To install click the Add extension button. That's it.

The source code for the WIKI 2 extension is being checked by specialists of the Mozilla Foundation, Google, and Apple. You could also do it yourself at any point in time.

4,5
Kelly Slayton
Congratulations on this excellent venture… what a great idea!
Alexander Grigorievskiy
I use WIKI 2 every day and almost forgot how the original Wikipedia looks like.
Live Statistics
Spanish Articles
Improved in 24 Hours
Added in 24 Hours
Languages
Recent
Show all languages
What we do. Every page goes through several hundred of perfecting techniques; in live mode. Quite the same Wikipedia. Just better.
.
Leo
Newton
Brights
Milds

Transformación de datos

De Wikipedia, la enciclopedia libre

En estadística, la transformación de datos se efectúa para asegurarse que estos tienen una distribución normal (lo que puede ser un remedio para analizar datos que tienen otros tipos de distribución, falta de normalidad, linealidad, y homocedasticidad). Con la transformación de los datos estos se preparan para diferentes tipos de análisis, como los de regresión,[1]t de student, correlación y ANOVA. Cuando se usan este tipo de pruebas estadísticas la transformación de datos puede ser necesaria ya que este tipo de análisis asumen que los datos deben ser lineales, normales y tienen homocedasticidad en su varianza. Este tipo de transformación se conoce también como transformación de la linealidad. Un buen indicador de datos con una distribución normal es que el sesgo en el rango va de -0,8 a 0,8 y la curtosis se encuentra en el rango de -3,0 a 3,0. La normalidad se mide comúnmente con pruebas de bondad de ajuste, como las de chi-cuadrada y Kolmogorov-Smirnov.

Para los novatos en estadística el análisis de muestras que no tienen una distribución normal pueden ser un problema, porque las pruebas paramétricas estadísticas comunes asumen normalidad en los datos, es decir, que la distribución de los mismos se ajusta a una campana de Gaus. Si la distribución de los datos no es normal se asume que la distribución de los datos no es semejante estadísticamente a una campana de Gaus, porque sus intervalos de confianza pueden estar a menudo fuera de centro o ser estrechos. Si el tamaño de la muestra es demasiado pequeño o los datos están sesgados hacia una distribución no normal se puede intentar hacer una de las siguientes transformaciones: logarítmica, raíz cuadrada o inversa. Se debe tener en cuenta que el tipo de trasformación que se use debe ser acorde con el tipo de datos que se desea transformar, para ello debe considerarse si la variable tiene distribución continua y que tipo datos son (por ejemplo, resultados de conteos, porcentajes, etc.).

Para personas con mayor experiencia en estadística que tengan datos cuya distribución no se ajusta a la normalidad se sugiere definir la distribución real de los datos, que puede ser exponencial, poisson, etc., y analizarlos usando procedimientos específicos (algunos de ellos encontrados en el programa R) que asumen de facto ese tipo de distribución.

YouTube Encyclopedic

  • 1/3
    Views:
    12 773
    10 583
    56 756
  • SSIS Controles de Transformación de Flujo de Datos (Data Flow Transformations) - Primera Parte(01)
  • Transformaciones Box-Cox Concepto y demostración
  • Entidad Relación a Modelo Relacional - Transformación (Caso 1:N)

Transcription

Referencias

  1. Swift, Ronald S. (2002). Cómo mejorar las relaciones con los clientes. Pearson Educación. p. 172. ISBN 9702601924. 
Esta página se editó por última vez el 22 jun 2020 a las 17:42.
Basis of this page is in Wikipedia. Text is available under the CC BY-SA 3.0 Unported License. Non-text media are available under their specified licenses. Wikipedia® is a registered trademark of the Wikimedia Foundation, Inc. WIKI 2 is an independent company and has no affiliation with Wikimedia Foundation.