Técnicas de análisis multivariante de datos: aplicaciones con SPSS / César Pérez López
Tipo de material:
- 21 519.535 P45
Tipo de ítem | Biblioteca actual | Signatura topográfica | Copia número | Estado | Fecha de vencimiento | Código de barras | |
---|---|---|---|---|---|---|---|
![]() |
Biblioteca Central - UNASAM | 519.535 P45 (Navegar estantería(Abre debajo)) | Disponible | 13806 | |||
![]() |
Biblioteca Especializada de la Escuela de Post Grado | 519.535/P45 - 2004 (Navegar estantería(Abre debajo)) | Ej. 1 | Disponible | EPG0153 |
Índice alfabético: p. 635-646
Contenido: Introducción a las técnicas de análisis multivariante de datos. -- Primeros pasos en el análisis multivariante. Análisis exploratorio de datos. -- SPSS y el análisis exploratorio de datos. Datos atípicos y ausentes. -- Análisis en componentes principales. -- Análisis factorial. -- Componentes principales y análisis factorial con SPSS. -- Métodos factoriales en general. Análisis de correspondencias. -- SPSS y el análisis de correspondencias. -- Escalamiento óptimo y multidemensional. -- Escalamiento óptimo y multidimensional en SPSS. -- Módelos logarítmico lineales y tablas de contingencia. -- Modelos logarítmico lineales y tablas de contingencia con SPSS. -- Clasificación y segmentación mediante análisis cluster. -- Clasificación y segmentación mediante análisis cluster con SPSS. -- Clasificación y segmentación mediante análisis discriminante. -- SPSS y la clasificación y segmentación mediante análisis discriminante. -- Análisis de la varianza y la covarianza. -- Análisis de la varianza y la covarianza con SPSS. -- Modelos de elección discreta Logit y Probit. Regresión de Cox. -- SPSS y los modelos de elección discreta Logit y Probit. Regresión de Cox. -- Análisis conjunto. -- SPSS y el análisis conjunto.
Resumen: En este libro, se presentan las técnicas de análisis exploratorio de datos para el estudio de grandes conjuntos de datos, tratamiento de los valores atípicos e imputación de datos ausentes. Además, métodos factoriales-análisis en componentes principales, análisis factorial, análisis de correspondencias; escalamiento óptimo y multidimensional, seguido de la presentación de las técnicas de clasificación y segmentación mediante análisis cluster y discriminante.Por último, se tratan modelos logarítmico lineales, regresión logística, modelos Logit y Probit, regresión de Cox y análisis de supervivencia.
No hay comentarios en este titulo.