TEMA 6 ANÁLISIS DE CONGLOMERADOS
|
|
- Andrés Ojeda Alcaraz
- hace 6 años
- Vistas:
Transcripción
1 TEMA 6 ANÁLISIS DE CONGLOMERADOS Facultade de Psicoloxía Campus Sur, s/n Santiago de Compostela wwwusces/psicom Dr Jesús Varela Mallou Dr Antonio Rial Boubeta Dr Eduardo Picón Prado Análisis Multivariante Santiago de Compostela, 2018
2 INTRODUCCIÓN Lecturas obligatorias Picón, E Varela, J y Real, E (2003): Clasificación y Segmentación Post Hoc mediante el Análisis de Conglomerados En JP Lévy y J Varela (Dirs): Análisis Multivariante para las Ciencias Sociales Madrid: Pearson Educación 2
3 INTRODUCCIÓN Contextualización Métodos de Dependencia: Se asume que una variable (Y) depende de (es causada o determinada por) otras variables (X1, X2 etc) Ejemplos: Regresión, ANOVA, Análisis Discriminante Métodos de Independencia: No se asume que ninguna variable sea causada o determinada por otras Básicamente tenemos X1, X2 Xn (pero no Y) Ejemplos: Análisis de Conglomerados, Análisis Factorial, etc Cuándo se usan métodos de independencia se deja que los datos hablen por ellos mismos No hay modelización previa 3
4 INTRODUCCIÓN Contextualización Análisis Factorial: Cuando lo que interesa son agrupar variables Análisis Clúster: Cuando lo que interesa son agrupar observaciones Principio rector: Maximización de la homogeneidad intra grupos (conglomerados, segmentos) y simultáneamente Maximización de la heterogeneidad inter grupos
5 INTRODUCCIÓN Dos fases fundamentales 1ª: Obtención de segmentos X1 X2 X3 X4 Cluster Cluster 1 Obs1 Obs Obs Cluster 2 Obs4 Obs Obs6 3 Cluster 3 Obs7 Obs8 3 1 Obs9 3 Obs10 2 Resultado final: En el fichero de datos, una nueva variable que asigna cada observación a un conglomerado específico 5
6 INTRODUCCIÓN Dos fases fundamentales 2ª: Perfilado de segmentos Resultado final: Una tabla de contingencia entre la variable de agrupamiento y una serie de variables sociodemográficas o de otro tipo (distintas de las utilizadas para establecer los conglomerados) Cluster 1 Cluster 2 Cluster 3 Edad % Mujeres Tamaño de la familia Opinión Opinión Opinión Jóvenes solteros Familia tradicional Maduros felices 6
7 Cómo se construyen los conglomerados? El análisis estadístico necesita: 1 Una MEDIDA para calcular la distancia entre dos sujetos, lo distintos que son 2 Un criterio, una regla, un MÉTODO PARA AGRUPARLOS y asignarlos a cada conglomerado
8 La medida? Distancia Euclídea (por defecto en SPSS) Y B (x 2, y 2 ) y 2 -y 1 A (x 1, y 1 ) x 2 -x 1 d = (x 2 -x 1 ) 2 + (y 2 -y 1 ) 2 X Otras distancias disponibles en SPSS: City-Block (usa de distancias absolutas en vez de la distancia al cuadrado de las coordenadas), Minkowski, Coseno, Chebychev, Correlación de Pearson El tipo de medida seleccionada influye poco en los resultados finales 8
9 El método de agrupamiento? Hay muchos y muy diferentes Métodos sin solapamiento Métodos con solapamiento Aglomerativos Jerárquicos Divisivos Iterativos - Umbral secuencial - Umbral paralelo - Redes Neuronales - Partición óptima (8) - k-centroides con solapamiento - k-medias con solapamiento - Análisis de Clases Latentes - AC Borroso - Factorial Tipo-Q (9) Métodos de vinculación Métodos de centroide Métodos de varianza 1 2 Nombre en SPSS Vinculación entre-grupos Vinculación intra-grupos - Promedio - Entre grupos (1) - Intra grupos (2) - Ponderado - Único - Ordinario (3) - Densidad - Dos fases - Completo (4) - Centroide (5) - Mediana (6) - Ward (7) Nota: Los métodos en cursiva están disponibles en SPSS Redes Neuronales requiere de la herramienta de data mining Clementine Vecino más próximo Vecino más lejano Agrupación de centroides Agrupación de medianas Método de Ward Conglomerado de K-medias Análisis Factorial
10 Principales tipologías de agrupamiento Sin solapamiento Con solapamiento Vinculación única: Mínima distancia Vinculación completa: Máxima distancia Jerárquico No jerárquico Vinculación media (inter-grupos): Distancia media Aglomerativo 1a 1b 1c 2 Divisivo 1a 1b 1b 1 1b 2 Método de centroide: Distancia entre centros Método de Ward: Minimización de la varianza intragrupos
11 CÓMO FUNCIONAN LOS PROCEDIMIENTOS JERÁRQUICOS (AGLOMERATIVOS)? Qué par de elementos se unirán primero? A B G C D H E 11
12 Depende de la medida de distancia que utilicemos, pero supongamos que A-B y D-E Surgen así dos conglomerados A B G C D H E 12
13 El siguiente punto más próximo a estos dos conglomerados es C A dónde será adscrito? A B G C D H E 13
14 A dónde se encuentre más próximo (distancia euclídea), pero EXISTEN VARIAS POSIBILIDADES (métodos de agrupamiento) A B G C D H E 14
15 A dónde se encuentre más próximo (distancia euclídea), pero EXISTEN VARIAS POSIBILIDADES (métodos de agrupamiento): A B G 10,5 8,5 7,0 11,0 12,0 C 8,5 9,0 D 9,5 H E 15
16 VECINO MÁS LEJANO (COMPLETE LINKAGE): Adscribe C al conglomerado cuya distancia el caso más alejado de ese conglomerado es menor A 10,5 B G C d(c;ab)=max(dca;dcb) D 9,5 H E 16
17 VECINO MÁS PRÓXIMO (SINGLE LINKAGE): Adscribe C al conglomerado cuyo distancia al caso más cercano de ese conglomerado es menor A B 7,0 G d(c;ab)=min(dca;dcb) Inconvenientes: Encadenamiento C 8,5 D Ventajas: Detecta muy bien outliers H E 17
18 MÉTODOS BASADOS EN PUNTUACIONES MEDIAS: Adscribe C al conglomerado cuya promedio de distancias es menor A B G Vinculación Intragrupos Vinculación intergrupos Mediana Centroide Ward 8,5 C Tienden a obtener conglomerados de tamaño similar 9,0 D Preferibles al resto de jerárquicos, especialmente WARD y VINCULACIÓN INTERGRUPOS H E 18
19 MÉTODOS BASADOS EN PUNTUACIONES MEDIAS: Adscribe C al conglomerado cuya distancia es menor a Vinculación INTERgrupos: Media de todas las distancias entre C y cada uno de los elementos del conglomerado Vinculación INTRAgrupos: Incluye además las distancias dentro de cada conglomerado, es decir, todas las posibles
20 MÉTODOS BASADOS EN PUNTUACIONES MEDIAS: Adscribe C al conglomerado cuya distancia es menor a Centroide: Centro de simetría del cluster, calculado como la media de las distancias de todos sus elementos: Mediana: Centroides calculados sólo con valores centrales Ward: Proporciona la menor suma de cuadrados intragrupos En vez de utilizar las distancias entre casos utiliza esta medida de variabilidad 20
21 Todos estos métodos JERÁRQUICOS como resultado de su proceso aglomerativo, ofrecen un DENDROGRAMA, una representación gráfica en forma de árbol que muestra: 1 Qué elementos se han ido uniendo en cada paso 2 Cómo se organizan los casos 3 Cuántos conglomerados podemos distinguir en los datos 21
22 CÓMO SE CREA EL DENDROGRAMA? Paso 0: Cada observación Es considerada como un conglomerado independiente Medida de Distancia OBS 1 OBS 2 OBS 3 OBS 4 OBS 5 OBS 6 0,2 0,4 0,6 0,8 1,0 22
23 Cluster 1 Paso 1: Se agrupan los dos casos más próximos entre sí OBS 1 OBS 2 OBS 3 OBS 4 OBS 5 OBS 6 0,2 0,4 0,6 0,8 1,0 23
24 Cluster 1 Paso 2: Se agrupan los siguientes casos con menores distancias entre ellos Cluster 2 OBS 1 OBS 2 OBS 3 OBS 4 OBS 5 OBS 6 0,2 0,4 0,6 0,8 1,0 24
25 Cluster 1 Paso 3: El caso 3 se une al clúster 1 OBS 1 OBS 2 OBS 3 OBS 4 Cluster 2 OBS 5 OBS 6 0,2 0,4 0,6 0,8 1,0 25
26 OBS 1 Cluster 1-2 OBS 2 OBS 3 OBS 4 Paso 4: Se juntan los dos clusters 1 y 2, quedando un sólo caso desparejado: un outlier OBS 5 OBS 6 0,2 0,4 0,6 0,8 1,0 26
27 Ejemplos de dendrogramas Un buen resultado: 2 conglomerados claros Un mal resultado: No hay conglomerados claros Un mal resultado: Tenemos un outlier (caso 1017) y el dendrograma muestra encadenamiento Dendrograma típico al emplear Vecino Más Próximo 27
28 Ejemplos de dendrogramas
29 Y QUÉ HAY DE LOS MÉTODOS ITERATIVOS? No agrupan los datos por similaridad entre ellos No crean un dendrograma Son métodos que van ajustando iterativamente los centroides de un número fijo de conglomerados k a los datos Cada paso de un método jerárquico va agrupando casos similares en un mismo cluster Cada paso de un método iterativo va recolocando los centroides para que estén óptimamente posicionados en el centro real del conglomerado 29
30 CÓMO FUNCIONA K-MEDIAS? Supongamos que el número de grupos k = 3 30
31 CÓMO FUNCIONA K-MEDIAS? Iteración 0 Se comienza con una posición aleatoria de los centroides 31
32 CÓMO FUNCIONA K-MEDIAS? Iteración 1 Se asigna cada caso al centroide más próximo 32
33 CÓMO FUNCIONA K-MEDIAS? Iteración 2 Se recoloca el centroide en el centro de los puntos asignados 33
34 CÓMO FUNCIONA K-MEDIAS? Iteración 3 Se continúa iterativamente hasta que: 1 La distancia entre centroides es máxima 2 La distancia casocentroide es mínima 34
35 QUÉ MÉTODO ES PREFERIBLE? VENTAJAS DE LOS JERÁRQUICOS - Proporcionan una fotografía de cómo estan organizados los datos El investigador puede ver cuántos conglomerados existen en los datos - Pueden calcularse los centros de esos conglomerados: centroides (medias) - Vecino Más Próximo es especialmente bueno para localizar outliers - Ward y Vinculación INTERgrupos son los preferidos de entre los jerárquicos: estudios de simulación han comprobado que adscriben cada elemento a su conglomerado verdadero mejor que el resto (especialmente WARD) Tienden a ofrecer conglomerados similares en tamaño y dispersión de sus elementos, de forma redondeada DESVENTAJAS DE LOS JERÁRQUICOS - Cualquiera de los métodos jerárquicos por separado funciona peor que k-medias 35
36 QUÉ MÉTODO ES PREFERIBLE? VENTAJAS DE LOS ITERATIVOS - K medias es el método más robusto respecto a presencia de outliers y errores en las medidas de distancia DESVENTAJAS DE LOS ITERATIVOS - Requiere que el investigador especifique previamente tanto el número de conglomerados como sus centros iniciales SOLUCIÓN? Combinar ambos procedimientos, utilizando: 1 Jerárquico para eliminar outliers, determinar el numero de clusters y sus centros iniciales 2 K-medias para obtener la solución conglomerativa final 36
37 1ª FASE: MÉTODOS JERARQUICOS ANÁLISE MULTIVARIANTE FASES DEL ANÁLISS Fases a la hora de ejecutar un Análisis de Conglomerados Etapas preliminares PLANTEAMIENTO DEL PROBLEMA SELECCIÓN DE VARIABLES VECINO MÁS PRÓXIMO: DETECCIÓN Y ELIMINACIÓN DE OUTLIERS WARD: OBTENCIÓN DEL NÚMERO DE CONGLOMERADOS Obtención de los segmentos VINCULACIÓN INTRAGRUPOS: ANÁLISIS DE LA ESTABILIDAD CREACIÓN DEL FICHERO DE MEDIAS DE CADA CONGLOMERADO 2ª FASE: MÉTODO K-MEDIAS: OBTENCIÓN DE LA SOLUCIÓN CONGLOMERATIVA FINAL Descripción de los segmentos PERFILADO DE LOS CONGLOMERADOS 37
38 1ª FASE: MÉTODOS JERARQUICOS ANÁLISE MULTIVARIANTE FASES DEL ANÁLISS ETAPAS PRELIMINARES PLANTEAMIENTO DEL PROBLEMA SELECCIÓN DE VARIABLES VECINO MÁS PRÓXIMO: DETECCIÓN Y ELIMINACIÓN DE OUTLIERS WARD: OBTENCIÓN DEL NÚMERO DE CONGLOMERADOS VINCULACIÓN INTRAGRUPOS: ANÁLISIS DE LA ESTABILIDAD CREACIÓN DEL FICHERO DE MEDIAS DE CADA CONGLOMERADO 2ª FASE: MÉTODO K-MEDIAS: OBTENCIÓN DE LA SOLUCIÓN CONGLOMERATIVA FINAL PERFILADO DE LOS CONGLOMERADOS CUESTIONES PREVIAS Cuál es el objetivo de mi estudio? Busco explorar datos o confirmar hipótesis? Quiero encontrar segmentos o grupos? SELECCIÓN DE VARIABLES Las variables deben ser independientes, no correlacionadas Si son ítems de un test mejor hacer un análisis factorial antes Debe tener sentido agruparlas Rubbish in, rubbish out El número de variables a introducir en el análisis no es importante (Md = 15) Sí debe mantenerse un número suficiente de casos por variable, idealmente 2 m (m = nº variables) Por lo tanto, mejor muestras grandes y representativas 38
39 1ª FASE: MÉTODOS JERARQUICOS ANÁLISE MULTIVARIANTE FASES DEL ANÁLISS OBTENCIÓN DE LOS SEGMENTOS PLANTEAMIENTO DEL PROBLEMA SELECCIÓN DE VARIABLES VECINO MÁS PRÓXIMO: DETECCIÓN Y ELIMINACIÓN DE OUTLIERS WARD: OBTENCIÓN DEL NÚMERO DE CONGLOMERADOS VINCULACIÓN INTRAGRUPOS: ANÁLISIS DE LA ESTABILIDAD Posibles outliers El número indica la posición que ocupan en el fichero Se ocultan de los análisis y se vuelve a ejecutar este método para comprobar el efecto sobre el dendrograma CREACIÓN DEL FICHERO DE MEDIAS DE CADA CONGLOMERADO 2ª FASE: MÉTODO K-MEDIAS: OBTENCIÓN DE LA SOLUCIÓN CONGLOMERATIVA FINAL PERFILADO DE LOS CONGLOMERADOS 39
40 1ª FASE: MÉTODOS JERARQUICOS ANÁLISE MULTIVARIANTE FASES DEL ANÁLISS OBTENCIÓN DE LOS SEGMENTOS PLANTEAMIENTO DEL PROBLEMA SELECCIÓN DE VARIABLES VECINO MÁS PRÓXIMO: DETECCIÓN Y ELIMINACIÓN DE OUTLIERS WARD: OBTENCIÓN DEL NÚMERO DE CONGLOMERADOS VINCULACIÓN INTRAGRUPOS: ANÁLISIS DE LA FIABILIDAD Para determinar el número de conglomerados natural existen criterios numéricos y gráficos SPSS no ofrece numéricos y de los gráficos sólo el dendrograma El dendrograma nos muestra 3 grupos claros: ACIÓN DEL FICHERO DE MEDIAS DE CADA CONGLOMERADO 2ª FASE: MÉTODO K-MEDIAS: OBTENCIÓN DE LA SOLUCIÓN CONGLOMERATIVA FINAL Para validar esta solución, se recomienda utilizar, además, otro procedimiento PERFILADO DE LOS CONGLOMERADOS 40
41 1ª FASE: MÉTODOS JERARQUICOS ANÁLISE MULTIVARIANTE FASES DEL ANÁLISS OBTENCIÓN DE LOS SEGMENTOS PLANTEAMIENTO DEL PROBLEMA SELECCIÓN DE VARIABLES VECINO MÁS PRÓXIMO: DETECCIÓN Y ELIMINACIÓN DE OUTLIERS WARD: OBTENCIÓN DEL NÚMERO DE CONGLOMERADOS VINCULACIÓN INTRAGRUPOS: ANÁLISIS DE LA ESTABILIDAD CREACIÓN DEL FICHERO DE MEDIAS DE CADA CONGLOMERADO El análisis del CAMBIO EN EL COEFICIENTE DE CONGLOMERACIÓN indica que 3 conglomerados es además la opción mejor desde un punto de vista estadístico 2ª FASE: MÉTODO K-MEDIAS: OBTENCIÓN DE LA SOLUCIÓN CONGLOMERATIVA FINAL PERFILADO DE LOS CONGLOMERADOS 41
42 1ª FASE: MÉTODOS JERARQUICOS ANÁLISE MULTIVARIANTE FASES DEL ANÁLISS OBTENCIÓN DE LOS SEGMENTOS PLANTEAMIENTO DEL PROBLEMA SELECCIÓN DE VARIABLES VECINO MÁS PRÓXIMO: DETECCIÓN Y ELIMINACIÓN DE OUTLIERS WARD: OBTENCIÓN DEL NÚMERO DE CONGLOMERADOS VINCULACIÓN INTRAGRUPOS: ANÁLISIS DE LA ESTABILIDAD CREACIÓN DEL FICHERO DE MEDIAS DE CADA CONGLOMERADO 2ª FASE: MÉTODO K-MEDIAS: OBTENCIÓN DE LA SOLUCIÓN CONGLOMERATIVA FINAL PERFILADO DE LOS CONGLOMERADOS 42
43 1ª FASE: MÉTODOS JERARQUICOS ANÁLISE MULTIVARIANTE FASES DEL ANÁLISS OBTENCIÓN DE LOS SEGMENTOS PLANTEAMIENTO DEL PROBLEMA SELECCIÓN DE VARIABLES VECINO MÁS PRÓXIMO: DETECCIÓN Y ELIMINACIÓN DE OUTLIERS PASOS Se calculan las medias de cada variable para cada uno de los 3 conglomerados WARD: OBTENCIÓN DEL NÚMERO DE CONGLOMERADOS VINCULACIÓN INTRAGRUPOS: ANÁLISIS DE LA ESTABILIDAD CREACIÓN DEL FICHERO DE MEDIAS DE CADA CONGLOMERADO Se copian los datos en un fichero de datos, nombrando a las variables exactamente igual e incluyendo una variable que se debe llamar necesariamente cluster_ 2ª FASE: MÉTODO K-MEDIAS: OBTENCIÓN DE LA SOLUCIÓN CONGLOMERATIVA FINAL PERFILADO DE LOS CONGLOMERADOS 43
44 1ª FASE: MÉTODOS JERARQUICOS ANÁLISE MULTIVARIANTE FASES DEL ANÁLISS OBTENCIÓN DE LOS SEGMENTOS PLANTEAMIENTO DEL PROBLEMA SELECCIÓN DE VARIABLES En esta última fase final especificamos: 1 3 como número de conglomerados VECINO MÁS PRÓXIMO: DETECCIÓN Y ELIMINACIÓN DE OUTLIERS WARD: OBTENCIÓN DEL NÚMERO DE CONGLOMERADOS VINCULACIÓN INTRAGRUPOS: ANÁLISIS DE LA ESTABILIDAD 2 El fichero de medias recién creado como centros iniciales La variable que se crea en el archivo de datos tras un k medias se reconoce bien respecto de un método jerárquico CREACIÓN DEL FICHERO DE MEDIAS DE CADA CONGLOMERADO 2ª FASE: MÉTODO K-MEDIAS: OBTENCIÓN DE LA SOLUCIÓN CONGLOMERATIVA FINAL PERFILADO DE LOS CONGLOMERADOS Importante informar del % de casos reasignados a otro conglomerado 44
45 1ª FASE: MÉTODOS JERARQUICOS ANÁLISE MULTIVARIANTE FASES DEL ANÁLISS PERFILADO DE LOS SEGMENTOS PLANTEAMIENTO DEL PROBLEMA SELECCIÓN DE VARIABLES VECINO MÁS PRÓXIMO: DETECCIÓN Y ELIMINACIÓN DE OUTLIERS WARD: OBTENCIÓN DEL NÚMERO DE CONGLOMERADOS VINCULACIÓN INTRAGRUPOS: ANÁLISIS DE LA ESTABILIDAD IMPORTANTÍSIMA FASE Tenemos ya los conglomerados formados pero ahora qué hacemos con ellos?? Debemos cruzarlos con otras variables del cuestionario (no utilizadas para crear los grupos) con el fin de perfilarlos, saber un poco más de ellos Para ello se utilizan: CREACIÓN DEL FICHERO DE MEDIAS DE CADA CONGLOMERADO 2ª FASE: MÉTODO K-MEDIAS: OBTENCIÓN DE LA SOLUCIÓN CONGLOMERATIVA FINAL - Contrastes F si se cruza la variable de conglomerados con una variable métrica - Contrastes X 2 si se cruzan con una variable categórica PERFILADO DE LOS CONGLOMERADOS 45
46 1ª FASE: MÉTODOS JERARQUICOS ANÁLISE MULTIVARIANTE FASES DEL ANÁLISS PERFILADO DE LOS SEGMENTOS PLANTEAMIENTO DEL PROBLEMA SELECCIÓN DE VARIABLES VECINO MÁS PRÓXIMO: DETECCIÓN Y ELIMINACIÓN DE OUTLIERS WARD: OBTENCIÓN DEL NÚMERO DE CONGLOMERADOS VINCULACIÓN INTRAGRUPOS: ANÁLISIS DE LA ESTABILIDAD CREACIÓN DEL FICHERO DE MEDIAS DE CADA CONGLOMERADO 2ª FASE: MÉTODO K-MEDIAS: OBTENCIÓN DE LA SOLUCIÓN CONGLOMERATIVA FINAL PERFILADO DE LOS CONGLOMERADOS 46
Máster 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 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 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 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 detallesClasificación Clasific NO SUPERV SUPER ISAD IS A AD AGRUPAMIENTO
Clasificación NO SUPERVISADA AGRUPAMIENTO Clasificación No Supervisada Se trata de construir clasificadores sin información a priori, o sea, a partir de conjuntos de patrones no etiquetados Objetivo: Descubrir
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 detallesANÁLISIS MULTIVARIANTE
ANÁLISIS MULTIVARIANTE 2º CURSO- SEGUNDO CUATRIMESTRE 2016-207 Prof. Dr. Jesús Varela Mallou Prof. Dr. Antonio Rial Boubeta Prof. Dr. Eduardo Picón Prado http://www.usc.es/psicom/ Sistema de Evaluación:
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 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 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 MULTIVARIANTE
ANÁLISIS MULTIVARIANTE 2º CURSO- SEGUNDO CUATRIMESTRE 2017-2018 Prof. Dr. Jesús Varela Mallou Prof. Dr. Antonio Rial Boubeta Prof. Dr. Eduardo Picón Prado Prof. Dra. Sandra Golpe Ferreiro http://www.usc.es/psicom
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 detallesSelección de fuentes de datos y calidad de datos
Selección de fuentes de datos y calidad de datos ESCUELA COMPLUTENSE DE VERANO 2014 MINERIA DE DATOS CON SAS E INTELIGENCIA DE NEGOCIO Juan F. Dorado José María Santiago . Valores atípicos. Valores faltantes.
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 detallesCapítulo 8. Análisis Discriminante
Capítulo 8 Análisis Discriminante Técnica de clasificación donde el objetivo es obtener una función capaz de clasificar a un nuevo individuo a partir del conocimiento de los valores de ciertas variables
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 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 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 detallesClustering. Departamento de Ingeniería Informática y de Sistemas Universidad de La Laguna
Clustering Christopher Expósito Izquierdo Airam Expósito Márquez Israel López Plata Belén Melián Batista J. Marcos Moreno Vega {cexposit, aexposim, ilopezpl, mbmelian, jmmoreno}@ull.edu.es Departamento
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 detallesINTRODUCCION AL ANALISIS DE CLUSTER
-1- INTRODUCCION AL ANALISIS DE CLUSTER José Luis Vicente Villardón Departamento de Estadística Universidad de Salamanca -- DEFINICION E INTRODUCCION El Análisis de Clusters (o Análisis de conglomerados)
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 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 detallesAnálisis de la relación precio marginal y demanda de electricidad mediante conglomerados
Análisis de la relación precio marginal y demanda de electricidad mediante conglomerados Andrés Ramos, Gonzalo Cortés, Jesús María Latorre, Santiago Cerisola Universidad Pontificia Comillas Índice Introducción
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 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 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 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 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 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 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 detallesAnálisis de Clúster con SPSS. Método de las K-Medias
Análisis de Clúster con SPSS. Método de las K-Medias El análisis de cluster es un tipo de clasificación de datos que se lleva a cabo mediante la agrupación de los elementos analizados. El objetivo fundamental
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 detallesTema: Análisis de valores faltantes con SPSS
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
Más detallesGUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS
GUÍA 5 : EFECTO DEL ESTRÉS EN EL PESO DE RECIÉN NACIDOS Se realizó un estudio a partir de una muestra aleatoria de mujeres atendidas por el departamento de obstetricia y ginecología de cierta clínica particular.
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 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 detallesSesión 3: Análisis Exploratorio de Datos Espaciales (AEDE): Técnicas básicas
Sesión 3: Análisis Exploratorio de Datos Espaciales (AEDE): Técnicas básicas Profesora: Coro Chasco Yrigoyen Universidad Autónoma de Madrid 17 a 21 de mayo, 2010 2010, Coro Chasco Yrigoyen Índice del Curso
Más detallesPrueba t para muestras independientes
Prueba t para muestras independientes El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detallesCapítulo 22 Análisis de conglomerados (II): El procedimiento Conglomerados jerárquicos Análisis de conglomerados jerárquico
Capítulo Análisis de conglomerados (II): El procedimiento Conglomerados jerárquicos Análisis de conglomerados jerárquico A diferencia de lo que ocurre con el procedimiento Análisis de conglomerados de
Más detallesAnálisis de la varianza. Magdalena Cladera Munar Departamento de Economía Aplicada Universitat de les Illes Balears
Análisis de la varianza Magdalena Cladera Munar mcladera@uib.es Departamento de Economía Aplicada Universitat de les Illes Balears CONTENIDOS Análisis de la varianza de un factor. Análisis de la varianza
Más detallesTEMA 6 ANÁLISIS CONJUNTO
TEMA 6 ANÁLISIS CONJUNTO Facultade de Psicoloxía. Campus Sur, s/n. 15782 Santiago de Compostela www.usc.es/psicom Dr. Jesús Varela Mallou Dr. Antonio Rial Boubeta Dr. Eduardo Picón Prado Análisis Multivariante
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 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 detallesESTADÍSTICA. Rincón del Maestro:
ESTADÍSTICA Definición de Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Conceptos
Más detallesFLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- BLOQUE ESTADÍSTICA: ESTADÍSTICA VARIABLE UNIDIMENSIONAL. Estadística variable unidimensional
FLORIDA Secundaria. 1º BACH MATEMÁTICAS CCSS -1- Estadística variable unidimensional 1. Conceptos de Estadística 2. Distribución de frecuencias 2.1. Tablas de valores con variables continuas 3. Parámetros
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 detallesRedes de Neuronas de Base Radial
Redes de Neuronas de Base Radial 1 Introducción Redes multicapa con conexiones hacia delante Única capa oculta Las neuronas ocultas poseen carácter local Cada neurona oculta se activa en una región distinta
Más detallesConsultor en investigación social y de mercados y analista web.
Consultor en investigación social y de mercados y analista web 23 años de experiencia en investigación de mercados Amplio conocimiento de metodologías Manejo de SPSS y de modelos multivariantes Analista
Más detallesANÁLISIS DISCRIMINANTE
DEFINICIÓN: Cómo técnica de análisis de dependencia: Pone en marcha un modelo de causalidad en el que la variable endógena es una variable NO MÉTRICA y las independientes métricas. Cómo técnica de análisis
Más detallesESTADÍSTICA DESCRIPTIVA EN POCAS PALABRAS (por jmd matetam.com)
ESTADÍSTICA DESCRIPTIVA EN POCAS PALABRAS (por jmd matetam.com) ESTADÍSTICA DESCRIPTIVA EN POCAS PALABRAS... 1 DEFINICIONES BÁSICAS... 1 Estadística... 1 Estadística descriptiva... 1 Estadística inferencial...
Más detallesGuía Docente EMPRESARIALES
Guía Docente ASIGNATURA ESTUDIOS DE MERCADO EN MARKETING II CURSO 4º SEMESTRE 1º GRADO EN MARKETING Y GESTIÓN COMERCIAL MODALIDAD: PRESENCIAL CURSO 2015-16 FACULTAD DE CIENCIAS ECONÓMICAS Y EMPRESARIALES
Más detalles1. Realice la prueba de homogeneidad de variancias e interprete los resultados.
1ª PRÁCTICA DE ORDENADOR (FEEDBACK) Un investigador pretende evaluar la eficacia de dos programas para mejorar las habilidades lectoras en escolares de sexto curso. Para ello asigna aleatoriamente seis
Más detallesGEOESTADÍSTICA APLICADA
UNIVERSIDAD NACIONAL AUTÓNOMA DE MÉXICO GEOESTADÍSTICA APLICADA Tema: Análisis Exploratorio de Datos Instructores: Dr. Martín A. Díaz Viera (mdiazv@imp.mx) Dr. Ricardo Casar González (rcasar@imp.mx) 2009
Más detallesTitulación(es) Titulación Centro Curso Periodo Grado de Fisioterapia FACULTAT DE FISIOTERÀPIA 1 Primer cuatrimestre
FICHA IDENTIFICATIVA Datos de la Asignatura Código 33005 Nombre Estadística Ciclo Grado Créditos ECTS 6.0 Curso académico 2016-2017 Titulación(es) Titulación Centro Curso Periodo 1202 - Grado de Fisioterapia
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 detallesPreguntas más Frecuentes: Tema 3
Preguntas más Frecuentes: Tema 3 Pulse sobre la pregunta para acceder directamente a la respuesta 1. Qué diferencia hay entre dispersión y variabilidad?. En el cálculo de la desviación media, cómo se calcula
Más detallesGESTIÓN DE MARKETING Y COMUNICACIÓN (MF1007_3: SISTEMAS DE INFORMACIÓN DE MERCADOS Y MF2185_3: POLÍTICAS DE MARKETING)
GESTIÓN DE MARKETING Y COMUNICACIÓN (MF1007_3: SISTEMAS DE INFORMACIÓN DE MERCADOS Y MF2185_3: POLÍTICAS DE MARKETING) Objetivo General: Asistir en la definición, organización, difusión y supervisión de
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 detallesINDICE. Introducción Capitulo uno. La idea nace un proyecto de investigación Como se originan las investigaciones? 2 Resumen Conceptos básicos
INDICE Introducción Capitulo uno. La idea nace un proyecto de investigación 1 1.1. Como se originan las investigaciones? 2 Resumen 6 Ejemplo 7 Capitulo dos. El planteamiento del problema objetivos, preguntas
Más detallesTema 13. Investigación de mercados, segmentación y experimentación comercial
Tema 13. Investigación de mercados, segmentación y experimentación comercial 13.1. Introducción. 13.2. La investigación comercial. 13.3. La segmentación de mercados. 13.4. Métodos de segmentación de mercados.
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 detallesRECONOCIMIENTO DE PAUTAS
RECONOCIMIENTO DE PAUTAS ANÁLISIS DISCRIMINANTE (Discriminant analysis) Reconocimiento de pautas supervisado si se cuenta con objetos cuya pertenencia a un grupo es conocida métodos: análisis de discriminantes
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 detallesPlaneación experimental
Planeación experimental Diseño de Experimentos Diseño de Experimentos Ventajas Identifica uno o más factores influyen dentro de la variable de respuesta. Permite establecer la combinación adecuada de tratamientos
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 detallesElaborado por: Pelay, C. y Pérez, J. Prueba t para muestras independientes
Prueba t para muestras independientes 1 El procedimiento Prueba t para muestras independientes compara las medias de dos grupos de casos. Para esta prueba, idealmente los sujetos deben asignarse aleatoriamente
Más detallesConceptos de Estadística
Definición de Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Conceptos de Estadística
Más detallesTema 3: Estadística Descriptiva
Tema 3: Estadística Descriptiva Estadística. 4 o Curso. Licenciatura en Ciencias Ambientales Licenciatura en Ciencias Ambientales (4 o Curso) Tema 3: Estadística Descriptiva Curso 2008-2009 1 / 27 Índice
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 detalles1º BACHILLERATO HUMANIDADES Y CIENCIAS SOCIALES MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I PENDIENTES
1º BACHILLERATO HUMANIDADES Y CIENCIAS SOCIALES MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES I PENDIENTES 1.- INTRODUCCIÓN AL NÚMERO REAL Realización de operaciones con números reales. Ordenación de los
Más detallesÍndice general. Pág. N. 1. Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN. Diseño. Población. Muestra. Individuo (Observación, Caso, Sujeto) Variables
Pág. N. 1 Índice general Capítulo 1 ETAPAS DE UNA INVESTIGACIÓN 1.1 Diseño 1.2 Descriptiva 1.3 Inferencia Diseño Población Muestra Individuo (Observación, Caso, Sujeto) Variables Ejercicios de Población
Más detallesTÉCNICAS MULTIVARIANTES
Máster en Ordenación y Gestión del Desarrollo Territorial y Local Módulo I MÉTODO Y TÉCNICAS ESTADÍSTICAS PARA EL DESARROLLO TERRITORIAL Y LOCAL CURSO TÉCNICAS MULTIVARIANTES Prof. Dr. Rosa Jordá Borrell
Más detallesBLOQUE III. ANÁLISIS MULTIVARIANTE
BLOQUE III. ANÁLISIS MULTIVARIANTE CAPÍTULO 7 Teoría sobre análisis multivariante. El análisis multivariante engloba un grupo de técnicas o métodos estadísticos cuya finalidad es analizar simultáneamente
Más detallesTaller de Capacitación 1 - Nivelación SISCA - BPS. Juan José Goyeneche Andrés Castrillejo Junio de 2012
Taller de Capacitación 1 - Nivelación SISCA - BPS Juan José Goyeneche Andrés Castrillejo Junio de 2012 Conceptos Generales Qué es la estadística? Qué usos o aplicaciones potenciales tiene? Qué es la Inferencia
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 detallesSPSS Aplicación práctica: Base de datos del HATCO
Aplicación práctica: Base de datos del HATCO Datos: observaciones de variables obtenidos desde encuentas a clientes de un distribuidor industrial. Variables de interés en la aplicación: Percepciones de
Más detallesFase 2. Estudio de mercado: ESTADÍSTICA
1. CONCEPTO DE ESTADÍSTICA. ESTADÍSTICA DESCRIPTIVA 2. 3. TABLA DE FRECUENCIAS 4. REPRESENTACIONES GRÁFICAS 5. TIPOS DE MEDIDAS: A. MEDIDAS DE POSICIÓN B. MEDIDAS DE DISPERSIÓN C. MEDIDAS DE FORMA 1 1.
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 detallesCURSO ECONOMETRÍA AVANZADA MULTISOFTWARE
CURSO ECONOMETRÍA AVANZADA MULTISOFTWARE El objetivo de este curso es la presentación de las TÉCNICAS ECONOMÉTRICAS AVANZADAS, tanto clásicas como modernas, y su tratamiento con las herramientas más adecuadas
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 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 detallesÁREAS DE LA ESTADÍSTICA
QUÉ ES LA ESTADÍSTICA? Es el arte de realizar inferencias y sacar conclusiones a partir de datos imperfectos. ÁREAS DE LA ESTADÍSTICA Diseño: Planeamiento y desarrollo de investigaciones Descripción: Resumen
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 detallesUnidad 1 DISTRIBUCIONES MUESTRALES Objetivo particular El alumno identificará distribuciones discretas y continuas, obtendrá la probabilidad de
Nombre de la materia Estadística Inferencial Departamento Ciencias Aplicadas de la Información Academia Ciencias Básicas Clave Horas-teoría Horas-práctica Horas-AI Total-horas Créditos I4863 60 20 0 80
Más detallesR-commander. Manejo de datos y Estadística Básica. Pedro A. García Métodos Estadísticos con software libre R 1
R-commander Manejo de datos y Estadística Básica Pedro A. García Métodos Estadísticos con software libre R 1 Pedro A. García Métodos Estadísticos con software libre R 2 Pedro A. García Métodos Estadísticos
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detallesANÁLISIS DE DATOS UNIDIMENSIONALES
ANÁLISIS DE DATOS UNIDIMENSIONALES TABLAS DE FRECUENCIAS Y REPRESENTACIONES GRÁFICAS MEDIDAS DE POSICIÓN MEDIDAS DE TENDENCIA CENTRAL MEDIA ARITMÉTICA OTRAS MEDIAS: GEOMÉTRICA.ARMÓNICA.MEDIA GENERAL MEDIANA
Más detallesEjemplos de análisis cluster
Ejemplos de análisis cluster Objetivos: 1. Una aproximación a la terminología del análisis cluster o de conglomerados 2. Uso de las funciones oportunas de R para realizar el análisis 3. Interpretación
Más detallesRepaso Estadística Descriptiva
Grado en Fisioterapia, 2010/11 Cátedra de Bioestadística Universidad de Extremadura 13 de octubre de 2010 Índice Descriptiva de una variable 1 Descriptiva de una variable 2 Índice Descriptiva de una variable
Más detallesEscuela Nacional de Estadística e Informática ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA
ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA ESPECIALIZACIÓN EN ESTADÍSTICA APLICADA Lima Perú 2013 DISEÑO COMPLETAMENTE ALEATORIZADO Es el diseño más simple y sencillo de realizar, en el cual los tratamientos
Más detallesComunidades. Buscando grupos naturales de nodos
Comunidades Buscando grupos naturales de nodos cliques, -componentes (Newman 7.8.1, 7.8.2) similaridad (N7.12) Geometria: means topologia: equivalencia estructural vs equivalencia regular Clustering jerarquico
Más detallesCarrera: Ingeniería Naval NAM Participantes. Comité de consolidación
1.- DATOS DE LA ASIGNATURA Nombre de la asignatura: Carrera: Clave de la asignatura: Horas teoría-horas práctica-créditos Probabilidad y Estadística Ingeniería Naval NAM - 0633 3-2-8 2.- HISTORIA DEL PROGRAMA
Más detallesAnálisis de Conglomerados
Análisis de Datos Avanzados Análisis de Conglomerados Joaquín Aldás Manzano Universitat de València * joaquin.aldas@uv.es Descripción Definición Cuando tenemos un conjunto de variables que caracterizan
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 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 detallesI. TÉCNICAS DE ANÁLISIS MULTIVARIANTE
ÍNDICE Presentación y justificación................................................... 9 I. TÉCNICAS DE ANÁLISIS MULTIVARIANTE................................... 13 1. Introducción.................................................................
Más detallesDr. Abner A. Fonseca Livias
UNIVERSIDAD NACIONAL HERMILIO VALDIZAN ESCUELA DE POST GRADO Dr. Abner A. Fonseca Livias PROFESOR PRINCIPAL 16/08/2014 6:44 Dr. Abner A. Fonseca L. 1 UNIVERSIDAD NACIONAL HERMILIO VALDIZAN ESCUELA DE POST
Más detallesApuntes de Estadística
Apuntes de Estadística La Estadística es la ciencia que se encarga de recoger, organizar, describir e interpretar datos referidos a distintos fenómenos para, posteriormente, analizarlos e interpretarlos.
Más detallesGuía de Matemática Cuarto Medio
Guía de Matemática Cuarto Medio Aprendizaje Esperado: 1. Conocen distintas maneras de organizar y presentar información incluyendo el cálculo de algunos indicadores estadísticos, la elaboración de tablas
Más detalles