ene
FEB
mar
4
2009
2010
2011
1 capturas
4 feb 10 - 4 feb 10
Cerrar
Ayuda
Eustat
Hasiera
Identifikatu
Erabilerraztasuna
Mapa
Laguntza
Kontaktua
euskara |
español
|
english
Estekak
Zerbitzuak
Antolakundea
Datu-Bankua
Gaiak
Hemen zaude:
Hasiera
Zerbitzuak
Nazioarteko Estadistika Mintegia
Mintegia
Mintegia
Procedimiento de Depuración de Datos Estadísticos / Datu estatistikoen garbiketa jardunbidea / Procedures of Editing Statistical Data
INDICE
PARTE I
CONCEPTOS GENERALES DE DEPURACION DE DATOS
PRESENTACION (15)
LA DEPURACION DE DATOS: UN PROCESO DE CONTROL DE LACALIDAD Y CONSISTENClA DE LOS DATOS ESTADlSTICOS (21)
LA PRODUCCION DE DATOS ESTADISTICOS (21)
LOS ERRORES EN LOS DATOS ESTADISTICOS (24)
LA DEPURACION DE DATOS ESTADISTICOS (26)
Funciones de la depuración (26)
Tareas de la depuración (27)
Los métodos para la depuración (28)
EL COSTE DE LA DEPURACION (29)
CRITICAS A LA DEPURACION (30)
FASES PREVIAS A LA DEPURACION DE DATOS (33)
CONTROL DE COMPLEJITUD (33)
GRABACION DE LOS DATOS (33)
CONTROL DE IDENTIFICACIONES (34)
CONTROL DE COBERTURA (35)
CONTROL DE TIPO DE DATO (36)
CONTROL DE FORMATO (36)
TABLAS DE ANALlSIS (36)
MICRO-DEPURACION DE DATOS L DETECCIOBN DE ERRORES SELECCION DE VARIABLES A MODIFICAR Y CORRECCION MANUAL (39)
INTRODUCCION (39)
DETECCION DE ERRORES: LOS EDITS (39)
EL ANALISIS DE LOS EDITS (40)
LA IDENTIFICACION DE LOS CAMPOS A MODIFICAR (42)
ASIGNACION DE VALORES A LOS CAMPOS IDENTIFICADOS CON ERROR (43)
EL DISEñO DE LA ESTRATEGIA DE DETECCION DE ERRORES CON CORRECCION MANUAL: ASPECTOS A CONSIDERAR (45)
MICRODEPURACION DE DATOS II: LAIMPUTACION AUTOMATICA (47)
INTRODUCCION (47)
LOS SUPUESTOS DE LOS PROCEDIMIENTOS DE IMPUTACION (47)
LOS PROCEDIMIENTO DE IMPUTACION (50)
Procedimientos de imputación con Registro Donante (51)
Los procedimientos de regresión (53)
EL DISEÑO DE LA ESTRATEGIA DE IMPUTACION AUTOMATICA: ASPECTOS A CONSIDERAR (57)
LA MACRO-DEPURACION (59)
CARACTERISTICAS DE LA MACRO-DEPURACION (59)
LOS PROCEDIMIENTOS DE MACRO-DEPURACION (61)
MACRO-DEPURACION versus MICRO-DEPURACION (66)
El diseño de la estrategia de depuración.Aspectos a considerar (67)
PARTE II
LOS SISTEMAS GENERALES DE DEPURACION DE DATOS
INTRODUCCION (73)
CARACTERISTICAS Y LIMITACIONES DE LOS SISTEMAS GENERALES DE DEPURACION DE DATOS (74)
LAS FUNCIONES DE LOS SISTEMAS GENERALES DEDEPURACION (75)
LA METODOLOGlA DE FFl.l.EGI Y HOLT (77)
INTRODUCCION (77)
IDEAS BASICAS (78)
DESCRIPCION DE LA METODOLOGIA (79)
Los edits explicitos (79)
Edits implicados (83)
Los edits numéricos (86)
Análisis de los edits (88)
Tratamiento de los datos a depurar (88)
Detección de errores (89)
Selección de variables a imputar (89)
Selección de códigos a imputar (90)
SlSTEMA DIA (93)
INTRODUCCION (93)
LA METODOLOGIA DE DATOS (95)
LAS ESPECIFICACIONES DEL USUARIO (96)
Los edits en DIA
Las reglas de imputación determinísticas: rid (98)
EL ANALIZADOR DE REGLAS
El analizador de rid
El analizador edit (103)
El analizador rid-edit (103)
EL PROCESO DE LOS DATOS
INFORMES (112)
ARQUITECTURA DE DIA (113)
Fase de Proceso de las Especificaciones (113)
Fase de Proceso de los Datos (114)
LA EXPERIENCIA CON DIA (115)
EL SISTEMA SPEER (117)
INTRODUCCION AL SPEER (117)
Características de SPEER (117)
El registro de datos utilizado para la ilustración de ejemplos (118)
DEFINICIONES DEL EDIT Y GENERACION DE EDITS IMPLICITOS (119)
LOCALIZACION DE ERRORES
LOS PROCEDIMIENTOS DE IMPUTACION (124)
Determinación de la región de aceptación de los valores a imputar
Las estrategias de imputación (124)
EL TIPO DE CAMPOS EN SPEER (125)
RESUMEN y ORGANIGRAMA de FUNCIONES (126)
MBSPEER: UN MARCO PARA LA DEPURACION DE DATOSCUANTITATIVOS (127)
MBSPEER. Las funciones inteeractivas (127)
MBSPEER. Las fases automáticas depuración (129)
EL SISTEMA GEIS (131)
INTRODUCCION (131)
Características de GEIS (131)
LOS EDITS EN GEIS (133)
ANALlSIS DE EDITS
APLICACIONES DE LOS EDITS (137)
LOCALIZACION DE ERRORFS (138)
LA FUNCION DE IMPUTACION (141)
Imputación Determinística (141)
mutación DONOR (142)
Determinación de las variables "Macbintg" (142)
Transformación de los campos "Macbintg' (142)
El árbol K-D (143)
La búsqneda de un DONOR apropiado (144)
RESUMEN y ORGANIGRAMA DE FUNCIONES (146)
LA ESTIMACION MAXIMO-VEROSIMIL. CON EL ALGORITMO (147)
lNTRODUCCION (147)
EL ALGORITMO EM (149)
EL SISTEMA CIDAC DE DEPURACION DE DATOS CUANTITATIVOS (153)
INTRODUCCION (153)
LAS DISTINTAS ETAPAS DE LA DEPURCION EN CIDAC (154)
El análisis previo de los datos (154)
Estimación de parámetros (154)
La detección de registros outliers (157)
La localización de valores outliers en registros outliers. (158)
Imputación de campos a imputar (159)
Transformación inversa (160)
LA IMPLEMENTACION DE LA METODOLOGIA CIDAC (160)
CONCLUSIONES SOBRE CIDAD (160)
BIBLIOGRAFIA (163)
Zerbitzuen Karta
Prentsa zerbitzua
Mapak eta kalezerrenda
Nazioarteko Estatistika Mintegia
Udako-ikastaroak
Produktuen katalogoa
Estatistika-hiztegia
Informazio-Zerbitzua
Laguntza tekniko eta metodologikoa
Mikrodatu fitxategia
Prestakuntza
Kexa eta iradokizunak
Jaitsi
Kontratuak eta lehiaketak
Zuzendariaren ongi etorria
Eustaten Plan Estrategikoa 2008-2012
Euskal estatistika sistema
Legezko xedapenak
Euskal Estatistika Kontseilua. 2006 Txostena
Praktika egokien kodea
Nazioarteko Harremanak eta Lankidetzakoak
Eustaten XX. Urteurrena
Serie estatistikoak gaika
Jakingarriak: datu-bankua
Mapak
Biztanleria
Ekonomia
Gizartea
Lurraldea eta ingurumena
Informazioaren Gizartea, I+G+b