This HTML5 document contains 13 embedded RDF statements represented using HTML+Microdata notation.

The embedded RDF content will be recognized by any processor of HTML5 Microdata.

Subject Item

dbpedia-es:Transformacion_de_datos

dbo:wikiPageRedirects

dbpedia-es:Transformación_de_datos

Subject Item

dbpedia-es:Transformación_de_datos

rdfs:label

Transformación de datos

rdfs:comment

En estadística, la transformación de datos se efectúa para asegurarse que estos tienen una distribución normal (lo que puede ser un remedio para analizar datos que tienen otros tipos de distribución, falta de normalidad, linealidad, y homocedasticidad). Con la transformación de los datos estos se preparan para diferentes tipos de análisis, como los de regresión,​ t de student, correlación y ANOVA. Cuando se usan este tipo de la transformación de datos puede ser necesaria ya que este tipo de análisis asumen que los datos deben ser lineales, normales y tienen homocedasticidad en su varianza. Este tipo de transformación se conoce también como transformación de la linealidad. Un buen indicador de datos con una distribución normal es que el sesgo en el rango va de -0,8 a 0,8 y la curtosis se e

owl:sameAs

n13:02q0dd9

dct:subject

category-es:Análisis_de_datos

foaf:isPrimaryTopicOf

wikipedia-es:Transformación_de_datos

dbo:wikiPageID

2375743

dbo:wikiPageRevisionID

127151582

dbo:wikiPageLength

2736

prov:wasDerivedFrom

n9:0

dbo:abstract

En estadística, la transformación de datos se efectúa para asegurarse que estos tienen una distribución normal (lo que puede ser un remedio para analizar datos que tienen otros tipos de distribución, falta de normalidad, linealidad, y homocedasticidad). Con la transformación de los datos estos se preparan para diferentes tipos de análisis, como los de regresión,​ t de student, correlación y ANOVA. Cuando se usan este tipo de la transformación de datos puede ser necesaria ya que este tipo de análisis asumen que los datos deben ser lineales, normales y tienen homocedasticidad en su varianza. Este tipo de transformación se conoce también como transformación de la linealidad. Un buen indicador de datos con una distribución normal es que el sesgo en el rango va de -0,8 a 0,8 y la curtosis se encuentra en el rango de -3,0 a 3,0. La normalidad se mide comúnmente con , como las de y . Para los novatos en estadística el análisis de muestras que no tienen una distribución normal pueden ser un problema, porque las pruebas paramétricas estadísticas comunes asumen normalidad en los datos, es decir, que la distribución de los mismos se ajusta a una . Si la distribución de los datos no es normal se asume que la distribución de los datos no es semejante estadísticamente a una , porque sus intervalos de confianza pueden estar a menudo fuera de centro o ser estrechos. Si el tamaño de la muestra es demasiado pequeño o los datos están sesgados hacia una distribución no normal se puede intentar hacer una de las siguientes transformaciones: logarítmica, raíz cuadrada o inversa. Se debe tener en cuenta que el tipo de trasformación que se use debe ser acorde con el tipo de datos que se desea transformar, para ello debe considerarse si la variable tiene distribución continua y que tipo datos son (por ejemplo, resultados de conteos, porcentajes, etc.). Para personas con mayor experiencia en estadística que tengan datos cuya distribución no se ajusta a la normalidad se sugiere definir la distribución real de los datos, que puede ser exponencial, poisson, etc., y analizarlos usando procedimientos específicos (algunos de ellos encontrados en el ) que asumen de facto ese tipo de distribución.

Subject Item

wikipedia-es:Transformación_de_datos

foaf:primaryTopic

dbpedia-es:Transformación_de_datos

Subject Item

n6:

owl:sameAs

dbpedia-es:Transformación_de_datos