{"id":12273,"date":"2023-07-24T12:35:32","date_gmt":"2023-07-24T12:35:32","guid":{"rendered":"https:\/\/grafiti.com\/systat\/caracteristicas-del-producto-systat\/"},"modified":"2024-01-13T07:15:57","modified_gmt":"2024-01-13T07:15:57","slug":"caracteristicas-del-producto-systat","status":"publish","type":"page","link":"https:\/\/grafiti.com\/es\/systat\/caracteristicas-del-producto-systat\/","title":{"rendered":"Caracter\u00edsticas del producto Systat"},"content":{"rendered":"\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t\t
<\/div>\n\t\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

INPIXON<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Caracter\u00edsticas del producto\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Explore las \u00faltimas incorporaciones a las funciones estad\u00edsticas de SYSTAT 13\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Previsi\u00f3n de la varianza del error de las series temporales con ARCH y GARCH\n\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Los procedimientos convencionales de an\u00e1lisis de series temporales suponen que la varianza de los t\u00e9rminos aleatorios (error) de la serie es constante a lo largo del tiempo. En la pr\u00e1ctica, sin embargo, ciertas series, especialmente en el \u00e1mbito financiero, presentan volatilidad con distintos niveles de varianza en distintos periodos. Para captar y modelizar este fen\u00f3meno, se han desarrollado modelos de Heteroskedasticidad Condicional Autorregresiva (ARCH). Aqu\u00ed, la varianza en cada punto de la serie se modela utilizando las perturbaciones pasadas de la serie. El modelo ARCH suele requerir un gran n\u00famero de par\u00e1metros para captar con \u00e9xito la din\u00e1mica de la varianza del error. El modelo de heterocedasticidad condicional autorregresiva generalizada (GARCH), al introducir t\u00e9rminos autorregresivos adicionales de la varianza del error, ayuda a lograr la parsimonia de los par\u00e1metros en la modelizaci\u00f3n.\n\n<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t

La actualizaci\u00f3n de An\u00e1lisis de Series Temporales de SYSTAT 13 proporciona lo siguiente:\n\n<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

\n\t\t\t\t
\n\t\t\t\t\t\t\t
    \n\t\t\t\t\t\t\t
  • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tPruebas de hip\u00f3tesis para efectos ARCH: Las conocidas pruebas de McLeod y del multiplicador de Lagrange sirven para este fin.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
  • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tEstimaci\u00f3n de los par\u00e1metros de los modelos ARCH y GARCH mediante diferentes implementaciones (BHHH, BFGS y Newton-Raphson) del m\u00e9todo de m\u00e1xima verosimilitud con varias opciones para los criterios de convergencia.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
  • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tPrevisiones de las varianzas de error utilizando las estimaciones de los par\u00e1metros.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
  • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tLa prueba de Jarque-Bera para la normalidad de los errores.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t<\/ul>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t

    Encontrar los mejores predictores con la regresi\u00f3n de los mejores subconjuntos\n\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t

    En el desarrollo de un modelo de regresi\u00f3n m\u00faltiple (lineal), ser\u00eda bueno que el n\u00famero de predictores en el modelo desarrollado fuera peque\u00f1o sin sacrificar el poder predictivo. La regresi\u00f3n de los mejores subconjuntos aborda esta cuesti\u00f3n.\n\n<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

    \n\t\t\t\t
    \n\t\t\t\t\t\t\t
      \n\t\t\t\t\t\t\t
    • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tSYSTAT 13 encuentra los mejores modelos (elecci\u00f3n de predictores) para un n\u00famero determinado de predictores, cuyo n\u00famero var\u00eda entre uno y el n\u00famero total disponible en el conjunto de datos.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
    • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tEl mejor modelo se identifica mediante varios criterios como R2, R2 ajustado, Cp de Mallows, MSE, AIC, AICC y BIC.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
    • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tA continuaci\u00f3n, SYSTAT 13 propone realizar un an\u00e1lisis de regresi\u00f3n completo sobre el conjunto de datos elegido por el usuario (igual que el conjunto de entrenamiento o diferente) sobre el mejor modelo seleccionado por cualquiera de los criterios.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t<\/ul>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
      \n\t\t\t\t
      \n\t\t\t\t\t

      Examinar la adecuaci\u00f3n de los modelos estad\u00edsticos mediante el an\u00e1lisis factorial confirmatorio\n\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
      \n\t\t\t\t
      \n\t\t\t\t\t

      La funci\u00f3n de an\u00e1lisis factorial de SYSTAT 13 incluye ahora el an\u00e1lisis factorial confirmatorio (AFC).\n\n<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

      \n\t\t\t\t
      \n\t\t\t\t\t\t\t
        \n\t\t\t\t\t\t\t
      • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tEl AFC puede utilizarse para probar la estructura factorial postulada a partir de un conocimiento a priori de la relaci\u00f3n entre las variables observadas (manifiestas) y las variables latentes.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
      • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tCon CFA, SYSTAT permite a los usuarios especificar las variables observadas, un conjunto de variables latentes y su estructura de varianza-covarianza.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
      • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tSe puede utilizar un diagrama de trayectorias para especificar el modelo hipotetizado.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
      • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tSYSTAT 13 estima los par\u00e1metros del modelo CFA utilizando una de las siguientes opciones de estimaci\u00f3n: M\u00e1xima verosimilitud, M\u00ednimos cuadrados generalizados y M\u00ednimos cuadrados ponderados.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
      • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tSYSTAT 13 proporciona una amplia variedad de \u00edndices de bondad de ajuste para medir el grado de conformidad del modelo factorial postulado con los datos. Algunos de los \u00edndices m\u00e1s conocidos que se ofrecen son: \u00cdndice de bondad de ajuste (GIF), ra\u00edz cuadr\u00e1tica media residual (RMR), \u00edndice de bondad de ajuste parsimonioso (PGFI), AIC, BIC, medida McDonalds de certeza e \u00edndice de ajuste no normal (NNFI).<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t<\/ul>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t

        Pruebe la nueva funci\u00f3n de regresi\u00f3n de SYSTAT 13: Regresi\u00f3n polin\u00f3mica\n\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
        \n\t\t\t\t
        \n\t\t\t\t\t

        SYSTAT 13 proporciona un c\u00e1lculo directo de la regresi\u00f3n polin\u00f3mica sobre una \u00fanica variable independiente. Las caracter\u00edsticas principales son:\n\n<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

        \n\t\t\t\t
        \n\t\t\t\t\t\t\t
          \n\t\t\t\t\t\t\t
        • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tEl orden del polinomio puede ser hasta 8.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
        • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tAdem\u00e1s de ajustar polinomios en formas est\u00e1ndar, SYSTAT 13 proporciona regresi\u00f3n polin\u00f3mica ortogonal.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
        • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tSYSTAT 13 proporciona estad\u00edsticas de bondad de ajuste (R2 y R2 ajustado) y ANOVA con valores p para todos los modelos, empezando por el orden especificado por el usuario, hasta el lineal (orden = 1).<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
        • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tSYSTAT 13 proporciona gr\u00e1ficos de intervalos de confianza y predicci\u00f3n junto con estimaciones, y un gr\u00e1fico de residuos frente a valores predichos, como Gr\u00e1ficos r\u00e1pidos.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t<\/ul>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
          \n\t\t\t\t
          \n\t\t\t\t\t

          A\u00f1ada lustre a su investigaci\u00f3n con impresionantes gr\u00e1ficos en 2D y 3D\n\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
          \n\t\t\t\t
          \n\t\t\t\t\t

          SYSTAT 13 produce gr\u00e1ficos 2D visualmente atractivos, perfectos para su publicaci\u00f3n, e incre\u00edbles gr\u00e1ficos 3D que aportan un incre\u00edble factor sorpresa a cualquier investigaci\u00f3n o presentaci\u00f3n empresarial. SYSTAT 13 viene repleto de nuevas funciones de edici\u00f3n gr\u00e1fica, como:\n\n<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

          \n\t\t\t\t
          \n\t\t\t\t\t\t\t
            \n\t\t\t\t\t\t\t
          • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tMayor variedad de colores: Especifique cualquier color para sus gr\u00e1ficos a partir de los valores de sus componentes rojo, verde y azul.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
          • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tNuevas funciones de edici\u00f3n: Edite el tama\u00f1o del gr\u00e1fico, el color, los ejes, las leyendas, la visualizaci\u00f3n de los bordes, etc. mediante cuadros de di\u00e1logo interactivos.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
          • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tNueva edici\u00f3n de degradados de color: SYSTAT 13 le ofrece un control preciso sobre el color y el estilo de los degradados en superficies de gr\u00e1ficos 3D.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
          • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tNuevas funciones de etiquetado de gr\u00e1ficos: Genere etiquetas num\u00e9ricas de casos en gr\u00e1ficos, visualizaciones multivariantes y mapas. Etiqueta los puntos en los gr\u00e1ficos de puntos.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t<\/ul>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
            \n\t\t\t\t
            \n\t\t\t\t\t

            Explore las mejoras introducidas por SYSTAT 13 en sus m\u00e9todos estad\u00edsticos actuales\n\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
            \n\t\t\t\t
            \n\t\t\t\t\t

            Disfrute de funciones m\u00e1s robustas de pruebas, regresi\u00f3n y tabulaci\u00f3n cruzada con SYSTAT 13. La funci\u00f3n de an\u00e1lisis de la varianza ofrece ahora:\n\n<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

            \n\t\t\t\t
            \n\t\t\t\t\t\t\t
              \n\t\t\t\t\t\t\t
            • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tPrueba de Levenes basada en la mediana para comprobar la homogeneidad de las varianzas.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
            • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tUn comando SUBCAT que categoriza los factores deseados s\u00f3lo a efectos del an\u00e1lisis.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t<\/ul>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
              \n\t\t\t\t
              \n\t\t\t\t\t

              Estad\u00edsticas b\u00e1sicas Actualizaciones\n\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
              \n\t\t\t\t
              \n\t\t\t\t\t

              Las actualizaciones de las estad\u00edsticas b\u00e1sicas en SYSTAT 13 incluyen:\n\n<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

              \n\t\t\t\t
              \n\t\t\t\t\t\t\t
                \n\t\t\t\t\t\t\t
              • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tError est\u00e1ndar e intervalo de confianza para la media recortada.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
              • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tMedia winsorizada, su error est\u00e1ndar e intervalo de confianza.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
              • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tModo de muestreo y modo basado en la estimaci\u00f3n de la densidad del n\u00facleo de los datos.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
              • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tIntervalo intercuart\u00edlico<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t<\/ul>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
                \n\t\t\t\t
                \n\t\t\t\t\t

                Actualizaciones del an\u00e1lisis de Bootstrap\n\n\n\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
                \n\t\t\t\t
                \n\t\t\t\t\t

                En versiones anteriores, SYSTAT dispone de an\u00e1lisis de los resultados bootstrap, resumiendo las partes clave de los resultados mediante histogramas, calculando varios tipos de estimaciones bootstrap, sus sesgos, errores est\u00e1ndar, intervalos de confianza y valores p. En SYSTAT 13, esta funci\u00f3n se a\u00f1ade a las pruebas de hip\u00f3tesis y se mejora en la regresi\u00f3n por m\u00ednimos cuadrados.\n\n<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

                \n\t\t\t\t
                \n\t\t\t\t\t\t\t
                  \n\t\t\t\t\t\t\t
                • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tEn Pruebas de hip\u00f3tesis, SYSTAT 13 proporciona valores p basados en bootstrap e histogramas de la estad\u00edstica de prueba obtenida a partir de las muestras bootstrap. Adem\u00e1s de los valores p habituales de las pruebas, ahora los usuarios pueden solicitar valores p basados en bootstrap en todas las pruebas para la media (z de una muestra, t de una muestra, z de dos muestras, t de dos muestras, t pareada, Poisson) y la varianza (varianza \u00fanica, dos varianzas y varias varianzas).<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
                • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tEn la Regresi\u00f3n Lineal por M\u00ednimos Cuadrados, se ha incluido una opci\u00f3n de bootstrapping de los residuos. A partir de ah\u00ed, se calculan estimaciones bootstrap de los coeficientes de regresi\u00f3n, sus sesgos, errores est\u00e1ndar e intervalos de confianza.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t<\/ul>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
                  \n\t\t\t\t
                  \n\t\t\t\t\t

                  Actualizaciones de tabulaci\u00f3n cruzada\n\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
                  \n\t\t\t\t
                  \n\t\t\t\t\t

                  Las actualizaciones de la funci\u00f3n de tabulaci\u00f3n cruzada (XTAB) son las siguientes:\n\n<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

                  \n\t\t\t\t
                  \n\t\t\t\t\t\t\t
                    \n\t\t\t\t\t\t\t
                  • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tRiesgo relativo: En una tabla de 2 x 2, el riesgo relativo es el cociente de las proporciones de casos que tienen un resultado positivo en los dos grupos definidos por fila o columna. El riesgo relativo es una medida com\u00fan de asociaci\u00f3n para variables dicot\u00f3micas.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
                  • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tModo: SYSTAT 13 da la opci\u00f3n de listar s\u00f3lo las N primeras categor\u00edas en una tabla unidireccional (distribuci\u00f3n de frecuencias). Esto se hace a\u00f1adiendo una opci\u00f3n MODO = N al comando PLENGTH dentro de XTAB.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
                  • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tCategorizaci\u00f3n adecuada de los resultados en funci\u00f3n del tipo de tabla y reorganizaci\u00f3n de la tabla de medidas.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t<\/ul>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
                    \n\t\t\t\t
                    \n\t\t\t\t\t

                    Actualizaciones de las pruebas de hip\u00f3tesis\n\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
                    \n\t\t\t\t
                    \n\t\t\t\t\t

                    La funci\u00f3n de comprobaci\u00f3n de hip\u00f3tesis se ha reforzado a\u00f1adiendo pruebas para vectores medios de datos multivariantes.\n\n<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

                    \n\t\t\t\t
                    \n\t\t\t\t\t\t\t
                      \n\t\t\t\t\t\t\t
                    • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tPrueba T2 de Hotellings de una muestra para vector medio de datos multivariantes igual a un vector conocido.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
                    • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tPrueba T2 de Hotellings de dos muestras para la igualdad de dos vectores medios de datos multivariantes.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t<\/ul>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
                      \n\t\t\t\t
                      \n\t\t\t\t\t

                      Para z de dos muestras, t de dos muestras y la prueba para dos varianzas, los usuarios pueden ahora introducir directamente los datos en un dise\u00f1o en el que los datos de las muestras aparecen en columnas diferentes. Esto se a\u00f1ade a la disposici\u00f3n indexada actual.\n\n<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

                      \n\t\t\t\t
                      \n\t\t\t\t\t

                      Regresi\u00f3n log\u00edstica\n\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
                      \n\t\t\t\t
                      \n\t\t\t\t\t

                      SYSTAT 13 ofrece formas m\u00e1s intuitivas de analizar modelos binarios, multinomiales, condicionales y de elecci\u00f3n discreta. Espec\u00edficamente:\n\n<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

                      \n\t\t\t\t
                      \n\t\t\t\t\t\t\t
                        \n\t\t\t\t\t\t\t
                      • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tInterfaz de usuario simplificada y sencilla y estructura de l\u00ednea de comandos para analizar modelos binarios, multinomiales, condicionales y de elecci\u00f3n discreta por separado.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
                      • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tOpci\u00f3n para especificar el nivel de referencia para los modelos de respuesta binaria y multinomial.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
                      • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tForma m\u00e1s sencilla de introducir datos para analizar estudios de casos y controles de muestras emparejadas con un caso y cualquier n\u00famero de controles por conjunto.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
                      • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tPara los modelos de elecci\u00f3n discreta, SYSTAT 13 proporciona dos disposiciones de datos: Conjunto de elecciones y Por elecci\u00f3n para modelar las elecciones de un individuo en respuesta a las caracter\u00edsticas de las elecciones.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t<\/ul>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
                        \n\t\t\t\t
                        \n\t\t\t\t\t

                        Pruebas no param\u00e9tricas\n\n<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t
                        \n\t\t\t\t
                        \n\t\t\t\t\t

                        Las actualizaciones en Pruebas no param\u00e9tricas incluyen:\n\n<\/p>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t

                        \n\t\t\t\t
                        \n\t\t\t\t\t\t\t
                          \n\t\t\t\t\t\t\t
                        • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tPrueba de Jonckeere-Terpstra como alternativa a la prueba de Mann-Whitney: La prueba se utiliza cuando los tratamientos est\u00e1n ordenados en funci\u00f3n de la respuesta. Esta prueba se basa en la suma de los recuentos k(k-1)\/2 de Mann-Whitney (para k tratamientos).<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
                        • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tPrueba de Fligner-Wolfe como alternativa a la prueba de Mann-Whitney: La prueba se utiliza cuando uno de los tratamientos act\u00faa como control, para probar la igualdad de respuesta al control frente a todos los dem\u00e1s tratamientos, con una alternativa unilateral. Se trata de una prueba de Mann-Whitney con dos grupos cuando el control es un grupo y todos los dem\u00e1s tratamientos juntos forman otro.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
                        • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tPruebas post hoc (comparaciones m\u00faltiples) de Dwass-Steel-Critchlow-Fligner y de Conover-Inman que pueden utilizarse como seguimiento cuando una prueba de Kruskal-Wallis muestra significaci\u00f3n.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t\t\t
                        • \n\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t<\/i>\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\tUna prueba de comparaci\u00f3n m\u00faltiple debida a Conover como continuaci\u00f3n de la prueba de Friedman que muestra significaci\u00f3n.<\/span>\n\t\t\t\t\t\t\t\t\t<\/li>\n\t\t\t\t\t\t<\/ul>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"

                          INPIXON Caracter\u00edsticas del producto Explore las \u00faltimas incorporaciones a las funciones estad\u00edsticas de SYSTAT 13 Previsi\u00f3n de la varianza del […]<\/p>\n","protected":false},"author":1773,"featured_media":0,"parent":11745,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"site-sidebar-layout":"no-sidebar","site-content-layout":"page-builder","ast-site-content-layout":"full-width-container","site-content-style":"unboxed","site-sidebar-style":"unboxed","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"disabled","ast-breadcrumbs-content":"","ast-featured-img":"disabled","footer-sml-layout":"","ast-disable-related-posts":"","theme-transparent-header-meta":"","adv-header-id-meta":"","stick-header-meta":"","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"var(--ast-global-color-4)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-opacity":"","overlay-gradient":""}},"_jet_sm_ready_style":"","_jet_sm_style":"","_jet_sm_controls_values":"","_jet_sm_fonts_collection":"","_jet_sm_fonts_links":"","footnotes":""},"class_list":["post-12273","page","type-page","status-publish","hentry"],"yoast_head":"\nCaracter\u00edsticas del producto Systat - Grafiti LLC<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/grafiti.com\/es\/systat\/caracteristicas-del-producto-systat\/\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Caracter\u00edsticas del producto Systat - Grafiti LLC\" \/>\n<meta property=\"og:description\" content=\"INPIXON Caracter\u00edsticas del producto Explore las \u00faltimas incorporaciones a las funciones estad\u00edsticas de SYSTAT 13 Previsi\u00f3n de la varianza del […]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/grafiti.com\/es\/systat\/caracteristicas-del-producto-systat\/\" \/>\n<meta property=\"og:site_name\" content=\"Grafiti LLC\" \/>\n<meta property=\"article:modified_time\" content=\"2024-01-13T07:15:57+00:00\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data1\" content=\"9 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/grafiti.com\\\/es\\\/systat\\\/caracteristicas-del-producto-systat\\\/\",\"url\":\"https:\\\/\\\/grafiti.com\\\/es\\\/systat\\\/caracteristicas-del-producto-systat\\\/\",\"name\":\"Caracter\u00edsticas del producto Systat - Grafiti LLC\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/grafiti.com\\\/#website\"},\"datePublished\":\"2023-07-24T12:35:32+00:00\",\"dateModified\":\"2024-01-13T07:15:57+00:00\",\"breadcrumb\":{\"@id\":\"https:\\\/\\\/grafiti.com\\\/es\\\/systat\\\/caracteristicas-del-producto-systat\\\/#breadcrumb\"},\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/grafiti.com\\\/es\\\/systat\\\/caracteristicas-del-producto-systat\\\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/grafiti.com\\\/es\\\/systat\\\/caracteristicas-del-producto-systat\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/grafiti.com\\\/es\\\/inicio\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"systat\",\"item\":\"https:\\\/\\\/grafiti.com\\\/es\\\/systat\\\/\"},{\"@type\":\"ListItem\",\"position\":3,\"name\":\"Caracter\u00edsticas del producto Systat\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/grafiti.com\\\/#website\",\"url\":\"https:\\\/\\\/grafiti.com\\\/\",\"name\":\"Grafiti LLC\",\"description\":\"Grafiti LLC\",\"publisher\":{\"@id\":\"https:\\\/\\\/grafiti.com\\\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/grafiti.com\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"es\"},{\"@type\":\"Organization\",\"@id\":\"https:\\\/\\\/grafiti.com\\\/#organization\",\"name\":\"Grafiti LLC\",\"url\":\"https:\\\/\\\/grafiti.com\\\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\\\/\\\/grafiti.com\\\/#\\\/schema\\\/logo\\\/image\\\/\",\"url\":\"https:\\\/\\\/grafiti.com\\\/wp-content\\\/uploads\\\/2024\\\/01\\\/cropped-logo-2.png\",\"contentUrl\":\"https:\\\/\\\/grafiti.com\\\/wp-content\\\/uploads\\\/2024\\\/01\\\/cropped-logo-2.png\",\"width\":164,\"height\":55,\"caption\":\"Grafiti LLC\"},\"image\":{\"@id\":\"https:\\\/\\\/grafiti.com\\\/#\\\/schema\\\/logo\\\/image\\\/\"}}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Caracter\u00edsticas del producto Systat - Grafiti LLC","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/grafiti.com\/es\/systat\/caracteristicas-del-producto-systat\/","og_locale":"es_ES","og_type":"article","og_title":"Caracter\u00edsticas del producto Systat - Grafiti LLC","og_description":"INPIXON Caracter\u00edsticas del producto Explore las \u00faltimas incorporaciones a las funciones estad\u00edsticas de SYSTAT 13 Previsi\u00f3n de la varianza del […]","og_url":"https:\/\/grafiti.com\/es\/systat\/caracteristicas-del-producto-systat\/","og_site_name":"Grafiti LLC","article_modified_time":"2024-01-13T07:15:57+00:00","twitter_card":"summary_large_image","twitter_misc":{"Tiempo de lectura":"9 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/grafiti.com\/es\/systat\/caracteristicas-del-producto-systat\/","url":"https:\/\/grafiti.com\/es\/systat\/caracteristicas-del-producto-systat\/","name":"Caracter\u00edsticas del producto Systat - Grafiti LLC","isPartOf":{"@id":"https:\/\/grafiti.com\/#website"},"datePublished":"2023-07-24T12:35:32+00:00","dateModified":"2024-01-13T07:15:57+00:00","breadcrumb":{"@id":"https:\/\/grafiti.com\/es\/systat\/caracteristicas-del-producto-systat\/#breadcrumb"},"inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/grafiti.com\/es\/systat\/caracteristicas-del-producto-systat\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/grafiti.com\/es\/systat\/caracteristicas-del-producto-systat\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/grafiti.com\/es\/inicio\/"},{"@type":"ListItem","position":2,"name":"systat","item":"https:\/\/grafiti.com\/es\/systat\/"},{"@type":"ListItem","position":3,"name":"Caracter\u00edsticas del producto Systat"}]},{"@type":"WebSite","@id":"https:\/\/grafiti.com\/#website","url":"https:\/\/grafiti.com\/","name":"Grafiti LLC","description":"Grafiti LLC","publisher":{"@id":"https:\/\/grafiti.com\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/grafiti.com\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/grafiti.com\/#organization","name":"Grafiti LLC","url":"https:\/\/grafiti.com\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/grafiti.com\/#\/schema\/logo\/image\/","url":"https:\/\/grafiti.com\/wp-content\/uploads\/2024\/01\/cropped-logo-2.png","contentUrl":"https:\/\/grafiti.com\/wp-content\/uploads\/2024\/01\/cropped-logo-2.png","width":164,"height":55,"caption":"Grafiti LLC"},"image":{"@id":"https:\/\/grafiti.com\/#\/schema\/logo\/image\/"}}]}},"_links":{"self":[{"href":"https:\/\/grafiti.com\/es\/wp-json\/wp\/v2\/pages\/12273","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/grafiti.com\/es\/wp-json\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/grafiti.com\/es\/wp-json\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/grafiti.com\/es\/wp-json\/wp\/v2\/users\/1773"}],"replies":[{"embeddable":true,"href":"https:\/\/grafiti.com\/es\/wp-json\/wp\/v2\/comments?post=12273"}],"version-history":[{"count":0,"href":"https:\/\/grafiti.com\/es\/wp-json\/wp\/v2\/pages\/12273\/revisions"}],"up":[{"embeddable":true,"href":"https:\/\/grafiti.com\/es\/wp-json\/wp\/v2\/pages\/11745"}],"wp:attachment":[{"href":"https:\/\/grafiti.com\/es\/wp-json\/wp\/v2\/media?parent=12273"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}