Datos perdidos y atípicos
Convierte la limpieza en prosa STROBE
Datos perdidos y atípicos
Convierte la limpieza en prosa STROBE
Vista previa
Descripción
Ingresa el tamaño de la muestra, la proporción y el patrón de datos faltantes (MCAR/MAR/MNAR), el método utilizado para tratarlos (eliminación por lista, imputación múltiple, etc.) y el método de detección de valores atípicos (puntuación Z, IQR, Mahalanobis). Obtendrás un párrafo académico que puedes incorporar directamente a la sección «Preprocesamiento de datos» de tu artículo. Si existe una contradicción metodológica entre el método elegido y el patrón de datos faltantes —por ejemplo, usar eliminación por lista con un patrón MNAR—, se señalará claramente. Es adecuado para estudiantes de posgrado e investigadores que analizan datos de encuestas o clínicos y quieren redactar la sección de preprocesamiento de datos de forma rápida y precisa.
Recomendado por
Shuting@YouMind
Por qué recomendamos esta habilidad
Convierte la limpieza de datos en una sección de «Procesamiento previo de datos» compatible con STROBE y metodológicamente defendible ante revisores.
Ideal para
Ideal para estudiantes e investigadores que analizan datos de encuestas o clínicos.
Cómo usar este Skill
Proporciona los datos
Proporciona el tamaño de la muestra, la proporción y el patrón de datos faltantes, el método usado, el enfoque para valores atípicos y la muestra final.
Ejecuta el Skill
El asistente evalúa la coherencia metodológica de tu preprocesamiento de datos y lo convierte en un texto académico.
Revisa el resultado
Recibirás un párrafo de preprocesamiento de datos para tu artículo, la justificación del método y una advertencia sobre el análisis de potencia.
Habilidades relacionadas
Ver todo
InvestigaciónRedactor de estadística
Convierte los resultados de estadística descriptiva del usuario (promedio ± DE o mediana (RIC), n (%)) en un párrafo académico de «Características de los participantes», listo para añadir directamente al artículo, y en una tabla con formato de Tabla 1. Selecciona la estadística descriptiva correcta según la normalidad (promedio ± DE frente a mediana (RIC)) y nunca las mezcla. Ideal para estudiantes de posgrado y académicos que realizan investigación cuantitativa y quieren redactar rápida y correctamente la sección «Participantes» de su artículo.
InvestigaciónAsistente de datos faltantes
Cuando ingresas el tamaño de tu muestra, la proporción o el patrón de datos faltantes (MCAR/MAR/MNAR), el método utilizado para tratarlos (eliminación por casos completos, imputación múltiple, etc.) y el método de detección de valores atípicos (puntuación Z, IQR, Mahalanobis), genera un párrafo académico que puedes insertar directamente en la sección "Preprocesamiento de datos" de tu manuscrito. Si existe una contradicción metodológica entre el método elegido y el patrón de datos faltantes (por ejemplo, usar la eliminación por casos completos con un patrón MNAR), la señala explícitamente. Es adecuado para estudiantes de posgrado e investigadores que realizan análisis de datos de encuestas o clínicos y desean redactar la sección de preprocesamiento de datos de forma rápida y correcta.
InvestigaciónRedactor de alfa de Cronbach
Convierte las estadísticas de confiabilidad ingresadas por el usuario (alfa de Cronbach, número de ítems y subdimensiones) en un párrafo académico de «Análisis de confiabilidad» listo para incorporarse directamente a un artículo. Presenta una tabla de aceptabilidad por subdimensión y, si detecta un alfa bajo (<.60), lo señala claramente sin ocultarlo. Es ideal para estudiantes de posgrado e investigadores que utilizan escalas y desean redactar de forma rápida y precisa la sección de método de su tesis o artículo.
Información
- Versión
- v2
- Última actualización
- Créditos por ejecución
- Según el uso
- Modelos
- Automático
- Casos de uso
- Escritura y contenidoInvestigación y análisis
- Qué obtendrás
- Artículo
