SPSS 17 : extracción del conocimiento a partir del análisis de datos / Pablo Valderrey Sanz

Detalles Bibliográficos
Autor principal: Valderrey Sanz, Pablo
Formato: Libro
Lenguaje:Spanish
Publicado: México : Alfaomega 2010
Edición:1
Materias:
LEADER 05331nam a2200265i 44500
003 OSt
005 20230524005551.0
008 230524b |||||||| |||| 00| 0 spa d
020 |a 978-607-707-027-6 
040 |a Sistema de Bibliotecas de la Universidad de las Regiones Autónomas de la Costa Caribe Nicaragüense 
080 |a 005.133 V144 
082 |a 005.133 V144 
100 |a Valderrey Sanz, Pablo  |9 46824 
245 1 0 |a SPSS 17 : extracción del conocimiento a partir del análisis de datos / Pablo Valderrey Sanz 
250 |a 1 
260 |a México : Alfaomega  |c 2010 
300 |a 463 P. 
500 |a Incluye índice 
505 |a El proceso de extracción del conocimiento a través de SPSS 17: extracción del conocimiento, técnicas de análisis de datos, SPSS 17 y el proceso de extracción del conocimiento, primeros pasos; fase de selección en el proceso de extracción del conocimiento: fuentes de datos, selección de casos y variables en SPSS, selección de muestras mediante métodos avanzados de muestreo; fase de exploración en el proceso de extracción del conocimiento: exploración de los datos, análisis exploratorio formal de los datos con SPSS, análisis exploratorio y visual de los datos, tipos de gráficos, gráficos interactivos dinámicos de análisis exploratorio de datos, correlaciones en la información; fase de limpieza en el proceso de extracción del conocimiento: introducción, análisis y detección de valores atípicos, análisis de los datos missing, imputación múltiple con SPSS 17, tratamiento de los datos atípicos y ausentes simultáneamente con SPSS 17; fase de transformación en el proceso de extracción del conocimiento: transformación de datos mediante técnicas de reducción de la dimensión, análisis factorial y componentes principales, análisis factorial y componentes principales en SPSS, análisis de correspondencias, escalamiento multidimensional, matching con SPSS, transponer, fusionar, agregar, segmentar y recodificar, reestructurar archivos de datos, discretizar variables, generar nuevas variables; fase de análisis de datos en el proceso de extracción del conocimiento, técnicas predictivas: modelos de regresión y series temporales: la fase de análisis de datos, clasificación de las técnicas de la dependencia, modelo de regresión lineal múltiple, modelos de regresión no lineales, introducción a las series temporales, tendencia de una serie temporal, SPSS y la tendencia de las series temporales, variaciones estacionales en una serie temporal, SPSS y las variaciones estacionales, variaciones cíclicas en una serie temporal, SPSS y las variaciones cíclicas y estacionales, metodología de box jenkins, SPSS 17 y la metodología de box jenkins; fase de análisis de datos en el proceso de extracción del conocimiento, modelos anova, ancova, manova, mancova, glm, mixtos y datos de panel: análisis de la varianza simple anova, análisis de la covarianza simple ancova, modelo de regresión lineal general (GLM), modelos lineales mixtos, anova de un factor con SPSS, regresión, anova y ancova univariantes de uno y varios factores con mlg en SPSS, componentes de la covarianza en modelos anova y ancova de efectos mixtos con SPSS, anova y ancova con medidas repetidas en SPSS, modelos lineales mixtos en SPSS, datos de panel, análisis multivariante de la varianza (manova) y de la covarianza (mancova), SPSS y los modelos manova y mancova multivariantes de uno y varios factores; fase análisis de datos en el proceso de extracción del conocimiento, técnicas de clasificación y segmentación: introducción, el análisis discriminante como técnica de clasificación y segmentación, SPSS y el análisis discriminante, los árboles de decisión como técnica predictiva de clasificación y segmentación, SPSS y los árboles de decisión, el análisis cluster como técnica de clasificación y segmentación, SPSS y el análisis cluster jerárquico, SPSS y el análisis cluster no jerárquico, segmentación y clasificación mediante modelos de elección discreta, modelos de elección discreta binaria, modelos de elección múltiple, regresión logística binaria con SPSS, el modelo probit con SPSS, el modelo logit multinomial con SPSS; fase de evaluación e interpretación de resultados en el proceso de extracción del conocimiento: introducción, intervalos de confianza, métodos boostrap o de autogeneración, contrastes de hipótesis, SPSS y los contrastes de hipótesis, contrastes no paramétricos, contrastes de homogeneidad, el procedimiento prueba para dos muestras independientes de SPSS, el procedimiento prueba para varias muestras independientes de SPSS, el procedimiento prueba para dos muestras relacionadas, el procedimiento prueba para varias muestras relacionadas, capacidad predictiva de un modelo, selección de modelos, curvas roc. 
590 |a Col. Inform 
650 |a 1. INFORMÁTICA 2. ANÁLISIS DE VARIANCIA 3. ESTADÍSTICA MATEMÁTICA 4. MATRICES (MATEMÁTICAS) 5. ANÁLISIS DE SERIES DE TIEMPO   |9 22754 
942 |c BK  |2 ddc 
999 |c 29383  |d 29383 
952 |0 2  |1 0  |2 ddc  |4 0  |6 12040C1  |7 0  |8 IA  |9 35476  |a BULM  |b BULM  |c STAFF  |d 2023-05-24  |i 12040  |o 12040C1  |p 9786077070276  |r 2023-05-24  |t C1  |y BK 
952 |0 2  |1 0  |2 ddc  |4 0  |6 12041C2  |7 0  |8 IA  |9 35477  |a BULM  |b BULM  |c STAFF  |d 2023-05-24  |i 12041  |o 12041C2  |r 2023-05-24  |t C2  |y BK