Documentos de Académico
Documentos de Profesional
Documentos de Cultura
¿Qué es el tamaño?
- Son las propiedades básicas cuantitativas
- longitud
- Diámetro
- Altura
- Volumen
- Masa (peso)
Es una propiedad de la arqueología el medir un objeto a través del dibujo, ahora
bien en la actualidad se tiende a lo contrario, se mide el objeto en 3D, no en 2D
(dibujo). En el caso de la cerámica es mucho más fácil esto ya que es un objeto
inerte mientras que los objetos líticos podríamos decir que están vivos, es decir, que
tienen una duración limitada a su uso.
Los objetos creados por una manufactura humana tienen a ser simétricos por una
cuestión de práctica. Porque con menos movimientos se crea un objeto eficiente.
¿Qué es la forma?
Todo tiene forma.
- Son las propiedades de una configuración de puntos invariantes al
tamaño, a la localización de las cosas y la localización del observador.
- Definición de forma según la rae: Configuración externa de algo.
- Aquello que da “unidad” a una entidad y nos permite distinguirla de su
contexto inmediato y de otras entidades.
- La forma es eso que no varía aunque el tamaño si lo haga.
- En el ámbito arqueológico el elemento estrella es el escáner, su uso debe
der ya prácticamente una herramienta imprescindible.
Superficie
- Formalmente hablando, una SUPERFICIE es un límite de separación
entre dos FASES.
- Una FASE es una masa de substancia homogénea (solido, liquido, gas)
que posee un límite bien definido.
- Cuando observamos dos fases …… (el gilipollas ha pasat de diapositiva)
CLASSE 2 JAVI
La idea a priori es veure com ordenem la materialitat.
Com organitzem els productes ceràmics? Què mesurem?
El que permet organitzar la materialitat es el procés de manufactura, la funcionalitat del
artefacte i la manufactura dels artefactes.
Quina acció social va causar (condicionar, influir, determinar) va causar aquesta materialitat
determinada?
- Manufactura
- Ús
- Distribució
- Manteniment
- amortització
Quina acció social es la causa de la mida, forma, composició, textura i localització?
El que veurem avui es el com podem saber coses del producte a partir de la mida,
forma, composició... sempre tenint em compte els processos pots deposicional i
l’acció de la investigació.
Quin és el grau d’afectació dels productes ceràmics? La fragmentació pot afectar
molt a la ceràmica, arribant a fer desaparèixer pels processos d’erosió parts del
artefacte ceràmic.
Mida à ens permeten mesurar les dimensions del artefacte
Forma-à la forma no es veu afectada per les dimensions. La forma seria el contorn
del artefacte.
La textura à totes aquelles característiques o atributs que tenen en la superfície
aquests elements.
Morfometria:
- tècniques de fabricació: modelat a mà
....
Com obtenim les mesures de l’objecte ceràmic? A partir d’una vora que conservi
com a mínim un 25% del seu diàmetre. Això es fa a partir de l’altura total i el
diàmetre de l’altura i la base.
Anàlisi de la mida i la forma:
- diàmetre de la vora
- diàmetre del punt tangencial
- diàmetre màxim
- altura conservada
- gruix de les parets
- índex d’obertura (seria el grau d’obertura que presenten els artefactes i
plantegen hipòtesis sobre la seva disponibilitat el calculem a partir de dividir
el diàmetre de la base amb el diàmetre màxim), i de profunditat.
Les ceràmiques en realitat es classifiquen en funció de les seves mesures
mètriques. Analitzem l’objecte ceràmic a partir del diàmetre de la vora, de la panxa ,
de la base i de l’índex de perfil.
En la pregunta de perquè els vasos tenen una composició diferent pot respondre a
les diferents utilitats i al fet que al ser algú prescindible i de molt fàcil manufactura es
igual del que realment estigui fet (això respondria a la producció de ceràmiques de
cuines, no vaixelles fines o per menjar).
(SINCERAMENT ENCARA NO SE QUE ESTEM FENT A
CLASSES)
INTRODUIR APUNTS DELS EXEMPLES
La determinació de la mida i forma à classificació qualitativa à anàlisi quantitativa à
resultats de grups per ús.
L’ESPAI
Què és l’espai?
L’espai no es un contenidor ni tampoc no existeix de manera independent de l’acció
humana. L’espai es producte de les accions naturals i antròpiques. L’espai i el
temps llavors son dos entitats unides que no es poden separar. L’espai es una
estructura relacionada, es a dir es relaciona amb el seu entorn. Hi ha molts tipus
d’espai cadascun te les seves característiques, però hi ha algunes que son
comunes, son la localització, la relació i dimensió. El que nosaltres parlarem serà
l’espai arqueològic, es un conjunt de localitzacions en el que l’espai físic en las que
van tindre lloc determinades accions socials y processos naturals, conservant-se
una fracció material d’efectes causats per tals accions.
La localització es un atribut de les restes materials de les acciones passades.
S’explora la totalitat del registre arqueològic a través de les relacions internes que la
composen.
Mitjançant l’anàlisi espai podem saber a traves de la distribució dels artefactes la
dispersió de les accions o les activitats socials.
La distància ens permet veure les interrelacions.
(COMPLEMENTAR TOT AMB EL POWER POINT)
23/10/18
Per la setmana que bé em d’entregar els deures. Buscar models de cadires, gots o
samarretes o algú fácil.
El que hem de preguntar-nos es perque serveix aquest objecte, mesurar-lo i agruparlo.
pero agafar objectes que tinguin una mateixa funcionalitat i estudiar-los com si no
sapiguessim que son ni perque serveixen.
IMPORTANT EXPLICANR EL QUE ET PREGUNTES AL AGAFAR/ANALITZAR L’OBJECTE
1. agafar objectes
2. mesurar objectes i desciure’l
3. mirar la seva composició
4. mirar la forma
5. agruparlos per composició o forma
Hi han diverses regles que s’utiltizen, la primer la refla de Sturges que ens mostra el numero
d’intervals.
Para poder comparar dos o más histogramas es fundamental que las escalas de los gráficos
sean idénticas, es decir, que los intervalos empìecen y acaben en los mismos puntos.
MEDIA ARITMÉTICA: (la mitjana aritmetica) la media aritmetica (en inglés: mean) de un
conjunto de datos no es más que una estimación de la cuál debe ser el valor pormedio de
una serie de valores. lo podemos calcular sumando todos los valores y dividiendo por la
cantidad de individuos medidos.
Ahora bien, la media aritmética no suele ser una medida adecuada para medir la varibilidad
registrada, ya que se ve afectada de modo notable por la existencia de valores
extraordinadamente grandes o pequeños.
para compensar esto tenemos:
- las medias modificadas: se ha sugerido que puede ser conveniente trabajar con
medias podadas (trimmed mean), es decir, medias aritmeticas que en lugar de haber
sido caculadas con todos los valores medios, presciende de los valores más grandes y
de los más pequeños. por ejemplo, una media podada al 50% presciende del 25% de
los valores más grandes y un 25% de los valores más pequeños. equivalente a esta es
la media winsorizada, en la que el valor de la observacion más extrema, se sustituye
por el valor de la más proxima a ella.
- la mediana: denominaremos mediana (en inglés median) a aquel individuo situado
en el centro exacto de la distribución, esto es, que el 50% de los datos sean mayores
que él y el 50% menor.
- Moda: se denomina moda a aquel valor que más se repite en una serie. una
distribución de valores será multi-modal cuando se repitan distintos valores. Cuando
los valores de la magnitud no se repiten, podremos referirnos al intervalo modal o
clase modal para indicar cuál de las clases o intervalos en los que se han agrupado
los valores observados se destaca por su frecuencia. por ejemplo: un histograma que
no tenga moda, esto es, que todos los intervalos tengan aproximadamente la misma
frecuencia de observaciones pondrá de manifiesto una distribución uniforme.
MAL USO DE LAS MEDIAS
Una funesta mania de muchos de nosotros es limitarse a usar las medias, la mediana o la
moda de una serie de valores como ejemplo paradigmatico de todas las observaciones,
dejando de lado la mayor o menor variabilidad que exista en los datos.
variabilidad =dispersión
la manera más simple de estimar esa dispersion es restando el mayor de todos los valores
del menor. Este simple calculo nos proporciona el recorrido o amplitud (ingles range) de la
distribución. cuanto amyor sea ese parametro, mayor sera la dispersion.
Això també ho veiem en l’imatge anterior, per veure-ho seguim els mateixos pasos que
abans.
amb les mesures anterior es que fem es definir l’intensitat i la _____ de la variació
Aquestes mesures anteriors NO s’han d’utilitzar per les variables QUALITATIVES.
para resolver un problema debemos conocer previamente la solución de ese mismo problema. el
metodo cientifico es ese modelo que me plantea una problematica y yo me planeto todas las
soluciones posibles en la cabeza.
PORQUE?
El sentido común nos dice que las diferencias entre los resultados materiales de una misma acción
Intencionalmente ejecutada son debidas al azar. Por muy intencional que fuese en el pasado la
acción, seguro que existió una variación propia de los resultados de la acción, motivada por la
varibilidad de las circumstancias concretas en las que tuvo lugar, que explican por qué la
consecuencia material concreta de cada actividad no es obvia.
Un cierto margen de variación accidental es caracteristico del trabajo manual. es el resultado de los
errores de manufactura al estimar el tamaño del objeto que se pretende producir comparando…….
si repetimos una actividad cualquiera un pequeño numero de veces……
(GILIPOLLAS DE MERDA QUE M’HA DE PASAR LES DIAPOSITIVES A LA VELOCITAT DE LA LLUM, LI
REVENTAVA EL PUTO CRANI CONTRA EL SEU POWER POINT DE MERDA )
ES VA FER UN ESTUDI Y… els resultats suggereixen que si l’objecte d’estudi difereix d’un altre en
menys del 3% del seu pes o longitud l’esser humà per si sol no es capaç de diferenciar la diferencia.
Hi ha una certa regularitat en els resultats (quan més repeteixes una cosa) més es pot contabilizar un
resultat.
Toda medición de una propiedad cuantitativa está afectada en mayor o menor grado por errores del
proceso de obtención de la medida. Debemos partir del supuesto según el cual por muchas
diferencias que haya las distintas medidas de un mismo elemento tienden a la misma medida.
El azar es simetrico, es decir cuando se combinan muchas observaciones de un mismo fenomeno, los
errores accidentaales tiennden a cancelarse. como consecuencia, el valor verdadero de la constante
observada se encuentra en la proximidad de la mayor concentración de mediciones. De este modo,
se demuestra que el valor más probable de cuanquier fenomeno aleatorio es la medida de todas las
repeticiones del fenomeno. (El valor mas probable es la medida aritmetica.)
Aquesta simetria va ser estudiada per GAUSS al segle 19, ell va estudiar matematicament la
probablitat de qualsevol valor. qualsevol valor marcat per la corva de Gauss es pot calcular. la llei de
GAUSS es va començar a anomenar la llei normal.
La distribució normal, també coneguda com a distribució gaussiana, és una important família de
distribucions de probabilitat contínues i és aplicable a molts camps. Cada membre de la família
queda definit per dos paràmetres: la localització o mitjana i l'escala o desviació estàndard . Un cas
particular és la distribució normal estàndard, per la qual la mitjana és 0 i la desviació estàndard és 1.
Fou Carl Friedrich Gauss qui descobrí la distribució normal quan analitzava dades astronòmiques, i
definí l'equació de la seva funció de densitat de probabilitat. Aquesta distribució també s'anomena
campana de Gauss, atès que el gràfic de la seva funció de densitat de probabilitat s'assembla a una
campana.
La importància de la distribució normal en les ciències naturals i del comportament rau en el
teorema central del límit. Aquest teorema estableix que la suma d'un elevat nombre d'efectes
independents segueix (aproximadament) una distribució normal. D'aquesta manera, és útil en
processos en els quals hi ha errors de mesura que es deuen a un elevat nombre de factors, tots ells
contribuint una petita porció a l'error total. En la teoria de probabilitat i d'inferència estadística, el
teorema central del límit garanteix que un llarg nombre d'estadístics segueixen la distribució normal,
si més no aproximadament. Per exemple, la mitjana mostral o els estimadors màxim versemblants
segueixen aproximadament una distribució normal sota certes condicions matemàtiques que són
força generals.
https://ca.wikipedia.org/wiki/Distribuci%C3%B3_normal
un dels problemes que podem tindre es que en el passat hi haguessin més d’una intencionalitat. ña
suma de intencionalidades diversas también produce UNIFORMIDAD.
13/11/18
mira encara no se que cony esztem fent aquí, però seria interessant fer l’exercici que era per avui
nomès si la intencionalitat es evident puc continuar l’estudi, si per al contrari no es evident qualsevol
hipotesi es viable. mentre que la primera sempre serà molt més exacta i la segona serà dificilment
interpretable.
primer criteri de seleccio: contemporaneitat de les dades (no podem utilitzar dades amb un desfas
cronologic de 200 anys)
segon criteri:
tercer criteri:
quart criteri:
15/11/2018
perque les nostres dades no es distribueixen com la llei normal? per un individu extern.
NO SE QUE COLLONS ESTÀ EXPLICANT
DEMANAR APUNTS A LA JORDINA
SEGONS ELL A PARTIR DEL ACHALIENSE ELS OBJECTES NOMÈS TENIEN 1 ÚS.
M’HE PERDUT I NO SE QUE COLLONS ESTÀ DIENT, QUINA DEPRESSIÓ DE CLASSE SIUSPLAU, M’ESTIC
DORMINT, DEPRIMININT I TINC GANES DE MORIRME AMB AQUESTA PUTA MERDA.
EXERCICIS PAST 20/11/19 (demanar apunts a la KARAL)
la diferencia entre els individus es suficient per a que no s’expliqui mitjançant la variabilitat
gaussiana?
selecionem totes les dades, ens anem, a univariate, fem el summary estadistics. si anem a _______
veiem que en ambdos casos veiem
jo el que em pregunto es si hi ha nomès una població o dos, he fet el test de normalitat i he vist que
en tota la serie no hi ha normalitat, si no distinguis entre les dues especies no hi hauria una
normalitat. perque hi ha una diferencia? perque son dos especies
Utilitzarem la distribució comprarem si la longitud del femur coincideix o no coincideix amb un valor
normal.
Seleccionem la columna de domestics, anem a univariate, one simple test, posem 22 (per ejemple)
de mitjana en femurs. i tenim la mitjana de la població, hauria de ser entre 13 i 16.
quan es superior (no se el que) tampoc se el que ha dit.
SINGLE CASE
posem per exemple, un os que mesura 32, computem i ens mostra la probabilitat de que sigui de
pertanyi a una població representada pels individus que tinc.
Estic compranat una mitjana teorica (la que seria la prova t- test) amb una mitjana de mostra que
tinc (single case), el que faig es mirar si coincideix un individu amb una mostra coneguda (les
mostres que tinc Vs una mostra que he trobat, un unic cas).
Prova, comprar dos mitjanes de dos mostres diferents (salvatges - domèstiques).
Per fer aquest calcul:
cliquem column atributes, cliquem a la ralleta i selecionem grup, despres a la tecla group.
selecciono les dos columnes, anem a univariate, seleciono two sample test.
aqui el que ens importa es que ens surtin les dos poblacions, ens diuen la mitjana de les dos
pobalcions, calculem l’interval de confiança (esta ja fet, nomès s’ha de mirar), veiem que entre els
domestics la variació es molt més petita.
Si el valor es inferior a 0.05 direm que son molt diferents heterocedasticitat, si es superior a 0.05
tindrem la condició de homocedasticitat.
si les semblances son diferents vaig a ______ i
Arribem a la conclusió de que les dues mitjanes son diferents. per tant en aquest cas concret
arribarem a la conclusió que l’acció humana es la que explica les variacions obserables en la mida
dels individus.
Single case: mostra que hem trobat i no sabem si pot pertànyer al grup mesurat –
comparació d’1 individu amb 1 mostra de referència.
Per comprar els 2 Grups: Domestic VS Salvatges
Cas de treball amb una petita mostra de referència
Variance > 0.05 les variances son homocedasticitat: utilitzaré el test classic
Variance <0.05 = heterocedasticitat: utilitzaré el Uneq. Var test
Com que tots 2 p(same meanm) grups < 0.05 són especies inferiors: possible especiació
per intervenció humana.
La majoria dels pals no són igual que la mitjana.
La numeració de forma manual
Plot – Barch/Boxplot
la variable ANOVA:
ANÁLISIS DE LA VARIANZA CON UN FACTOR (ANOVA)
El análisis de la varianza permite contrastar la hipótesis nula de que las medias de K poblaciones (K
>2) son iguales, frente a la hipótesis alternativa de que por lo menos una de las poblaciones difiere
de las demás en cuanto a su valor esperado. Este contraste es fundamental en el análisis de
resultados experimentales, en los que interesa comparar los resultados de K 'tratamientos' o
'factores' con respecto a la variable dependiente o de interés.
global (SCT), que bajo el supuesto de que H0 es cierta es una estimación de obtenida a partir de
toda la información muestral, en dos partes:
● Variación dentro de las muestras (SCD) o Intra-grupos, cuantifica la dispersión de los valores
de cada muestra con respecto a sus correspondientes medias.
● Variación entre muestras (SCE) o Inter-grupos, cuantifica la dispersión de las medias de las
muestras con respecto a la media global.
●
Las expresiones para el cálculo de los elementos que intervienen en el Anova son las siguientes:
Media Global:
Variación Total:
Variación Intra-grupos:
Variación Inter-grupos:
Siendo xij el i-ésimo valor de la muestra j-ésima; nj el tamaño de dicha muestra y su media.
Cuando la hipótesis nula es cierta SCE/K-1 y SCD/n-K son dos estimadores insesgados de la varianza
poblacional y el cociente entre ambos se distribuye según una F de Snedecor con K-1 grados de
libertad en el numerador y N-K grados de libertad en el denominador. Por lo tanto, si H0 es cierta es
de esperar que el cociente entre ambas estimaciones será aproximadamente igual a 1, de forma que
se rechazará H0 si dicho cociente difiere significativamente de 1.
La secuencia para realizar un ANOVA es:
Analizar
Comparar medias
ANOVA de un factor
http://www.ub.edu/aplica_infor/spss/cap4-7.htm
ANOVA de un factor (también llamada ANOVA unifactorial o one-way ANOVA en inglés) es una
técnica estadística que señala si dos variables (una independiente y otra dependiente) están
relacionadas en base a si las medias de la variable dependiente son diferentes en las categorías o
grupos de la variable independiente. Es decir, señala si las medias entre dos o más grupos son
similares o diferentes.
http://networkianos.com/anova-de-un-factor-que-es-como-analizar/
Es molt important que totes les mostres es distribueixin segons una llei normal.
- Las varianzas de cada poblacion deben ser iguales, auqnue los promedios sean diferentes, es
decir cuando los tratamientos tengan efecto.
El test de variances s’anomena Leven’s test (el fem abans que el ANOVA, només el podrem fer si el
resultat de la prababilitat del test de Leven sigui major que 0.05 )
TEST DE LEVEN
en el cas de leven les variables son _____ quan el test de leven surt per sota de 0.05, hem d’anar a
les dades per veure quin es l’error
En estadística, la prueba de Levene es una prueba estadística inferencial utilizada para evaluar la
igualdad de las varianzas para una variable calculada para dos o más grupos. Algunos
procedimientos estadísticos comunes asumen que las varianzas de las poblaciones de las que se
extraen diferentes muestras son iguales. La prueba de Levene evalúa este supuesto. Se pone a
prueba la hipótesis nula de que las varianzas poblacionales son iguales (llamado homogeneidad de
varianza ú homocedasticidad). Si el P-valor resultante de la prueba de Levene es inferior a un cierto
nivel de significación (típicamente 0.05), es poco probable que las diferencias obtenidas en las
variaciones de la muestra se hayan producido sobre la base de un muestreo aleatorio de una
población con varianzas iguales. Por lo tanto, la hipótesis nula de igualdad de varianzas se rechaza y
se concluye que hay una diferencia entre las variaciones en la población.
Algunos de los procedimientos que asumen normalmente homocedasticidad, para lo cual uno puede
utilizar las pruebas de Levene, incluyen análisis de varianza y pruebas t.
La prueba de Levene se utiliza a menudo antes de que una comparación de medias. Cuando la
prueba de Levene muestra significación, se debe cambiar a pruebas generalizadas (pruebas no
paramétricas), libre de supuestos de homocedasticidad.
La prueba también puede ser utilizada como una prueba principal para responder a una pregunta
independiente de si dos sub-muestras en una población dada tienen varianzas iguales o diferentes.
em de buscar la probabilitat de F
EXEMPLE DE CLASSE:
seleciono les 2 columnes, plot, barchart/boxplot, selecionem boxplot. (ara tindiem l’extensio)
En aquest cas veiem que si que hi han diferencies apreciables, pero hi han variances apreciables?
mirem el test omega ^2 .
forma
tamaño textura
materialidad
CAUSALIDAD EN ARQUEOLOGIA
covarianza: cuando a grandes valores de una de las variables suelen mayoritariamente
corresponderles los grandes de la otra y lo mismo se verifica para los pequeños valores de
una y la otra, se corrobora que tienden a mostrar similar comportamiento lo que se refleja
en un valor positivo de la covarianza.
WIKI EXPLICACIÓN: En probabilidad y estadística, la covarianza es un valor que indica el
grado de variación conjunta de dos variables aleatorias respecto a sus medias. Es el dato
básico para determinar si existe una dependencia entre ambas variables y además es el dato
necesario para estimar otros parámetros básicos, como el coeficiente de correlación lineal o
la recta de regresión.
● se interpreta: Cuando los valores altos de una de las variables suelen
mayoritariamente corresponderse con los valores altos de la otra, y lo mismo se
verifica para los pequeños valores de una con los de la otra, se corrobora que
tienden a mostrar comportamiento similar lo que se refleja en un valor positivo de la
covarianza.
●
Por el contrario, cuando a los mayores valores de una variable suelen corresponder
en general los menores de la otra, expresando un comportamiento opuesto, la
covarianza es negativa.
El signo de la covarianza, por lo tanto, expresa la tendencia en la relación lineal entre
las variables.
La magnitud requiere un esfuerzo adicional de interpretación:
La versión normalizada de la covarianza, el coeficiente de correlación indica la
magnitud de la especificidad de la relación lineal.
Se debe distinguir entre:
(1) la covarianza de dos variables aleatorias, parámetro estadístico de una población
considerado una propiedad de la distribución conjunta y
(2) la covarianza muestral que se emplea como un valor estadísticamente estimado
del parámetro.
CORRELACIÓN:
En probabilidad y estadística, la correlación indica la fuerza y la dirección de una relación
lineal y proporcionalidad entre dos variables estadísticas. Se considera que dos variables
cuantitativas están correlacionadas cuando los valores de una de ellas varían
sistemáticamente con respecto a los valores homónimos de la otra: si tenemos dos variables
(A y B) existe correlación entre ellas si al disminuir los valores de A lo hacen también los de B
y viceversa. La correlación entre dos variables no implica, por sí misma, ninguna relación de
causalidad.
INTERPRETACIÓN:
El valor del índice de correlación varía en el intervalo [-1,1], indicando el signo el sentido de
la relación:
Studying “resemblance”
- measuring distance as an alternative to “similarity”
- understanding “similarity”: when archaeological observables are similar in
composition.
● Formulación del problema - ¿Qué variables queremos comparar? ¿Cuántas variables quieres
comparar? Más de 20 sería engorroso. Menos de 8 (4 pares) no arrojaría resultados fiables.
¿Con qué propósito se va a realizar el estudio?
● Obtención de los datos. Los encuestados responden una serie de preguntas. Para cada par
de productos ellos tienen que puntuar la similitud (normalmente, en una escala Likert de 7
puntos de muy similar a muy diferente). La primera pregunta podría ser entre
Coca-Cola/Pepsi por ejemplo, la siguiente entre Coca-Cola/Hires (cerveza), la siguiente entre
Pepsi/Dr Pepper, la siguiente entre Dr Pepper/Hires, etc. El número de preguntas es una
función del número de marcas y puede ser calculado como Q = N (N - 1) / 2 donde Q es el
número de preguntas y N es el número de marcas. Esta aproximación se llama “Datos de
percepción : enfoque directo”. Existen otras dos formas. La "Datos de percepción: enfoque
derivado" en la que los productos se descomponen en atributos que se puntúan en una
escala de diferencias semánticas. La otra es la "Enfoque de datos de preferencia" en que los
encuestados son preguntados sobre sus preferencias y sobre similitudes.
● Manejo del programa estadístico MDS - El software para conducir el proceso está
disponible en la mayoría de las aplicaciones estadísticas. A menudo, se puede elegir entre
Metric MDS (que trata con datos de ratio de nivel o intervalo), y Nonmetric MDS (que trata
con datos originales). Los investigadores deben decidir el número de dimensiones que
quieren que el ordenador cree. Cuantas más dimensiones haya, más fiable será la estadística
pero más difícil será interpretar el resultado.
● Mapeo de los resultados y definición de las dimensiones - El programa estadístico (o un
módulo relacionado) mapeará los resultados. El mapeo situará cada producto normalmente,
en un espacio de dos dimensiones. La proximidad de productos a los demás indicará bien lo
similares que son o lo preferidos que resultan, dependiendo de qué sistema fue utilizado.
Las dimensiones deben ser clasificadas por el investigador. Ello requiere juicio subjetivo lo
que supone un reto. Luego, los resultados deben ser interpretados.
● Testar la validez y fiabilidad de los resultados . Determinar qué proporción o varianza de los
datos de la escala pueden ser tomados en cuenta para el procedimiento MDS. Un R-
cuadrado de 0.6 es considerado el nivel mínimo aceptable. Otros tests posibles son Kruskal’s
Stress, tests de división de datos, tests de estabilidad de datos (i.e.: eliminando una marca),
y fiabilidad test-retest.
- los componenetes principales son un método de analisis multivaariado que permite
reducir la dimensionalidad de conjuntos de datos cuantitativos…..
.
Mira que no tinc ni idea del que està explicant ara i m’importa tant poc sincerament que
l’únic que vull es treure un puto 5 a l’assignatura.
Fundamento:
- El ACP construye una transformación lineal que escoge un nuevo sistema de
coordenadas para el conjunto original de datos en el cual la varianza de mayor
tamaño del conjunto de datos es capturada en el primer eje (llamado el Primer
Componente Principal), la segunda varianza más grande es el segundo eje, y así
sucesivamente. Para construir esta transformación lineal debe construirse primero la
matriz de covarianza o matriz de coeficientes de correlación. Debido a la simetría de
esta matriz existe una base completa de vectores propios de la misma. La
transformación que lleva de las antiguas coordenadas a las coordenadas de la
nueva base es precisamente la transformación lineal necesaria para reducir la
dimensionalidad de datos. Además las coordenadas en la nueva base dan la
composición en factores subyacentes de los datos iniciales.
El ACP es particularmente útil para reducir la dimensionalidad de un grupo de datos.
Los primeros componentes principales describen la mayor parte de la varianza de
los datos (más cuanto más correlacionadas estuvieran las variables originales).
Estos componentes de bajo orden a veces contienen el aspecto "más importante" de
la información, y los demás componentes se pueden ignorar. Existen diferentes
técnicas para estimar el número de componentes principales que son relevantes; la
técnica más apropiada dependerá de la estructura de correlaciones en los datos
originales
MÉS INFO FENT CAPUTES DE PANTALLA:
MIRAR PDF DESCARREGAT SOBRE AIXÒ, està ubicat a la primera carpeta de quantitativa del
drive.
li donem a correlation i fem recompute.
i anem explicant cada component. (ara be, no se per a que cony serveix)
DUBTES CLASSES 13/12/18
Descripció general
Hi ha tres classes conceptuals d'aquests models:
1. El Model d'efectes fixos assumeix que les dades provenen de poblacions normals les
quals podrien diferir únicament en les seves mitjanes. (Model 1)
2. El Model d'efectes aleatoris assumeix que les dades descriuen una jerarquia de
diferents poblacions les diferències queden restringides per la jerarquia. Exemple:
L'experimentador ha après i ha considerat en l'experiment només tres de molts més
mètodes possibles, el mètode d'ensenyament és un factor aleatori en l'experiment.
(Model 2)
3. El Model d'efectes mixtes descriuen situacions que aquest pot prendre. Exemple: Si
el mètode d'ensenyament és analitzat com un factor que pot influir on estan
presents els dos tipus de factors: fixos i aleatoris. (Model 3)
https://ca.wikipedia.org/wiki/An%C3%A0lisi_de_la_vari%C3%A0ncia
Per a que servia la correlació i com s’interpretava
Es una manera rara de pensar, es allò que esperem, una situació que coneixem, pero que
podem asumir perfectament.
https://es.wikipedia.org/wiki/Hip%C3%B3tesis_nula
En estadística, una hipótesis es una afirmación sobre un parámetro de la población (como la
media o desviación estándar) y se representa con H 0. La hipótesis nula es una afirmación
que no se rechaza a menos que los datos de la muestra parezcan evidenciar que es falsa.
Para afirmar que la hipótesis nula es verdadera se requiere estudiar a toda la población. La
hipótesis nula generalmente incluye un no en su enunciado.
El término hipotesis nula surge de las primeras aplicaciones agrícolas y médicas de la
estadística. Con el fin de probar la efectividad de un nuevo fertilzante o una nueva medicina
la hipótesis que se probaba era que no hubo efecto, es decir no hubo diferencia entre las
muestras tratadas y no tratadas.
Si los resultados de nuestra muestra no respaldan la hipotesis nula, rechazamos la hipótesis
y la conclusión que si aceptamos se llama hipotesis alternativa H1.
TREBALL FINAL
SEPARAR PER CATEGORIES D’ESPAI I TEMPS LES DADES QUE ENS DONI.