- 210
- 235 818
Asesoría Estadística y Tesis
Приєднався 22 сер 2013
Estadística Descriptiva Bivariante
En este video, exploraremos cómo realizar estadística descriptiva bivariante utilizando el software Jamovi. Nos centraremos en tres tipos principales de análisis: el análisis de correlación para entender la relación entre dos variables numéricas, el análisis de asociación para explorar la conexión entre variables categóricas, y el análisis de diferencia para comparar grupos. A lo largo del video, te guiaré paso a paso en el uso de Jamovi para llevar a cabo estos análisis, facilitando así la interpretación y comprensión de tus datos.
Переглядів: 102
Відео
Estadística Descriptiva Univariante
Переглядів 893 місяці тому
En esta segunda unidad trabajaremos estadística descriptiva univariante, es decir estadísticos y gráficos para realizar un resumen de cada una de las variables de un estudio.
Introducción a jamovi
Переглядів 2224 місяці тому
En esta primera unidad se dará una visión general del software: Sus características, capacidades, posibles usos y filosofía; para luego desarrollar los temas de la interface de jamovia, importación y exportación de datos; y el diseño y elaboración de una hoja electrónica de datos en jamovi.
Pruebas no Paramétricas para una muestra
Переглядів 1266 місяців тому
En este video se abordan las pruebas estadísticas para una muestra: Pruebas de bondad de ajuste, pruebas de locación de un parámetro, pruebas para identificar outliers y otras diversas como la prueba binomial y la prueba de rachas.
Unidad VI - Regresión Logística en R
Переглядів 1006 місяців тому
En este video se realiza un ejemplo de regresión logística en el software R. Se evalúa la bondad de ajuste del modelo, la multicolinealidad y se hace finalmente una validación simple del modelo.
Unidad VI Modelos Lineales Generalizados
Переглядів 2206 місяців тому
En este video se explican los fundamentos del modelado de variables categóricas (nominales y ordinales), variables de conteo, y otros casos, de acuerdo a la extensión del modelo lineal a los llamados modelos lineales generalizados, como la regresión logística y la regresión de Poisson.
Unidad VI - Directrices Para el reporte de un modelo de regresión
Переглядів 466 місяців тому
En este video se explica la forma en la que se debe presentar un modelo de regresión en una tesis, artículo de revista o documento académico, en general. Se muestran ejemplos de paquetes de R que permiten hacer el reporte de los resultados de una forma más clara, concreta y estética.
Unidad VI - Validación Interna y Validación Cruzada con R
Переглядів 1707 місяців тому
Se hace una división de los datos en data de entrenamiento y data de prueba para realizar la validación de un modelo de regresión. Se realiza primero una validación simple (interna) y luego una validación cruzada con los métodos K-Folds, Repeated K-Folds y Bootstrapping con el paquete caret.
Unidad VI - Clase magistral Validación del Modelo de Regresión
Переглядів 1327 місяців тому
En esta conferencia se definen brevemente los métodos de validación del modelo, como un procedimiento necesario cuando este es utilizado con fines predictivos.
Unidad IV - Selección de Variables a través de Best Subsets en R
Переглядів 1257 місяців тому
En este video se desarrolla un análisis de selección de variables con el método de Best Subsets con el paquete leaps y el paquete olsrr de R.
Unidad VI - Tamaño de Muestra para Modelos de Regresión
Переглядів 4037 місяців тому
En este video se explica cómo se determina el tamaño de muestra para un análisis de regresión múltiple a través de la regla 20:1 y a través del concepto de tamaño del efecto con el software G*Power.
Unidad VI - Temas Diversos Regresión en R
Переглядів 927 місяців тому
Se desarrollan los temas de estandarización de coeficientes, la importancia de la exploración de los datos en el modelado, abrir archivo de jamovi en R y el reporte de una regresión con los paquetes Broom y sjPlot.
Unidad IV - Regresión Lineal con Interacciones en jamovi
Переглядів 1687 місяців тому
Se desarrollan modelos de regresión múltiple con interacciones en el software jamovi. Se utiliza el paquete Linear Models y Medmod.
Unidad IV - Regresión Lineal con Interacciones en R
Переглядів 1887 місяців тому
Se desarrollan modelos de regresión múltiple con interacciones en el software R. Se realizan los gráficos con el paquete interactions.
Unidad IV - Regresión Lineal Múltiple con Interacciones
Переглядів 2777 місяців тому
En esta conferencia se explica el significado de las interacciones entre predictores en un modelo de regresión lineal múltiple.
Coherencia en la Investigación en Salud
Переглядів 777 місяців тому
Coherencia en la Investigación en Salud
Unidad V - Clase magistral del tema Modelo Lineal General
Переглядів 2317 місяців тому
Unidad V - Clase magistral del tema Modelo Lineal General
Unidad V - Evaluación de la linealidad con R
Переглядів 1277 місяців тому
Unidad V - Evaluación de la linealidad con R
Estandarización de Predictores e Introducción al paquete Linear Models en jamovi
Переглядів 1127 місяців тому
Estandarización de Predictores e Introducción al paquete Linear Models en jamovi
Unidad V - Regresión Polinomial en R
Переглядів 2017 місяців тому
Unidad V - Regresión Polinomial en R
Unidad V - Transformaciones Logarítmicas en Jamovi
Переглядів 1447 місяців тому
Unidad V - Transformaciones Logarítmicas en Jamovi
Unidad V - Transformaciones Logarítmicas con R
Переглядів 1227 місяців тому
Unidad V - Transformaciones Logarítmicas con R
Unidad IV - Clase Magistral Regresión Lineal Múltiple Parte 2
Переглядів 1417 місяців тому
Unidad IV - Clase Magistral Regresión Lineal Múltiple Parte 2
Unidad IV - Métodos de selección de variables para un modelo de regresión lineal múltiple con R
Переглядів 1537 місяців тому
Unidad IV - Métodos de selección de variables para un modelo de regresión lineal múltiple con R
Unidad IV - Predictores categróricos y regresión cuadrática con R y jamovi
Переглядів 1198 місяців тому
Unidad IV - Predictores categróricos y regresión cuadrática con R y jamovi
Unidad IV - Métodos de selección de variables con R
Переглядів 1578 місяців тому
Unidad IV - Métodos de selección de variables con R
Crear Un Archivo Delimitado Por Comas En Jamovi
Переглядів 1948 місяців тому
Crear Un Archivo Delimitado Por Comas En Jamovi
Unidad IV - Regresión Lineal Múltiple con jamovi
Переглядів 1,1 тис.8 місяців тому
Unidad IV - Regresión Lineal Múltiple con jamovi
Unidad IV - Regresión Lineal Múltiple con R
Переглядів 2448 місяців тому
Unidad IV - Regresión Lineal Múltiple con R
Unidad IV - Regresión Lineal Múltiple: Clase Magistral
Переглядів 1988 місяців тому
Unidad IV - Regresión Lineal Múltiple: Clase Magistral
Muchas gracias por la explicación tan clara, después de tanto buscar finalmente encontre tu video y comprendí cómo funciona estos gráficos.
Buenas Dr. Espero que se encuentre bien, estoy facinado con su contenido, hace mucho por muchos. Estoy aprendiendo demasiado. Queria saber si usted facilita los datos con los que realiza los ejemplos para poder realizarlos junto a usted. ¡Muchas Gracias!
Saludos desde Honduras 🇭🇳 😊.
Gracias por el aporte. Quisiera saber si ofrecen un curso personalizado virtual.
@@fabianadelicio si escriba a panteisme@gmail.com
Magistral!!
Saludos apreciado Profe. André Chocó, muy interesante el proceso que haces con los videos explicativos, me gustaría pedirte un favor, finalizando el video mencionas que en la descripción del video se encontraran las "database", sin embargo, no se evidencia el link para acceder al repositorio.
Excelente ¿Podrías compartir la base de datos por favor?
@@MauricioHernández-l5d correo
Me podrías proporcionar la base de datos por favor.
Necesito saber cómo se calcula el beta de las regresiones 😢
Ya me corregirás, pero me parece que el valor-p debe ser menor a 0.05 para poder decir que los resultados son significativos. Y cuando estas explicando los resultados dices que los datos son significativos; sin embargo, 7.36e-02 y 6.04e-01 no son menores que 0.05 (valores-p de "analgesia_usada" y "analgesia_usada:Tiempo_postoperatorio" que se pueden observar en el minuto 13:17)
revisa el concepto de recta numérica, sí són menores que 0.05, de hecho están muuuuuy por debajo de 0.05
@@asesoriaestadisticaytesis No esperaba una respuesta pasivo agresiva en este tipo de contenidos, pensé que había alguna explicación; como que existiera un número por ahí por el cual se tendría que multiplicar el resultado o algo por el estilo. Entonces te recomiendo a ti revisar el concepto de notación científica y la sintaxis que utiliza R para representarla, ya que, 7.360768e-02 = 7.360768 x 10^-02 = 0.07360768 y ese valor no es mucho mas pequeño que 0.05, ni siquiera es menor y lo mismo pasa con 6.041137e-01 = 6.041137 x 10^-01 = 0.6041137
Buena explicación 👍
Excelente contenido! Muchas Gracias!😃
estoy intentando acceder al contenido de la nube y no me deja ingresar. Quisiera saber si es un problema mío o que no está disponible.
escriba a este correo: panteisme@yahoo.com
Super claro y practico. Buen video.
Gracias, muy claro y practico para uso de Jamovi.
Super claro, gracias por el video.
Muy claro todo y fácil para aplicar.
Super, me permite ver cosas que no sabia.
Gracias, todo muy claro y practico.
Super el video y la explicación. Gracias.
Gracias, me ayuda a entender los módulos instalados y acercarme al uso de R.
Muy claro todo y practico. Gracias.
Gracias, todo muy claro y util.
Super útil, fácil de entender. Muchas gracias.
Muchas gracias, excelente video.
Muy claro todo, ayuda para la evaluación de instrumentos en la practica de investigación. Gracias
Excelente explicaciòn para el uso de Jamovi. Todo muy claro. Muchas gracias.
Muy clara la explication para la inferencia y practica. Gracias.
Excelente video, muy practico y claro para el uso de Jamovi. Gracias.
excelente video, muy informativo
Gracias por el excelente aporte
Estaba buscando un video que explicara como se usan estos boxplot en casos reales, muchas gracias por la explicación
muy buena me va hacer aprobar estadistica
Como se determinan los intervalos de confianza de los valores de AUC en JAMOVI
en jamovi no hay aún una opción para ello
Regresión lineal en Jamovi Min 3:25
Minuto 29:53 parsimonia
Muchisimas gracias!!!!!
Min 5:44 Análisis de descriptivo
Gracias!
Gracias se me había olvidado el como se hacia
profeeeeeeeeeee y la base de datos ?? on ta ??
Escribe a panteisme@yahoo.com
Cuando usar anova robusto en vez de kruskall Wallis?
cuando consideras que la mediana no es una medida representativa para resumir tus datos o no quieres usar estadística no paramétrica. También puedes usar el anova robusto si tus datos tienen valores atípicos.
Excelente presentación de forma muy directa presentar un tema complejo y con un buen ejemplo de la realidad. Solo tengo una duda.¿Cuándo el OR sale mayor de >2, su interpretación ya no puede ser como porcentaje estimado? Ya solo se habla de veces más de riesgo... a comparación de si tengo un OR de 1.67 podría decir un 67% de riesgo... Gracias y que Dios te bendiga, saludos desde CDMX
Si puede interpretarse con porcentajes. Por ejemplo un or de 3 indica q el riesgo está aumentado en un 200%
Excelente Tema e información, habría posibilidad de enviarnos los archivos para poder hacer los ejercicios y comandos. De antemano muchas gracias, se necesita de personas con alto conocimiento y ganas de enseñar, el mundo sería tan diferente con personas como usted. Bendiciones desde México. ¿Alguna manera de poder comunicarse con usted? Muchas gracoas.
cuál es tu correo
hola queria saber por que cuando elijes una variable cuantitativa se borran los datos y como lo soluciono