L3|HIQS\bj3~       6 8 FThj)7 N X dr  " $ 4@S my   * 8 ERl   $ !( / 9GOar      (7 @%Lr  &;W `n v$=!Uw ! 3@CLQ U`y   2 @QZp%5R f s  ) 36jp    & 2 @ G U Y ] a c e          !!!! $!.!0!4!8! ;!E!H!!M!o![s!"" """"3 # >#J#S# d# q# ~# # #######$$1$ C$P$d$:~$$$$$ % &% 3%A% U% `%n%(%(% %% % & & &-&!D& f&s&"&& &&& ''9' A'L' ^' k'&y'!''' ' '' ( ((%(B( U(a(j( q({(((((( ( ( ((( ) #)-)!4)!V)x))))))) ** !*+*@*W*n*** * ***!*+ 6+W+Z+t+++++#+ , ,+,1,E,X,s,,$,, ,,,,- --.-%I-o-- -- - ---A- . 8.!B.d.}......2/3/R/h/ {//// //$//0)0 ?09`0000 00 000 11!1 *161,P1}11111111111 11 22$2 42@2I2K2 Q2_2v2z222 22222 222!22<F&Wh'y5; HX]qciraG6)0v.o ,EKk1wN$\ DPSRz4^dM~!-b?O:8> (J*u_T[+A7n@j`xC#%egBI"l{L9}/Y2Z f3=spQUtVm| Matrix%% Column% Row% Total%s (Scale Analysis)%s : r=%0.3f (t:%0.3f, g.l.=%d, p:%0.3f / %s tails)%s Mean%s Table%s results%s rotation%s(centered)%s(corrected)%s(filtered)%s(percentil)%s(standarized)%s: %0.4f | %s: %0.4fAANOVA Two-WayAnova One-WayAnova Two-Way on %sBBartlett's test of sphericityBeta coefficientsBetween GroupsBootstrap %d of %dBootstrap Method: %sBootstrap dominance Analysis: %s over %sBoxplotCI (%0.2f): [%0.4f - %0.4f]CI(%d%%): %0.4f - %0.4fCases(listwise)=%d(%d)Cases: %dColumns: %sCommunalitiesComplete dominanceComponentComponent %dComponent matrixComponent matrix (from covariance)Component transformation matrixConditionalConditional dominanceConstantContrastContrast for %sContrast:%sCorrect answer: %sCorrected dataset from %sCorrelationCorrelation (%s - %s)Correlation Matrix type : %sCorrelation matrix for %sCovarianceCovariances meanCovariate matrix %dCronbach's alphaCrosstab %s - %sCum. %Dataset %dDeleted itemsDescriptivesDistributionDominance Analysis resultDominance Analysis: %s over %sE.TotalEffect sizeEigenvaluesEngine: %sEqual varianceEquationErrorEstimateExact p (Dinneen & Blakesley, 1973):Explained varianceExtractionF TestFactorFactor %dFactor MatrixGeneralGeneral DominanceGeneral averagesHistograma (%s)I.E. %I.E.Cum. %I.E.TotalICC: %0.4fInitialItem meanItem sdItem: %sItemsItems for obtain alpha(0.8) : %dItems for obtain alpha(0.9) : %dItems report for %sIterations: %dKurtosisLevene TestLevene test for equality of variancesLinear Regression Engine: %sMAP for %sMann-Whitney's UMatrix %dMcGraw & Wong ICC(1)McGraw & Wong ICC(A,1)McGraw & Wong ICC(A,K)McGraw & Wong ICC(C,1)McGraw & Wong ICC(C,K)McGraw & Wong ICC(K)Mean and standard deviationMean rpbMeans from %sModel 0Multiple Regression: %s over %sMultiple Scale analysisMultiple reggresion of %s on %sNoNo problematic itemsNon equal varianceNumber of cases: %dNumber of factors: %dNumber of iterations: %dNumber of variables: %dNumber or factors to preserve: %dOverall averagesPCA for %sPairsPairwise dominanceParallel AnalysisParallel Analysis for %sPopulation mean: %0.4fPrincipal Axis for %sPrincipal Component AnalysisProblematic ItemsPsi estimateR=R^2 Adj=R^2=RawRegressionRegression of %s over %sReliability AnalisisReliability analysis of scalesReproducibilityRotated Component matrixRows: %sS.L. %S.L.Cum. %S.L.TotalS.d. meanSE(Dij)Sample mean: %0.4f | Sample sd: %0.4f | se : %0.4fSample size: %d Scale %sScatterplot (%s - %s)Shrout & Fleiss ICC(1,1)Shrout & Fleiss ICC(1,k)Shrout & Fleiss ICC(2,1)Shrout & Fleiss ICC(2,k)Shrout & Fleiss ICC(3,1)Shrout & Fleiss ICC(3,k)SkewnessSkill Scale Reliability Analysis (%s)Standarized Cronbach's alphaStd.Err.of EstimateStd.Error R=Sum from %sSum meanSum medianSum of ranks %sSum sdSummary for %sSummary for %s with all itemsT TestT statisticsTest of Homogeneity of variances (Levene)The number of components is : %dThe smallest average squared correlation is : %0.6fTotalTotal VarianceTotal Variance ExplainedU ValueUnexplained varianceUses SMC: %sVAR_%dValid ItemsValid casesValueVariableVariable %dVariances meanVelicer's Average Squared CorrelationsVelicer's MAPWithinWithin GroupsX%dY%dYesZaaverage square correlationbdata eigenvaluefactors:%sgenerated eigenvaluek=%d Averagemeanmean: %0.4fmedian: %smode: %snn :%dn valid:%dnumber of componentsp.5p.95p: %0.3fpairspreserve?rr^2s.esdsd: %0.4fsesignt(%d) = %0.4f, p=%0.4f (%s tails)varProject-Id-Version: statsample 1.0.1 POT-Creation-Date: 2011-03-03 12:03-0300 PO-Revision-Date: 2011-03-03 12:05-0300 Last-Translator: Claudio Bustos Language-Team: Desarrollador MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit X-Poedit-Language: Spanish X-Poedit-SourceCharset: utf-8 Matriz%% Columna% Fila% Total%s (Análisis de Escala)%s : r=%0.3f (t:%0.3f, g.l.=%d, p:%0.3f / %s colas)Promedio %sTabla %sresultados de %srotación %s%s(centrado)%s(corregido)%s(filtrado)%s(percentil)%s(estandarizado)%s: %0.4f | %s: %0.4fAAnova de dos víasAnova de una víaAnova de dos vías en %sBTest de esfericidad de BartlettCoeficientes betaEntre gruposBootstrap: %d de %dMétodo de Remuestreo: %sResultados del Análisis de Dominancia Bootstrap: %s en %sDiagrama de cajaIC (%0.2f): [%0.4f - %0.4f]IC(%d%%): %0.4f - %0.4fCasos (sólo válidos)=%d(%d)Casos: %sColumnas: %sComunalidadesDominancia CompletaComponenteComponente %dMatriz de componentesMatriz de componentes (desde covarianza)Matriz de transformación de componentesCondicionalDominancia CondicionalConstanteContrasteContraste para %sContraste: %sRespuesta correcta: %sGrupo de datos corregido desde %sCorrelaciónCorrelación (%s - %s)Tipo de matriz de correlacion : %sMatriz de correlaciones para %sCovarianzaPromedio de las covarianzasMatriz de Covarianza %dAlfa de CronbachTabulación cruzada %s - %s% Acum.Dataset %dÍtems eliminadosDescriptivosDistribuciónResultados del análisis de dominanciaAnálisis de dominancia: %s en %sE. TotalTamaño del efectoEigenvaluesMotor: %sVarianza IgualEcuaciónErrorEstimadop exacto (Dinneen & Blakesley, 1973):Varianza explicadaExtracciónPrueba FFactorFactor %dMatriz de FactoresGeneralDominancia GeneralPromedios generalesHistograma (%s)E.I. %E.I. Acum. %E.I. TotalCIC: %0.3fInicialPromedio de los ítemesDE de ItemsÍtem: %sÍtemsÍtems para obtener alfa(0,8): %dÍtems para obtener alfa(0,9): %dReporte de ítems para %sIteraciones: %dCurtosisTest de LeveneTest de Levene para igualdad de variancasMotor de Regresión Linear: %sMAP para %sU de Mann-WhitneyMatriz %dMcGraw & Wong ICC(1)McGraw & Wong ICC(A,1)McGraw & Wong ICC(A,K)McGraw & Wong ICC(C,1)McGraw & Wong ICC(C,K)McGraw & Wong ICC(K)Promedio y desviación estándarrbp medioMedia desde %sModelo 0Regresión Múltiple: %s sobre %sAnálisis de múltiples escalasRegresión Múltiple de %s en %sNoSin ítems problemáticosVarianza DesigualNúmero de casos: %dNúmero de factores: %dNúmero de iteraciones: %dNúmero de variables: %dNúmero de factores a preservar: %dPromedios generalesACP para %sParesDominancia en paresAnálisis ParaleloAnálisis Paralelo para %sPromedio población: %0.4fEjes principales para %sAnálisis de componentes principalesÍtems problemáticosPsi EstimadoR=R^2 Adj=R^2=En BrutoRegresiónRegresión de %s sobre %sAnálisis de confiabilidadAnálisis de confiabilidad de escalasReproducibilidadMatriz de componentes rotadaFilas: %sC.C. %C.C. Acum %C.C. TotalPromedio de d.e.EE(Dij)Media de la muestra: %0.4f | DE de la muestra: %0.4f | EE : %0.4fTamaño de muestra: %d Escala %sDiagrama de dispersión (%s - %s)Shrout & Fleiss ICC(1,1)Shrout & Fleiss ICC(1,k)Shrout & Fleiss ICC(2,1)Shrout & Fleiss ICC(2,k)Shrout & Fleiss ICC(3,1)Shrout & Fleiss ICC(3,k)SesgoAnálisis de confiabilidad de escalas de habilidadAlfa de Cronbach estandarizadoErr.Est. del EstimadoError estándar R=Suma para %sPromedio de sumaMediana de sumaSuma de rangos %sd.e. de sumaSumario para %sSumario para %s con todos los ítemsPrueba TEstadístico TTest de homogeneidad de varianza (Levene)El número de componentes es: %dLa correlación cuadrada promedio más pequeña es: %0.6fTotalVarianza TotalVarianza Total ExplicadaValor de UVarianza sin explicarUsa SMC: %sVAR_%dÍtems Válidoscasos válidosValorVariableVariable %dPromedio de las varianzasCorrelaciones Cuadradas Promedio de Velicer PPM de VelicerDentroDentro de gruposX%dY%dSíZacorrelación cuadrada promediobeigenvalue de los datosfactores:%seigenvalue generadok=%d Promediopromediopromedio: %0.3fMediana: %smodo: %snn: %sn válido: %dnúmero de componentesp.5p.95p: %0.3fpares¿preservar?rr^2e.e.ded.e.: %0.3fdesignot(%d) = %0.4f, p=%0.4f (%s colas)var