Descargar la presentación
La descarga está en progreso. Por favor, espere
1
Ajustes de datos: manejo de datos ausentes y de rezagados.
Capítulo 7 de McCune y Grace 2002
2
Cotejo de errores de datos
Errores ocurren a menudo al pasar datos de hojas de datos a computadora. Casi siempre se encuentran luego de comenzado los análisis. Conviene hacer el cotejo antes de comenzar cualquier ajuste de datos o análisis.
3
Datos ausentes Decisiones sobre qué hacer con datos ausentes dependerá de la cantidad y el patrón de esos datos.
4
Según la cantidad de datos ausentes
Si muchos: ¿conviene analizar dichos datos? Si pocos: Eliminar variables (e.g., especies) objetos (e.g., unidades de muestra) O sustituir con valores razonables
5
Según el patrón de datos ausentes
Si concentrados en columnas o filas particulares considerar eliminarlas. Si son pocos pero regados por la matriz considerar: Sustituir por conocimiento previo Sustitutuir por promedio o mediana Sustituir por valor esperado según una regresión
6
Rezagados Rezagados = unidades de muestreo que tienen:
valores extremos para especies particulares o combinaciones inusuales de valores para más de una especie
7
Causas para rezagados Uno o más valores altos
Totales de unidad de muestreo bien altos Totales de unidad de muestreo bien bajos Coincidencia de especies raras
8
Detección de rezagados
Criterio general: localizados > 2 desviaciones estándar de distribución de valores o de distribución de distancias
9
Detección de rezagados
10
Detección de rezagados
Herramientas en Pcord: Outlier analysis: calcula distancias promedio, examina aquellas muestras (o especies) que quedan > cierto # de desviaciones estándar del promedio. Correr ordenación y buscarlos visualmente.
11
Manejo de rezagados Cotejar datos sean correctos
Considerar si realmente pertencen a la población de interés Si no es así, eliminar Si pertenecen, considerar transformar datos.
12
Ejercicio Busquen rezagados en oakraw_t
Presentaciones similares
