Date post: | 17-Feb-2017 |
Category: |
Technology |
Upload: | universidad-tecnologica-de-panama |
View: | 209 times |
Download: | 0 times |
INVESTIGACIÓN CIENTÍFICA (I.C.)Proceso reflexivo, sistemático, crítico que utiliza diversos métodos para el logro de su objetivo, el cual es ir en búsqueda de la verdad o conocimiento.
Concebir la idea o tema a investigar Plantear el problema de investigación. Elaborar el marco teórico Definir el tipo de investigación Establecer hipótesis Seleccionar el diseño apropiado de
investigación Selección de la muestra Recolección de datos Analizar datos Presentar los resultados
ETAPAS DEL PROCESO DE INVESTIGACIÓN
2
ESTADISTICA DESCRIPTIVA PIBAnálisis descriptivo: consiste en resumir los datos disponibles para extraer la información relevante en el estudio.
3
Datos para calcular rango, mínimo y máximo
4
Clase Frecuencia%
acumulado Clase Frecuencia % acumulado90.5 1 0.74% 4276.125 78 57.35%
4276.125 78 58.09% 8461.75 25 75.74%8461.75 25 76.47% 12647.375 14 86.03%
12647.375 14 86.76% 16833 7 91.18%16833 7 91.91% 25204.25 4 94.12%
21018.625 3 94.12% 21018.625 3 96.32%25204.25 4 97.06% 29389.875 2 97.79%
29389.875 2 98.53%y mayor... 2 99.26%y mayor... 2 100.00% 90.5 1 100.00%
0,00%
20,00%
40,00%
60,00%
80,00%
100,00%
120,00%
0102030405060708090
Frec
uenc
ia
Clase
Histograma
Frecuencia
% acumulado
5
CORRELACIÓNCORRELACIÓNPIB Importaciones
PIB 1
Importaciones 0.98787598 1
El PIB : la intercepción es de 587.6 en el eje y, y la pendiente es de 1.368 .Es el grado de asociación 0.987
PIB: expresa el valor monetario de la producción de bienes y servicios de demanda final de un país
y = 1,368x + 587,6R² = 0,975
0,0
5000,0
10000,0
15000,0
20000,0
25000,0
30000,0
35000,0
40000,0
0,0 5000,0 10000,0 15000,0 20000,0 25000,0
Títu
lo d
el e
je
Título del eje
PIB vs importaciones Panamá
PIB
Lineal (PIB)
6
REGRESIÓNREGRESIÓNEstadísticas de la regresión
Coeficiente de correlación múltiple 0.987875979Coeficiente de determinación R^2 0.97589895R^2 ajustado 0.975533782Error típico 1254.0976Observaciones 68
ANÁLISIS DE VARIANZAGrados de
libertadSuma de
cuadrados F Valor crítico de FRegresión 1 4203155863 2672.469892 4.00728E-55Residuos 66 103802212.2Total 67 4306958075
Coeficientes Error típico Probabilidad Inferior 95% Superior 95%Inferior 95.0% Superior 95.0%
Intercepción 587.6102931 192.4878 0.003266803 203.2960048 971.9245813203.29600
48 971.9245813
Importaciones 1.368089822 0.026464165 4.00728E-55 1.315252412 1.4209272321.3152524
12 1.420927232
7
K=3Base de datos de 1946 a 1970
#N/A
#N/A
291.066667
303.366667
302.333333
306.366667
317.666667
336.033333
353.733333
370.133333
386.366667
412.966667
433.133333
455.966667
472.9
505.4
546.166667
600.366667
654.233333
715.2
777.866667
856.4
935.566667
1024.53333
1120.83333
0200400600800
100012001400
1 3 5 7 9 11 13 15 17 19 21 23 25
Valo
r
Punto de datos
Real
Pronóstico
0
100
200
300
400
500
1 3 5 7 9 11 13 15 17 19 21 23 25
Valo
r
Punto de datos
Real
Pronóstico
#N/A
#N/A
101.533333
103.9
95.7666667
94.5
96.8333333
101.133333
106.3
112.866667
124.733333
132.2
137.866667
142.633333
155
162.6
174.9
192.033333
212.533333
233.566667
255
282.533333
305.4
334.5
373.333333
8
0
5000
10000
15000
20000
25000
30000
35000
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59 61 63 65 67
Valo
r
Punto de datos
PIB 1946 2013 20% Panama Suavización exponencial
Pronóstico
Base de datos de 1946 a 1970
Model Summaryb
Model R R Square
Adjusted R
Square
Std. Error of
the Estimate
Change Statistics
Durbin-Watson
R Square
Change F Change df1 df2 Sig. F Change
1 .988a .976 .976 1254.0976 .976 2672.470 1 66 .000 1.399
a. Predictors: (Constant), Importaciones
b. Dependent Variable: PIB
SPSS IBM
PROGRAMACION LINEAL CON SOLVERPlanteamiento problema:Se esta planeando la mezcla de cultivos de Maíz, Avena y Trigo, en una granjapara la próxima temporada. En una tabla se muestra la mano de obra y fertilizantesrequeridos por acre. La familia quiere saber que combinación de cultivos deben serplantados para maximizar las utilidades de la familia.Comandos solver. Sumaproducto(matriz1,matriz2), función objetivo, y asignación de recursos
9
Prueba de KMO y BartlettMedida Kaiser-Meyer-Olkin de adecuación de muestreo .920
Prueba de esfericidad de Bartlett
Aprox. Chi-cuadrado 3696.041
gl 136Sig. .000
Es una técnica estadística de reducción de datos usada para explicar las correlaciones entre las variables observadas en términos de un número menor de variables no observadas llamadas factores
Varianza total explicada
Componente
Autovalores inicialesSumas de extracción de
cargas al cuadradoSumas de rotación de cargas al
cuadrado
Total
% de varianza
% acumulado Total
% de varianza
% acumulad
o Total% de
varianza%
acumulado1 8.9
31 52.533 52.533 8.931 52.533 52.533 5.025 29.557 29.557
2 1.542 9.073 61.606 1.542 9.073 61.606 3.890 22.881 52.438
3 1.197 7.040 68.646 1.197 7.040 68.646 2.755 16.208 68.646
Método de extracción: análisis de componentes principales.
La medida de adecuación muestral KMO (Kaiser-Meyer-Olkin) contrasta si las correlaciones parciales entre las variables son suficientemente pequeñas. Permite comparar la magnitud de los coeficientes de correlaciónobservados con la magnitud de los coeficientes de correlación parcial Sig menor que .05
10
Matriz de componente rotadoa
Componente1 2 3
P41CRI Contribución del dep.satisfacciónclientes .804 .219 .112
P40CRI Estímulo intercambios de informacion .795 .222
P39CRI Reuniones interfuncionales .774 .258 .144P38CRI Individuo al servicio del mercado .749 .259 .119P37CRI Estrategias concertadas .736 .335 .238P36CRI Difusión de información interdepartamental .683 .235 .209
P04ACL Nuevos segmentos mercado .580 .377 .382P05ACL Problemas clientes con productos .492 .338 .359P21ACO Objetivos y estrategias competencia .181 .827 .264P23ACO Políticas mercadotecnia competencia .394 .811 .153
P22ACO Puntos fuertes y débiles competencia .356 .802 .178
P24ACO Amenazas productos sustitutos .474 .701 .167P25ACO Carac. imagen prods.competencia .206 .645 .217P01ACL Medición grado satisfaccion .863P03ACL Factores decision compra .123 .286 .798P02ACL Evaluacion necesidades mercado .446 .261 .712P06 ACL Evolución imagen productos .447 .430 .486
En síntesis consiste en hacer girar los ejes de coordenadas, que representan a los factores, hasta conseguir que se aproxime al máximo a las variables en que están saturados. la saturación de factores transforma la matriz factorial inicial en otra denominada matriz factorial rotada. La matriz factorial rotada es una combinación lineal de la primera y explica la misma cantidad de varianza inicial
Nombre de los factoresAnalizando con qué variables tiene una relación fuerte es posible, en muchos casos, tener una idea más o menos clara de cuál es el significado de un factor.
11
La tabla muestra un resumen de los casos procesados: el número y porcentaje decasos válidos analizados, el número y porcentaje de casos con valores perdidos enalguna de las variables incluidas en el análisis, y el tamaño total de la muestra, queno es otra cosa que la suma de los casos válidos y los perdidos.
Matriz de proximidades
La tabla muestra la matriz de distancias para los 7 primeros casos de un ejemplo.La tabla indica, en la cabecera de las columnas, que la medida utilizada es ladistancia euclídea al cuadrado y, a pie de tabla, que se trata de una matriz dedisimilaridades.
12
En un dendrograma, además de estar representadas las etapas del proceso de fusión, también lo están las distancias existentes entre los elementos fundidos. Pero las distancias no están representadas en su escala original sino en una escala estandarizada de 25 puntos. Las líneas verticales identifican elementos fundidos (conglomerados); y la posición de las líneas verticales indica la distancia existente entre los elementos fundidos.
Muchas Gracias14