Introducción Con el desarrollo de plataformas de acceso abierto, la búsqueda y recuperación de información científica ha experimentado un avance sustancial entre los usuarios de internet. A continuación se resume aspectos fundamentales de la "Gestión de la Información Científica en Abierto" tratado en el curso virtual impartido mediante Miriadax (http://miriadax.net/web/informacion_cientifica/) con sus respectivas evaluaciones.  Evaluación de conocimientos previos (05/02/2013)
Prueba realizada
Tu resultado en el test ha sido: 100%
Señale la respuesta incorrecta:
Los repositorios electrónicos se consideran acceso abierto verde.
Existen repositorios en los que los investigadores pueden depositar sus trabajo aunque no tengan una relación contractual como profesor universitario.
A través del sistema web denominado Dulcinea podemos conocer los derechos de copyright de muchas revistas españolas.
En ningún caso es posible depositar en un repositorio digital un artículo publicado previamente en una revista.
Encontramos sistemas en Internet para compartir documentación científica.
Se puede realizar el autoarchivo de algunos artículos en determinadas revistas, pero depende de la política de los derechos de autor de cada publicación
Elija la frase verdadera:
No se encuentran disponibles paquetes informáticos para crear repositorios digitales.
Ninguna de las publicaciones en abierto tiene indicios de calidad.
No existen proyectos para la mejora de la producción y difusión científica con latinoamericano.
Es imposible encontrar bibliotecas virtuales con revistas de acceso abierto.
Hay disponibles estudios científicas sobre la edición en abierto.
El proyecto SOAP (Study of Open Access Publishing) es un estudio que analiza los aspectos editoriales de revistas científicas en acceso abierto
Marque la afirmación errónea:
Para saber si una editorial permite el autoarchivo podemos utilizar la herramienta SHERPA/RoMEO.
El acceso abierto dorado corresponde a publicaciones de acceso abierto.
No existe un sistema de colores para determinar si se puede archivar un artículo.
La iniciativa de Budapest de acceso abierto es un referente en el movimiento de acceso abierto.
Existen directorios en los que podemos encontrar catalogadas publicaciones de acceso abierto.
Existe una clasificación que utiliza, por ejemplo el blanco para determinar que una revista no permite depositar sus artículos en un repositorio
Es cierto que:
En la difusión del acceso abierto no ha tenido nada que ver el desarrollo de Internet y de la World Wide Web.
No existen plataformas científicas que potencia la difusión en abierto de la investigación.
La publicación en abierto plantea ventajas para los agentes implicados en los artículos científicos.
No existen proyectos que potencian la investigación en abierto.
Seguimos esperando a que se realice una declaración para conseguir el desarrollo del acceso abierto en los países del sur de Europa.
El portal OASIS (Open Access Scholarly Information Sourcebook) recoge ejemplos sobre la mejora de la sociedad a través del acceso abierto.
Indique el enunciado incorrecto:
En el ámbito iberoamericano existe un único repositorio electrónico.
Existen editoriales que crean nuevos títulos de revistas de acceso abierto.
Es posible localizar en Internet bibliotecas de recursos en abierto.
Algunos motores de búsqueda permiten localizar publicaciones de acceso abierto.
Existen argumentos sólidos que justifican la necesidad del acceso abierto.
Podemos encontrar gran cantidad de repositorios institucionales, de hecho cada universidad o entidad de educación superior suele disponer de uno.
|
domingo, marzo 17, 2013
Información científica y su gestión en acceso abierto
sábado, marzo 02, 2013
LaTeX - Cambiar tamaño de fuente
Cuando estamos editando un texto LaTeX, el tamaño de la letra por defecto es de 10pt, aunque existen comandos que pueden establecer tamaños de 11pt, 12pt a todo el documento mediante:
\documentclass[11pt]{book}
\documentclass[12pt]{book}
\documentclass[12pt]{book}
Además, podemos cambiar partes del documento usando:
| Comando | Significado | Ejemplo |
| \tiny | La más pequeña | {\tiny La} |
| \scriptsize | Letra muy pequeña | {\scriptsize edición} |
| \footnotesize | Letra mas pequeña | {\footnotesize en} |
| \small | Letra pequeña | {\small LaTeX} |
| \normalsize | Letra normal | {\normalsize de} |
| \large | Letra grande | {\large artículos} |
| \Large | Letra mas grande | {\Large es} |
| \LARGE | Letra muy grande | {\LARGE fudamental} |
| \huge | Letra enorme | {\huge en la} |
| \Huge | Letra muy enorme | {\Huge Investigación.} |
Para retornar al valor original de la fuente usar el comando \normalsize.
Pero si necesitamos cambiar partes de la estructura podemos usar el paquete titlesec
\usepackage{titlesec}
\titleformat{\section}
{\normalfont\large\bfseries}{\thesection}{1em}{}
\titlespacing*{\subsection}
{0pt}{3.25ex plus 1ex minus .2ex}{1.5ex plus .2ex}
\begin{document}
\chapter{Cap. I}
\section{Sec. Introducción}
\section{Sec. Marco metodológico}
\end{document}
lunes, febrero 18, 2013
LaTeX - file ended while scanning use of @writefile
La no generación de archivos auxiliares es uno de los errores de compilación de LaTeX en el sistema operativo windows cuando se realiza la edición de textos científicos.
Suele suceder cuando alguna instrucción está mal terminada o no está correctamente escrita. Al compilar los archivos da el siguiente error "file ended while scanning use of @writefile" y no se genera el archivo pdf.
Los pasos a seguir son los siguientes:
- Localizar el directorio del archivo .tex
- Eliminar archivos .aux generados anteriormente
- Recompilar el archivo .tex
lunes, noviembre 26, 2012
Migración de datos a PostgreSQL
Cada vez se hace necesario el uso de software libre y la migración de bases de datos es uno de los requisitos para ejecutar, innovar, reconstruir proyectos. Algunos intentos fallidos me han permitido explorar una buena opción DreamCoder for PostgreSQL. A continuación los pasos necesarios para la importación de datos a PosgreSQL
Descargar e instalar
Importar datos por tablas
- Realizar la conexión a la base de datos y presionar el botón OK
- Seleccionar la tabla destino. Escoger el origen de los datos (ej. archivo.xlsx) y presionar el botón Next
- Enlazar a las columnas de la tabla destino, las columnas de la información de origen. Cuando se han enlazado las columnas necesarias presionar el botón Next
- Dar formato a los tipos de dato fecha (opcional) y presionar el botón Next
- Definir las columnas de clave primaria y presionar el botón Execute
- El proceso termina cuando se ha llegado al 100%. Puede aparecer algunos errores como el tipo de codificación que tienen los datos, puesto que en DreamCoder no esiste UTF-8
- Cerrar el cuadro de diálogo, para continuar con la importación de datos a otras tablas.
viernes, noviembre 23, 2012
LaTeX - Imágenes flotantes
La ubicación de gráficos y tablas en LaTeX son las siguientes:
h: here, muy próximo al lugar donde aparece en el fichero de entrada. Útil para objetos pequeños.
t: top, en la parte superior de una página.
b: bottom, en la parte inferior.
p: page of floats, en una página que sólo contenga elementos flotantes.
!: sin considerar la mayoría de los parámetros internos que impedirían colocar ese objeto.
Pero, si no se acopla al lugar donde has decidido decidido ponerla, se debe solucionar de la siguiente manera:
1. Agregamos al grupo de activaciones de paquetes: \usepackage{float}
2. Luego en el código de la inserción del gráfico, modificar h por H
\begin{figure}[H]
\begin{center}
\resizebox{65mm}{35mm}{\includegraphics{img.png}}
\end{center}
\caption{Descripción figura.}
\end{figure}
h: here, muy próximo al lugar donde aparece en el fichero de entrada. Útil para objetos pequeños.
t: top, en la parte superior de una página.
b: bottom, en la parte inferior.
p: page of floats, en una página que sólo contenga elementos flotantes.
!: sin considerar la mayoría de los parámetros internos que impedirían colocar ese objeto.
Pero, si no se acopla al lugar donde has decidido decidido ponerla, se debe solucionar de la siguiente manera:
1. Agregamos al grupo de activaciones de paquetes: \usepackage{float}
2. Luego en el código de la inserción del gráfico, modificar h por H
\begin{figure}[H]
\begin{center}
\resizebox{65mm}{35mm}{\includegraphics{img.png}}
\end{center}
\caption{Descripción figura.}
\end{figure}
sábado, julio 14, 2012
JVM para Weka
Cuando la Memoria Virtual de JAVA(excepción OutOfMemory) para ejecutar procesos en Weka no es suficiente, se debe modificar el valor del parámetro maxheap que está en el archivo de configuración RunWeka.ini (dentro de la carpeta donde se instala Weka) Líneas previas a la línea de configuración
# placeholders ("#bla#" in command gets replaced with content of key "bla")
# Note: "#wekajar#" gets replaced by the launcher class, since that jar gets
# provided as parameter
maxheap=256m
Cambiar por:
maxheap=512m ó maxheap=1024m
dependiendo de la memoria RAM de tu computador
# placeholders ("#bla#" in command gets replaced with content of key "bla")
# Note: "#wekajar#" gets replaced by the launcher class, since that jar gets
# provided as parameter
maxheap=256m
Cambiar por:
maxheap=512m ó maxheap=1024m
dependiendo de la memoria RAM de tu computador
martes, julio 03, 2012
Análisis de correspondencia simple
Descargar archivo completo
Análisis de correspondencia simple
El análisis de correspondencias es una técnica descriptiva para representar tablas de contingencia, es decir, tablas donde recogemos las frecuencias de aparición de dos o más variables cualitativas en un conjunto de elementos. Constituye el equivalente de componentes principales y coordenadas principales para variables cualitativas. La información de partida ahora es una matriz de dimensiones I × J, que representa las frecuencias absolutas observadas de dos variables cualitativas en n elementos. La primera variable se representa por filas, y suponemos que toma I valores posibles, y la segunda se representa por columnas, y toma J valores posibles.Datos
El número de tipos de empresas creadas según las regiones del Ecuador| O | A | B | AB | |
| Baja | 28 | 9 | 7 | 31 |
| Normal | 543 | 211 | 90 | 476 |
| Alta | 44 | 22 | 8 | 31 |
Cálculos
...Análisis de Componentes Principales
Descargue el documento completo para apreciar cálculos y gráficos:
http://es.scribd.com/doc/74949981/Informe-ACP
INTRODUCCIÓN
Cuando se requiere estudiar un fenómeno social o físico de forma estadística es necesario no sólo enfocar cada una de las variables a investigar de forma individual, ya que debido a las diferentes complejidades que puede presentar este fenómeno es necesario que el investigador realice un análisis que considere grupos de variables para interpretar su comportamiento de forma conjunta, esta metodología se denomina Análisis Multivariado.
Una de las técnicas es el Análisis de Componentes Principales (ACP), donde se asume las relaciones lineales entre las variables numéricas.
Una matriz de datos es un arreglo rectangular de números dispuestos en n filas y p columnas que representan n observaciones de las p variables aleatorias observadas. Cuando el tamaño de la población investigada y el número de variables es muy grande se obtiene como resultado una matriz de datos de gran dimensión, lo que constituye un inconveniente que puede ser resuelto utilizando la Técnica Multivariada Componentes Principales, cuyo objetivo es la reducción e interpretación de los datos.
Una Componente Principal es una combinación lineal de p variables aleatorias observadas que cumple con ciertas restricciones. Geométricamente esta combinación lineal constituye la elección de un nuevo sistema de coordenadas obtenido al rotar el sistema original, tal que los nuevos ejes representen la dirección de máxima variabilidad.
El método permite interpretar la estructura de varianzas-covarianzas de un conjunto de p variables, a través de unas pocas q componentes principales formadas a partir de esas p variables, y de esta manera se logra la reducción de datos, pasando de una matriz original de n observaciones de p variables aleatorias a otra de n observaciones de q componentes principales.
OBJETIVOS
Objetivo principal
Transformar un conjunto de n observaciones y p variables en un nuevo conjunto, con un número menor de variables dado por las componentes principales.
Objetivos secundarios
Conocer el porcentaje que representa las componentes principales más representativas.
Conseguir una representación simplificada de los datos.
ANÁLISIS DE LOS DATOS
Planteamiento del problema
Disponemos de una población de 100 individuos con la siguiente información (sólo variables cuantitativas):
Se requiere conocer la relación existente entre la talla, peso, presión diastólica inicial, presión diastólica final, presión sistólica inicial, presión sistólica final, índice de masa corporal, edad de cada uno de los individuos con la hipertensión, es decir, un estudio de los factores de riesgo en hipertensión arterial.
El diseño es de tipo caso-control.
Análisis Descriptivo
Se dispone de una base de datos, de la cual hemos sacado 8 variables cuantitativas y 3 variables cualitativas, de esta información se tomo 100 registros con las siguientes variables:(descargar documento completo)
Representación Gráfica
Mediante histogramas representamos las variables individualmente
Análisis Estadístico
Buscaremos un sub-espacio menor que p que contenga la mayor cantidad posible de información de la nube primitiva, y que se ajuste a la nube de puntos y la deforme lo menos posible.
Mediante el siguiente proceso obtenemos Matriz de datos centrados (Archivo Adjunto-Hoja BBDDCuantif) con la que se desarrollarán el resto de cálculos.
A continuación se detalla los siguientes estadísticos para las 8 variables cuantitativas: (descargar documento completo http://es.scribd.com/doc/74949981/Informe-ACP)
...
TÉCNICA UTILIZADA
El ACP consiste en la obtención de los componentes o ejes principales, no correlacionados entre sí. El cálculo del primer componente, como una combinación lineal de las p variables iniciales, se hace en base a la consecución de la máxima varianza de los datos; así, el primer eje representa una proporción de la varianza explicada de los individuos.
Luego, el cálculo del segundo eje, no correlacionado con el primero, es también una combinación lineal de las variables y representa otra parte de la variación explicada de los individuos. El proceso se desarrolla hasta conseguir el p-ésimo componente o eje.
Cada uno de los componentes recoge una parte de la variación de la nube original de los individuos.
La máxima información posible contenida en una tabla de datos (variables medidas en escala de intervalo o de razón), usualmente, se presentan en forma gráfica, en planos, formados con la combinación de los primeros componentes principales. En estos planos se proyectan las nubes de puntos-variables o nubes de puntos-individuos con el fin de describir las interrelaciones existentes entre esas variables o entre los individuos y las variables.
El primer plano del ACP está formado por los componentes, o ejes, 1 y 2. Cada componente debe ser interpretado de acuerdo a la importancia de las variables en cada uno de ellos.
Proceso
Obtenemos la matriz de Varianza-Covarianza: (descargar documento completo http://es.scribd.com/doc/74949981/Informe-ACP)
...
Representando las varianzas su diagonal principal para cada variable y los demás valores son las covarianzas.
La varianza total obtenida es: 1383,20
Calculamos los valores y vectores propios asociados a la matriz de Varianza-Covarianza
...
Cada uno de los vectores propios está normalizado.
...
Además existen 2 valores con mayor porcentaje respecto de la varianza total, anteriormente mencionada.
...
Luego de analizar los valores propios hallamos dos componentes principales Z1 y Z2
...
La primera componente principal está mayormente representada por las variables X4 (Presión diastólica final), X5(Presión sistólica inicial) y X6(Presión sistólica final), por lo tanto los pacientes con mayor valor en estas variables su hipertensión arterial no está siguiendo el control necesario para que pueda evitarse su deceso.
...
La segunda componente principal está mayormente relacionada con X2(Peso de los pacientes)
Estudio de los Individuos
Las proyecciones de los individuos en la nueva base con su respectiva posición
El gráfico nos indica que el porcentaje del peso influye en muchos de los pacientes al igual que el alto valor de cada una de las presiones tomadas, a priopi podemos ver quienes están mejor agrupados con relación a cada componente.
Contribución de cada individuo
Primera Componente
La contribución más alta la tienen los individuos 88(7.2%) y 44(7.1%)
Segunda Componente
La contribución más alta la tienen los individuos 19(6.1%), 39(6.6%), 70(6.1%)
Estudio de las variables
El gráfico muestra una estrecha relación entre las variables peso, índice de masa corporal, edad, estatura, con la segunda componente principal, mientras que las presiones (diastólica, sistólica) están estrechamente relacionadas con la primera componente.
CONCLUSIONES Y RECOMENDACIONES
Conclusiones
Se recomienda hacer una previa clasificación del tipo de variable a usar (cuantitavas, cualitativas).
Es necesario saber manejar software complementario para el análisis de datos y comparación de resultados, en este caso Complementos como: XLSTAT, Matrix.
ANEXOS
CD-ROM:
Cálculos, Tablas y gráficas están anexados en el que se adjunta al informe, desarrollados con la ayuda de Excel 2003, Matrix(componente para Excel) y XLSTAT
FUENTE DE CONSULTA
Quituisaca Samaniego Lilia
http://es.scribd.com/doc/74949981/Informe-ACP
INTRODUCCIÓN
Cuando se requiere estudiar un fenómeno social o físico de forma estadística es necesario no sólo enfocar cada una de las variables a investigar de forma individual, ya que debido a las diferentes complejidades que puede presentar este fenómeno es necesario que el investigador realice un análisis que considere grupos de variables para interpretar su comportamiento de forma conjunta, esta metodología se denomina Análisis Multivariado.
Una de las técnicas es el Análisis de Componentes Principales (ACP), donde se asume las relaciones lineales entre las variables numéricas.
Una matriz de datos es un arreglo rectangular de números dispuestos en n filas y p columnas que representan n observaciones de las p variables aleatorias observadas. Cuando el tamaño de la población investigada y el número de variables es muy grande se obtiene como resultado una matriz de datos de gran dimensión, lo que constituye un inconveniente que puede ser resuelto utilizando la Técnica Multivariada Componentes Principales, cuyo objetivo es la reducción e interpretación de los datos.
Una Componente Principal es una combinación lineal de p variables aleatorias observadas que cumple con ciertas restricciones. Geométricamente esta combinación lineal constituye la elección de un nuevo sistema de coordenadas obtenido al rotar el sistema original, tal que los nuevos ejes representen la dirección de máxima variabilidad.
El método permite interpretar la estructura de varianzas-covarianzas de un conjunto de p variables, a través de unas pocas q componentes principales formadas a partir de esas p variables, y de esta manera se logra la reducción de datos, pasando de una matriz original de n observaciones de p variables aleatorias a otra de n observaciones de q componentes principales.
OBJETIVOS
Objetivo principal
Transformar un conjunto de n observaciones y p variables en un nuevo conjunto, con un número menor de variables dado por las componentes principales.
Objetivos secundarios
Conocer el porcentaje que representa las componentes principales más representativas.
Conseguir una representación simplificada de los datos.
ANÁLISIS DE LOS DATOS
Planteamiento del problema
Disponemos de una población de 100 individuos con la siguiente información (sólo variables cuantitativas):
Se requiere conocer la relación existente entre la talla, peso, presión diastólica inicial, presión diastólica final, presión sistólica inicial, presión sistólica final, índice de masa corporal, edad de cada uno de los individuos con la hipertensión, es decir, un estudio de los factores de riesgo en hipertensión arterial.
El diseño es de tipo caso-control.
Análisis Descriptivo
Se dispone de una base de datos, de la cual hemos sacado 8 variables cuantitativas y 3 variables cualitativas, de esta información se tomo 100 registros con las siguientes variables:(descargar documento completo)
Representación Gráfica
Mediante histogramas representamos las variables individualmente
Análisis Estadístico
Buscaremos un sub-espacio menor que p que contenga la mayor cantidad posible de información de la nube primitiva, y que se ajuste a la nube de puntos y la deforme lo menos posible.
Mediante el siguiente proceso obtenemos Matriz de datos centrados (Archivo Adjunto-Hoja BBDDCuantif) con la que se desarrollarán el resto de cálculos.
A continuación se detalla los siguientes estadísticos para las 8 variables cuantitativas: (descargar documento completo http://es.scribd.com/doc/74949981/Informe-ACP)
...
TÉCNICA UTILIZADA
El ACP consiste en la obtención de los componentes o ejes principales, no correlacionados entre sí. El cálculo del primer componente, como una combinación lineal de las p variables iniciales, se hace en base a la consecución de la máxima varianza de los datos; así, el primer eje representa una proporción de la varianza explicada de los individuos.
Luego, el cálculo del segundo eje, no correlacionado con el primero, es también una combinación lineal de las variables y representa otra parte de la variación explicada de los individuos. El proceso se desarrolla hasta conseguir el p-ésimo componente o eje.
Cada uno de los componentes recoge una parte de la variación de la nube original de los individuos.
La máxima información posible contenida en una tabla de datos (variables medidas en escala de intervalo o de razón), usualmente, se presentan en forma gráfica, en planos, formados con la combinación de los primeros componentes principales. En estos planos se proyectan las nubes de puntos-variables o nubes de puntos-individuos con el fin de describir las interrelaciones existentes entre esas variables o entre los individuos y las variables.
El primer plano del ACP está formado por los componentes, o ejes, 1 y 2. Cada componente debe ser interpretado de acuerdo a la importancia de las variables en cada uno de ellos.
Proceso
Obtenemos la matriz de Varianza-Covarianza: (descargar documento completo http://es.scribd.com/doc/74949981/Informe-ACP)
...
Representando las varianzas su diagonal principal para cada variable y los demás valores son las covarianzas.
La varianza total obtenida es: 1383,20
Calculamos los valores y vectores propios asociados a la matriz de Varianza-Covarianza
...
Cada uno de los vectores propios está normalizado.
...
Además existen 2 valores con mayor porcentaje respecto de la varianza total, anteriormente mencionada.
...
Luego de analizar los valores propios hallamos dos componentes principales Z1 y Z2
...
La primera componente principal está mayormente representada por las variables X4 (Presión diastólica final), X5(Presión sistólica inicial) y X6(Presión sistólica final), por lo tanto los pacientes con mayor valor en estas variables su hipertensión arterial no está siguiendo el control necesario para que pueda evitarse su deceso.
...
La segunda componente principal está mayormente relacionada con X2(Peso de los pacientes)
Estudio de los Individuos
Las proyecciones de los individuos en la nueva base con su respectiva posición
El gráfico nos indica que el porcentaje del peso influye en muchos de los pacientes al igual que el alto valor de cada una de las presiones tomadas, a priopi podemos ver quienes están mejor agrupados con relación a cada componente.
Contribución de cada individuo
Primera Componente
La contribución más alta la tienen los individuos 88(7.2%) y 44(7.1%)
Segunda Componente
La contribución más alta la tienen los individuos 19(6.1%), 39(6.6%), 70(6.1%)
Estudio de las variables
El gráfico muestra una estrecha relación entre las variables peso, índice de masa corporal, edad, estatura, con la segunda componente principal, mientras que las presiones (diastólica, sistólica) están estrechamente relacionadas con la primera componente.
CONCLUSIONES Y RECOMENDACIONES
Conclusiones
- Las componentes principales son combinaciones lineales de las variables originales.
- Los coeficientes de las combinaciones lineales son los elementos de los vectores característicos asociados a la matriz de covarianzas de las variables originales. Por tanto, la obtención de componentes principales es un caso típico de cálculo de raíces y vectores característicos de una matriz simétrica.
- La primera componente se asocia al mayor valor propio asociada a la matriz de Varianza-Covarianza.
- La segunda componente se asocia al siguiente valor propio mayor (descendente) asociado a la matriz de Varianza-Covarianza.
- Si se representan las variables originales, su proporción de variabilidad total captada por una componente es igual a su valor propio dividido para el número de variables originales.
Se recomienda hacer una previa clasificación del tipo de variable a usar (cuantitavas, cualitativas).
Es necesario saber manejar software complementario para el análisis de datos y comparación de resultados, en este caso Complementos como: XLSTAT, Matrix.
ANEXOS
CD-ROM:
Cálculos, Tablas y gráficas están anexados en el que se adjunta al informe, desarrollados con la ayuda de Excel 2003, Matrix(componente para Excel) y XLSTAT
FUENTE DE CONSULTA
- Peña D, (2002). Análisis de datos multivariantes, España.
- http://jjgibaja.wordpress.com/
- http://cs.uns.edu.ar/~cic/dm2009/downloads/transparencias/01_dm.pdf
Quituisaca Samaniego Lilia
Escalado multidimensional - Análisis de correspondencia simple
Descargar archivo completo
Para este estudio se ha tomado datos de las distancias existentes entre las principales ciudades del Ecuador.
...
...
Escalado multidimensional
Se dispone de una matriz, D, cuadrada n × n de distancias o disimilaridades entre los n elementos de un conjunto.Para este estudio se ha tomado datos de las distancias existentes entre las principales ciudades del Ecuador.
...
Análisis de correspondencia simple
Datos
El número de tipos de empresas creadas según las regiones del Ecuador| Pequeña | Mediana | Grande | |
| Sierra | 20 | 80 | 100 |
| Costa | 10 | 50 | 300 |
| Oriente | 5 | 10 | 30 |
| Galápagos | 10 | 10 | 40 |
Cálculos
Equivalencia entre los puntos perfiles de fila y columna y la distancia Chi-2...
viernes, junio 08, 2012
Buscando información escondida
Es necesario buscar la verdad de una base de datos transaccional, se lo puede lograr mediante la aplicación de métodos de análisis de datos que aproximaran los resultados a las expectativas puestas en un conjunto de registros almacenados.
Generemos código rehusable
Cada vez que requieres saber algo más, te empeñas en buscar la respuesta precisa. Pero, es necesario que mejores la ayuda que te brindan expertos en programación, la forma de hacerlo es publicando tu CÓDIGO para que alguien más lo mejore.
Antes de realizar algún proceso, es necesario usar la lógica.
lunes, enero 23, 2012
Emprendo Venezuela: La World War Web: O la guerra por el futuro de la ...
Emprendo Venezuela: La World War Web: O la guerra por el futuro de la ...: En este momento, gracias a dos acciones iniciadas en los Estados Unidos, podemos comentar que estamos en presencia del inicio de una g...
Suscribirse a:
Entradas (Atom)