• Inicio
• Reportes
  • Encuesta Entomológica 10%
  • Depósitos Preferenciales
  • Mapas - Casos Confirmados
  • Reportes Estadísticos
  • Series de Tiempo
  • Resultados Estadísticos 1
  • Resultados Estadísticos 2
• Modelo Predictivo
• Biología de Vectores
• Noticias
  • Municipales
  • Departamentales
  • Nacionales
  • Internacionales
• Eventos
• Directorio
• Galería de fotos
  • Eventos
  • Instalaciones
  • Equipos de Monitoreo
• Enlaces Relacionados
• • Nacionales
  • Internacionales

enlaces

:: RESULTADOS ESTADÍSTICOS ::

ACTIVIDADES DEL MES DE MAYO

Con la base de datos "Análisis Taxonómico, Especies positivas", Realizamos los siguientes Análisis de Varianza con dos Factores: Barrios y Estadios de larvas con respecto a una variable, estas pueden ser: Barriles, Tinas, Botellas, etc. Con el objetivo de saber si las cantidades de vectores encontrados en las variables (objetos o lugares donde se localiza el vector): barriles, tinas, botellas, etc., tienen diferencia significativa para los factores estudiados, en este caso Barrios y Estadios de las larvas.

1) Con la variable Barriles, se encontró diferencia significativa en los Barrios y el Estadio de las larvas (con un 8% de Error aproximado). Se puede apreciar en la siguiente tabla que cuando el P-Valor (P-value) es menor que 0.05, se concluye con un nivel porcentual de error del 5%, que en los efectos principales, en este caso: Los Barrios y los Estadios de larvas tienen diferencia significativa, en lo que respecta a la variable en estudio. Esto es que para algunos Barrios el número de Barriles encontrados con larvas es diferente, igual ocurre con respecto al Estadio de las larvas pero con un error aproximado del 8%, ya que el p-valor es menor a 0.08, (en rojo).

2) Con la variable Tinas, no se encontró diferencia significativa en los Barrios, ya que el P-Valor (P-value) es mayor que 0.05, esto se puede apreciar en la siguiente tabla. Si se encontró diferencia significativa con respecto a los diferentes Estadios de las larvas. Esto significa que para los distintos Estadios de larvas, el número de tinas encontradas con larvas difieren.

3) Con la variable botellas, se encontró diferencia significativa en los Barrios,. Esto significa que para los distintos barrios el número de botellas encontradas con larvas es diferente. Para el estadio de larvas no hay diferencia significtiva.

4) Corrimos Análisis Factorial con el objetivo de encontrar Factores, estos son variables latentes que inicialmente no aparecen en la tabla de datos, se centro la investigación en cuales variables encontrábamos mas comunalidad: especie de mayor asociación entre las variables con el fin de definir unas nuevas variables que nos permita crear un concepto en función de las variables agrupadas . inicialmente consideramos botellas y las demás abajo descritas. (SEñALADOS COLOR NARANJA) encontramos tres factores según la teoría todos aquellos cuyo valor propio sea mayor que uno.

Definimos tres factores, que lo dejamos a su consideración. Creemos que se trata de la ubicación donde se localiza el vector.

El factor 1: Exterior de la casa (Pilas y Barriles)
El factor 2: Semi interior de la casa (Tinas)
El factor 3: Interior de la casa (Floreros)

ESTE ANALISIS NOS PERMITE DETERMINAR DE ACUERDO A LA CANTIDAD DE LARVAS ENCONTRADAS EN COMUN, PUNTOS DONDE MAYORITARIAMENTE SE PRESENTAN LOS VECTORES.

Notas: Consideramos la variable Otros, en otra corrida, obteniendo un 7% más de explicación, pero se creó un factor más, lo que hace más difícil la interpretación para crear la nueva variable.
ANALISIS FACTORIAL RESULTADOS.

Analysis Summary

Data variables:
BARRILES
PILAS
TINAS
FLOREROS

Data input: observations
Number of complete cases: 1047
Missing value treatment: listwise
Standardized: yes

La siguiente tabla nos indica el porcentaje de varianza (información) sobre los datos retenida en cada uno de los factores, así el factor número 1 retiene el 30.641% de la varianza. Como hemos decidido obtener tres factores, los que retengan más información, observamos que entre los tres primeros retienen el 83.105% de información. La reducción de la dimensionalidad de cuatro, que hay en los datos primitivos, a tres (los tres factores) se hace a costa de una pérdida aproximada del 16.895% de la información.

Type of factoring: principal components
Number of factors extracted: 3

The StatAdvisor

This procedure performs a factor analysis. The purpose of the analysis is to obtain a small number of factors which account for most of the variability in the 4 variables. In this case, 3 factors have been extracted, since 1310720 factors had eigenvalues greater than or equal to 1.0. Together they account for 83.1054% of the variability in the original data. Since you have selected the principal components method, the initial communality estimates have been set to assume that all of the variability in the data is due to common factors.

La siguiente tabla, obtenida después de rotar los factores, nos da información sobre la influencia que tienen las variables primitivas en cada uno de los factores. Esta tabla se usa en ocasiones para dar una interpretación de los factores (en este caso sería el tipo de información sobre las variables contenidas en los factores).

Para facilitar la interpretación de los factores se han señalado (en naranja), para cada variable, el factor en que tiene más peso. De esta forma obtenemos que en el factor 1 influyen sobre todo las variables Barriles y Pilas. En el segundo factor tienen importancia la variable Tinas. El tercer factor se caracteriza por la variable Floreros.

La tabla siguiente nos presenta la comunalidad de cada variable (la comunalidad indica la parte de información, en tanto por 1, sobre cada variable que ha sido retenida por los factores seleccionados).

The StatAdvisor

This table shows the equations which estimate the common factors after rotation has been performed. Rotation is performed in order to simplify the explanation of the factors. The first rotated factor has the equation:

-0.783153 * BARRILES + 0.781588 * PILAS - 0.00263702 * TINAS + 0.00444084 * FLOREROS

where the values of the variables in the equation are standardized by subtracting their means and dividing by their standard deviations. It also shows the estimated communalities, which can be interpreted as estimating the proportion of the variability in each variable attributable to the extracted factors.