Los modelos multinivel (también , modelos mixtos lineales generalizados, modelos anidados, modelos mixtos, coeficiente aleatorio, , modelos de parámetros aleatorios) son modelos estadísticos de parámetros que varían en más de un nivel. Estos modelos pueden ser vistos como generalizaciones de modelos lineales, aunque también pueden extender los modelos no lineales. Aunque no son nuevos, se han hecho más populares con el crecimiento del poder computacional y la disponibilidad de software.

Property Value
dbo:abstract
  • Los modelos multinivel (también , modelos mixtos lineales generalizados, modelos anidados, modelos mixtos, coeficiente aleatorio, , modelos de parámetros aleatorios) son modelos estadísticos de parámetros que varían en más de un nivel. Estos modelos pueden ser vistos como generalizaciones de modelos lineales, aunque también pueden extender los modelos no lineales. Aunque no son nuevos, se han hecho más populares con el crecimiento del poder computacional y la disponibilidad de software. Por ejemplo, en investigación en educación se podría requerir medir el rendimiento escuelas que utilizan un método de aprendizaje contra escuelas que usan un método diferente. Sería un error analizar estos datos pensando que los estudiantes son de la población de estudiantes que aprenden bajo un método particular. Los alumnos son agrupados en clases (cursos), los cuales a su vez son agrupados en escuelas. El desempeño de los estudiantes dentro de una clase están correlacionados, como el desempeño de los estudiantes dentro de la misma escuela. Estas correlaciones deben ser representadas en el análisis para la correcta inferencia obtenida por el experimento. (es)
  • Los modelos multinivel (también , modelos mixtos lineales generalizados, modelos anidados, modelos mixtos, coeficiente aleatorio, , modelos de parámetros aleatorios) son modelos estadísticos de parámetros que varían en más de un nivel. Estos modelos pueden ser vistos como generalizaciones de modelos lineales, aunque también pueden extender los modelos no lineales. Aunque no son nuevos, se han hecho más populares con el crecimiento del poder computacional y la disponibilidad de software. Por ejemplo, en investigación en educación se podría requerir medir el rendimiento escuelas que utilizan un método de aprendizaje contra escuelas que usan un método diferente. Sería un error analizar estos datos pensando que los estudiantes son de la población de estudiantes que aprenden bajo un método particular. Los alumnos son agrupados en clases (cursos), los cuales a su vez son agrupados en escuelas. El desempeño de los estudiantes dentro de una clase están correlacionados, como el desempeño de los estudiantes dentro de la misma escuela. Estas correlaciones deben ser representadas en el análisis para la correcta inferencia obtenida por el experimento. (es)
dbo:wikiPageExternalLink
dbo:wikiPageID
  • 1589620 (xsd:integer)
dbo:wikiPageLength
  • 3446 (xsd:integer)
dbo:wikiPageRevisionID
  • 121219155 (xsd:integer)
dct:subject
rdfs:comment
  • Los modelos multinivel (también , modelos mixtos lineales generalizados, modelos anidados, modelos mixtos, coeficiente aleatorio, , modelos de parámetros aleatorios) son modelos estadísticos de parámetros que varían en más de un nivel. Estos modelos pueden ser vistos como generalizaciones de modelos lineales, aunque también pueden extender los modelos no lineales. Aunque no son nuevos, se han hecho más populares con el crecimiento del poder computacional y la disponibilidad de software. (es)
  • Los modelos multinivel (también , modelos mixtos lineales generalizados, modelos anidados, modelos mixtos, coeficiente aleatorio, , modelos de parámetros aleatorios) son modelos estadísticos de parámetros que varían en más de un nivel. Estos modelos pueden ser vistos como generalizaciones de modelos lineales, aunque también pueden extender los modelos no lineales. Aunque no son nuevos, se han hecho más populares con el crecimiento del poder computacional y la disponibilidad de software. (es)
rdfs:label
  • Modelo multinivel (es)
  • Modelo multinivel (es)
owl:sameAs
prov:wasDerivedFrom
foaf:isPrimaryTopicOf
is owl:sameAs of
is foaf:primaryTopic of