En AnálisisEstadísticos.com ofrecemos apoyo a la investigación. Te ayudaremos con tus dudas y con los métodos estadísticos más adecuados para analizar tus datos. Este es un canal de divulgación sobre análisis estadísticos e información para el análisis de datos. Podrás encontrar trucos y consejos que te ayuden a analizar tus datos.
A veces cuando son 2 o 3 boxplot, en la parte superior marcan una línea horizontal parecida a un bigote mencionando la P <0.05 o mayor. No entiendo esa relacion
MUCHAS GRACIAS, OTROS VIDEOS REVUELVEN LOS CONCEPTOS ENTRE RAZOÓN CON DISCRETA E INTERVALO CON CONTINUA (INCLUSO MI MAESTRA) , MUCHAS GRACIAS POR TU VIDEO
¿Qué otro ejemplo podria toma de las variables de intervalo aparte de la temperatura? Se me ocurren las notas en un examen. Pero que otras más podría plantear? :'3
El cociente de inteligencia es una escala de intervalo, puesto que no existe 0 como ausencia de la característica. Casi todas las medidas de características psicológicas (motivación, personalidad, etc.), utilizan escalas de intervalo.
La nota en un examen se podría ver como una escala de razón. El 0 es posible, significa que no ha contestado ninguna pregunta bien, y el que saca un 8 tiene exactamente el doble de preguntas bien que alguien que ha sacado un 4.
Pero si tomamos la nota en un examen como una medida de conocimiento, entonces la escala es de intervalo porque el 0 no es la ausencia total de conocimientos.
Buena tarde, tengo una duda las escalas de intervalo o razón pertenecen a las discretas y continuas o son totalmente a parte de ellas. Pueden haber discretas continuas o de razón, o continuas de intervalo o de razón, o son independientes cada una de ellas.
Hola! Las variables de intervalo y de razón serán variables continuas. Las variables discretas son aquellas que contienen recuentos, por ejemplo: número de hijos, número de parejas en el último año, número de bebidas consumidas, etc. Las variables de intervalo y de razón son variables en las que se han medido cantidades, y por lo tanto son variables de tipo continuo.
Genial explicación! El valor de 2,5 lo eliges por algo en especial o se puede seleccionar otro valor? Supongo que cuanto menor sea ese valor, más estricto serás con los valores que se vayan (menor dispersión tendrás) pero más valores tendrás que descartar. Cómo sé que valor tomar ahí? Sería bueno usar 1,5 o 2 si busco mucha precisión?
Hola Álvaro, normalmente se utilizan los valores de 2,5 o 3. En el caso de 2,5 es porque la probabilidad de que ese dato pertenezca a la distribución de esa variable es menor a 0,01; en el caso de 3 es porque esa probabilidad es menor a 0,001. Puede que en algún campo por algún motivo justificado se utilice un valor de 2 (probabilidad menor a 0,05). Pero hay que tener en cuenta que lo que estamos buscando es tratar de detectar valores que por algún motivo justificado no pertenecen a la distribución de la variable estudiada. Puede ser, por ejemplo, que hayamos pedido a personas que contesten un cuestionario y una persona no motivada haya escogido siempre un valor extremo en el cuestionario. O que estamos midiendo la temperatura de algo en distintos días y tenemos una medida de 60 grados que claramente es un error, etc. No se trata de "manipular" a voluntad la dispersión permitida en una variable, sino de detectar casos que por algún motivo, que podemos llegar a conocer o no, es probable que no pertenezcan a esa distribución.
Hola! Si solo tenemos la gráfica, podremos saber la media solo en el caso de que la variable siga una distribución normal, y esto es así porque la media coincidirá con la mediana. En el caso de que la variable no siga una distribución normal, no podremos saber la media solo a partir de este gráfico. Saludos!
Buenas tardes, me gustaría, si fuera posible, que me ayudaran con esta pequeña duda. En este ejercicio: La variable número de caras obtenidas al lanzar 2 monedas al aire es: la respuesta es discreta pero no me encaja mucho ¿Por qué es así y no, por ejemplo, nominal dicotómica?
Es que esa pregunta tiene truco. Lo que te dice el ejercicio es que la variable contiene el número de caras obtenidas al lanzar 2 monedas al aire. Eso significa que, la variable puede contener 0 caras, 1 cara o 2 caras. Como ves esta es una variable cuantitativa discreta, contiene la cantidad de caras obtenidas al lanzar las monedas (cuantitativa) y no permite números entre enteros (discreta, porque no puedes sacar 1 cara y media). Tú habías visto la variable de otra forma (si no me equivoco), solo como la posibilidad de sacar cara en un lanzamiento, obteniendo como resultado Sí (cara) o No (cruz), y en este caso, como tú dices es nominal dicotómica. Mi consejo es imaginar primero, después de leer el enunciado, qué información va a contener esa variable que dice el enunciado, y de ese modo verás la respuesta más clara.
@@Analisisestadisticos Muchas gracias por responderme!!!!!!!!!! entonces si en ese mismo ejemplo se tratara de una única moneda en lugar de dos¿el planteamiento sería el mismo? Es lo que me comentaste en tu respuesta, no caí en la cuenta de las 0 caras, únicamente me encentré en : o sale cara o sale cruz xDxDxDxD De verdad MUCHAS MUCHAS GRACIAS por responder!! sigue haciendo vídeos así ^^
@@danieltesedo1489 sí! Si solo es una moneda entonces las únicas posibilidades son cara o cruz, por lo tanto sería nominal dicotómica ;-) Encantada de ayudar!
Para que estés al tanto de todos los tutoriales que subamos al canal, no olvides SUSCRIBIRTE! 👉 goo.gl/DK6jqJ Y si te hemos ayudado, nos gusta mogollón, dínoslo! Comenta! Dale al Like!
Muchísimas gracias, me acabas de ayudar bastante. Tenia tremenda duda en lo que son las escalas de Razón e Intervalo, eres la unica que lo ha explicado detenidamente. Gracias.
Hola! Para un análisis de regresión, para identificar los outliers por este método: se tipifican los datos de la variable dependiente o la independiente?
Hola Diego, yo lo miraría en las dos. Se trata de ver en las variables si hay valores poco probables, y en el caso de que existan, tratar de encontrar una explicación. ¿Pueden ser datos erróneos? Si son datos que pueden suceder, entonces yo haría la regresión con ellos y sin ellos, para ver qué efecto tienen en la regresión. Por otro lado, tratándose de una regresión, también puedes evaluar outliers y datos que influyen demasiado en el resultado por otros métodos (residuales, distancias de Cook, etc.).
Para el PDF de este tutorial pincha AQUÍ 🏅 www.analisisdedatos.org/landing-boxplot Para que estés al tanto de todos los tutoriales que subamos al canal, no olvides SUSCRIBIRTE! 👉 goo.gl/DK6jqJ Y si te hemos ayudado, nos gusta mogollón, dínoslo! Comenta! Dale al Like!
Te ha parecido interesante? te ha ayudado en tus análisis? suscríbete al canal para tenerlo siempre a mano! AQUÍ 👉 goo.gl/DK6jqJ Y sígueme en Facebook para más información sobre análisis estadísticos: goo.gl/Muv3cq
Hola Eliana, En una variable que sigue una distribución normal se espera que el 95% de datos se alejen de la media como máximo 1,95 desviaciones típicas. Además se espera que un 5% de los casos se pueda alejar más de 1,96 desviaciones típicas y solo el 1% de los casos se aleja más de 2,58 desviaciones típicas de la media. Esto quiere decir que se escoge el valor de 2,5 para detectar casos extremos, porque son casos que se alejan demasiado de la media. Si en la variable, hay menos del 1% de casos que se alejan de la media 2,5 desviaciones típicas, en ese caso no pasa nada, porque es lo esperable. Pero si en la variable hay más del 1% de casos que se alejan 2,5 desviaciones típicas, entonces puede ser que esos valores no sean correctos por algún motivo. Entonces se elige el valor de 2,5 para detectar casos e investigar, en la medida que se pueda, si son casos esperables o no lo son. Por lo tanto, el valor de corte de 2,5 es por el modelo de probabilidad de la distribución normal. Espero haberte ayudado. Saludos!
Buena explicación. Muchas Gracias. Te pediría que me recomiendas alguna bibliografía donde fundamente los expuesto de la distribución normal para determinar los datos atipicos.
Hola Eliana, Lo puedes encontrar en el siguiente manual: Field, A. (2009). Discovering statistics using SPSS. Sage publications. En la tercera edición en las páginas 102-103. Un saludo!
Hola ousterspacefunk! El análisis se aplica sobre los casos, para identificar qué casos tienen puntuaciones demasiado distantes (extremas). Es esto a lo que te refieres?
No, en este caso particular, si a lo que te refieres es a cuestionarios, entonces lo tienes que evaluar con el resultado del cuestionario, no con cada ítem. Primero tienes que calcular la puntuación total del cuestionario, según sea el caso, sumando ítems, promediando ítems...; y después con la variable de resultado en el cuestionario evaluar si hay puntuaciones extremas.
