🔥 ¡Solicita más información! 🔥
Análisis de Datos y Estadística para Investigación
La estadística y las matemáticas en general son las herramientas más importantes que tiene la investigación científica para analizar e interpretar los datos recolectados. No es posible realizar investigación de calidad y llegar a conclusiones válidas sin un adecuado procesamiento de los datos. Para esto existe una gran variedad de técnicas y modelos que pueden utilizarse para describir los resultados, comparar grupos, establecer relaciones bivariadas y multivariadas.
Análisis de Datos y Estadística para Investigación
Solicita más información
La estadística y las matemáticas en general son las herramientas más importantes que tiene la investigación científica para analizar e interpretar los datos recolectados. No es posible realizar investigación de calidad y llegar a conclusiones válidas sin un adecuado procesamiento de los datos. Para esto existe una gran variedad de técnicas y modelos que pueden utilizarse para describir los resultados, comparar grupos, establecer relaciones bivariadas y multivariadas.
-
Estadística descriptiva
Media
Mediana
Moda
Varianza
Desviación estándar
Mínimo
Máximo
Rango
Regla de Sturges
Asimetría
Curtosis
-
Pruebas de bondad de ajuste
Kolmogorov-Smirnov
Shapiro-Wilk
Prueba de igualdad de varianzas de Levene
Prueba de Mardia
-
Técnicas para la comparación de grupos
t de Student para muestras independientes
t de Student para muestras relacionadas
d de Cohen
r de Rosenthal
U de Mann-Whitney
Wilcoxon T
ANOVA de un factor
Test HSD (Honestly-significant-difference) de Tukey
Prueba de Duncan
Contrastes de Helmert
Corrección de Bonferroni
H de Kruskal-Wallis
-
Técnicas de asociación y relación
Prueba binomial
Corrección de Yates
Coeficiente de Contingencia
V de Cramer
Prueba de McNemar
r de Pearson
Rho de Spearman
Tau de Kendall
Tau b de Kendall
Tau c de Kendall
Tau de Goodman-Kruskal
D de Somers
Correlaciones parciales
Correlación biserial-puntual
Regresión lineal simple
Regresión lineal múltiple
Regresión logística
Regresión probit
Regresión de cresta
Regresión Lasso
Regresión polinomial
Coeficiente de determinación R²
Análisis de Covarianza (ANCOVA)
-
Modelos multivariados
Modelos lineales jerárquicos
Análisis discriminante lineal
Lambda de Wilks
Análisis Cluster
Redes bayesianas
Modelos de ecuaciones estructurales
Análisis factorial exploratorio
Análisis factorial confirmatorio
Análisis de componentes principales
Kaiser-Meyer-Olkin (KMO)
Método de máxima verosimilitud
Prueba de esfericidad de Bartlett
Rotación VARIMAX
Rotación Oblimín
Rotación Promax
Factorización de Ejes Principales (FEP)
Raíz cuadrada del error cuadrático medio de aproximación (RMSEA)
Comparative Fit Index (CFI)
Goodness of fit index (GFI)
Adjusted goodness of fit index (AGFI)
Chi-cuadrado / grados de libertad (χ²/gl)
Root mean square residual (RMR)
Tucker-Lewis index (TLI)
Satorra-Bentler-scaled chi-square statistic (SB-χ²)
Bentler-Bonnet Non-Normed Fit Index (BBNFI)
Standardized root mean squared residual (SRMR)
Normed fit index (NFI)
Incremental Fit Index (IFI)
-
Técnicas para la evaluación de las propiedades los instrumentos
Alfa de Cronbach
Confiabilidad Test-retest
Promedio de la correlación Inter-item
Método Feldt
Prueba de Guttman
Validez concurrente
V de Aiken
Spearman-Brown
Método de las dos mitades
Fórmula de Rulon
Correlación ítem-test
Kuder Richardson
Kuder-Richardson 20
Kuder-Richardson 21
Validez discriminante
Coeficiente Omega (ω)
Validez de criterio
Análisis de grupos contrastados
α ordinal
Theta de Armor
Coeficiente Angoff-Feldt
Coeficiente H
Coeficiente kappa de Cohen
índice de validez de contenido de Lawshe
Valor predictivo negativo
Valor predictivo positivo
Especificidad
Sensibilidad
Área bajo la curva ROC
Teoría de respuesta al ítem