Видео

Rayyan para la gestión masiva. Luego Zotero para la referenciación. Hoy en día también estoy usando ResearchRabbit

Hay otra app que se llama JAMOVI que tiene una calculadora directa. De todos modos se puede hacer así En un block de notas pones tus datos de este modo (los nombres los puedes cambiar dependiendo de lo que tengas) Grupo, Evento, Frecuencia Expuesto, Positivo, 150 Expuesto, Negativo, 65 NoExpuesto, Positivo, 48 NoExpuesto, Negativo, 88 guardas ese texto o tabla con extensión .csv (valores separados por comas) y lo abres en japs y luego en jasp seleccionas, cual es la fila (expuesto, no expuesto) y la columna (positivo, negativo) y en frecuencias pones la frecuencia. Ya desde el menú puedes seleccionar todo lo que necesites. En opciones puedes invertir el orden de las filas y las columnas también para que coincidan con el orden que deseas.

Lo que puedes hacer es crear una tabla o un archivo de texto separado con comas (csv) ej. si la tabla es | EXP | NO EXP CASO | 25 | 30 CONTROL | 35 | 40 FILAS,COLUMNAS,FRECUENCIA CASO,EXPUESTO,25 CASO,NO EXPUESTO,30 CONTROL,EXP,35 CONTROL,NO EXP,40 Luego en analisis de frecuencias, seleccionas las filas, columnas y frecuencias y todos los análisis que necesites. Los nombres los puedes poner tú, en opciones puedes ordenar filas y columnas ascendentes y descendentes según necesidad

se cita la herramienta con la que se hizo, pero se considera elaboración propia

@@kinepipe muchas Gracias

gracias por tú aporte

hola no entendí muy bien el problema, ¿me puedes dar más contexto?

Me pasa lo mismo 😮.

Técnicamente se podría hacer, pero eso implicaría eliminar datos sólo por eliminar datos atípicos. Los datos atípicos NO SON información innecesaria, a veces los datos atípicos pueden ser la información relevante. Lo que deberíamos valorar es ¿qué representa un dato atípico? y ¿qué valor aporta a nuestro análisis? Por ejemplo digamos que quieres confeccionar sillas para venderlas a alguna empresa que compra muchas sillas. Y para esto la empresa manda la estatura de todos sus trabajadores. Bien simple, sacas el promedio y diseñas una silla para la estatura promedio. Pero si revisas los datos hay 3 personas que miden por ejemplo menos de 120 cm. ¿Qué haces con esos 3 datos atípicos? Si los eliminas probablemente la media apenas se modifique. Pero también podrías hacer 3 sillas para personas de talla pequeña y con eso ganarte la confianza de la empresa y todas las futuras compras de ella. Otro ejemplo es que si tienes los datos de la temperatura corporal de una persona probablemente el dato que interese es cuando esté atípcamente alta (que sería el comienzo de una enfermedad por ejemplo); si fuera glucosa en sangre te interesaría saber los días en que estuvieron atipicamente alta o atipicamente baja. En resumen el manejo de los datos atípicos es para saber que están ahí y visualizar que están representando. Si es un dato ilógico o errores de tipeo deberíamos eliminarlos, pero en todos los otros caos debemos "Explorarlos"

@@EstadisticaSalud He entendido la explicación. Gracias por la respuesta.

@@EstadisticaSalud He entendido la explicación. Muchas gracias.

Que bueno 😀

podrías calcular una nueva variable usando condicionales (si), si se cumple una, o ambas y asignas un valor.

que bueno :) ! en que te sirvió?¡

Muchas grácias! seguiremos subiendo contenidos

Hola, estos son los autores que se mencionan en el video para el cálculo. Saludos! Tukey, J.W. (1977). Exploratory Data Analysis. Reading, MA: Addison-Wesley. Hoaglin, D.C., Iglewicz, B., and Tukey, J.W. (1986). Performance of some resistant rules for outlier labeling, Journal of American Statistical Association, 81, 991-999. Hoaglin, D. C., and Iglewicz, B. (1987), Fine tuning some resistant rules for outlier labeling, Journal of American Statistical Association, 82, 1147-1149.

La de los cuartilos métodod e Tukey , las de desviación estándar z-score

Muchas gracias!

No entiendo del todo la pregunta. Sin embargo, si, puedes calcular una media sólo con un grupo de datos seleccionando su rango. El punto es que LOS VALORES EXTREMOS (los más altos y más bajos) SI influyen sobre la media. Por lo que determinar correctamente si los datos extremos son o no atípicos y si considerarnos o no (y ¿por qué?) debería ser un paso lógico antes de calcular la media. Saludos!

Feron los mismos autores que pleantearon el 1.5 inicialmente quienes presentaron una corrección explicando que el 2.2 funcionaba mejor. Estos son los trabajos originales. Tukey, J.W. (1977). Exploratory Data Analysis. Reading, MA: Addison-Wesley. Hoaglin, D.C., Iglewicz, B., and Tukey, J.W. (1986). Performance of some resistant rules for outlier labeling, Journal of American Statistical Association, 81, 991-999. Hoaglin, D. C., and Iglewicz, B. (1987), Fine tuning some resistant rules for outlier labeling, Journal of American Statistical Association, 82, 1147-1149.

Hola, esos son los artículos con la historia del g. Tukey, J.W. (1977). Exploratory Data Analysis. Reading, MA: Addison-Wesley. Hoaglin, D.C., Iglewicz, B., and Tukey, J.W. (1986). Performance of some resistant rules for outlier labeling, Journal of American Statistical Association, 81, 991-999. Hoaglin, D. C., and Iglewicz, B. (1987), Fine tuning some resistant rules for outlier labeling, Journal of American Statistical Association, 82, 1147-1149. Con respecto a la distribución, los datos atípicos podrían hacer que la distribución cambie su comportamiento. Por lo que se debería hacer antes de probar normalidad, y teniendo en mente que es un paso "lógico" o "humano", para revisar si los datos atípicos tienen sentido o no (errores de tipeo, de medidas, etc)