Análisis de clasificación
|
|
- David Sandoval Márquez
- hace 6 años
- Vistas:
Transcripción
1 Seminario de Doctorado Análisis de clasificación Pedro López-Roldán Departamento de Sociología Centro de Estudios Sociológicos sobre la Vida Cotidiana y el Trabajo (QUIT) Instituto de Estudios del Trabajo (IET) Universidad Autónoma de Barcelona Pedro.Lopez.Roldan@uab.cat Sandra Fachelli Departamento de Sociología y Análisis de las Organizaciones Universidad de Barcelona Grupo de Investigación en Educación y Trabajo (GRET) Universidad Autónoma de Barcelona Sandra.Fachelli@ub.edu Agosto de 2015
2 Presentación: clasificación y tipología El Análisis de Clasificación (ACL) técnica multivariada llamada también: Cluster Analysis (Análisis de Conglomerados) Análisis de Clasificación Automática / Analyse Typologique Reservamos la expresión Análisis tipológico para aludir a un proceso metodológico más general destinado a la construcción de tipologías, profuso en la tradición sociológica, que eventualmente puede usar técnicas de tipo multivariable. Propuesta metodológica de construcción: Tipología estructural y articulada se define como un instrumento de operativización conceptual, construido de forma articulada entre la teoría y la realidad empírica, y destinado a definir, estructurar y medir la complejidad multidimensional de los fenómenos sociales. Ello se traduce en la constitución de un conjunto de categorías o tipos a través de la agrupación de un universo de unidades mediante la combinación simultánea de las características que constituyen su espacio de atributos. (López-Roldán, 1996: 15) Construcción de tipologías Análisis de Clasificación 1
3 La tipología estructural i articulada Propuesta metodológica de construcción (López-Roldán, 1994) Articulación Estructuración TEORÍA Tipificación de la realidad social Articulación Realidad empírica Medición Operativizar Definir Deducción / Concreción Inducción / Abstracción Explicación estructural Construcción de tipologías Análisis de Clasificación 2
4 Proceso de construcción de tipologías Modelo de Análisis Análisis de análisis Factorial Clasificación X (n p) R (p p) F (n m) D (n n) T (k m) Datos originales Matriz de Correlaciones Matriz Factorial Matriz de Distancias Matriz Tipológica n radios, p variables, m factores y k tipos Georeferenciación Mapa social Construcción de tipologías Análisis de Clasificación 3
5 El análisis de clasificación Presentación. Proceso de clasificación Representación de 5 individuos en el espacio de 2 variables Espacio de atributos Espacio social Se parte de individuos caracterizados por variables (X) Objetivo: crear grupos lo más parecidos internamente y lo más diferentes entre ellos De forma automatizada según cada método A partir de calcular medidas de similitud o de disimilitud (proximidad) Construcción de tipologías Análisis de Clasificación 4
6 El análisis de clasificación Proceso de análisis de un ACL Construcción de tipologías Análisis de Clasificación 5 Fin
7 1. Elección del conjunto de variables original Etapa más crítica Métrica: habitualmente continua, pero también pueden ser cualitativas de tipo binario (dicotómicas, con valores 0/1) o bien pueden ser datos de frecuencias Deben ser homogéneas y comparables entre sí Hay que evaluar si están correlacionadas y si su importancia es proporcionada (sobredimensionalización) Deben tener las mismas unidades de medida (estandarizar) Idoneidad de un Análisis Factorial: Los factores acumulan diversas variables en cada uno de ellos Los factores son variables incorrelacionadas Los factores son variables continuas Estandarizadas: expresadas en unidades de desviación típica (media 0 y desviación 1) Son variables que más discriminan o diferencian los individuos SPAD cita tomar el 80% de la varianza o la mitad de factores (!) Construcción de tipologías Análisis de Clasificación 6
8 2. Elección de la medida de proximidad Con variables continuas: Distancia euclidiana d p 2 ( i, i' ) dii' ( xij xi' j ) j 1 Fragmento original de la obra Elementos de Euclides de Alexandria ( ac) Pitágoras de Samos (582 ac ac) h a b h (6 2) (5 2) Construcción de tipologías Análisis de Clasificación 7
9 2. Elección de la medida de proximidad Matriz de distancias Construcción de tipologías Análisis de Clasificación 8
10 3. Elección del método de clasificación Más de 100 métodos de clasificación existentes a) Métodos jerárquicos Ascendentes o aglomerativos: - Distancias mínimas - Distancias máximas - Distancia media entre grupos - Distancias entre centroides - Distancia mediana CLUSTER en SPSS - Ward (mínima pérdida de inercia) RECIP en SPAD Descendentes o disociativos: - los anteriores - Monotéticos: Método de William i Lambert Detector automático de interacción (AID) - Politéticos c) Métodos mixtos - SEMIS en SPAD (Clas.if. Híbrida) - TWOSTEP CLUSTER en SPSS (Clasif. en dos fases) b) Métodos no jerárquicos o de partición De reasignación: - Centros móviles (K-means, QUICK CLUSTER en SPSS) - Nubes dinámicas con grupos estables -MétododeForgy - Climbing - Isodata distancias mínimas De búsqueda de la densidad: - De aproximación tipológica: análisis modal de Wishart, método de Taxmap de Carmichael i Sneath, método Fortin - De aproximación probabilística: método de les combinaciones de Wolf - Vecino más cercano (KNN en SPSS) Directos: block clustering de Hartigan De reducción de dimensiones: análisis factorial Q Otros: algoritmos más recientes Construcción de tipologías Análisis de Clasificación 9
11 3. Elección del método de clasificación Métodos jerárquicos ascendentes Dendrograma (árbol de agregación) Construcción de tipologías Análisis de Clasificación 10
12 3. Elección del método de clasificación Método ward, de mínima pérdida de inercia (intergrupos) Construcción de tipologías Análisis de Clasificación 11
13 3. Elección del método de clasificación Método ward, de mínima pérdida de inercia (intergrupos) Construcción de tipologías Análisis de Clasificación 12
14 3. Elección del método de clasificación Método de centros móviles: no jerárquico, nubes dinámicas, muchos datos Construcción de tipologías Análisis de Clasificación 13
15 3. Elección del método de clasificación Método de grupos estables Método no jerárquico. Nubes dinámicas Gran cantidad de datos Proceso: 1. Se fijan k de grupos con unos centres iniciales aleatorios a donde se asignan los individuos más próximos: 2. Esta partición se hace s veces (2, 3, 4 ): 3. Se construye la partición-producto (tabla de contingencia): las casillas no vacías del cruce son los grupos estables 4. A continuación, habiendo reducido el número de unidades, se aplica un procedimiento clasificatorio, p. ej. Ward Construcción de tipologías Análisis de Clasificación 14
16 3. Elección del método de clasificación Método mixto, algoritmo del software SPAD (SEMIS) Partiendo de las puntuaciones factoriales del conjunto de individuos se aplica un triple proceso clasificatorio (Lebart, Morineau, Piron, 2004: 177 a 184): 1. Una primera clasificación se obtiene por el cruce de varias particiones de base construidas alrededor de centros móviles 2. Las clases estables que se obtienen de este primer procedimiento se agregan a continuación por un método de clasificación jerárquica ascendente según el criterio de Ward 3. Finalmente, las diferentes particiones de los individuos que se pueden obtener a partir del árbol de agregación del procedimiento Ward optimizan o se consolidan mediante una reasignación a los diferentes grupos creados en cada partición con un nuevo proceso de clasificación por centros móviles que mejora la inercia entre los grupos. A partir del árbol de agregación se trata de determinar el corte que corresponde a la mejor o mejores particiones Construcción de tipologías Análisis de Clasificación 15
17 4. Clasificación en un número de grupos El número de grupos, según el método clasificatorio: Se fija con anterioridad Se determina a posteriori Según criterios e hipótesis previas o de forma más exploratoria Criterios para decidir el número de grupos: Proporción de varianza explicada por cada partición Distancias entre los grupos. Analizar la Tabla de aglomeración: crecimiento del coeficiente Saltos del dendrograma En algunos métodos puede ser una decisión automatizada El contenido substantivo y los criterios teóricos son importantes Se trata de comparar y contrastar clasificaciones alternativas y validarlas Construcción de tipologías Análisis de Clasificación 16
18 4. Clasificación en un número de grupos Tabla de aglomeración RMB 1986 Construcción de tipologías Análisis de Clasificación 17
19 4. Clasificación en un número de grupos Tabla de aglomeración Cálculo de (ver Excel): -Diferencias primeras ( velocidad ) -Diferencias segundas ( aceleración ) Historial de conglomeración Etapa Grupos Conglomerado que se combina Coeficientes Diferencias primeras Diferencias segundas Etapa en la que el conglomerado aparece por primera vez Próxima etapa Conglomerado Conglomerado Conglomerado Conglomerado , , , ,00 0, , ,00 0, , ,00 0, , ,00 0, , ,01 0, , ,01 0, , ,01 0, , ,02 0, , ,02 0, , ,03 0, , ,03 0, , ,04 0, , ,04 0, , ,07 0, , ,07 0, , ,08 0, , ,08 0, , ,09 0, , ,14 0, , ,15 0, , ,20 0, , ,23 0, , ,24 0, , ,27 0, , ,48 0, , ,70 0, , ,82 0, , ,52 0, , ,79 0, , ,75 1, , ,69 0, , ,01 17, , ,43 10, , Construcción de tipologías Análisis de Clasificación 18
20 5. Descripción y validación de los grupos o tipos Descripción de los tipos Caracterización cruzando la tipología con las variables factoriales, las originales (activas y pasivas) y otras de interés Tablas de contingencia Tablas de medias Representaciones gráficas: gráficos de dispersión, de barras, mapas,... Validación de los resultados Validación: estabilidad de los resultados Cambiar las variables (introducir o quitar) Cambiar su codificación Cálculo de medidas de evaluación: Internas: índice de Davies Bouldin, índice Dunn, coeficiente Silhouette, cophenético, de pertenencia Externas: medida Rand, medida F, índice de Jaccard, índice Fowlkes Mallows, matriz de confusión, información mútua Simulación de Montecarlo Interpretación teórica Construcción de tipologías Análisis de Clasificación 19
21 5. Descripción de los grupos o tipos Ejemplo de la RMB 1986 Construcción de tipologías Análisis de Clasificación 20
22 5. Descripción de los grupos o tipos Ejemplo de la RMB 1986 Construcción de tipologías Análisis de Clasificación 21
23 5. Descripción de los grupos o tipos Ejemplo de la RMB 1986 Construcción de tipologías Análisis de Clasificación 22
24 5. Descripción de los grupos o tipos Ejemplo de la RMB 1986 Construcción de tipologías Análisis de Clasificación 23
25 5. Descripción de los grupos o tipos Ejemplo de la RMB 1986 Construcción de tipologías Análisis de Clasificación 24
26 Construcción de los estratos Construcción de tipologías Análisis de Clasificación 25
27 Construcción de los estratos Construcción de tipologías Análisis de Clasificación 26
28 Construcción de los estratos Construcción de tipologías Análisis de Clasificación 27
29 Construcción de los estratos Construcción de tipologías Análisis de Clasificación 28
30 Análisis de Clasificación con SPAD Procedimiento general de construcción tipológica: ACM en combinación con el análisis de clasificación (ACL) Seleccionamos el procedimiento predefinido por el menú: Template / Predefined chains Análisis Factorial combinado con Análisis de Clasificación CORMU: Análisis de Correspondencias Múltiples COREM: Análisis de Correspondencias Múltiples con eliminación de categorías CORCO: Análisis de Correspondencias Múltiples Condicional Construcción de tipologías Análisis de Clasificación 29
31 Análisis de Clasificación con SPAD Procedimiento general de construcción tipológica: ACM en combinación con el análisis de clasificación (ACL) ACM CORMU: Multiple Correspondence Analysis DEFAC: Description of Factorial Axes ACL RECIP/SEMIS: Factor Based Cluster Analysis PARTI-DECLA: Cut the tree & Cluster Description Guardar variables ESCAL: Storing of Factorial Axis & Partitions Construcción de tipologías Análisis de Clasificación 30
32 Análisis de Clasificación con SPAD RECIP (método ward y optimización por el método de centros móviles) Elección RECIP (ward) SEMIS (mixto) Factores para el ACL Elementos terminales (nodos) del árbol de agregación Casos de cada grupo Parámetros de la presentación de los resultados Exportación de resultados a Excel Construcción de tipologías Análisis de Clasificación 31
33 Análisis de Clasificación con SPAD PARTI-DECLA (partición y descripción clases) Parámetros de las particiones: consolidación y casos ilustrativos Parámetros de presentación de resultados: -Casos de cada grupo -Coordenadas de las particiones - Parangones : casos representativos de cada partición -Crea fichero Excel Decisión del usuario del nº de particiones Búsqueda automática de las mejores particiones: cuántas (3) entre qué mínimo (3) y máximo (10) Caracterización de las particiones Construcción de tipologías Análisis de Clasificación 32
34 Análisis de Clasificación con SPAD ESCLA (guardar factores y clases) Particiones Se traspasan las variables (se etiquetan) y se validan Factores Se traspasan las variables (se etiquetan) y se validan Nombre y carpeta del archivo de datos Parámetros de resultados y trabajo Construcción de tipologías Análisis de Clasificación 33
35 Análisis de Clasificación con SPAD Resultados RECIP (clasificación jerárquica) Construcción de tipologías Análisis de Clasificación 34
36 Análisis de Clasificación con SPAD Resultados RECIP (clasificación jerárquica) Coordenadas facoriales Descripción de los 50 elementos terminales (nodos). Valores test de significación de cada nodo sobre cada factor retenido (> 2) Construcción de tipologías Análisis de Clasificación 35
37 Análisis de Clasificación con SPAD Resultados RECIP (clasificación jerárquica) Rango del primer y último nodo terminal comprendido en el nodo estudiado Descripción de los 50 elementos terminales (nodos) de la jerarquía Efectivos y peso Rango de los dos nodos o grupos que se unen Número de nodo e índice de nivel del nodo Construcción de tipologías Análisis de Clasificación 36
38 Análisis de Clasificación con SPAD Resultados RECIP Editor jerárquico del dendrograma Construcción de tipologías Análisis de Clasificación 37
39 Análisis de Clasificación con SPAD Resultados PARTI Mejores particiones Clasificación en 3 grupos Nº de casos y rango de los nodos terminales de cada grupo o clase Construcción de tipologías Análisis de Clasificación 38
40 Análisis de Clasificación con SPAD Resultados PARTI Significación y coordenadas de cada grupo antes de la consolidación Distancia al centro, al individuo medio Proceso de consolidación alrededor del centro de cada grupo (método de centros móviles), evolución de la mejora de la inercia intergrupos (explicada) Descomposición de la inercia antes y después de la consolidación en cada clase o grupo: Inercia total = Inercia intra + Inercia entre Significación y coordenadas de cada grupo después de la consolidación Construcción de tipologías Análisis de Clasificación 39
41 Análisis de Clasificación con SPAD Resultados PARTI Parangones : casos representativos (ideales) de cada partición. Los más próximos al centro de cada grupo Construcción de tipologías Análisis de Clasificación 40
42 Análisis de Clasificación con SPAD Resultados DECLA. Lo que son + Lo que no son Categorías características por orden de importancia según el valor test Construcción de tipologías Análisis de Clasificación 41
43 Análisis de Clasificación con SPAD Resultados gráficos Editor de gráficos factoriales Casos activos Casos ilustrativos Variables activas categóricas Variables ilustrativas categóricas Particiones Variables ilustrativas continuas Selección de las variables del gráfico Construcción de tipologías Análisis de Clasificación 42
44 Análisis de Clasificación con SPAD Construcción de tipologías Análisis de Clasificación 43
45 Análisis de Clasificación con SPAD Construcción de tipologías Análisis de Clasificación 44
46 Análisis de Clasificación con SPSS Construcción de tipologías Análisis de Clasificación 45
47 Análisis de Clasificación con SPSS Variables que actúan de criterios clasificatorios: originales o variables factoriales Para clasificar casos o variables Permite eliminar las tablas o los gráficos de los resultados. De interés en particular cuando el número de casos es elevado Construcción de tipologías Análisis de Clasificación 46
48 Análisis de Clasificación con SPSS Tabla con el historial y los coeficientes Pedir sólo si el nº de casos es reducido Tabla con el grupo en el que se clasifica cada caso Con variables factoriales no es necesario, sí con variables originales directamente Pedir sólo si el nº de casos es reducido Guarda las variables clasificatorias. Depende de cada análisis, un nº concreto, o entre 2 y un nº superior que puede ser 3, 4, 5, 6, 10, o incluso mayor si se desea Construcción de tipologías Análisis de Clasificación 47
Seminario de Doctorado 2014
Seminario de Doctorado 2014 Metodología de construcción de tipologías para el análisis de la realidad social Pedro López-Roldán Departamento de Sociología Centro de Estudios Sociológicos sobre la Vida
Más detallesAnálisis de correspondencias
Seminario de Doctorado Análisis de correspondencias Pedro López-Roldán Departamento de Sociología Centro de Estudios Sociológicos sobre la Vida Cotidiana y el Trabajo (QUIT) Instituto de Estudios del Trabajo
Más detallesCLASIFICACIÓN PROBLEMA SOLUCIÓN
Capítulo 7 Análisis Cluster CLASIFICACIÓN Asignar objetos en su lugar correspondiente dentro de un conjunto de categorías establecidas o no. PROBLEMA Dado un conjunto de m objetos (animales, plantas, minerales...),
Más detallesMáster en Ordenación y Gestión del Desarrollo Territorial y Local. Módulo I MÉTODO Y TÉCNICAS ESTADÍSTICAS PARA EL DESARROLLO TERRITORIAL Y LOCAL
ANÁLISIS CLUSTERS C U R S O TÉCNICAS MULTIVARIANTES Prof. Dr. Ángel Luís LUCENDO MONEDERO 1 http://www.geografia.us.es/ Tema 2. INTRODUCCIÓN N AL ANÁLISIS CLUSTER 2.1 Consideraciones generales. Clasificación
Más detallesMASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN Módulo: ANÁLISIS DEL RIESGO ACTUARIAL Y FINANCIERO
MASTER EN CIENCIAS ACTUARIALES Y FINANCIERAS PLAN 2009 Nombre de asignatura: ESTADÍSTICA ACTUARIAL III: ANÁLISIS MULTIVARIANTE DE DATOS Código: 603377 Materia: ESTADÍSTICA ACTUARIAL Módulo: ANÁLISIS DEL
Más detallesClasificación Jerárquica Ascendente Presentación #1. [ U n a i n t r o d u c c i ó n ]
Clasificación Jerárquica Ascendente Presentación #1 [ U n a i n t r o d u c c i ó n ] Clasificación Jerárquica Clasificación Automática La clasificación automática tiene por objetivo reconocer grupos de
Más detallesFACTORIAL DE CORRESPONDENCIAS SIMPLES Y MÚLTIPLES CRIVISQ
PRESENTACIÓN DEL MÉTODO DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS SIMPLES Y MÚLTIPLES EDU DUARDO CRIVISQ RIVISQUI PRESENTACIÓN DE LOS MÉTODOS DE ANÁLISIS FACTORIAL DE CORRESPONDENCIAS SIMPLES Y MÚLTIPLES
Más detallesClasificación Jerárquica Ascendente Presentación #1. [ U n a i n t r o d u c c i ó n ]
Clasificación Jerárquica Ascendente Presentación #1 [ U n a i n t r o d u c c i ó n ] Clasificación Jerárquica Clasificación Automática La clasificación automática tiene por objetivo reconocer grupos de
Más detallesAnálisis de datos cualitavos con análisis de correspondencias
Análisis de datos cualitavos con análisis de correspondencias Sesión 3 Campo Elías Pardo Universidad Nacional Sesión 3 - contenido 1. Algunos métodos de clasificación en espacios métricos (variables condnuas,
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 detallesPRESENTACIÓN DE LOS MÉTODOS DE CLASIFICACIÓN. Eduardo CRIVISQUI
PRESENTACIÓN DE LOS MÉTODOS DE CLASIFICACIÓN Eduardo CRIVISQUI ADVERTENCIA SÓLO EL CONOCIMIENTO DE LAS PROPIEDADES LÓGICAS DE LOS MÉTODOS ESTADÍSTICOS PERMITE EVITAR EL EMPLEO «A CIEGAS» DE LOS MISMOS.
Más detallesDesigualdad y diversidad en América Latina: hacia un análisis tipológico comparado.
Desigualdad y diversidad en América Latina: hacia un análisis tipológico comparado. Fachelli, Sandra; López, Néstor.; López Roldán, Pedro y Sourrouille, Florencia. Department de Sociologia Universitat
Más detallesIntroducción Ordenación Clasificación Ord. + Clas. Geobotánica. Tema 12 Ordenación y clasificación
Introducción Clasificación Ord. + Clas. Geobotánica Tema 12 y clasificación Copyright: 2011 Francisco Alcaraz Ariza. Esta obra está bajo una licencia de Reconocimiento-No Comercial de Creative Commons
Más detallesUniversitat Autònoma de Barcelona Departament de Sociologia ANEXO METODOLÓGICO
Universitat Autònoma de Barcelona Departament de Sociologia ANEXO METODOLÓGICO Nuevo modelo de estratificación social y nuevo instrumento para su medición. El caso argentino. Anexo Metodológico. Tesis
Más detallesLa práctica del análisis de correspondencias
La práctica del análisis de correspondencias MICHAEL GREENACRE Catedrático de Estadística en la Universidad Pompeu Fabra Separata del apéndice D Glosario de términos Primera edición: julio 2008 ISBN: 978-84-96515-71-0
Más detallesEl análisis de correspondencias. Ana María López Jiménez Dept. Psicología Experimental (USE)
El análisis de correspondencias Ana María López Jiménez Dept. Psicología Experimental (USE) 4. El análisis de correspondencias 4.. Introducción 4.2. Tabla de correspondencias 4.3. Dependencia e independencia
Más detallesÍNDICE. Introducción... Capítulo 1. Investigación de mercados y muestreo. Muestreo aleatorio simple y sistemático... 1
Introducción... XI Capítulo 1. Investigación de mercados y muestreo. Muestreo aleatorio simple y sistemático... 1 Las técnicas de muestreo y la investigación de mercados... 1 Población, marco y muestra...
Más detallesTema 3: Análisis multivariante para la agrupación. Objetivo: Encontrar los grupos naturales en los que se divide la población.
Tema 3: Análisis multivariante para la agrupación Objetivo: Encontrar los grupos naturales en los que se divide la población. Ejemplo canónico en Biologia: Taxonomía Rosa doméstica Reino: Plantae (Plantas)
Más detallesAnálisis de agrupamiento (Cluster nmds)
Análisis de agrupamiento (Cluster nmds) Agregación (Cluster) Conjunto de técnicas que intentan organizar la información de las unidades de muestreo (UM) en clases o grupos discretos Crea agrupaciones sobre
Más detallesÍNDICE CAPÍTULO 1. INTRODUCCIÓN
ÍNDICE CAPÍTULO 1. INTRODUCCIÓN 1.1. OBJETO DE LA ESTADÍSTICA... 17 1.2. POBLACIONES... 18 1.3. VARIABLES ALEATORIAS... 19 1.3.1. Concepto... 19 1.3.2. Variables discretas y variables continuas... 20 1.3.3.
Más detallesN T E N.. IDO. CAPíTULO 3 TABLAS Y GRÁFICAS: UNA IMAGEN DICE MÁS QUE MIL PALABRAS 78. CAPíTULO I LA IMAGINACiÓN ESTADíSTICA
N T E N.. IDO PREFACIO xiv CAPíTULO I LA IMAGINACiÓN ESTADíSTICA Introducción La imaginación estadística 3 Enlace de la imaginación estadística con la imaginación sociológica 4 Normas estadísticas y normas
Más detallesTareas de la minería de datos: agrupamiento. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR
Tareas de la minería de datos: agrupamiento CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR Agrupamiento Agrupamiento (clasificación no supervisada, aprendizaje no supervisado).
Más detallesÍNDICE INTRODUCCIÓN... 21
INTRODUCCIÓN... 21 CAPÍTULO 1. ORGANIZACIÓN DE LOS DATOS Y REPRESENTACIONES GRÁFICAS... 23 1. ORGANIZACIÓN DE LOS DATOS... 23 1.1. La distribución de frecuencias... 24 1.2. Agrupación en intervalos...
Más detallesANÁLISIS DE CONGLOMERADOS (CLUSTER ANALYSIS)
ANÁLISIS DE CONGLOMERADOS (CLUSTER ANALYSIS) AGRUPAMIENTOS Cuál agrupamiento es mejor? MÉTODOS DE AGRUPACIÓN Métodos jerárquicos: Los objetos se agrupan (dividen) i por partes hasta clasificar todos los
Más detallesÍNDICE. Introducción... Capítulo 1. El proceso del control de calidad. Metodologías... 1
ÍNDICE Introducción... XI Capítulo 1. El proceso del control de calidad. Metodologías... 1 El proceso de producción y la calidad... 1 Evolución del control de calidad... 3 Metodologías o modelos para el
Más detallesÍNDICE. Capítulo 1. Técnicas de segmentación. Conceptos y clasificación... 1
ÍNDICE Capítulo 1. Técnicas de segmentación. Conceptos y clasificación... 1 Conceptos básicos... 1 Clasificación de las técnicas de segmentación... 1 Técnicas predictivas y descriptivas... 1 Técnicas Ad-Hoc
Más detallesTitulación: Asignatura: Código: Año: Periodo: Carácter: Nº de Créditos: Departamento: Área de Conocimiento(*): Curso:
Titulación: Asignatura: Código: Año: Periodo: Carácter: Nº de Créditos: Departamento: Área de Conocimiento(*): Curso: Licenciado en Ciencias Actuariales y Financieras Investigación Comercial. Métodos y
Más detallesPedro López Roldán Sandra Fachelli
Departament de Sociologia Técnicas multivariadas aplicadas al análisis de la realidad social Pedro López Roldán Sandra Fachelli 1. Planteamiento y objetivos del curso El objetivo principal del curso es
Más detallesGuía docente 2007/2008
Guía docente 2007/2008 Plan 247 Lic.Investigación y Tec.Mercado Asignatura 43579 METODOS CUANTITATIVOS PARA LA INVESTIGACION DE MERCADOS Grupo 1 Presentación Métodos y técnicas cuantitativas de investigación
Más detallesPráctica 3. Para comenzar esta práctica abrimos el programa SPSS.
Análisis de Datos Licenciatura en Biología Curso oo9/o0 Práctica 3 El fichero de datos necesario para realizar esta práctica, turtlefmxls, se encuentra en la página web http//wwwuames/danielfaraco La ruta
Más detallesAnálisis Cluster. Metodología de las CC del Comp-Universitat de València. Abril Pedro Valero
Análisis Cluster Pedro Valero Mora-valerop@uv.es Metodología de las CC del Comp-Universitat de València Abril 2011 Pedro Valero Mora-valerop@uv.es Metodología de las CC del Comp-Universitat de València
Más detallesRESUMEN PROGRAMACIÓN ESTADÍSTICA I. 3. Diseñar tablas estadísticas para coleccionar y ordenar datos.
RESUMEN PROGRAMACIÓN ESTADÍSTICA I OBJETIVOS 1. Conocer los principales conceptos usados en Estadística: población, muestra e individuo. 2. Diferenciar los tres tipos de variables estadísticas: cualitativas,
Más detallesINDICE 1. Qué es la Estadística? 2.Descripción de Datos: Distribuciones de Frecuencia y Presentación Gráfica
INDICE 1. Qué es la Estadística? 1 Introducción 2 Qué significa estadística? 2 Por qué se estudia la estadística? 4 Tipos de estadística 5 Estadística descriptiva 5 Estadística inferencial 6 Tipos de variables
Más detallesOrdenación contrastante o directo. Pueden los patrones de la comunidad de aves ser explicados por variables ambientales medidas?
Ordenación contrastante o directo Pueden los patrones de la comunidad de aves ser explicados por variables ambientales medidas? Ordenación contrastante o directa De análisis de gradiente indirecto a directo
Más detalles6.3.4. 4 Etapa : Caracterización de la partición P 4 de los n individuos de la tabla T(22, 3)
6.3.4. 4 Etapa : Caracterización de la partición P 4 de los n individuos de la tabla T(22, 3) - Resultados y conclusiones Las tres variables contribuyen significativamente a caracterizar las clases de
Más detallesDefinición de grupos: clasificación. Capítulos 10 y 11 de McCune y Grace 2002
Definición de grupos: clasificación Capítulos 10 y 11 de McCune y Grace 2002 Clasificar Proceso natural humano para interpretar el mundo Pero estamos acostumbrados a sólo observar pocas dimensiones Más
Más detallesAnálisis de correspondencias
Análisis de correspondencias utilizando el SPSS Vamos a realizar el Análisis de correspondencias sobre el mismo ejemplo (ejemplo 6.1 de los apuntes), sobre el que ya se obtuvo el análisis mediante el R,
Más detallesNota técnica Estratificación multivariada
Instituto Nacional de Estadística y Geografía Nota técnica Estratificación multivariada Censo de Población y Vivienda 2010 NOTA TÉCNICA ESTRATIFICACIÓN MULTIVARIADA Con la finalidad de que el usuario pueda
Más detallesTÉCNICAS DE AGRUPAMIENTO
TÉCNICAS DE AGRUPAMIENTO José D. Martín Guerrero, Emilio Soria, Antonio J. Serrano PROCESADO Y ANÁLISIS DE DATOS AMBIENTALES Curso 2009-2010 Page 1 of 11 1. Algoritmo de las C-Medias. Algoritmos de agrupamiento
Más detallesEstadística ESTADÍSTICA
ESTADÍSTICA La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico consta
Más detallesMedidas de dispersión
Medidas de dispersión Las medidas de dispersión nos informan sobre cuánto se alejan del centro los valores de la distribución. Las medidas de dispersión son: Rango o recorrido El rango es la diferencia
Más detallesCAPÍTULO I. TEORÍAS SOBRE LA ESTRUCTURA URBANA ASOCIADAS A LA POLICENTRALIDAD
ÍNDICE INTRODUCCIÓN i CAPÍTULO I. TEORÍAS SOBRE LA ESTRUCTURA URBANA ASOCIADAS A LA POLICENTRALIDAD 1 I.1. Ecología urbana I.2 Economía urbana y regional 1. Centralidad 2. Teoría de lugar central 3. Centros
Más detallesPROGRAMA DEL CURSO SOBRE PSICOLOGÍA EXPERIMENTAL MANUEL MIGUEL RAMOS ÁLVAREZ
PROGRAMA DEL CURSO SOBRE PSICOLOGÍA EXPERIMENTAL MANUEL MIGUEL RAMOS ÁLVAREZ Resumen de Psicología Experimental 1 PSICOLOGÍA EXPERIMENTAL Manuel Miguel Ramos Alvarez. I. FUNDAMENTOS METODOLÓGICOS DE LA
Más detallesLa crisis aumenta las diferencias entre estratos sociales?: la medición de la distancia social en Argentina. Sandra Fachelli
1 La crisis aumenta las diferencias entre estratos sociales?: la medición de la distancia social en Argentina Sandra Fachelli GRET (Grup de Recerca en Educació i Treball) Universidad Autónoma de Barcelona
Más detallesTema: Validación de Cuestionarios con SPSS
Tema: Validación de Cuestionarios con SPSS 1.- Análisis de fiabilidad 1.1.- Introducción El análisis de fiabilidad permite estudiar las propiedades de las escalas de medición y de los elementos que las
Más detallesDiplomado en Estadística e Investigación Científica
Sociedad Hispana de Investigadores Científicos Diplomado en Estadística e Investigación Científica Introducción Durante mucho tiempo se consideró a la investigación científica como una actividad de unos
Más detallesanálisis multivariante con SPSS Julio Meneses i Sergi Estudis de Psicologia i Ciències de l Educació elearn Center / Novembre de 2013
Introducción al análisis multivariante con SPSS Seminari metodològic del programa de doctorat en educació i TIC (e-learning) Julio Meneses i Sergi Fàbregues @ Estudis de Psicologia i Ciències de l Educació
Más detallesMETODOLOGÍA SEIS SIGMA A TRAVÉS DE EXCEL
METODOLOGÍA SEIS SIGMA A TRAVÉS DE EXCEL María Pérez Marqués Metodología Seis Sigma a través de Excel María Pérez Marqués ISBN: 978-84-937769-7-8 EAN: 9788493776978 Copyright 2010 RC Libros RC Libros es
Más detallesTEMA 3: Escalas de medida. Validación de cuestionarios.
1. INTRODUCCIÓN. ESCALAS BÁSICAS. 2. ESCALAS COMPARATIVAS Y NO COMPARATIVAS. 3. ANALISIS CLÁSICO DE ÍTEMS 3.1 ANÁLISIS PRIMARIOS. 3.2 FIABILIDAD. 3.3 VALIDEZ. 4. ESCALAMIENTO MULTIDIMENSIONAL (MDS). 4.1
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 detallesReducción de la Dimensionalidad en Análisis de Datos. Análisis de Componentes Principales.
Reducción de la Dimensionalidad en Análisis de. Análisis de Componentes Principales. A. Jiménez, A. Murillo, E. Piza, M. Villalobos, J. Trejos. April 27, 2010 Contenido 1 Objetivo. 2 Solución. 3. Calidad
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 detalles9.- Análisis estadísticos con R Commander
Tipos de datos - Cuantitativos: se expresan numéricamente. - Discretos: Toman valores numéricos aislados - Continuos: Toman cualquier valor dentro de unos límites dados - Categóricos o Cualitativos: No
Más detallesFUNDACIÓN UNIVERSITARIA LOS LIBERTADORES DEPARTAMENTO DE CIENCIAS BÁSICAS ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA
UNA SEGMENTACIÓN DE CLIENTES QUE ADQUIRIERON CRÉDITOS DE LIBRE INVERSIÓN EN UNA ENTIDAD FINANCIERA COLOMBIANA I SEMESTRE 2015 OSCAR TUMBIA JAIRO MARTINEZ OMAR BELTRAN FUNDACIÓN UNIVERSITARIA LOS LIBERTADORES
Más detallesAnálisis de Conglomerados
Diplomatura en Estadística 1 Diplomatura en Estadística 2 Análisis de Conglomerados (Cluster analysis) Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid Antecedente histórico Las
Más detallesUniversidad Autónoma de Sinaloa
Séptima Edición del Diplomado en Estadística Mc. José V. Jiménez Ramírez Director de la Escuela de Ciencias Fisico-Matemáticas Tel. : 7 16 11 54 vidaljr@uas.uasnet.mx Dr. René Castro Montoya Coordinador
Más detallesviii CAPÍTULO 2 Métodos de muestreo CAPÍTULO 3 Análisis exploratorio de datos
Contenido Acerca de los autores.............................. Prefacio.... xvii CAPÍTULO 1 Introducción... 1 Introducción.............................................. 1 1.1 Ideas de la estadística.........................................
Más detallesContenido. vii. Prólogo... i Presentación... iii Grupo de trabajo...v. 1. Introducción y conceptos preliminares...1
Contenido Prólogo... i Presentación... iii Grupo de trabajo...v 1. Introducción y conceptos preliminares...1 2. Tipos de modelos estadísticos lineales...19 Caso 2.1...20 Caso 2.2...26 Caso 2.3...30 3.
Más detallesSOLUCIÓN A LOS EJERCICIOS DEL SPSS Bivariante
SOLUCIÓ A LOS EJERCICIOS DEL SPSS Bivariante. a). La media y la varianza de las variables estatura y peso en la escala de medida norteamericana. Peso Peso: Transformar -> Calcular: Libras.4536 Peso libras
Más detallesTécnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO
Técnicas de Clasificación Supervisada DRA. LETICIA FLORES PULIDO 2 Objetivo El objetivo principal de las técnicas de clasificación supervisada es obtener un modelo clasificatorio válido para permitir tratar
Más detallesAnálisis Multivariante de Datos en Psicología. Ana María López Curso
Análisis Multivariante de Datos en Psicología Ana María López Curso 2006-2007 2007 Análisis Multivariante de Datos en Psicología Créditos teóricos: 2.5 Créditos prácticos: 2 PROGRAMA DE CONTENIDOS TEÓRICOS
Más detallesCURSO: ANALISIS ESTADISTICO DE RIESGOS
MANAGEMENT CONSULTORES CURSO: ANALISIS ESTADISTICO DE RIESGOS Cnel. R.L. Falcón 1435 C1406GNC 35 Buenos Aires, Argentina Tel.: 054-11-15-5468-3369 Fax: 054-11-4433-4202 Mail: acaminos@mgmconsultores.com.ar
Más detallesCM0244. Suficientable
IDENTIFICACIÓN NOMBRE ESCUELA ESCUELA DE CIENCIAS NOMBRE DEPARTAMENTO Ciencias Matemáticas ÁREA DE CONOCIMIENTO MATEMATICAS, ESTADISTICA Y AFINES NOMBRE ASIGNATURA EN ESPAÑOL ESTADÍSTICA GENERAL NOMBRE
Más detallesESTADÍSTICA I. Dr. Favio Murillo García
ESTADÍSTICA I Dr. Favio Murillo García Objetivos generales Formar habilidades para que el estudiante sea capaz de identificar tipos de variables y sistematizar datos para la construcción de bases de información.
Más detallesEstadística Asistencial I. Prof. Rafael Rey
Estadística Asistencial I Prof. Rafael Rey Contenidos del curso INTRODUCCIÓN A LA ESTADÍSTICA: origen como disciplina (institucionalización de la generación de Estadísticas y complejidades instrumentales
Más detallesCurso de Postgrado en Herramientas Estadísticas Avanzadas: AGROPECUARIOS. Prof. Dr. José Perea Dpto. Producción Animal
Curso de Postgrado en Herramientas Estadísticas Avanzadas: ANÁLISIS MULTIVARIANTE PARA INVESTIGACIÓN EN SISTEMAS AGROPECUARIOS ANÁLISIS CLUSTER Prof. Dr. José Perea Dpto. Producción Animal ANÁLISIS DE
Más detallesLaura de la Fuente Crespo. Análisis Cluster
Laura de la Fuente Crespo Análisis Cluster Análisis Cluster ÍNDICE Teoría Análisis Cluster... 1 Análisis Cluster No Jerárquico con SPSS... 25 Análisis Cluster Jerárquico con SPSS... 36 Análisis Cluster
Más detallesAnálisis multivariable
Análisis multivariable Las diferentes técnicas de análisis multivariante cabe agruparlas en tres categorías: «Análisis de dependencia» tratan de explicar la variable considerada independiente a través
Más detallesAnálisis Cluster en SPSS
Análisis Cluster en SPSS M. D olores M artínez M iranda Profesora del D pto. E stadística e I.O. U niversidad de G ranada Referencias bibliográficas 1. Hair, J.F., Anderson, R.E., Tatham, R.L. y Black,
Más detallesSesión 13. Revisión del desarrollo del proyecto de investigación
Metodología de la investigación Sesión 13. Revisión del desarrollo del proyecto de investigación Elementos de rigor en los métodos cuantitativos experimentales 1. Validez interna: Control de fuentes de
Más detalles3. ASOCIACIÓN ENTRE DOS VARIABLES CUALITATIVAS
1. INTRODUCCIÓN Este tema se centra en el estudio conjunto de dos variables. Dos variables cualitativas - Tabla de datos - Tabla de contingencia - Diagrama de barras - Tabla de diferencias entre frecuencias
Más detallesCRITERIOS DE EVALUACIÓN ESTÁNDARES DE APRENDIZAJE EVALUABLES
Matemáticas hasta 6º de Primaria CONTENIDOS Bloque 5. Estadística y probabilidad CRITERIOS DE EVALUACIÓN ESTÁNDARES DE APRENDIZAJE EVALUABLES Gráficos y parámetros estadísticos. Recogida y clasificación
Más detallesCapítulo 21. Análisis de conglomerados (I): El procedimiento Conglomerados de K medias. Introducción
Capítulo 21 Análisis de conglomerados (I): El procedimiento Conglomerados de K medias Introducción El análisis de conglomerados (en inglés, cluster analisys) es una técnica multivariante que permite agrupar
Más detallesANÁLISIS DE CONGLOMERADOS. Prof. Esperanza Ayuga Téllez
ANÁLISIS DE CONGLOMERADOS Prof. Esperanza Ayuga Téllez Tiene por objeto agrupar elementos en grupos homogéneos en función de las similitudes entre ellos. Detecta grupos internamente homogéneos (y (y heterogéneos
Más detallesAnálisis descriptivo con SPSS. Favio Murillo García
Análisis descriptivo con SPSS Favio Murillo García Autoevaluación 3 1. Descargue el archivo eval3.xls a) Importe los datos de Excel a SPSS. b) Agregue etiquetas de valor a cada variable según lo indique
Más detallesEl Análisis de Correspondencias tiene dos objetivos básicos:
Tema 8 Análisis de correspondencias El Análisis de Correspondencias es una técnica de reducción de dimensión y elaboración de mapas percentuales. Los mapas percentuales se basan en la asociación entre
Más detallesItinerario del Curso. Análisis de Datos Multivariados para Ciencias Ambientales. Semana 1. Lunes 23 de mayo de Miércoles 25 de mayo de 2016
Semana 1 Lunes 23 de mayo de 2016 8:30am - 9:00am 9:00am - 10:30am Bienvenida / Introducción Medidas de asociación para muestras biológicos-ambientales con estructura multivariada 11:15am - 12:45pm Laboratorio:
Más detallesIntroducción al análisis de datos cualitativos
Introducción al análisis de datos cualitativos Impartido por: David Yubraham Sánchez https://es.linkedin.com/in/dyubrahams dyubrahams@gmail.com 23 de abril- 2016 Servei de Tecnología Lingüística Facultat
Más detallesIntroducción a la minería de datos. CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR
Introducción a la minería de datos CI-2352 Intr. a la minería de datos Prof. Braulio José Solano Rojas ECCI, UCR Minería de datos Detección, interpretación y predicción de patrones cuantitativos y cualitativos
Más detallesAMD - Análisis Multivariante de Datos
Unidad responsable: Unidad que imparte: Curso: Titulación: Créditos ECTS: 2016 200 - FME - Facultad de Matemáticas y Estadística 1004 - UB - Universitat de Barcelona 715 - EIO - Departamento de Estadística
Más detalles4º ESO APLICADA ESTÁNDARES DE APRENDIZAJE EVALUABLES CRITERIOS DE EVALUACIÓN Y COMPETENCIAS CLAVE
CONTENIDOS 4º ESO APLICADA CRITERIOS DE EVALUACIÓN Y COMPETENCIAS CLAVE ESTÁNDARES DE APRENDIZAJE EVALUABLES TEMA 1: Números reales Número irracional. Conjunto de números reales. Radicales. Operaciones
Más detallesESTADÍSTICA, SISTEMAS DE INFORMACIÓN Y NUEVAS TECONOLOGÍAS Código de la Asignatura Créditos
ESTADÍSTICA, SISTEMAS DE INFORMACIÓN Y NUEVAS TECONOLOGÍAS Código de la Asignatura 46497 Créditos 6 ECTS Carácter Básica Rama de Conocimiento Ciencias de la Salud Materia Fisiología Ubicación dentro del
Más detallesAnálisis de Conglomerados
Análisis de Conglomerados Resumen El procedimiento Análisis de Conglomerados esta diseñado para agrupar observaciones o variables en conglomerados basados en similaridades entre ellos. Los renglones de
Más detallesTécnicas de clusterización
PFC Ingeniería Industrial 09/2014 Tutor: Jesús Muñuzuri Sanz Alumno: Juan de Dios Lara Albín Técnicas de Clusterización PFC ÍNDICE Pag. 1 Clasificar.... 2 2 El análisis clúster.. 5 3 Clúster por individuos
Más detallesPrograma de Extensión Universitaria y Vinculación (PEUVI), Departamento de Matemáticas.
Programa de Extensión Universitaria y Vinculación (PEUVI), Departamento de Matemáticas. DIPLOMADO EN MINERÍA DE DATOS. Coordinadora académica: Dra. Amparo López Gaona. MODULO I: INTRODUCCIÓN A LAS BASES
Más detallesI. TÉCNICAS DE ANÁLISIS MULTIVARIANTE
ÍNDICE Presentación y justificación................................................... 9 I. TÉCNICAS DE ANÁLISIS MULTIVARIANTE................................... 13 1. Introducción.................................................................
Más detallesInformación general. Fundamentos de Análisis de datos. Obligatoria básica o de fundamentación X. Obligatoria profesional
Guía de asignatura Formato institucional Rev. Abril 2013 Información general Asignatura Fundamentos de Análisis de datos Código Tipo de asignatura Obligatoria X Electiva Tipo de saber Número de créditos
Más detallesEVALUACIÓN DE LA BATERÍA DE APTITUDES DIFERENCIALES Y GENERALES RENOVADO E-3 (BADYG-E3)
EVALUACIÓN DE LA BATERÍA DE APTITUDES DIFERENCIALES Y GENERALES RENOVADO E3 (BADYGE3) RESUMEN DE LA VALORACIÓN DEL TEST Descripción general Características Nombre del test Autor Autor de la adaptación
Más detallesDiplomado en Estadística e Investigación Científica
Sociedad Hispana de Investigadores Científicos Diplomado en Estadística e Investigación Científica Introducción Durante mucho tiempo se consideró a la investigación científica como una actividad de unos
Más detallesANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I)
ANÁLISIS CUANTITATIVO DE DATOS EN CIENCIAS SOCIALES CON EL SPSS (I) Modalidad: Semipresencial Inicio del curso: 12 de junio de 2012 Sesiones presenciales: 12 y 13 de junio (de 17 a 20 hrs.). Lugar: Ala
Más detallesMatemáticas Básicas y Metodología de la Investigación.
PROGRAMA DE UNIDAD DE APRENDIZAJE POR COMPETENCIAS. UNIDAD ACADÉMICA: F.C.A e I, IPRO e IPRES. I. IDENTIFICACIÓN DE LA UNIDAD DE APRENDIZAJE. PROGRAMA EDUCATIVO: Contador Público. ÁREA DE CONOCIMIENTO:
Más detallesUNIVERSIDAD AGRO-ALIMENTARIA ALIMENTARIA DE MAO IEES-UAAM PROGRAMA ANALÍTICO EVALUACION DEL RENDIMIENTO FISICO. Mao, Valverde República Dominicana
UNIVERSIDAD AGRO-ALIMENTARIA ALIMENTARIA DE MAO IEES-UAAM PROGRAMA ANALÍTICO EVALUACION DEL RENDIMIENTO FISICO Mao, Valverde República Dominicana I. DATOS DE LA ASIGNATURA Nombre de la asignatura: Evaluación
Más detallesAprendizaje Automatizado
Aprendizaje Automatizado Aprendizaje Automatizado Programas que mejoran su comportamiento con la experiencia. Dos formas de adquirir experiencia: A partir de ejemplos suministrados por un usuario (un conjunto
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 detallesMÉTODOS Y TÉCNICAS DE INVESTIGACIÓN SOCIAL CÓDIGO: 303. AZPEITIA ARMÁN, Mª Concepción (T.E.U.) ORTÍ MATA, Mario (P. AY. DOCTOR) BLOQUE TEMÁTICO 1:
MÉTODOS Y TÉCNICAS DE INVESTIGACIÓN SOCIAL CÓDIGO: 303 DEPARTAMENTO: SOCIOLOGÍA IV PROFESORES: AZPEITIA ARMÁN, Mª Concepción (T.E.U.) ORTÍ MATA, Mario (P. AY. DOCTOR) BLOQUE TEMÁTICO 1: REFLEXIONES METODOLÓGICAS
Más detallesEVALUACIÓN DEL CUESTIONARIO. Screening del deterioro cognitivo en Psiquiatría SCIP-S
EVALUACIÓN DEL CUESTIONARIO Screening del deterioro cognitivo en Psiquiatría SCIP-S RESUMEN DE LA VALORACIÓN DEL TEST Descripción general Características Nombre del test Autor Editor del test en su versión
Más detallesEstadística Aplicada a la Toma de Decisiones
Unidad responsable: 310 - EPSEB - Escuela Politécnica Superior de Edificación de Barcelona Unidad que imparte: 732 - OE - Departamento de Organización de Empresas Curso: Titulación: 2016 MÁSTER UNIVERSITARIO
Más detallesTema 12: Introducción a la Estadística.
MOLEDO GUGLIOTTA VICTOR Tratamiento de los datos Tema 12: Introducción a la Estadística. Al intentar interpretar la realidad a través de las herramientas que nos aporta la Estadística, lo primero que se
Más detalles5. Clasificación de las formas del relieve
5. Clasificación de las formas del relieve En esta práctica se va a realizar una clasificación no supervisada y una simulación de una clasificación supervisada de las formas topográficas del relieve mediante
Más detallesRESUMEN ANÁLISIS CLUSTER
RESUMEN ANÁLISIS CLUSTER 1. Introducción 2. Los datos 2.1. Transformación de los datos 3. Medidas de distancias 4. Métodos: aspectos generales 5. El método jerárquico aglomerativo 5.1 Algoritmos más usados
Más detalles