-Info 22, Systat entre otros, pueden conducir a la utilización inadecuada y mecánica de éstas. En particular los modelos de regresión requieren de quien los construye un mínimo de comprensión de la filosofía subyacente, así como no sólo el conocimiento de las ventajas, sino también de los problemas y debilidades de éstas técnicas. La utilización de procedimientos matemáticos a menudo nos convence de que estamos introduciendo "objetividad" en los resultados y ello es así en cierta medida, pero también lleva aparejada una gran carga de subjetividad, donde se incluye desde la misma elección de un modelo matemático determinado, hasta la selección de las variables en él contenidas. Una de las primeras consideraciones que hay que hacer es que la relación entre la variable independiente y la probabilidad del suceso no cambie de sentido, ya que en ese caso no nos sirve el modelo logístico. Esto es algo que habitualmente no ocurre en los estudios clínicos, pero por ello es más fácil pasarlo por alto cuando se presenta. Un ejemplo muy claro de esa situación se da si estamos evaluando la probabilidad de nacimiento un niño con bajo peso (de riesgo) en función de la edad de la madre. Hasta una edad esa probabilidad puede aumentar a medida que la edad de la madre disminuye (madres muy jóvenes) y a partir de una edad (madres muy mayores) la probabilidad puede aumentar a medida que lo hace la edad de la madre. En este caso el modelo logístico no sería adecuado. Colinealidad Otro problema que se puede presentar en los modelos de regresión, no sólo logísticos, es que las variables que intervienen estén muy correlacionadas, lo que conduce a un modelo desprovisto de sentido y por lo tanto a unos valores de los coeficientes no interpretables. A esta situación, de variables independientes correlacionadas, se la denomina colinealidad. Para entenderlo supongamos el caso extremo, en el que se introduce en el modelo dos veces la misma variable, tendríamos entonces el siguiente término. o lo que es lo mismo Donde la suma b+b2 admite infinitas posibilidades a la hora de dividir en dos sumandos el valor de un coeficiente, por lo que la estimación obtenida de b y b2 no tiene realmente ningún sentido. Un ejemplo de esta situación se podría dar si incluimos en la ecuación variables como la hemoglobina y el hematocrito que está altamente correlacionado. Tamaño de muestra Como regla "de andar por casa" podemos considerar necesario disponer de al menos (k + ) casos para estimar un modelo con k variables independientes; es decir, al menos casos por cada variable que interviene en el modelo, considerando también la variable dependiente (la probabilidad del suceso), no es cierto que una misma muestra calculada para un estudio analítico sirva para el modelo logístico. Conviene llamar la atención respecto a que las cualitativas intervienen como c - variables en el modelo, al construir a partir de ellas las correspondientes variables internas. Selección de modelos Al estar hablando de modelos que pueden ser multivariantes, un aspecto de interés es cómo seleccionar el mejor conjunto de variables independientes a incluir en el modelo. La definición de mejor modelo depende del tipo y el objetivo del estudio. En un modelo con finalidad predictiva se considerará como mejor modelo aquel que produce predicciones más fiables, mientras que en un modelo que pretende estimar la relación entre dos variables (corrigiendo el efecto de otras), se considerará mejor aquel con el que se consigue una
6 Revista Salud, Sexualidad y Sociedad (4), 29 estimación más precisa del coeficiente de la variable de interés. Esto se olvida a menudo y sin embargo conduce a estrategias de modelado completamente diferentes. Así en el segundo caso un covariante con coeficiente estadísticamente significativo pero cuya inclusión en la ecuación no modifica el valor del coeficiente de la variable de interés, será excluido de la ecuación, ya que no se trata de un factor de confusión: la relación entre la variable de interés y la probabilidad no se modifica si se tiene en cuenta esa variable. Sin embargo si lo que se busca un modelo predicitivo sí que se incluirá en la ecuación pues ahora lo que buscamos es predicciones más fiables. Otra consideración que hay que hacer siempre que se analizan datos es distinguir entre diferencias numéricas, diferencias estadísticamente significativas y diferencias clínicamente relevantes. No siempre coinciden los tres conceptos. Lo primero que habrá que plantear es el modelo máximo, o lo que es lo mismo el número máximo de variables dependientes que pueden ser incluidas en la ecuación, considerando también las interacciones si fuera conveniente. Aunque existen diferentes procedimientos para escoger el modelo sólo hay tres mecanismos básicos para ello: empezar con una sola variable dependiente e ir añadiendo nuevas variables según un criterio prefijado (procedimiento hacia adelante), o bien empezar con el modelo máximo e ir eliminando de él variables según un criterio prefijado (procedimiento hacia atrás). El tercer método, denominado en la literatura "stepwise", combina los dos anteriores y en cada paso se puede tanto añadir una variable como eliminar otra que ya estaba en la ecuación, dependiendo de los hallazgos de otros estudios. En el caso de la regresión logística el criterio para decidir en cada paso si escogemos un nuevo modelo frente al actual viene dado por el logaritmo del cociente de verosimilitudes de los modelos. La función de verosimilitud de un modelo es una medida de cuán compatible es éste con los datos realmente observados. Si al añadir una nueva variable al modelo no mejora la verosimilitud de forma apreciable, en sentido estadístico, ésta variable no se incluye en la ecuación. Para evaluar la significación estadística de una variable concreta dentro del modelo, nos fijaremos en el valor de chi² (estadístico de Wald) correspondiente al coeficiente de la variable y en su nivel de probabilidad El método de máxima verosimilitud Supone que las observaciones fueron generadas por una distribución de probabilidades cuyos parámetros hay que estimar. Para llevar a cabo la estimación se construye la función de verosimilitud que es una medida de la incertidumbre en la estimación de valores hipotéticos del o de los parámetros. Supongamos que el valor hipotético del parámetro q es q' entonces la función de verosimilitud será: L(q'/Y, M) = K(Y)P(Y/q') Donde la función de verosimilitud L representa la incertidumbre asociada a q', dada las observaciones (Y) y el modelo (M). El método consiste en encontrar el valor de q' que maximiza la verosimilitud de que los datos fueron producidos por el modelo (King G.: 989: 24). Son muchos los cálculos técnicos de este método de estimación, sin embargo, dejaremos su presentación en este punto para enfocarnos hacia las ideas centrales que organizan esta forma de atacar el problema. Queremos destacar el hecho que el planteamiento del método de estimación máximo verosímil introduce el supuesto de que las observaciones se generan por un mecanismo aleatorio. Esta es una forma de "organizar" la experiencia. Reconoce un papel activo del sujeto, es éste quien decide si el modelo adecuado para representar un conjunto de datos es la distribución binomial o multinomial, etc. La elección no es arbitraria sino que se apoya en el examen del procedimiento que se siguió para generar las observaciones y las características teóricas de las distribuciones de probabilidades. Prueba de Wald de significación de los parámetros Es posible que algunas de las supuestas variables explicativas no sean tales y no tengan ningún efecto sobre la variable respuesta; para poder identificarlas y eliminarlas del modelo, se recurre a la prueba de Wald, la cual se limita a contrastar la hipótesis de nulidad del coeficiente asociado a la variable X j:
7 Revista Salud, Sexualidad y Sociedad (4), 29 H j: "X j no influye sobre Y: =" frente a la alternativa: H j: "X j influye sobre Y: ". El estadístico de contraste para la j-ésima variable explicativa es que se distribuye como una con grado de libertad cuando la muestra es grande, siendo s 2 j la varianza del estimador de. El contraste se realiza a un nivel de significación del 5%. Caso Se ha realizado un ensayo clínico para determinar la capacidad analgésica de la acupuntura en el tratamiento de los dolores lumbares. A este fin se les ha aplicado el tratamiento a 4 pacientes colocando las agujas en los lugares indicados por la medicina tradicional china, y a otros 4 un tratamiento placebo consistente en situar las agujas de forma aleatoria sobre la superficie cutánea (tradicional=, placebo=). Además, se sabe de cada uno de ellos el sexo (mujer=, hombre=), la edad (años cumplidos) y el historial de consumo de sicofármacos (no consumió=, consumo ocasional=, regular=2, frecuente=3, dependencia=4). Transcurridos dos meses de tratamiento, el individuo declara que ha experimentado mejoría (Y=) o que los dolores se mantienen o que han aumentado (Y=): Se quiere investigar la efectividad de la acupuntura en el tratamiento de las molestias lumbares. El programa calcula los coeficientes asociados a cada una de las variables explicativas: tratamiento (.8), sexo (.45), edad (-.) y consumo de sicofármacos (.9). En cuanto a los contrastes de Wald, todos ellos aceptan la nulidad de los coeficientes, excepto el correspondiente a la variable sobre consumo de sicofármacos; la interpretación de los resultados es que ni el tratamiento, ni el sexo, ni la edad influyen sobre la declaración del paciente sobre su mejoría, pero sí el haber sido consumidor de sicofármacos, lo que induce a pensar que son los pacientes más sugestionables los que dicen haber mejorado, independientemente de donde hayan sido colocadas las agujas, de su sexo y de su edad. (Fuente: L. C. Silva Ayçaguer (995) Excursión a la regresión logística en ciencias de la salud. Ed. Díaz de Santos, Madrid.) EJEMPLO DE TRABAJO EN EL SPSS Primero se selecciona la base de datos en la se desea trabajar, teniendo cuidado que la variable dependiente que sea motivo del análisis sea dicotómica. Resultado (-) Tratamiento (-) Sexo (-) Edad (años) Sicofármacos (-4) Posteriormente se va al menú contextual y se selecciona ANALIZE, al cual se la un Clik.
8 Revista Salud, Sexualidad y Sociedad (4), 29 Luego se va a la sección de regresión y se selecciona binary Logistic la cual está referida a la regresión logística binaria. Posteriormente se reportan los resultados en el SPSS de la siguiente forma, los cuales solamente se seleccionan dos cuadros: Logistic Regression Case Processing Summary Unweighted Cases Selected Cases a N Included in Analysis Missing Cases Total Unselected Cases Total Posteriormente se ingresa en el casillero de Depndent la variable dependiente, la cual debe ser dicotómica, en este ejemplo se esta tomando es de un estudio de casos y controles de mortalidad materna, la variable condición se categoriza en Muerte Materna y sobreviviente. Las variables independientes, como se ha visto con anterioridad de preferencia deben ser cuantitativa o categorizarlas de manera lógica para el análisis, para este caso y para evitar confusión emplearemos variables cuantitativas como edad, edad gestacional, peso materno, talla materna, nº de hijos vivos, intervalo íntergenésico y número de controles prenatales. Dichas variables se colocan en el casillero de covariates. Percent 8,8 2,2,,, a. If weight is in effect, see classification table for the total number of cases. Dependent Variable Encoding Original Value Internal Value Muerte Materna Block : Beginning Block Classification Tablea,b Predicted Step Observed Condición Muerte Materna Condición Muerte Materna Overall Percentage Percentage Correct,, 53,8 a. Constant is included in the model. b. The cut value is,5 Variables in the Equation Step Constant B,54 S.E.,28 Wald,3 df Sig.,59 Exp(B),6
9 Revista Salud, Sexualidad y Sociedad (4), 29 Variables not in the Equation Step Variables Score,6,64,42,25,,558,2,56 EDAD EDADGE2 PESOMA22 TALMAT23 NHJSNV25 ININTE2 NCPN28 Overall Statistics df Sig.,4,43,53,264,8,455,3, Omnibus Tests of Model Coefficients Chi-square 23,586 23,586 23,586 Step Block Model df Sig.,,, -2 Log likelihood 48,94 Cox & Snell R Square,365 B Edad Edad Gestacional Peso Materno Talla Materna Nº de Hijos Int. Intergenésico Nº de CPN Constante Nagelkerke R Square,48 Classification Tablea Step Condición Muerte Materna Muerte Materna Overall Percentage Percentage Correct 66, 8,6 3, a. The cut value is,5 Variables in the Equation Step a EDAD EDADGE2 PESOMA22 TALMAT23 NHJSNV25 ININTE2 NCPN28 Constant B,66 -,38 -,9-9,559 -,936,95,385 2,86 S.E.,92,4,38,23,346,4,4,5 Wald 3,269,83,24,56,33,49 4,93,639 df Sig.,,35,69,85,,58,2,2 Exp(B),8,962,98,,392,, ,5 gl,25,,558,2,56 Sig (p).,4,43,53,264,8,455,3,,66 -,38 -,9-9,559 -,936,95,385 2,86 S.E.,92,4,38,23,346,4,4,5 gl Sig (p). OR,,8,35,962,69,98,85,,,392,58,,2,469,2 3968,5 Int. Conf. 95,% (OR) Mínimo Máximo,986,43,888,43,9,58, 9,265,99,2,825,466,45 2,64 REFERENCIAS BIBLIOGRÁFICAS Predicted Observed Condición Valor Chi²,6,64 Todos los variables Model Summary Step Edad Edad gestacional Peso Materno Talla Materna Nº de Hijos Interv. Intergenesico Nº de CPN Se selecciona el segundo cuadro ya que realiza la interacción de riesgo entre las muertes maternas y las sobrevivientes, mientras que el primero solamente hace una asociación simple a la muerte materna sin comparación con las sobrevivientes. Block : Method = Enter Step Variables 95,% C.I.for EXP(B) Lower Upper,986,43,888,43,9,58, 9,265,99,2,825,466,45 2, a. Variable(s) entered on step : EDAD, EDADGE2, PESOMA22, TALMAT23, NHJSNV25, ININTE2, NCPN28. REPORTE FINAL DE REGRESIÓN LOGÍSTICA BINARIA EN SPSS Y SU INTERPRETACIÓN 6. Los cuadros marcados se editan en el SPSS y se escogen las pruebas de acuerdo al análisis de la información. Recibido: 2//28 8. Ayçaguer S. Excursión a la regresión logística en ciencias de la salud. Ed. Díaz de Santos. Madrid 995. Hosmer D, Lemeshow S, Wiley J. Applied Logistic Regresión. New York Abraira V, Pérez de Vargas A. Métodos multivariantes en bioestadística Ed. Centro de Estudios Ramón Areces. Madrid Breslow N, Días N. Los métodos estadísticos en la investigación de cáncer: el análisis de estudios del casomando. Lyon, Francia: IARC la Publicación Científica; ; 98; (32). Hosmer D, Lemeshow S. La regresión logistica aplicada (las Series de Wiley en la Probabilidad y la Estadística Matemática. La Probabilidad aplicada y Sección de la Estadística). Nueva York: John Wiley; 989. Kleinbaum D, Kupper L, Morgenstern H., Investigación Epidemiológica: los Principios y los métodos cuantitativos. Nueva York: Van Nostrand Reinhold; 982. Kleinbaum D, Kupper L, Muller K. El análisis de la regresión aplicada y otros métodos multivariantes. Segunda edición. Boston: Duxbury Press; 98. Kleinbaum D. Las estadísticas en las ciencias de salud: Logistic regression. Nueva York: Springer-Verlag; 994. Aceptado: 6//29
Lección 1-Introducción a los Polinomios y Suma y Resta de Polinomios. Dra. Noemí L. Ruiz Limardo 2009
Lección 1-Introducción a los Polinomios y Suma y Resta de Polinomios Dra. Noemí L. Ruiz Limardo 2009 Objetivos de la Lección Al finalizar esta lección los estudiantes: Identificarán, de una lista de expresiones
Más detallesANALISIS 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 detallesModelos de regresión: lineal simple y regresión logística
14 Modelos de regresión: lineal simple y regresión logística Irene Moral Peláez 14.1. Introducción Cuando se quiere evaluar la relación entre una variable que suscita especial interés (variable dependiente
Más detallesAdministración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1
Administración de Empresas. 11 Métodos dinámicos de evaluación de inversiones 11.1 TEMA 11: MÉTODOS DINÁMICOS DE SELECCIÓN DE INVERSIONES ESQUEMA DEL TEMA: 11.1. Valor actualizado neto. 11.2. Tasa interna
Más detallesIntroducción a la estadística y SPSS
Introducción a la estadística y SPSS Marcelo Rodríguez Ingeniero Estadístico - Magister en Estadística Universidad Católica del Maule Facultad de Ciencias Básicas Pedagogía en Matemática Estadística I
Más detalles4 Teoría de diseño de Experimentos
4 Teoría de diseño de Experimentos 4.1 Introducción En los capítulos anteriores se habló de PLC y de ruido, debido a la inquietud por saber si en una instalación eléctrica casera que cuente con el servicio
Más detallesAnálisis y cuantificación del Riesgo
Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el
Más detallesDiagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics-
Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics- 1. Introducción Ficheros de datos: TiempoaccesoWeb.sf3 ; AlumnosIndustriales.sf3 El objetivo de esta práctica es asignar un modelo
Más detallesFundamentos de Investigación de Operaciones Investigación de Operaciones 1
Fundamentos de Investigación de Operaciones Investigación de Operaciones 1 1 de agosto de 2003 1. Introducción Cualquier modelo de una situación es una simplificación de la situación real. Por lo tanto,
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 detallesproporción de diabetes = 1.500 = 0.06 6 % expresada en porcentaje 25.000.
UNIDAD TEMATICA 3: Tasas Razones y proporciones Objetivo: Conocer los indicadores que miden los cambios en Salud, su construcción y utilización La información que se maneja en epidemiología frecuentemente
Más detallesGUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES
GUÍA TÉCNICA PARA LA DEFINICIÓN DE COMPROMISOS DE CALIDAD Y SUS INDICADORES Tema: Cartas de Servicios Primera versión: 2008 Datos de contacto: Evaluación y Calidad. Gobierno de Navarra. evaluacionycalidad@navarra.es
Más detallesLABORATORIO Nº 2 GUÍA PARA REALIZAR FORMULAS EN EXCEL
OBJETIVO Mejorar el nivel de comprensión y el manejo de las destrezas del estudiante para utilizar formulas en Microsoft Excel 2010. 1) DEFINICIÓN Una fórmula de Excel es un código especial que introducimos
Más detallesLA SELECCION DE PERSONAL
LA SELECCION DE PERSONAL FASES DE LA SELECCION La selección, como cualquier otro proceso dentro de una organización, necesita seguir una serie de pasos perfectamente definidos y estructurados. Lo ideal
Más detallesEduardo Kido 26-Mayo-2004 ANÁLISIS DE DATOS
ANÁLISIS DE DATOS Hoy día vamos a hablar de algunas medidas de resumen de datos: cómo resumir cuando tenemos una serie de datos numéricos, generalmente en variables intervalares. Cuando nosotros tenemos
Más detallesIndicadores de la Variable.- Son aquellas cualidades o propiedades del objeto que pueden ser directamente observadas y cuantificadas en la práctica.
Las variables de un estudio. La variable es determinada característica o propiedad del objeto de estudio, a la cual se observa y/o cuantifica en la investigación y que puede variar de un elemento a otro
Más detallesFUNCIONES DE PROPORCIONALIDAD
UNIDAD 2 PROPORCIONALIDAD. FUNCIONES DE PROPORCIONALIDAD 1.- INTRODUCCIÓN Continuamente hacemos uso de las magnitudes físicas cuando nos referimos a diversas situaciones como medida de distancias (longitud),
Más detallesLos estados financieros proporcionan a sus usuarios información útil para la toma de decisiones
El ABC de los estados financieros Importancia de los estados financieros: Aunque no lo creas, existen muchas personas relacionadas con tu empresa que necesitan de esta información para tomar decisiones
Más detallesEvaluación del desempeño: los miembros de la familia, a examen
Cátedra de Empresa Familiar TEMA DEL MES Newsletter nº 32 4 de febrero de 2008 Evaluación del desempeño: los miembros de la familia, a examen Por Josep Tàpies, titular de la Cátedra de Empresa Familiar
Más detallesCongreso de Colegios Católicos, Una pasión que se renueva. Pontificia Universidad Católica de Chile. Septiembre 2015.
Panel: Ley de Inclusión, reglamentación y Colegios Católicos Andrés Palma 1 Hola, muy buenas tardes, muchas gracias a la Conferencia Episcopal, a FIDE, a la Universidad Católica por la invitación para
Más detallesTEMA 3: EN QUÉ CONSISTE?
Módulo 7 Sesión 3 5/16 TEMA 3: EN QUÉ CONSISTE? La metodología seguida para aplicar correctamente la técnica de RGT se basa en cuatro fases (Figura 1). En la primera de ellas, se seleccionan los elementos
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 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 detallesLas razones financieras ayudan a determinar las relaciones existentes entre diferentes rubros de los estados financieros
Razones financieras Uno de los métodos más útiles y más comunes dentro del análisis financiero es el conocido como método de razones financieras, también conocido como método de razones simples. Este método
Más detallesINTRODUCCIÓN A LA CONTABILIDAD DE COSTOS DEFINICIÓN
INTRODUCCIÓN A LA CONTABILIDAD DE COSTOS DEFINICIÓN Contabilidad de costos, en el sentido más general de la palabra, es cualquier procedimiento contable diseñado para calcular lo que cuesta hacer algo.
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 detalles3º Grado Educación Infantil Bilingüe Números. Método Singapur y F. Bravo E R
MATEMÁTICAS PARA EDUCACIÓN INFANTIL N Enseñamos y aprendemos llos números:: Método Siingapur y Fernández Bravo,, Porr Clarra Garrcí ía,, Marrtta Gonzzál lezz y Crri isstti ina Lattorrrre.. Ú M E R O S
Más detallesCapítulo 3. Estimación de elasticidades
1 Capítulo 3. Estimación de elasticidades Lo que se busca comprobar en esta investigación a través la estimación econométrica es que, conforme a lo que predice la teoría y lo que ha sido observado en gran
Más detallesESTUDIO SOBRE LA INMIGRACIÓN Y EL SISTEMA SANITARIO PÚBLICO ESPAÑOL CONCLUSIONES
ESTUDIO SOBRE LA INMIGRACIÓN Y EL SISTEMA SANITARIO PÚBLICO ESPAÑOL CONCLUSIONES INTRODUCCIÓN El Foro Fundación Pfizer de Debate Social nace en 2007 como una iniciativa para crear una plataforma de análisis
Más detallesLos números racionales
Los números racionales Los números racionales Los números fraccionarios o fracciones permiten representar aquellas situaciones en las que se obtiene o se debe una parte de un objeto. Todas las fracciones
Más detallesTEMA 2. LA MEDICIÓN EN PSICOLOGÍA
TEMA 2. LA MEDICIÓN EN PSICOLOGÍA 1. La Psicometría Concepto Niveles de contenido 2. La medición Funciones generales Funciones específicas Condiciones de la medición 3. Variables: Definición y clasificación
Más detallesInstrucción IrA (GoTo). Saltos no naturales en el flujo normal de un programa. Pseudocódigo y diagramas de flujo. (CU00182A)
aprenderaprogramar.com Instrucción IrA (GoTo). Saltos no naturales en el flujo normal de un programa. Pseudocódigo y diagramas de flujo. (CU00182A) Sección: Cursos Categoría: Curso Bases de la programación
Más detallesINDICADORES. PROBLEMAS ASOCIADOS A SU SELECCIÓN PARA MEDIR SUSTENTABILIDAD Y EFICIENCIA AMBIENTAL
FUNDACION NEXUS ciencias sociales medio ambiente salud INDICADORES. PROBLEMAS ASOCIADOS A SU SELECCIÓN PARA MEDIR SUSTENTABILIDAD Y EFICIENCIA AMBIENTAL Por Daniel Fernández Dillon Ingeniería Sanitaria
Más detallesConstruyendo gráficos estadísticos con ayuda de Microsoft Excel
Construyendo gráficos estadísticos con ayuda de Microsoft Excel Eduardo Aguilar Fernández Universidad Nacional Heredia, Costa Rica eaguilar2@gmail.com Andrey Zamora Araya Universidad Nacional Heredia,
Más detallesTema 5. Variables aleatorias discretas
Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso
Más detallesMAYOR PRODUCTIVIDAD CON UNA MEJOR CALIDAD EN LOS COSTOS
MAYOR PRODUCTIVIDAD CON UNA MEJOR CALIDAD EN LOS COSTOS C.P. y M. A. Raúl Vivanco Florido Director de la Facultad de Contaduría Pública Universidad Tecnológica Americana Viaducto Pdte. Miguel Alemán Nº
Más detallesMODELOS DE RECUPERACION
RECUPERACIÓN Y ORGANIZACIÓN DE LA INFORMACIÓN INGENIERÍA INFORMÁTICA RECUPERACIÓN Y ACCESO A LA INFORMACIÓN MODELOS DE RECUPERACION AUTOR: Rubén García Broncano NIA 100065530 grupo 81 1 INDICE 1- INTRODUCCIÓN
Más detallesTemas de electricidad II
Temas de electricidad II CAMBIANDO MATERIALES Ahora volvemos al circuito patrón ya usado. Tal como se indica en la figura, conecte un hilo de cobre y luego uno de níquel-cromo. Qué ocurre con el brillo
Más detallesCaso práctico de Cuadro de Mando con Tablas Dinámicas
1 Caso práctico de Cuadro de Mando con Tablas Dinámicas Luis Muñiz Socio Director de SisConGes & Estrategia Introducción Hay una frase célebre que nos permite decir que: Lo que no se mide no se puede controlar
Más detallesDISEÑO DE INDICADORES DE DESIGUALDAD SOCIAL EN LAS CIUDADES.-
DISEÑO DE INDICADORES DE DESIGUALDAD SOCIAL EN LAS CIUDADES.- 1. Introducción. El presente documento es el referente metodológico para la selección inicial de los barrios deprimidos. Se recoge una propuesta
Más detallesUN PROBLEMA CON INTERÉS Y CALCULADORA
UN PROBLEMA CON INTERÉS Y CALCULADORA José Antonio Mora Sánchez. Alacant Las calculadoras ofrecen la posibilidad de modificar la óptica desde la que se abordan ciertos problemas matemáticos, esto hace
Más detallesby Tim Tran: https://picasaweb.google.com/lh/photo/sdo00o8wa-czfov3nd0eoa?full-exif=true
by Tim Tran: https://picasaweb.google.com/lh/photo/sdo00o8wa-czfov3nd0eoa?full-exif=true I. FUNDAMENTOS 3. Representación de la información Introducción a la Informática Curso de Acceso a la Universidad
Más detallesProblemas fáciles y problemas difíciles. Cuando a los niños les planteamos problemas de suma y resta, Laura dejó sin resolver el siguiente problema:
Problemas fáciles y problemas difíciles Alicia Avila Profesora investigadora de la Universidad Pedagógica Nacional Cuando a los niños les planteamos problemas de suma y resta, Laura dejó sin resolver el
Más detalles5.1. Organizar los roles
Marco de intervención con personas en grave situación de exclusión social 5 Organización de la acción 5.1. Organizar los roles Parece que el modelo que vamos perfilando hace emerger un rol central de acompañamiento
Más detallesEJEMPLO DE REPORTE DE LIBERTAD FINANCIERA
EJEMPLO DE REPORTE DE LIBERTAD FINANCIERA 1. Introduccio n El propósito de este reporte es describir de manera detallada un diagnóstico de su habilidad para generar ingresos pasivos, es decir, ingresos
Más detallesCAPÍTULO 1: INTRODUCCIÓN. Todas las personas sabemos que la gran mayoría de las actividades humanas conllevan lo
CAPÍTULO 1: INTRODUCCIÓN 1.1. Planteamiento del problema Todas las personas sabemos que la gran mayoría de las actividades humanas conllevan lo que conocemos como riesgo, pero qué es en realidad el riesgo?,
Más detallesEsperanzas de vida en salud
Las esperanzas de salud proporcionan un medio de dividir la esperanza de vida en fracciones vividas en distintas situaciones: por ejemplo en buena y mala salud. Estas medidas representan el creciente interés
Más detallesPARA COMERCIANTES Y AUTÓNOMOS. INFORMACIÓN SOBRE TARJETAS DE CRÉDITO.
PARA COMERCIANTES Y AUTÓNOMOS. INFORMACIÓN SOBRE TARJETAS DE CRÉDITO. QUÉ DEBES SABER CUANDO ACEPTAS UNA TARJETA COMO FORMA DE PAGO EN TU ESTABLECIMIENTO? Hace ya muchos años que la mayoría de las microempresas
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 detallesCentro de Capacitación en Informática
Fórmulas y Funciones Las fórmulas constituyen el núcleo de cualquier hoja de cálculo, y por tanto de Excel. Mediante fórmulas, se llevan a cabo todos los cálculos que se necesitan en una hoja de cálculo.
Más detalles1. EL CONCEPTO DE INTERÉS
1. EL CONCEPTO DE INTERÉS 1.1 Introducción Tal y como se ha señalado en el prefacio, en estos primeros capítulos se va a suponer ambiente de certidumbre, es decir, que los agentes económicos conocen con
Más detallesMICROECONOMÍA MICROECONOMÍA
MICROECONOMÍA MICROECONOMÍA INTRODUCCIÓN A LA MICROECONOMÍA. OBJETIVOS El alumno deberá ser capaz de comprender cómo se realiza el proceso de satisfacción de necesidades utilizando eficientemente sus recursos
Más detallesTema 2. Variables y medidas
Curso de Estadística Aplicada a las Ciencias Sociales Tema 2. Variables y medidas Fuentes: Manual (2.1.) y Agresti (cap. 2) Tema 2. Variables y medidas Introducción 1. Variables, valores y escalas 2. Definición
Más detallesENSEÑANZA DE IDIOMAS PROFESORES. PROFESORES DE ESCUELAS OFICIALES DE IDIOMAS DE ESPAÑOL Preparación de la prueba práctica Para el examen de Oposición
CURSO ELABORADO POR EL EQUIPO TECNICO DEL CENTRO DOCUMENTACION DE ESTUDIOS Y OPOSICIONES ENSEÑANZA DE IDIOMAS PROFESORES AUTOR: Rodrigo González Sánchez Profesor de Escuela Oficial de Idiomas PROFESORES
Más detallesLA MEDIDA Y SUS ERRORES
LA MEDIDA Y SUS ERRORES Magnitud, unidad y medida. Magnitud es todo aquello que se puede medir y que se puede representar por un número. Para obtener el número que representa a la magnitud debemos escoger
Más detallesMódulo mod_banners para insertar y visualizar anuncios o publicidad (banners) en Joomla. Contador. (CU00446A)
aprenderaprogramar.com Módulo mod_banners para insertar y visualizar anuncios o publicidad (banners) en Joomla. Contador. (CU00446A) Sección: Cursos Categoría: Curso creación y administración web: Joomla
Más detallesTratamiento borroso del intangible en la valoración de empresas de Internet
Tratamiento borroso del intangible en la valoración de empresas de Internet Mª Carmen Lozano Gutiérrez Federico Fuentes Martín Esta página está alojada por el Grupo EUMED.NET de la Universidad de Málaga
Más detallesCréditos académicos. Ignacio Vélez. Facultad de Ingeniería Industrial. Politécnico Grancolombiano
Créditos académicos Ignacio Vélez Facultad de Ingeniería Industrial Politécnico Grancolombiano 11 de noviembre de 2003 Introducción Cuando se habla del sistema de créditos muchas personas consideran que
Más detallesTécnicas de regresión: Regresión Lineal Múltiple
Investigación: Técnicas de regresión: regresión lineal múltiple 1/1 Técnicas de regresión: Regresión Lineal Múltiple Pértega Díaz S., Pita Fernández S. Unidad de Epidemiología Clínica y Bioestadística.
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 detallesPOR QUÉ YA NO SE RECOMIENDA ESPERAR 3 MESES PARA HACERSE LA PRUEBA DEL VIH?
QUÉ ES LA PRUEBA DEL VIH? La prueba del VIH es la única forma fiable de saber si una persona está o no infectada por el VIH, el virus del sida. Las pruebas de diagnóstico del VIH que se emplean habitualmente
Más detallesEl desarrollo del pensamiento multiplicativo.
El desarrollo del pensamiento multiplicativo. Análisis de las diferentes situaciones multiplicativas, su aplicación en el aula y en el desarrollo del pensamiento matemático. Autor: Mery Aurora Poveda,
Más detallesProgramación Lineal. Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal
Programación Lineal Ficha para enseñar a utilizar el Solver de EXCEL en la resolución de problemas de Programación Lineal Ejemplo: Plan de producción de PROTRAC En esta ficha vamos a comentar cómo se construyó
Más detallesUna experiencia en la enseñanza de los primeros cursos del área matemática.
Una experiencia en la enseñanza de los primeros cursos del área matemática. Rodolfo Carvajal y Martín Matamala Departamento de Ingeniería Matemática, Facultad de Ciencias Físicas y Matemáticas, Universidad
Más detallesLA ENCUESTA DE COMPETENCIAS DE LA POBLACIÓN ADULTA (PIAAC) DESDE EL APRENDIZAJE A LO LARGO DE LA VIDA
LA ENCUESTA DE COMPETENCIAS DE LA POBLACIÓN ADULTA (PIAAC) DESDE EL APRENDIZAJE A LO LARGO DE LA VIDA DESCRIPCIÓN DE LA ENCUESTA En octubre de 2013 se presentaron oficialmente los resultados de una encuesta
Más detallesEn cualquier caso, tampoco es demasiado importante el significado de la "B", si es que lo tiene, lo interesante realmente es el algoritmo.
Arboles-B Características Los árboles-b son árboles de búsqueda. La "B" probablemente se debe a que el algoritmo fue desarrollado por "Rudolf Bayer" y "Eduard M. McCreight", que trabajan para la empresa
Más detallesSENA: CENTRO BIOTECNOLOGIA INDUSTRIAL PROGRAMA DE FORMACIÓN: TECNOLOGO GESTION LOGISTICA
Por población o universo se entiende como un conjunto de medidas, cuando estas son aplicadas a una característica cuantitativa, o como el recuento de todas las unidades que presentan una característica
Más detallesCapítulo 9. Regresión lineal simple
Capítulo 9. Regresión lineal simple 9.1 Introducción Uno de los aspectos más relevantes de la Estadística es el análisis de la relación o dependencia entre variables. Frecuentemente resulta de interés
Más detallesIV. Una aproximación al consumo de drogas en España
IV. Una aproximación al consumo de drogas en España Ciertamente la presente investigación tiene como finalidad básica el estudio de los valores sociales y su relación con los consumos de drogas, y a ello
Más detalles1. Liderar equipos. Liderazgo
Liderazgo Índice Para empezar... 3 Los objetivos... 4 Entramos en materia... 5 1.1 Aprender a ser líder... 5 1.2 Tipos de líder... 6 1.3 Estilos de dirección... 7 1.4 Características del líder... 8 1.5
Más detallesRECOMENDACIONES DE INVESTIGACIÓN FUTURA.
Capítulo 6 CONCLUSIONES Y RECOMENDACIONES DE INVESTIGACIÓN FUTURA. 212 METODOLOGÍA PARA LA DETECCIÓN DE REQUERIMIENTOS SUBJETIVOS EN EL DISEÑO DE PRODUCTO. CAPÍTULO 6. CONCLUSIONES, APORTACIONES Y RECOMENDACIONES.
Más detallesGUÍA PARA LA FORMULACIÓN PROYECTOS
GUÍA PARA LA FORMULACIÓN PROYECTOS Un PROYECTO es un PLAN DE TRABAJO; un conjunto ordenado de actividades con el fin de satisfacer necesidades o resolver problemas. Por lo general, cualquier tipo de proyecto,
Más detallesRESUMEN EJECUTIVO. La gestión de riesgos corporativos incluye las siguientes capacidades:
RESUMEN EJECUTIVO La premisa subyacente en la gestión de riesgos corporativos es que las entidades existen con el fin último de generar valor para sus grupos de interés. Todas se enfrentan a la ausencia
Más detallesLínea Base Juan Carlos Bajo Albarracín Qué es una línea base Cómo implantar la Ley 29783: El concepto sistema de gestión en la Ley 29783
Línea Base Juan Carlos Bajo Albarracín Director de Seguridad y Salud PRYSMA INTERNACIONAL PERÚ Lo primero que debemos hacer antes de implantar o adecuar el sistema de seguridad y salud en el trabajo a
Más detallesCAPÍTULO III MARCO TEÓRICO. Cada día cambian las condiciones de los mercados debido a diferentes factores como: el
CAPÍTULO III MARCO TEÓRICO 3.1 Introducción Cada día cambian las condiciones de los mercados debido a diferentes factores como: el incremento de la competencia, la globalización, la dinámica de la economía,
Más detallesTema 07. LÍMITES Y CONTINUIDAD DE FUNCIONES
Tema 07 LÍMITES Y CONTINUIDAD DE FUNCIONES Límite de una función en un punto Vamos a estudiar el comportamiento de las funciones f ( ) g ( ) ENT[ ] h ( ) i ( ) en el punto Para ello, damos a valores próimos
Más detallesRevisión ISO 9001:2015 Preguntas frecuentes
Revisiones ISO Norma Final Revisión ISO 9001:2015 Preguntas frecuentes Introducción ISO 9001, la norma internacional de calidad líder en el mundo, ha ayudado a millones de organizaciones a mejorar su calidad
Más detallesCIIF CENTRO INTERNACIONAL DE INVESTIGACION FINANCIERA
I E S E Universidad de Navarra CIIF CENTRO INTERNACIONAL DE INVESTIGACION FINANCIERA INFORME SOBRE LA RELACION ENTRE CONSUMO, MOROSIDAD Y CICLOS BURSATILES Miguel A. Ariño* María Coello de Portugal** DOCUMENTO
Más detallesTABLA DE DECISION. Consideremos la siguiente tabla, expresada en forma genérica, como ejemplo y establezcamos la manera en que debe leerse.
TABLA DE DECISION La tabla de decisión es una herramienta que sintetiza procesos en los cuales se dan un conjunto de condiciones y un conjunto de acciones a tomar según el valor que toman las condiciones.
Más detallesProfr. Efraín Soto Apolinar. Factorización
Factorización La factorización es la otra parte de la historia de los productos notables. Esto es, ambas cosas se refieren a las mismas fórmulas, pero en los productos notables se nos daba una operación
Más detallesECONOMÍA SOCIAL SOLIDARIA
ECONOMÍA SOCIAL SOLIDARIA Módulo básico de capacitación para las organizaciones afiliadas a StreetNet Internacional Objetivos de este módulo de capacitación StreetNet Internacional fue fundada en el 2002
Más detallesServicio de estadísticas de Alojamiento Fecha de revisión: 19/09/2005
Servicio de estadísticas de Alojamiento Fecha de revisión: 19/09/2005 1. Acerca de este documento Este documento describe el servicio de estadísticas del que actualmente disfrutan algunas de las páginas
Más detallesA) Preguntas relacionadas con el apartado 1 del artículo único del citado real decreto-ley:
SECRETARÍA DE ESTADO DE LA SEGURIDAD SOCIAL DIRECCIÓN PROVINCIAL DE CASTELLÓN PREGUNTAS Y RESPUESTAS SOBRE TARIFA PLANA (Real Decreto-Ley 3/2014, de 28 de febrero) Se ha elaborado una lista con las preguntas
Más detallesUNIVERSIDAD IBEROAMERICANA
UNIVERSIDAD IBEROAMERICANA AUTOCONCEPTO, EMOCIONES Y SENTIDO DE VIDA DE MUJERES CON CÁNCER DE MAMA TESIS Que para obtener el grado de MAESTRA EN DESARROLLO HUMANO Presenta: GABRIELA ELENA SCHROEDER HOPPENSTEDT
Más detallesMATERIAL 2 EXCEL 2007
INTRODUCCIÓN A EXCEL 2007 MATERIAL 2 EXCEL 2007 Excel 2007 es una planilla de cálculo, un programa que permite manejar datos de diferente tipo, realizar cálculos, hacer gráficos y tablas; una herramienta
Más detallesLa composición de una imagen, reglas
Componer una fotografía Saber mirar, algo que resulta difícil en fotografía pero a la vez indispensable para obtener buenas fotografías. Para ello se requiere sobre todo aprender a mirar. Para qué queremos
Más detallesTipos de ensayos y artículos
Tipos de ensayos y artículos Por José Martín Hurtado Galves 1 El presente texto tiene como finalidad dar a conocer, de manera concisa, los tipos de ensayos y artículos que existen. En cada uno ellos se
Más detallesPrograma de Criminología UOC
Programa de Criminología UOC Trabajo Final de Grado Presentación Descripción La asignatura en el conjunto del plan de estudios Campos profesionales en que se proyecta Conocimientos previos Objetivos y
Más detallesRecursos para el Estudio en Carreras de Ingeniería 2006 UNIDAD TEMÁTICA Nº 4 LA TOMA DE APUNTES
UNIDAD TEMÁTICA Nº 4 LA TOMA DE APUNTES En esta unidad te invitamos a que: Adviertas la importancia de los apuntes como un recurso para iniciar el estudio de un tema. Te apropies de algunas estrategias
Más detallesHerramienta Solver. Activar Excel Solver
Herramienta Solver Introducción: Solver forma parte de una serie de comandos a veces denominados herramientas de análisis Y si. Con Solver, puede encontrar un valor óptimo (mínimo o máximo) para una fórmula
Más detallesTEMA : MEDICION - REQUISITOS- PROCEDIMIENTO PARA CONSTRUIR UN INSTRUMENTO DE MEDICION
TEMA : MEDICION - REQUISITOS- PROCEDIMIENTO PARA CONSTRUIR UN INSTRUMENTO DE MEDICION Resumen Cap. 8 del libro Introducción a la Investigación Pedagógica de Ary, Jacobs y Razavieh y cap 9. del libro Metodología
Más detallesDESARROLLO COMUNITARIO Y EDUCACIÓN
DESARROLLO COMUNITARIO Y EDUCACIÓN J. Ricardo González Alcocer Para empezar, lo primero que considero relevante es intentar definir el concepto de Desarrollo Comunitario, tarea difícil ya que es un concepto
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 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 detallesSIIGO Dejando huella... SIIGO Windows. Versión 4.2 MODULO DE DISTRIBUCION DE COSTOS. Caminando hacia el futuro... www.siigo.com
SIIGO Windows Versión 4.2 MODULO DE DISTRIBUCION DE COSTOS TABLA DE CONTENIDO 1. Introducción... 2 2. Instalación... 4 3. Parámetros Generales... 6 a. Verificación del catalogo de productos... 6 b. Verificación
Más detallesJORNADAS SOBRE ARTE, SOCIEDAD Y NUEVAS TECNOLOGÍAS Pau de Solà-Morales Serra
JORNADAS SOBRE ARTE, SOCIEDAD Y NUEVAS TECNOLOGÍAS Pau de Solà-Morales Serra Muchas son las mitologías alrededor del ordenador, y muchas más las utopías que los devotos de la informática han extendido
Más detallesCOMPETENCIA MATEMÁTICA Y RESOLUCIÓN DE PROBLEMAS
COMPETENCIA MATEMÁTICA Y RESOLUCIÓN DE PROBLEMAS Jesús Gago Sánchez, Maestro de Primaria. 1-. INTRODUCCIÓN AL CONCEPTO DE COMPETENCIA MATEMÁTICA. La Ley Orgánica de Educación, LOE, establece en su Artículo
Más detallesSISTEMAS DE NUMERACIÓN. Sistema decimal
SISTEMAS DE NUMERACIÓN Sistema decimal Desde antiguo el Hombre ha ideado sistemas para numerar objetos, algunos sistemas primitivos han llegado hasta nuestros días, tal es el caso de los "números romanos",
Más detalles