Tema: Análisis de valores faltantes con SPSS
|
|
- Agustín Aguilar Araya
- hace 7 años
- Vistas:
Transcripción
1 Tema: Análisis de valores faltantes con SPSS 1.- Introducción Hemos de comenzar advirtiendo que el Procedimiento Valores perdidos no se incluye en el sistema Base de SPSS, por lo que solo estará disponible si se ha adquirido dicha opción adicional. El procedimiento Análisis de valores perdidos se crea a partir de la rutina AM de BMDP, con la ventaja para el usuario de proporcionar cuadros de diálogo para ejecutar las distintas opciones de la rutina (en BMDP hay que escribir un fichero.inp de con los comandos necesarios, similar al modo Script de SPSS). Como sabemos, el análisis de valores perdidos ayuda a resolver varios problemas ocasionados por los datos incompletos, si bien habrá que tener especial cuidado con los casos con valores perdidos que son sistemáticamente diferentes de los casos completos, ya que en esta situación, como se comentó en el capítulo dedicado a Imputación, impide una interpretación clara de los resultados. En lo que sigue, supondremos que se tienen los supuestos necesarios para realizar con garantías los procesos de imputación, y justamente en muchos casos la utilidad que vamos a describir nos proporcionará los instrumentos para evaluar dichos supuestos. La utilidad realiza tres funciones principales: Describe el patrón de los datos perdidos: la ubicación de los valores perdidos, cómo de extensos son, si los pares de variables tienden a tener valores perdidos en casos diferentes, si los valores de los datos son extremos y si los valores están perdidos de forma aleatoria. Estima medias, desviación típica, covarianzas y correlaciones utilizando un método por lista, por parejas, de regresión, o bien EM (expectationmaximization, esperanza-maximización). El método por parejas muestra, además, recuentos de los casos completos por parejas. Rellena (imputa) los valores perdidos con valores estimados utilizando el método EM o los de regresión. La primera función es un paso preliminar de la segunda y la tercera. Normalmente será necesario usar el programa dos veces: primero para ver el modelo y el alcance de los datos faltantes y determinar si estos aparecen de modo aleatorio; segundo, para calcular covarianzas, correlaciones y/o estimar los valores faltantes. Los datos faltantes pueden ser descritos y estimados en conjunto o por grupos, para esto usaremos la utilidad de segmentación del menú Datos. La segunda función se refiere al método de estimación de valores faltantes: Por lista. Muestra las medias, la matriz de correlación y la matriz de covarianza, omitiendo los casos en los que alguna variable considerada tiene algún valor perdido (eliminación por lista).
2 Por parejas. Muestra, para cada par de variables cuantitativas, el número de valores no perdidos así como la correlación, covarianza, varianza y media del par. Cada cálculo se efectúa empleando todos los valores para los que ambas variables tienen valores no perdidos. EM. Muestra la matriz de covarianza, la matriz de correlaciones y las medias obtenidas mediante el algoritmo EM. El método EM ("expectationmaximization") estima los valores perdidos mediante un proceso iterativo. Cada iteración tiene un paso E para calcular los valores esperados de los parámetros y un paso M para calcular las estimaciones máximo verosímiles. Regresión. Muestra la matriz de covarianza, la matriz de correlaciones y las medias obtenidas a partir de las estimaciones de valores perdidos derivadas de un algoritmo de regresión. Adicionalmente el programa calcula estadísticos univariantes, las medias estimadas y otras pruebas que describiremos posteriormente. Accedemos a la utilidad pulsando Analizar-Análisis de valores perdidos: Consideraciones sobre los datos Antes de describir otras opciones del programa hemos de hacer algunas consideraciones sobre: Datos. Los datos pueden ser categóricos o cuantitativos. Para cada variable, los valores perdidos que no están codificados como valores perdidos del sistema deben definirse como valores perdidos definidos por el usuario. Por ejemplo, si un elemento del cuestionario tiene la respuesta No sabe codificada como 5 y desea tratarla como valor perdido, el elemento debería tener el 5 codificado como valor perdido definido por el usuario. Supuestos. La estimación por lista y por parejas depende del supuesto de que el patrón de valores perdidos no depende de los valores de los datos (esta
3 condición se conoce como perdidos completamente al azar o MCAR). El incumplimiento de este supuesto (por ejemplo que los datos estén perdidos al azar o MAR) puede inducir a estimaciones sesgadas.. Este supuesto permite ajustar las estimaciones utilizando la información disponible. Uso de procedimientos relacionados. A veces es más iteresante utilizar otros procedimientso de imputación, si se conocen ciertas características sobre los datos. En este sentido SPSS dispone de muchos procedimientos que permiten utilizar la estimación por lista o por parejas mediante, por ejemplo, Regresión Igualmente con la opción Tendencias de SPSS se pueden reemplazar los valores perdidos en las series temporales. 2.- Descripción del procedimiento Accediendo al menú descrito anteriormente, aparece el cuadro de diálogo: en el que habremos de seleccionar al menos una variable cuantitativa. Como vemos, se tiene la posibilidad de: Seleccionar variables categóricas (numéricas o de cadena) y establecer un límite para el número de categorías (Máximo). Pulsar en Patrones o en Descriptivos para obtener descripciones de los valores perdidos. Seleccionar un método para la estimación de los estadísticos y de los propios valores perdidos. Si selecciona EM o Regresión, pulse en Variables para especificar el subconjunto que se va a utilizar para la estimación.
4 2.1.- Análisis de valores perdidos: Patrones Si pulsamos en Patrones (habiendo seleccionado al menos una variable cuantitativa), disponemos de las siguientes opciones: Mostrar. Ofrece tres tipos de tablas de patrones que contienen los casos o los números de caso frente a las variables. En lugar de valores o recuentos, las casillas de la tabla contienen símbolos que indican el tipo de valor. Para Casos tabulados, se utiliza una X para indicar los valores perdidos. Para Todos los casos y Casos con valores perdidos, los símbolos que se muestran son: o + Valor extremadamente alto. o - Valor extremadamente bajo. o S Valor perdido por el sistema. o A Primer tipo de valor perdido definido por el usuario. o B Segundo tipo de valor perdido definido por el usuario. o C Tercer tipo de valor perdido definido por el usuario. Casos tabulados. Se tabula la frecuencia de cada patrón de valores perdidos. Los recuentos y las variables se clasifican según la similaridad de los patrones. Omitir patrones con menos del n % de los casos. Elimina los patrones poco frecuentes. o Casos con valores perdidos. Los patrones por caso y variable de los valores perdidos y extremos se muestran sólo para los casos que posean valores perdidos. Tanto los casos como las variables se ordenan según la similaridad de los patrones.
5 o Todos los casos. Para cada caso, se muestra el patrón de valores perdidos y extremos. Los casos se listan en el orden en que aparecen en el archivo de datos, a menos que se especifique una variable de ordenación. Variables. Puede especificar variables para etiquetar y clasificar la presentación de los patrones. Patrones perdidos para. Muestra una lista de todas las variables cuantitativas y categóricas del cuadro de diálogo Análisis de valores perdidos. Información adicional acerca de. Ofrece una lista de los valores para cada caso. Para los patrones tabulados, esta opción lista además la media de las variables cuantitativas o, para las variables categóricas, el número de casos que tienen el patrón en cada categoría. Ordenar por. Los casos se listan según el orden ascendente o descendente de los valores de la variable especificada. Esta opción está disponible sólo si se selecciona Todos los casos Análisis de valores perdidos: Descriptivos Si en el cuadro de diálogo general del procedimiento, pulsamos Descriptivos, accedemos a un nuevo cuadro de diálogo en el que tenemos las siguientes opciones: Estadísticos univariantes. Para cada variable, muestra el número de valores no perdidos, la media, la desviación típica y el número y porcentaje de valores perdidos. Presenta asimismo los recuentos y los porcentajes de los valores perdidos y los recuentos de los valores extremadamente altos y bajos (las medias, la desviación típica y los recuentos de los valores extremos no se indican para las variables categóricas). Para cada variable, SPSS crea una variable indicadora para los perdidos, que indica si el valor de la variable está presente o está perdido. Estadísticos con variable indicadora. Para cada variable, SPSS crea una variable indicadora para los perdidos, que indica si el valor de la variable está presente o está perdido. Las variables indicadoras no se muestran, pero se utilizan para crear el porcentaje de discordancia, las pruebas t y las tablas de
6 frecuencia. Para reducir el tamaño de la tabla puede omitir los estadísticos que se calculen sólo para un pequeño número de casos. Porcentaje de discordancia. Para cada par de variables muestra el porcentaje de casos en los que una variable tiene un valor perdido y la otra variable tiene un valor no perdido. Cada elemento diagonal de la tabla contiene el porcentaje de valores perdidos para una sola variable. Pruebas t con los grupos formados por las variables indicadoras. Se comparan las medias de los dos grupos para cada variable cuantitativa, utilizando el estadístico t de Student. Los grupos se determinan en función de si la variable indicadora está codificada como presente o como perdida. Se muestra el estadístico t, los grados de libertad, los recuentos de valores perdidos y no perdidos y las medias de los dos grupos. También se puede mostrar todas las probabilidades bilaterales asociadas a los estadísticos t, si bien su interpretación puede ser problemática. Tablas de contingencia de variables categóricas e indicadoras. Para cada variable categórica se muestra una tabla. Para cada categoría, la tabla muestra la frecuencia y el porcentaje de los valores no perdidos para las demás variables. También se muestran los porcentajes de cada tipo de valor perdido Análisis de valores perdidos: Regresión La regresión estima los valores perdidos utilizando la regresión lineal múltiple. Se muestran las medias, la matriz de covarianza y la matriz de correlaciones de las variables pronosticadas. En el cuadro de diálogo aparece una utilidad relativa a la Corrección de la estimación. Ésta se refiere a que el método de regresión puede añadir un componente aleatorio a las estimaciones de regresión que, como comentamos en el capítulo dedicado a imputación, mejoran la estimación y eliminan sesgos en la varianza global del conjunto de datos. Para ello, podemos seleccionar residuos, variantes normales, variantes t de Student o sin corrección.
7 Residuos. Los términos de error se eligen al azar de entre los residuos observados en los casos completos, para añadirlos a las estimaciones de regresión. Variantes normales. Los términos de error se escogen al azar de una distribución con valor esperado 0 y desviación típica igual a la raíz cuadrada del término error cuadrático medio de la regresión. Variantes t de Student. Los términos de error se escogen al azar de una distribución t(n) y se escalan según la raíz del error cuadrático medio (RMSE). Por otra parte podemos establecer un Número máximo de predictores. utilizados en el proceso de estimación. Finalmente Guardar datos completados, grabará un archivo de datos de SPSS, reemplazando los valores perdidos por los valores estimados mediante el método de regresión Análisis de valores perdidos: EM El procedimiento EM estima las medias, la matriz de covarianza y la correlación de las variables cuantitativas con valores perdidos, utilizando el proceso iterativo del mismo nombre. Se pueden realizar varios supuestos para la distribución de los datos: Normal, Normal mixta y t de Student. Para un supuesto de distribución normal mixta, podemos especificar la proporción y la razón entre las desviaciones típicas. Para la distribución t de Student, deberemos especificar los grados de libertad. Además podemos establecer el Número máximo de iteraciones, de tal modo que el procedimiento se detendrá cuando alcance dicho número de iteraciones, incluso si no han convergido las estimaciones. Por último podemos Guardar datos completados, de tal modo que SPSS. escribe un archivo de datos, reemplazando los valores perdidos por los valores estimados mediante el método EM. Otras utilidades adicionales están disponibles, como en otros procedimientos, mediante el lenguaje de comandos.
Departamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 9 DESCRIPTIVOS El submenú Estadísticos descriptivos está en el menú Analizar, y ofrece una serie de opciones para analizar datos de una forma sencilla. En este capítulo serán descritos estos procedimientos.
Más detallesIBM SPSS Missing Values 19
IBM SPSS Missing Values 19 Note: Before using this information and the product it supports, read the general information under Notices el p. 94. This document contains proprietary information of SPSS Inc,
Más detallesIBM SPSS Missing Values 20
IBM SPSS Missing Values 20 Nota: Antes de utilizar esta información y el producto que admite, lea la información general en Avisos el p. 93. sta edición se aplica a IBM SPSS Statistics 20 y a todas las
Más detallesDepartamento de Medicina Preventiva y Salud Publica e Historia de la Ciencia. Universidad Complutense de Madrid. SPSS para windows.
TEMA 12 REGRESIÓN LINEAL Mediante la regresión lineal se busca hallar la línea recta que mejor explica la relación entre unas variables independientes o variables de exposición y una variable dependiente
Más detallesTema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0
Ignacio Martín Tamayo 11 Tema: ESTADÍSTICA DESCRIPTIVA BÁSICA CON SPSS 8.0 ÍNDICE ------------------------------------------------------------- 1. Introducción 2. Frecuencias 3. Descriptivos 4. Explorar
Más detallesUniversidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia
Universidad de Chile DIPLOMA PREPARACIÓN Y EVALUACIÓN SOCIAL DE PROYECTOS Prof: Sara Arancibia Estudio de Caso: Estudio Morfología Coeficiente de Correlación Considere el archivo Estudio Morfología.sav.
Más detallesY accedemos al cuadro de diálogo Descriptivos
SPSS: DESCRIPTIVOS PROCEDIMIENTO DE ANÁLISIS INICIAL DE DATOS: DESCRIPTIVOS A diferencia con el procedimiento Frecuencias, que contiene opciones para describir tanto variables categóricas como cuantitativas
Más detallesAnálisis de Componentes de la Varianza
Análisis de Componentes de la Varianza Resumen El procedimiento de Análisis de Componentes de Varianza está diseñado para estimar la contribución de múltiples factores a la variabilidad de una variable
Más detalles1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE
Practica 1: INTRODUCCIÓN AL USO DE LA HOJA DE CALCULO EXCEL COMO HERRAMIENTA PARA DESARROLLAR PROBLEMAS EN INGENIERÍA. SOLVER, REGRESION LINEAL MULTIPLE I. INTRODUCCION Las planillas de cálculo se han
Más detallesPRÁCTICA: ESTADÍSTICA DESCRIPTIVA CON SPSS 1
ESTADÍSTICA CURSO 2012/2013 GRADO EN BIOLOGÍA PRÁCTICA: ESTADÍSTICA DESCRIPTIVA CON SPSS 1 1. Introducción El programa estadístico SPSS está organizado en dos bloques: el editor de datos y el visor de
Más detallesCapítulo 13 Contrastes sobre medias Los procedimientos Medias y Prueba T
Capítulo 13 Contrastes sobre medias Los procedimientos Medias y Prueba T La opción Comparar medias del menú Analizar contiene varios de los procedimientos estadísticos diseñados para efectuar contrastes
Más detalles1 Cómo introducir datos de archivos de Excel (.xls) en SPSS/PC?
Análisis de Datos Licenciatura en Biología Curso 2o10/2o11 Práctica 1 El fichero de datos necesario para realizar esta práctica, alligator.xls, se encuentra en la página web http://www.uam.es/daniel.faraco/ad11.
Más detallesCapítulo 13. Contrastes sobre medias: Los procedimientos Medias y Prueba T. Medias
Capítulo 13 Contrastes sobre medias: Los procedimientos Medias y Prueba T La opción Comparar medias del menú Analizar contiene varios de los procedimientos estadísticos diseñados para efectuar contrastes
Más detallesTEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS
TEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS LECTURA OBLIGATORIA Capítulo 2: Preparación del Archivo de datos. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en Ciencias de
Más detallesModelado y simulación en Ingeniería Química. Manuel Rodríguez
ÍNDICE Modelos de caja gris Calibración de modelos Estimación de parámetros Análisis de la estimación Regresión no lineal 1. Modelos de caja gris Son modelos de un sistema (o proceso), donde: Desarrollados
Más detallesTEMA 10 COMPARAR MEDIAS
TEMA 10 COMPARAR MEDIAS Los procedimientos incluidos en el menú Comparar medias permiten el cálculo de medias y otros estadísticos, así como la comparación de medias para diferentes tipos de variables,
Más detallesTABLAS DE CONTINGENCIA
Tablas de contingencia 1 TABLAS DE CONTINGENCIA En SPSS, el procedimiento de Tablas de Contingencia crea tablas de clasificación doble y múltiple y, además, proporciona una serie de pruebas y medidas de
Más detalles1. VALORES FALTANTES 2. MECANISMOS DE PÉRDIDA
1. VALORES FALTANTES Los valores faltantes son observaciones que en un se tenía la intención de hacerlas, pero por distintas razones no se obtuvieron. Puede ser que no se encuentre a un encuestado, entonces
Más detallesTema 7. Estadística. Introducción. Estadística unidimensional. Cálculo de la media, varianza y desviación típica: o Con datos simples.
Tema 7 Estadística Introducción. Estadística unidimensional. Cálculo de la media, varianza y desviación típica: o Con datos simples. o Con datos agrupados por frecuencias. Cálculo de probabilidades en
Más detallesGráfico de Desgaste de Herramientas
Gráfico de Desgaste de Herramientas Resumen El procedimiento Gráfico de Desgaste de Herramientas crea cuadros de control para una sola variable numérica donde se espera que cambien las cantidades en un
Más detallesProfesor: Hugo S. Salinas. Primer Semestre Tabla 1: Inteligencia y Rendimiento. X Y Figura 1: Inteligencia y Rendimiento.
UNIVERSIDAD DE ATACAMA FACULTAD DE CIENCIAS JURÍDICAS / CARRERA DE TRABAJO SOCIAL TECNOLOGÍA INFORMÁTICA I (SPSS) ESTADÍSTICA DESCRIPTIVA CON MÁS DE UNA VARIABLE Profesor: Hugo S. Salinas. Primer Semestre
Más detallesDistribuciones de Probabilidad.
Práctica núm. 3 1 Distribuciones de Probabilidad. 3.1. Distribuciones de Probabilidad en Statgraphics El estudio de las distribuciones de probabilidad en Statgraphics se puede realizar en el menú Descripción/Distribuciones/Distribuciones
Más detallesTEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS
TEMA II EL ANÁLISIS PRELIMINAR DE LOS DATOS LECTURA OBLIGATORIA Capítulo 2: Preparación del Archivo de datos. En Rial, A. y Varela, J. (2008). Estadística Práctica para la Investigación en Ciencias de
Más detalles7. De acuerdo con la gráfica siguiente, el contraste estadístico es:
1. Un investigador desea saber si los hombres y las mujeres difieren en flexibilidad cognitiva. Para ello, analiza los datos y obtienen los siguientes resultados. Satisfacen los datos el supuesto de homocedasticidad?
Más detallesQué es? Primer paso Representación en un sistema de coordenadas. numéricos Cada punto muestra el valor de cada pareja de datos (X e Y)
Gráfico de dispersión Qué es? Primer paso Representación en un sistema de coordenadas cartesianas de los datos numéricos Cada punto muestra el valor de cada pareja de datos (X e Y) Gráfico de dispersión
Más detallesEstadística Descriptiva Bivariante e Intervalos de Confianza
Estadística Descriptiva Bivariante e Intervalos de Confianza Introducción En este guión se presenta el análisis conjunto de dos variables (análisis bivariante) y una introducción a los intervalos de confianza
Más detallesANALISIS DE CLUSTER CON SPSS: INMACULADA BARRERA
ANALISIS DE CLUSTER CON SPSS: INMACULADA BARRERA ANALISIS DE CLUSTER EN SPSS Opción: Analizar Clasificar ANALISIS DE CLUSTER EN SPSS Tres posibles OPCIONES 1.- Cluster en dos etapas 2.- K-means 3.- Jerárquicos
Más detallesHistogramas. Para crear un histograma. Para crear un histograma podemos utilizar el procedimiento Generador de gráficos en el Menú: o Gráficos:
SPSS: GRÁFICOS HISTOGRAMAS Histogramas Los histogramas son útiles para mostrar la distribución de una única variable de escala. Los datos se agrupan y se resumen utilizando el estadístico de porcentaje
Más detallesWSSQ = w i (y i f(x i, )) 2
Caso 205: Cálculo de V max y K M de la fosfata alcalina E. coli 1 Caso 205.- Cálculo de V max y K M para la hidrólisis de p-nitrofenil fosfato por fosfatasa alcalina de E. coli (Regresión no lineal con
Más detallesTEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE MÍNIMOS CUADRADOS
UNIVERSIDAD DE ORIENTE NÚCLEO DE ANZOÁTEGUI EXTENSIÓN REGIÓN CENTRO-SUR ANACO, ESTADO ANZOÁTEGUI Asignatura: Estadística II Docente: Ing. Jesús Alonso Campos TEMA N 1.- ANÁLISIS DE REGRESIÓN Y MÉTODO DE
Más detallesSESIÓN PRÁCTICA 3: TRANSFORMACIONES DE DATOS PROBABILIDAD Y ESTADÍSTICA. PROF. Esther González Sánchez. Departamento de Informática y Sistemas
SESIÓN PRÁCTICA 3: TRANSFORMACIONES DE DATOS PROBABILIDAD Y ESTADÍSTICA PROF. Esther González Sánchez Departamento de Informática y Sistemas Facultad de Informática Universidad de Las Palmas de Gran Canaria
Más detallesTema: Medidas de Asociación con SPSS
Tema: Medidas de Asociación con SPSS 1.- Introducción Una de las tareas habituales en el análisis de encuestas es la generación y análisis de tablas de contingencia, para las variables y categorías objetivo
Más detallesTEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS
TEMA 4 FASE ESTADÍSTICO-ANALÍTICA: RECURSOS PARA EL ANÁLISIS DE DATOS FASES EN EL ANÁLISIS DE LOS DATOS DE UNA INVESTIGACIÓN SELECCIÓN HIPÓTESIS DE INVESTIGACIÓN Modelo de Análisis Técnica de Análisis
Más detallesCORRELACION Y REGRESION
CORRELACION Y REGRESION En el siguiente apartado se presenta como calcular diferentes índices de correlación, así como la forma de modelar relaciones lineales mediante los procedimientos de regresión simple
Más detallesEl ejemplo: Una encuesta de opinión
El ejemplo: Una encuesta de opinión Objetivos Lo más importante a la hora de planificar una encuesta es fijar los objetivos que queremos lograr. Se tiene un cuestionario ya diseñado y se desean analizar
Más detallesINDICE. Prólogo a la Segunda Edición
INDICE Prólogo a la Segunda Edición XV Prefacio XVI Capitulo 1. Análisis de datos de Negocios 1 1.1. Definición de estadística de negocios 1 1.2. Estadística descriptiva r inferencia estadística 1 1.3.
Más detallesCapítulo 2 Cómo utilizar la ayuda
Capítulo 2 Cómo utilizar la ayuda El SPSS cuenta con un completo sistema de ayuda al que puede accederse desde cualquier ventana o cuadro de diálogo. Este sistema de ayuda adopta varios formatos diferentes,
Más detallesEn Access es posible manipular los registros de una base de datos, permitiendo agregar, modificar, eliminar, buscar, ordenar y filtrar los registros.
MANEJO DE REGISTROS Los registros de una tabla guardan información sobre algún elemento que conforma la base de datos; por ejemplo, en un directorio telefónico un registro sería la información concerniente
Más detallesAnálisis de Capacidad Multivariada
Análisis de Capacidad Multivariada Resumen El procedimiento Análisis de Capacidad Multivariada determina la probabilidad de que los puntos caracterizados por dos o más variables se encuentren establecidos
Más detallesTema 5. Muestreo y distribuciones muestrales
1 Tema 5. Muestreo y distribuciones muestrales En este tema: Muestreo y muestras aleatorias simples. Distribución de la media muestral: Esperanza y varianza. Distribución exacta en el caso normal. Distribución
Más detallesTema 2: Análisis de datos bivariantes
1 Tema 2: Análisis de datos bivariantes En este tema: Tabla de contingencia, tabla de doble entrada, distribución conjunta. Frecuencias relativas, marginales, condicionadas. Diagrama de dispersión. Tipos
Más detallesESTABILIZADOR1X2 BETA - JUNIO 2017
ESTABILIZADOR1X2 BETA - JUNIO 2017 Por Eduardo Losilla MANUAL DE USO ESTABILIZA TU COMBINACIÓN EN BASE A: > Los porcentajes de signos que quieras jugar en cada partido. > El número de apuestas a jugar.
Más detallesDiagramas de Dispersión simples
Ayuda SPSS-Diagrama de Dispersión-Inserción Recta de Regresión -1- AYUDA SPSS DIAGRAMA DE DISPERSIÓN e INSERCIÓN DE LA RECTA DE REGRESIÓN Ruta Cuadros de Diálogos Autor: Prof. Rubén José Rodríguez 1 de
Más detalles7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL. Jorge Eduardo Ortiz Triviño
7. REGRESIÓN POR MÍNIMOS CUADRADOS: REGRESIÓN POLINOMIAL Jorge Eduardo Ortiz Triviño jeortizt@unal.edu.co http:/www.docentes.unal.edu.co/jeortizt/ Introducción Los datos frecuentemente son dados para valores
Más detallesINTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: EXAMEN MODELO B DURACION: 2 HORAS
Febrero 2011 EXAMEN MODELO B Pág. 1 INTRODUCCIÓN AL ANÁLISIS DE DATOS FEBRERO Código asignatura: 62011037 EXAMEN MODELO B DURACION: 2 HORAS X Ciudad A Ciudad B 17-20 10 17 13-16 20 27 9-12 25 15 5-8 15
Más detallesBALANCE DE MOVIMIENTOS Y BALANCE ACUMULADO (12 PERIODOS)
BALANCE DE MOVIMIENTOS Y BALANCE ACUMULADO (12 PERIODOS) 1 de 8 Balance de movimientos y balance acumulado (12 Vamos a describir el funcionamiento de dos nuevos informes a los que podemos acceder en el
Más detallesAnexo I CUESTIONARIO UTILIZADO PARA LA RECOGIDA DE INFORMACIÓN
Anexo I CUESTIONARIO UTILIZADO PARA LA RECOGIDA DE INFORMACIÓN 165 ENCUESTA DE COMPORTAMIENTOS Y TIPOLOGÍAS DE VISITANTES EN EUSKADI 166 ANEXO I. CUESTIONARIO UTILIZADO PARA LA RECOGIDA DE INFORMACIÓN
Más detallesBREVE DESCRIPCIÓN DEL PROGRAMA
BREVE DESCRIPCIÓN DEL PROGRAMA La aplicación de entorno Windows está organizada en menús; los principales son el menú Archivo, que entre otras opciones permite trabajar con los ficheros de datos (solamente
Más detallesLABORATORIO DE SPSS. Ejecución de SPSS para Windows (SPSS 22)
LABORATORIO DE SPSS Objetivo: Proporcionar al estudiante los elementos básicos para el uso del paquete estadístico SPSS. Se abordan los temas siguientes: creación de una base datos en el editor SPSS, utilización
Más detallesEstadística Aplicada a la Educación
Estadística Aplicada a a la la Educación Estadística Aplicada a la Educación Tutor. UNED Madrid-Sur (A.U. Parla) Miguel Ángel Daza 2014/15 migdaza@madridsur.uned.es 1 2014/15 1 2 4 5 6 7 8 9 10 11 12 La
Más detallesVariables aleatorias
Variables aleatorias Un poco más general: si ahora S n está dada por la suma de variables independientes de la forma: S n =c 1 X 1 +... +c n X n, entonces la función generatriz viene dada por: Variables
Más detallesMatemáticas Aplicadas I: Ev2 Recuperación febrero 2018
Matemáticas Aplicadas I: Ev2 Recuperación febrero 2018 PARTE 1: ESTADÍSTICA UNIDIMENSIONAL Y BIDIMENSIONAL 1. La siguiente tabla recoge las edades de las personas que han subido a un avión. Edad [0, 18)
Más detallesANÁLISIS DE DATOS. Jesús García Herrero
ANÁLISIS DE DATOS Jesús García Herrero ANALISIS DE DATOS EJERCICIOS Una empresa de seguros de automóviles quiere utilizar los datos sobre sus clientes para obtener reglas útiles que permita clasificar
Más detallesINFERENCIA ESTADÍSTICA CON EL SOFTWARE MINITAB
UNIVERSIDAD PRIVADA ALAS PERUANAS ESCUELA PROFESIONAL DE INGENIERÍA DE SISTEMAS INFERENCIA ESTADÍSTICA CON EL SOFTWARE MINITAB 15.0 E1) La tabla muestra el tiempo requerido, en días, para determinar auditorias
Más detallesDISTRIBUCIONES UNIDIMENSIONALES:
DISTRIBUCIONES UNIDIMENSIONALES: INTRODUCCIÓN Todo análisis estadístico se inicia con una primera fase descriptiva de los datos. Ésta tiene por objeto sintetizar la información mediante la elaboración
Más detallesEL PLAN DE ANALISIS. Patricio Suárez Gil Julio Alonso Lorenzo. La Fresneda, Asturias 2011 Programa MFyC
EL PLAN DE ANALISIS Patricio Suárez Gil Julio Alonso Lorenzo La Fresneda, Asturias 2011 Programa MFyC Qué es investigar? En esencia es RESPONDER PREGUNTAS FASES DE UN PROYECTO Formular una PREGUNTA Antecedente
Más detallesPrácticas de Introducción a los Computadores Curso Hoja Gráficos: Hoja Regresión: ESPESOR 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 ESPESOR COSTES fij
Prácticas de Introducción a los Computadores Curso 2001-2002 1 EXCEL Introducción Excel es una hoja de cálculo. Su objetivo básico es proporcionar un entorno sencillo para generar tablas de números y aplicando
Más detallesGráfico de Control T-Cuadrada Multivariada
Gráfico de Control T-Cuadrada Multivariada STATGRAPHICS Rev. 25/04/2007 Resumen El procedimiento Gráfico de Control T-Cuadrada Multivariada crea diagramas de control para dos o más variables numéricas.
Más detallesPERIODO 3 SOFTWARE MANEJADOR DE BASE DE DATOS CONCEPTOS INTERMEDIOS DE MICROSOFT ACCESS
PERIODO 3 SOFTWARE MANEJADOR DE BASE DE DATOS CONCEPTOS INTERMEDIOS DE MICROSOFT ACCESS CONTENIDOS PROPIEDADES DE LOS CAMPOS TAMAÑO DEL CAMPO FORMATO DEL CAMPO LUGARES DECIMALES MÁSCARA DE ENTRADA TÍTULO
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía Novedades en el Plan de Trabajo Desviación típica sesgada
Más detallesPrueba Ji-cuadrado de Homogeneidad cuando tengo los datos tabulados (en tablas resumidos ya):
Prueba Ji-cuadrado de Homogeneidad cuando tengo los datos tabulados (en tablas resumidos ya): Objetivo de la prueba: se utiliza cuando se tienen varias muestras independientes de n individuos que se clasifican
Más detallesDiseño de Experimentos Diseños de un Solo Factor Categórico
Diseño de Experimentos Diseños de un Solo Factor Categórico Resumen La selección de Diseños de un Solo Factor Categórico sobre el menú de Crear un Diseño crea diseños experimentales para situaciones donde
Más detallesANÁLISIS DE DATOS. L.A. y M.C.E. Emma Linda Diez Knoth
ANÁLISIS DE DATOS 1 Tipos de Análisis en función de la Naturaleza de los Datos Datos cuantitativos Datos cualitativos Análisis cuantitativos Análisis cuantitativos de datos cuantitativos (Estadística)
Más detallesEjemplo 7.1. Heterocedasticidad. Pilar González y Susan Orbe. Dpto. Economía Aplicada III (Econometría y Estadística)
Ejemplo 7.1 Heterocedasticidad Pilar González y Susan Orbe Dpto. Economía Aplicada III (Econometría y Estadística) Pilar González y Susan Orbe OCW 2013 Ejemplo 7.1. Heterocedásticidad 1 / 22 Enunciado.
Más detallesTema 3: Análisis de datos bivariantes
Tema 3: Análisis de datos bivariantes 1 Contenidos 3.1 Tablas de doble entrada. Datos bivariantes. Estructura de la tabla de doble entrada. Distribuciones de frecuencias marginales. Distribución conjunta
Más detallesPronósticos Automáticos
Pronósticos Automáticos Resumen El procedimiento de Pronósticos Automáticos esta diseñado para pronosticar valores futuros en datos de una serie de tiempo. Una serie de tiempo consiste en un conjunto de
Más detallesNombre de la asignatura: Calidad de Software II Carrera: Lic. en Informática Clave de la asignatura: AWC Horas teoría-horas prácticacréditos:
.-DATOS DE LA ASIGNATURA Nombre de la asignatura: Calidad de Software II Carrera: Lic. en Informática Clave de la asignatura: AWC - 0705 Horas teoría-horas prácticacréditos: 4 2-0 2.-HISTORIA DEL PROGRAMA
Más detallesComo usar Excel para resolver una regresión lineal usando la función predefinida estimacion.lineal.
Excel: Regresión Lineal Como usar Excel para resolver una regresión lineal usando la función predefinida estimacion.lineal. Como hacer la gráfica. Ejemplo Los datos de la tabla adjunta, x e y exacto, cumplen
Más detallesMétodos Estadísticos de la Ingeniería 2º I.T.I. Electricidad Curso 2010/2011 PRÁCTICA 2 ESTUDIOS DESCRIPTIVOS BIDIMENSIONALES
Práctica 2 Estudios Descriptivos Bidimensionales Página 1 Métodos Estadísticos de la Ingeniería 2º I.T.I. Electricidad Curso 2010/2011 PRÁCTICA 2 ESTUDIOS DESCRIPTIVOS BIDIMENSIONALES En esta segunda práctica
Más detallesEstadística II Curso 2011/12
Estadística II Curso 2011/12 Guión de la Práctica 1 Introducción a Statgraphics. Intervalos de confianza y contrastes de hipótesis para una y dos poblaciones 1. Contenidos de la práctica - Introducción
Más detallesRegresión múltiple. Demostraciones. Elisa Mª Molanes López
Regresión múltiple Demostraciones Elisa Mª Molanes López El modelo de regresión múltiple El modelo que se plantea en regresión múltiple es el siguiente: y i = β 0 + β 1 x 1i + β 2 x 2i +...+ β k x ki +
Más detallesOrganizar los conjuntos de datos extensos en forma de tabla dinámica facilita los análisis y la presentación de la información que contienen.
3.3. Aplicar y gestionar tablas dinámicas 1 Organizar los conjuntos de datos extensos en forma de tabla dinámica facilita los análisis y la presentación de la información que contienen. Las tablas dinámicas
Más detallesAnálisis de regresión y correlación lineal
Análisis de regresión y correlación lineal En las unidades anteriores hemos aplicado metodologías estadísticas para analizar la información de una variable desde una o más muestras utilizando las herramientas
Más detallesMicrosoft Word. Microsoft Word 2013 SALOMÓN CCANCE. Manual de Referencia para usuarios. Salomón Ccance CCANCE WEBSITE
Microsoft Word SALOMÓN CCANCE Microsoft Word 2013 Manual de Referencia para usuarios Salomón Ccance CCANCE WEBSITE UNIDAD 20: MACROS 20.1. Introducción Al utilizar cotidianamente Word suelen surgir tareas
Más detallesSOLUCIONES AL EXAMEN DE SEPTIEMBRE DE ESTADÍSTICA EXAMEN DE MATEMÁTICAS II
SOLUCIONES AL EXAMEN DE SEPTIEMBRE DE 4. ESTADÍSTICA EXAMEN DE MATEMÁTICAS II Estadística (primer parcial). Septiembre de 4.- El coeficiente de determinación R nos determina a) el % de la varianza de Y
Más detallesUNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN FACULTAD DE CIENCIAS BIOLÓGICAS SUBDIRECCIÓN DE POSGRADO CONTENIDO DE CARTA DESCRIPTIVA 1.- IDENTIFICACIÓN Curso: Bioestadística Programa: Doctorado en Inmunobiología
Más detallesGESTIÓN DE CALIFICACIONES
GESTIÓN DE CALIFICACIONES Moodle es capaz de establecer la calificación que un estudiante debe obtener en base a unos parámetros que el profesor establece en cada caso. La utilidad de esto, más allá del
Más detallesEjercicio 2: Manipulación de la pantalla de Parámetros de ArcMap
Ejercicio 2: Manipulación de la pantalla de Parámetros de ArcMap Simbolizando Características y Rasters: Conjuntos de datos que se añaden a ArcMap a la simbología por defecto. El usuario puede cambiar
Más detallesINDICE. 81 Operadores lógicos Funciones exponenciales y logarítmicas Funciones trigonométricas
INDICE Introducción XV Capitulo 1. Instalación y primeros pasos en SPSS 10 Instalación de SPSS 10 1 Comenzando con SPSS 10 8 El trabajo de trabajo de SPSS 10 9 Opciones de a barra de menú principal 10
Más detallesGUÍA DE STATGRAPHICS 5.1
UNIVERSIDAD POLITÉCNICA DE MADRID ESCUELA UNIVERSITARIA DE ARQUITECTURA TÉCNICA DEPARTAMENTO DE MATEMÁTICA APLICADA A LA ARQUITECTURA TÉCNICA GUÍA DE STATGRAPHICS 5.1 (Versión castellana) GUÍA DE STATGRAPHICS
Más detallesINGENIERÍA TELEINFORMÁTICA
INGENIERÍA TELEINFORMÁTICA Programas Utilitarios Sesión 31 Diseño de Consultas Docente: Ing. María Nícida Malca Quispe 1 AGENDA Diseño de consultas Tipos de consultas. Crear consultas. Vistas de una consulta.
Más detallesComparación de dos Muestras - SnapStat
Comparación de dos Muestras - SnapStat Resumen La Comparación de Dos Muestras usando SnapStat crea un resumen de una página que compara dos muestras independientes de datos de variables. Calcula estadísticos
Más detalles1. Datos Atípicos o Outliers
Francisco M. Ocaña Peinado Técnicas estadísticas en Nutrición y Salud Tratamiento estadístico de outliers y datos faltantes 1. Datos Atípicos o Outliers Se denominan casos atípicos u outliers a aquellas
Más detallesGrupo: Fecha: Nombre y Apellidos. -1. Formular la hipótesis nula y la hipótesis alternativa
1 Grupo: Fecha: Nombre y Apellidos. -1. Formular la hipótesis nula y la hipótesis alternativa -2. Decidir el nivel de significación estadística a priori -3. Decidir qué prueba estadística es la más recomendable
Más detallesTEMA 5 Estadística descriptiva. Análisis de datos
TEMA 5 Estadística descriptiva. Análisis de datos Florence Nightingale (1820-1910) 1. Introducción. Modelos matemáticos 2. Métodos numéricos. Resolución de sistemas lineales y ecuaciones no lineales 3.
Más detallesEjemplo Diseño Completamente aleatorizado (Pág. 470 Montgomery)
Ejemplo Diseño Completamente aleatorizado (Pág. 47 Montgomery) ) Representación gráfica de los datos mediante diagramas de caja Resumen del procesamiento de los casos Tension del papel (psi) Casos Válidos
Más detallesESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía
ESTADÍSTICA APLICADA A LA EDUCACIÓN (Tema 11) Asignatura de Formación Básica (FB) de 1º curso, común a los Grado en Educación Social y en Pedagogía VIDEOCLASE: Introducción a la estimación de parámetros
Más detallesNivel Intermedio. A comprender de forma activa conceptos fundamentales de estadística. Crear bases de datos estadísticos.
Análisis de datos mediante el SPSS A comprender de forma activa conceptos fundamentales de estadística. Crear bases de datos estadísticos. Procesar eficientemente información estadística. Analizar con
Más detallesPrueba Ji-cuadrado de Independencia cuando solo tengo datos en tabla (datos tabulados):
Prueba Ji-cuadrado de Independencia cuando solo tengo datos en tabla (datos tabulados): Objetivo de la prueba: se utiliza cuando se tiene una muestra de n individuos que se clasifican respecto a dos variables,
Más detalles(DERIVADAS DE LA NORMAL)
DISTRIBUCIÓN NORMAL MULTIVARIANTE (DERIVADAS DE LA NORMAL) INTRODUCCIÓN PROPIEDADES LINEALIDAD DISTRIBUCIONES DERIVADAS DE LA NORMAL χ 2 DE PEARSON t DE STUDENT F DE SNEDECOR DISTRIBUCIÓN NORMAL MULTIVARIANTE
Más detallesEste programa estadístico está organizado en dos bloques: el editor de datos y el visor de resultados.
Bases de Estadística Licenciatura en Ciencias Ambientales Curso 2oo3/2oo4 Introducción al SPSS/PC Este programa estadístico está organizado en dos bloques: el editor de datos y el visor de resultados.
Más detallesPRÓLOGO Quimiometría Alimentaria, SPSS Editor de datos, Visor de datos Visor de variables; Visor de resultados SPSS
PRÓLOGO En este documento se recopilan las prácticas utilizadas por los alumnos de la asignatura Quimiometría Alimentaria, que impartí, como Profesor Asociado, durante los cursos en que fue ofrecida con
Más detallesANÁLISIS DE REGRESIÓN
ANÁLISIS DE REGRESIÓN INTRODUCCIÓN Francis Galtón DEFINICIÓN Análisis de Regresión Es una técnica estadística que se usa para investigar y modelar la relación entre variables. Respuesta Independiente Y
Más detallesREGRESIÓN LINEAL CON SPSS
ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística REGRESIÓN LINEAL CON SPSS 1.- INTRODUCCIÓN El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre
Más detallesPodemos configurar Internet Explorer para que nos muestre la página inicial al que queramos abrir el
INTERNET INTERNET NIVEL MEDIO DE INTERNET ESTABLECIENDO PÁGINA DE INICIO: Podemos configurar Internet Explorer para que nos muestre la página inicial al que queramos abrir el programa. Para ello debemosir
Más detallesESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA
ESTIMACION DEL TAMAÑO DE LA MUESTRA Y DE LA POTENCIA HIPOTESIS Y PRINCIPIOS Sabemos a quién y qué vamos a estudiar. Ahora hay que decidir cuántos individuos contendrá la muestra. Hipótesis nula (H o )
Más detallesINDICE Capitulo uno Introducción y estadísticas descriptiva Capitulo dos Conceptos en probabilidad Capitulo tres
INDICE Capitulo uno Introducción y estadísticas descriptiva 1.1. Introducción 1.2. descripción grafica de los datos 3 1.3. medidas numéricas descriptivas 11 Ejercicios 22 Apéndice: sumatorias y otras notaciones
Más detallesEstadística descriptiva con Excel
Estadística descriptiva con Excel Objetivos: Familiarizar al estudiante con el manejo del programa Excel. Saber la manera en la que en el programa se introducen y se guardan los datos. Como introducir
Más detalles