Simulación computacional de datos y aplicaciones en estadística

Compatational simulation of data and applications in statistics

• Claudio Segundo Hurtado Petit Universidad del Zulia. Facultad de Humanidades y Educación. Maracaibo, Venezuela.
• Víctor Riveros Villarreal Universidad del Zulia. Facultad de Humanidades y Educación. Maracaibo, Venezuela.

Palabras clave: Modelo, Simulación, Computación, Datos, Estadística

Resumen

El objetivo del trabajo es generar datos por simulación computacional usando una estructura determinada por un modelo preestablecido. La investigación esdescriptiva y explicativa, se describen las características del modelo propuesto para la simulación de datos y se explicala implementación de la simulación. El diseño de la investigación es experimental dada la naturaleza de la simulación de datos como metodología de “experimentación numérica”. Para ejecutar la simulación se seleccionó
una de las dimensiones del instrumento SCL-90-R, instrumento utilizado para evaluar y describir diversos síntomas psicopatológicos. Se manejó la metodología simulación Monte Carlo, y el programa R; como resultado seobtuvouna matriz de datos correspondientes a la dimensión PAR del instrumento SCL-90-R. Finalmente se comparan histogramas de frecuencia de los datos obtenidos por la simulación, con aquellos obtenidos por investigaciones empíricas hechas usando el mencionado instrumento.

Citas

Armatte, Michel (2006). “La noción de modelo en las ciencias sociales”.EMPIRIA. Revista de metodología de ciencias sociales, 11, 33-70.

Carballo, Nahir, Jaimes, Edgar, Pineda, Neida, Mendoza, José, Garcés, Yolimar y Rodríguez, Hilda (2016). Estimación del tamaño muestral requerido en la modelización con indicadores de calidad de vida.
Universidad Nacional Experimental de los Llanos Ezequiel Zamora Y Universidad de los Andes. [Documento en línea]. Disponible: http://www.postgradovipi.50webs.com/archivos/agrollania/2016/agro11.pdf. [Consulta: 2.021, Agosto 20].

Durán, Juan (2015). “Nociones de simulación computacional: simulaciones y modelos científicos”.Argumentos de la razón técnica, 18, 87-110.

García, Pio (2015). “Caracterización de una noción de simulación a partir de prácticas experimentales”.Principia, 19 (2), 217-234.

Gentle, James (1985). Monte Carlo Methods.The encyclopedia of statistical sciences.Ins S. Kotz y N. L. Johnson (Ed.). Wiley. New York. Vol. 5, pp. 612-617.

Hernández, Roberto, Fernández, Carlos y Baptista, Pilar (2014). Metodología de la Investigación. 6ta Edición. McGraw-Hill/Interamericana Editores, S.A, DE C.V. México.

Jackson, Dennis (2009). “Sample size and number of parameters estimates in maximum likelihood in confirmatory factor analysis: A montecarlo investigation”.Structural Equation Modelling: A Multidisciplinary Journal, 8(2), 205-223.

Matsumoto, Makoto, Nishimura, Takuji (1998). “Mersenne Twister: A 623-dimensionality equidistributed uniform pseudo-random number generator”. ACM Transactions on modeling and computer simulation, 8, 3-30.

Paxton, Pamela, Curran, Patrick, Bollen, Kenneth, Kirby, Jim y Chen, Feinian (2001). “Monte Carlo experiments: design and implementation”.StructuralEquationModeling, 8(2), 287-312.

Robles, José, Andreu, José, y Peña, María (2002). CRL-90-R: Aplicación y análisis de sus propiedades psicométricas en una muestra de sujetos clínicos españoles. Psicopatología clínica, legal y forense, Vol.
2, Nº 1, pp.5-19. [Documento en línea]. Disponible: https://dialnet.unirioja.es/descarga/articulo/2518060.pdf. [Consulta: 2.020, Agosto 21].

Rodriguez, Leonardo y Roggero, Pascal (2014). La modelización y simulación computacional como metodología de investigación social. [Documento en línea]. Disponible:
http://journals.openedition.org/polis/10568. [Consulta: 2.019, noviembre 23].

Sánchez, Jesús, Vela, María, Neila, Marcos, Ragone, Fabiola, Quiero, Alicia, Mesa, Zarina, Lucero, Yesica, Rossi, Denis, Maschi, Celia y Belamate, Carla (2020). Comportamiento psicométrico del inventario de
síntomas revisado SCL-90 R. Administración remota durante confinamiento por Covid-19 en el Gran Mendoza. Universidad de Congreso, Facultad de Ciencias de la Salud. [Documento en línea]. Disponible: https://preprints.scielo.org/index.php/scielo/preprint/view/-802. [Consulta: 2020, junio 15].

Sánchez, Roberto y Ledesma, Rubén (2009). Análisis psicométrico del inventario de síntomas revisado (SCL-90-R) en población clínica. Revista argentina de clínica psicológica, Vol. XVIII, Número 3, pp.
265-274. Documento en línea]. Disponible: https://www.redalyc.org/pdf/2819/281921775007.pdf. [Consulta: 2020, junio 15].

Seoane, María, Arriassecq, Irene y Greca, Ileana (2015). Simulaciones computacionales: un análisis fenomenográfico. Revista de la enseñanza de la física, Vol. 27, Nº Extra, 289-296. [Documento en
línea]. Disponible: https://revistas.unc.edu.ar/index.php/revista-EF/article/view/12618. [Consulta: 2020, Julio 07].