"USO DE VARIABLES Y DATOS EN LA ESTADISTICA NO PARAMETRICA"

Comienza Ya. Es Gratis
ó regístrate con tu dirección de correo electrónico
Rocket clouds
"USO DE VARIABLES Y DATOS EN LA ESTADISTICA NO PARAMETRICA" por Mind Map: "USO DE VARIABLES Y DATOS  EN LA ESTADISTICA NO  PARAMETRICA"

1. Existen dos grandes familias de técnicas de análisis de datos:

1.1. Técnicas cualitativas: en las que los datos son presentados de manera verbal (o gráfica) - como los textos de entrevistas, las notas, los documentos.

1.2. Técnicas cuantitativas: en las que los datos se presentan en forma numérica.

1.3. Estas dos modalidades son especies radicalmente diferentes, utilizan conocimientos y técnicas completamente diferenciadas.

2. Análisis de Datos

2.1. El análisis de datos consiste en la realización de las operaciones a las que el investigador someterá los datos con la determinación de alcanzar los objetivos del estudio.

2.1.1. La recopilación de datos y los análisis preliminares pueden revelar problemas y dificultades que des-actualizarán la planificación inicial del análisis de los datos.

2.1.1.1. Es importante planificar los principales aspectos del plan de análisis en función de la verificación de cada una de las hipótesis formuladas ya que estas restricciones condicionarán a su vez la fase de recolección de datos.

3. VARIABLE

3.1. 1-ESTADISTICA NO PARAMETRICA PRUEVAS

3.1.1. Las principales pruebas no paramétricas son las siguientes: • Prueba χ² de Pearson • Prueba binomial • Prueba de Anderson-Darling • Prueba de Cochran • Prueba de Cohen kappa • Prueba de Fisher • Prueba de Friedman • Prueba de Kendall • Prueba de Kolmogórov-Smirnov • Prueba de Kruskal-Wallis • Prueba de Kuiper • Prueba de Mann-Whitney o prueba de Wilcoxon • Prueba de McNemar • Prueba de la mediana • Prueba de Siegel-Tukey • Prueba de los signos • Coeficiente de correlación de Spearman • Tablas de contingencia • Prueba de Wald-Wolfowitz • Prueba de los rangos con signo de Wilcoxon

3.2. 2-COEFICIENTE DE CORRELACION DE SPERMAN

3.2.1. Este coeficiente se emplea cuando una o ambas escalas de medidas de las variables son ordinales, es decir, cuando una o ambas escalas de medida son posiciones Nota: Los datos hay que traducirlos u ordenarlos en rangos. A los puntajes más elevados le asignamos el rango 1 al siguiente el rango 2 y así sucesivamente. Si se repiten dos puntajes o más se calculan las medias aritméticas.

3.3. 3- COEFICIENTE TAU

3.3.1. Este procedimiento estadístico para medir la correlación o asociación es complementario del coeficiente de correlación parcial de Kendall; a su vez, es una segunda opción de la correlación de Spearman. La razón por la que se expone este modelo estadístico se debe a la necesidad de comprender la mecánica aritmética y la interpretación de la prueba, pues se requiere conocerla para realizar el coeficiente parcial de Kendall.

3.4. 4- COEFICIENTE BISERIAL DE PUNTO

3.4.1. El coeficiente de correlación biserial puntual se utiliza cuando queremos conocer la correlación existente entre dos variables, de cualquier cosa que haya sido medida en escala de intervalos y la otra resultante ser una variable dicotómica. Necesariamente, el coeficiente de correlación biserial puntual se denota mediante la expresión r Antes de continuar conviene precisar lo que entendemos por variables dicotómicas. Son aquéllas que presentan dos modalidades, cuentos como el sexo (masculino-mujer), la calificación de la respuesta a un elemento (acierto-error), etc. En general, suelen atribuirse a estas modalidades los valores 0 y 1, aunque no solicite inconveniente en asignar 1 y 2, ó cualquier otro par de valores.

3.5. 5- COEFICIENTE FI

3.6. 6 COEFICIENTE V DE CRAMER

3.6.1. Es otro de los coeficientes usados para ver la asociación de las variables nominales cuando sus categorías son de dos o tres clases. El coeficiente varía entre cero y uno. Si la tabla de contingencia es de dos filas por dos columnas, o es de tresfilas por tres columnas, es válido este coeficiente. Cuanto más próximo a cero se encuentre, más independientes serán las variables; cuanto más próximo a uno sea el número, más asociadas estarán las variables que se estudien.

3.7. 7 COEFICIENTE DE CONCORDANCIA DE KENDALL

3.8. 7.1 COEFICIENTE DE CONCORDANCIA DE KENDALL

3.9. 7.2 COEFICIENTE DE CONCORDANCIA DE KENDALL