Useful academic references for data mining and usage statistics

Relates to the following software for analysing Blackboard stats http://www.edshare.soton.ac.uk/11134/ Is supporting material for the following podcast: http://youtu.be/yHxCzjiYBoU

Covariance, correlations, and r squared

lecture slides for COMP6235

Dice and data : a comic about statistics with a 95 percent chance of being one. 'Dados y datos : cómic hacia la estadística con probabilidad 0,95 de serlo'.

Resumen tomado parcialmente de la propia publicación

Determinación de las condiciones de trabajo y salud del personal de laboratorios universitarios como estrategia de intervención de riesgos laborales

Introducción: Las condiciones de trabajo y salud de la población trabajadora han sido estudiadas en los diferentes sectores económicos, y para esto se han aplicado diversos instrumentos para la identificación de los factores de riesgo. Sin embargo, el estudio en los trabajadores de las instituciones de educación superior, aún es escaso y limitado. Este trabajo de investigación abordó las condiciones de trabajo y salud y los factores de riesgo asociados de los empleados de laboratorios y de talleres de las diferentes unidades de una Universidad privada en Bogotá D.C. Objetivo: Determinar las condiciones de trabajo y salud del personal de laboratorios y de talleres en el 2014 de las diferentes unidades de una Universidad privada en Bogotá D.C. Métodos: Se realizó un estudio de corte transversal, en una muestra de 87 trabajadores de laboratorios y de talleres. En el análisis univariado se calcularon para las variables cualitativas frecuencias y proporciones, y para las variables cuantitativas medidas de tendencia central y dispersión acorde a la distribución de los datos. Para el análisis bivariado, se realizó la comparación de las prevalencias entre los factores de riesgo locativos, físicos, químicos, biológicos, biomecánicos y psicológicos de cada unidad y las condiciones de trabajo y salud; así como su asociación con los factores sociodemográficos y laborales, por medio de la prueba de asociación Chi-Cuadrado de Pearson. El nivel de significancia establecido fue p<0.05. Resultados: Se encontró que las variables respiración de sustancias y manipulación manual de cargas se encuentran asociadas al cargo de los trabajadores de laboratorios y de talleres. También de la muestra de trabajadores la mayoría infirió no tener una exposición significativa a los riesgos locativo, físico, biológico y psicosocial; mientras que para riesgo químico y biomecánico se encontraron frecuencias de más del 60% entre los participantes. Los hallazgos de este estudio corresponden únicamente a la percepción de los trabajadores frente a sus condiciones de trabajo y salud, puesto que no se realizaron mediciones higiénicas ni exámenes médicos a los participantes. Conclusiones: En este estudio se encontró que la exposición a riesgos locativo, físico, biológico y psicosocial es baja; mientras que es alta para riesgo químico debida a la manipulación e inhalación de sustancias químicas tóxicas, y a riesgo biomecánico a causa de las posturas prolongadas y mantenidas, la manipulación manual de cargas, los movimientos repetitivos y realizar fuerzas. En relación a las condiciones de salud mental, se encontró que la población no presenta algún estado emocional o psicológico que llame la atención, lo que en consecuencia se refleja en el buen estado de salud físico.

Admissible statistics of educational test scores. 'Estadisticas admisibles de puntuaciones en test educativos'.

Resumen basado en el de la publicación

An audiovisual material for the teaching of the statistics. 'Un material audiovisual didáctico para la enseñanza de la estadística'.

Resumen basado en el de la publicación

Incongruence between test statistics and P values in medical papers

Given an observed test statistic and its degrees of freedom, one may compute the observed P value with most statistical packages. It is unknown to what extent test statistics and P values are congruent in published medical papers. Methods: We checked the congruence of statistical results reported in all the papers of volumes 409–412 of Nature (2001) and a random sample of 63 results from volumes 322–323 of BMJ (2001). We also tested whether the frequencies of the last digit of a sample of 610 test statistics deviated from a uniform distribution (i.e., equally probable digits).Results: 11.6% (21 of 181) and 11.1% (7 of 63) of the statistical results published in Nature and BMJ respectively during 2001 were incongruent, probably mostly due to rounding, transcription, or type-setting errors. At least one such error appeared in 38% and 25% of the papers of Nature and BMJ, respectively. In 12% of the cases, the significance level might change one or more orders of magnitude. The frequencies of the last digit of statistics deviated from the uniform distribution and suggested digit preference in rounding and reporting.Conclusions: this incongruence of test statistics and P values is another example that statistical practice is generally poor, even in the most renowned scientific journals, and that quality of papers should be more controlled and valued

Distribution and statistics of African mesoscale convective weather systems based on the ISCCP Meteosat imagery

This paper provides for the first time an objective short-term (8 yr) climatology of African convective weather systems based on satellite imagery. Eight years of infrared International Satellite Cloud Climatology Project-European Space Agency's Meteorological Satellite (ISCCP-Meteosat) satellite imagery has been analyzed using objective feature identification, tracking, and statistical techniques for the July, August, and September periods and the region of Africa and the adjacent Atlantic ocean. This allows various diagnostics to be computed and used to study the distribution of mesoscale and synoptic-scale convective weather systems from mesoscale cloud clusters and squall lines to tropical cyclones. An 8-yr seasonal climatology (1983-90) and the seasonal cycle of this convective activity are presented and discussed. Also discussed is the dependence of organized convection for this region, on the orography, convective, and potential instability and vertical wind shear using European Centre for Medium-Range Weather Forecasts reanalysis data.

Spatial variability of flow statistics within regular building arrays

Turbulence statistics obtained by direct numerical simulations are analysed to investigate spatial heterogeneity within regular arrays of building-like cubical obstacles. Two different array layouts are studied, staggered and square, both at a packing density of λp=0.25 . The flow statistics analysed are mean streamwise velocity ( u− ), shear stress ( u′w′−−−− ), turbulent kinetic energy (k) and dispersive stress fraction ( u˜w˜ ). The spatial flow patterns and spatial distribution of these statistics in the two arrays are found to be very different. Local regions of high spatial variability are identified. The overall spatial variances of the statistics are shown to be generally very significant in comparison with their spatial averages within the arrays. Above the arrays the spatial variances as well as dispersive stresses decay rapidly to zero. The heterogeneity is explored further by separately considering six different flow regimes identified within the arrays, described here as: channelling region, constricted region, intersection region, building wake region, canyon region and front-recirculation region. It is found that the flow in the first three regions is relatively homogeneous, but that spatial variances in the latter three regions are large, especially in the building wake and canyon regions. The implication is that, in general, the flow immediately behind (and, to a lesser extent, in front of) a building is much more heterogeneous than elsewhere, even in the relatively dense arrays considered here. Most of the dispersive stress is concentrated in these regions. Considering the experimental difficulties of obtaining enough point measurements to form a representative spatial average, the error incurred by degrading the sampling resolution is investigated. It is found that a good estimate for both area and line averages can be obtained using a relatively small number of strategically located sampling points.