Bloc 3 tercera part (2017)

Apunte Catalán
Universidad Universidad Pompeu Fabra (UPF)
Grado Criminología y Políticas Públicas de Prevención + Derecho - 1º curso
Asignatura Mètodes d'investigació criminològica
Año del apunte 2017
Páginas 14
Fecha de subida 12/07/2017
Descargas 0
Subido por

Vista previa del texto

1) Anàlisis de la informació i interpretació de resultats Anàlisi descriptiu univariat: o Variables quantitatives –representació gràfica- Ø Histograma Els valors de la variable es divideixen en intervals de la mateixa amplitud. Mostren el número de subjectes d’estudi que hi ha dins de cada interval, segons els valors que tingui la variable que estiguem estudiant. S’utilitzen per variables quantitatives. Construcció: Pas 1: Calcular el rang (valor màxim-valor mínim) Pas 2: fixar el número d’intervals Pas 3: calcular l’amplitud d’intervals: Pas 4: construir els intervals (han de ser excloents à [0,5) [5,10)...) Pas 5: fer un recompte del número de subjectes en cada interval Pas 6: dibuixar l’histograma Recomanacions: Ø És un procés interactiu: s’ha de provar diferents opcions i veure com queda l’histograma Ø Quants intervals? De 5 a 10 (per exemple) Ø No és aconsellable introduir massa detall: barres amb 0 o 1 cas. Ø No és aconsellable fer intervals molt amplis, que simplifiquen massa la informació. 3 barres amb tots els casos. Per a què serveixen? Ø Analitzar el patró general de la distribució de valors d’una variable i les seves desviacions. Ø Descriure el patró de la distribució de la variable a través de la forma, el centro i la dispersió de les dades. Ø Simetria: dreta i esquerra de l’histograma presenten imatges semblants Ø Asimetria o Esbiaixada o cua cap a la dreta: més concentració de valors baixos o Esbiaixada o cua cap a l’esquerra: més concentració de valors alts Ø Presencia de valors atípics (valors extrems): provoquen desviacions importants en la distribució à s’allunyen del patró general. o Variables quantitatives –representació numèrica- Mesures de tendència central: Ø Moda à valor més freqüent, el més comú de la mostra. Exemple: dues distribucions de les variables hores extraordinàries treballades per deu operaris, corresponents a dues empreses diferents: Empresa Aà 3,3,5,5,5,6,8,8,9,10 Empresa Bà 2,3,3,3,3,6,7,7,8,9 Quina és la moda? De l’empresa A 5 i de la B 3. Ø Mediana à és una mesura de posició per variables quantitatives. És el valor numèric per sota del qual es troben la meitat de les puntuacions d’una distribució (50%). Divideix la distribució per la meitat. Tan en la mostra com en la població se simbolitza com: Me, P50 (percentil 50), Q2 (quartil 2 o 2n quartil). Per calcular la mediana: 1. Ordenar tots els valors els valors de la variable, de mínim a màxim 2. Si el número de valors és imparell, la mediana és el valor central de la llista ordenada. Número imparell de valors (n=15): 5,6,6,8,15,15,19,21,25,33,34,39,42,42,47. Mediana: 21. 3. Si el número de valors és parell, la mediana és la mitjana entre els dos valors centrals. Número parell de valors (n=16): 3,5,6,8,15,15,19,21,25,33,34,39,42,42,47. Mediana: 19+21/2=20 Ø Mitjana aritmètica à és una mesura de tendència central de variables quantitatives (continues o discretes). Càlcul de la mitjana: Exemple: Variable: edat N= 10 subjectes d’estudi = 10 valors de la variable Edats: 16,18,28,19,22,14,19,17,25,17 Quina és la mitjana? La mitjana és 19,5 à la mitjana de la nostra mostra és 19,5. Mediana vs. Mitjana La mitjana és menys robusta quan hi ha valors atípics. Què vol dir “és menys robusta”? En la mitjana no hi ha tanta diferència quan s’hi afegeix un valor extrem, mentre que amb la mediana sí. (Media en castellà és mitjana i mediana és mediana). Quan hi ha valors atípics és millor fer servir la mitjana. En distribucions simètriques la mitjana i la mediana seran iguals o molt semblants. En distribucions asimètriques la mediana i la mitjana seran diferents à mitjana: centre de gravetat. Mesures de dispersió: sabem descriure el centre o posició central de la distribució de valors d’una variable: mitjana o mediana, però és suficient? Com i per què descriure la dispersió d’una distribució? Ø Variança i desviació típica Desviació típica: mesura de dispersió, basada en les desviacions dels valors de la variable respecte la mitjana. Està associada amb la mitjana. Descriu la diferència entre qualsevol valor de la variable i la mitjana de la variable. L’arrel quadrada positiva de la variança és la desviació típica: Exemple: Ø Quartils La distribució dels valors d’una variable es poden descriure amb 5 números: • Mínim • Primer quartil (Q1): 25% de les dades per sota d’aquest valor • Segon quartil (Q2)=Me=P50): 50% de les dades de cada costat • Tercer quartil (Q3): 25% de les dades per sobre d’aquest valor • Màxim Exemple: Representació gràfica: Bloxpot o diagrama de caixes: o Variables qualitatives –representació gràfica- Ø Diagrama de barres Ø Diagrama de sectors (La suma de totes les variables ha de donar 100%). ATT!!! o Variables qualitatives –representació numèrica- Ø Freqüències: o Freqüència absoluta à número de vegades que una variable agafa un cert valor. o Freqüència acumulada à número de vegades que apareix un valor i tots els anteriors. o Freqüència relativa à part d’individus del total que agafa un cert valor. Normalment s’expressa en %. o Freqüència relativa acumulada à part d’individus del total que agafa un cert valor i tots els anteriors. Normalment s’expressa en %. Exemples: Exercici: a) Les dues observacions atípiques serien 85, 86. Rang= 86-20= 66 Escollim variables: volem 8 variables (tindrem 8 apartat/barres en l’histograma) Amplitud= 66/8= 8,25 (els nostres intervals aniran de 8 en 8 à [20,28) ). En l’histograma el número de metges serà 7 perquè del rang de 20-25 hi ha tres metges, etc. b) Mitjana amb atípics: 41,3; Mediana amb atípics: 34 c) Mitjana sense atípics: 34,5; Mediana sense atípics: 33 a) La distribució és asimètrica. b) El número de gols típic d’un jugador de la lliga és El mínim de gols són 5 i el màxim 27. ...

Comprar Previsualizar