data/locale/es/LC_MESSAGES/statsample.mo in statsample-1.0.0 vs data/locale/es/LC_MESSAGES/statsample.mo in statsample-1.0.1

- old
+ new

@@ -1,38 +1,39 @@ - `aiktz3 -    + - ;I]_}) + 5 AO b ly  $A -[fw -   ! ) 5 -AL[d$j -   -  -*5 =GOX ^  %,AXo  &FI^q! - -#5Nd   -( -/ : DNVgp%%Kh z - ) 36jp    & +9 @NRVZ\w -   - - - # &038\< 3    . ; I V d v x        !:%!`!q!! ! ! !! -! !!(" <"H" _"i"!" """"" - ##0#H#Y#u# -}## # #&#!##$ $ &$0$ ?$I$%O$u$ $$$ $$$$$$% % -% -%*%2% J% V%`%!g%!%%%%%)%&6&H&]&t&&&& & &&'!'3' S't'w''''''#((( <(H(N(b(u(($((( ( () -))%4)Z)k) )) ) -)))) )!) *&*?*X*q***2*** +!+2+B+ T+a+$q++)+ +9+*,0,?, -X,c, y,,,,, ,,,,-----1-5-9-;-Z- r-~- --- ---- ----. . . . #./.2.8.0@k '}H;(VK3l!#)[.TI1RZxt6>z-OeDCW57b \c<SJ:o8 iG4&j{,%NF9=L^ -_E* ~?y$vAQ2fqhwMB`|ua"Xs/p]nmgP+rUYd 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(corrected)%s(filtered)%s(percentil)%s(standarized)AANOVA 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]Cases(listwise)=%d(%d)Cases: %dColumns: %sCommunalitiesComplete dominanceComponentComponent %dComponent matrixComponent transformation matrixConditionalConditional dominanceConstantCorrect 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 varianceEquationErrorExact 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: %sMann-Whitney's UMcGraw & 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 %sPrincipal Axis for %sPrincipal Component AnalysisProblematic ItemsR=%0.3fR^2 Adj=%0.3fR^2=%0.3fRawRegressionReliability AnalisisReliability analysis of scalesReproducibilityRotated Component matrixRows: %sS.L. %S.L.Cum. %S.L.TotalS.d. meanSE(Dij)Sample 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.Error R=%0.3fSum from %sSum meanSum medianSum of ranks %sSum sdSummary for %sSummary for %s with all itemsT 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: %sValid ItemsValid casesValueVariableVariable %dVariances meanVelicer's Average Squared CorrelationsVelicer's MAPWithinWithin GroupsX%dY%dYesZaverage square correlationdata eigenvaluefactors:%sgenerated eigenvaluek=%d Averagemeanmean: %0.4fmedian: %smode: %snn :%dn valid:%dnumber of componentsp.5p.95p: %0.3fpairspreserve?sdsd: %0.4fsesignvarProject-Id-Version: statsample 0.17.0 -POT-Creation-Date: 2010-12-13 12:43-0300 -PO-Revision-Date: 2010-12-14 10:47-0300 +% PQY[djr3 +     +( * 8FZ\z) ( 2 >L _ iv"  ".Da +{ +   !A I U +al{$ +   . +5 @ +JU ]gox ~  % +;F Wav  "C[{~!# +4?EXj +5E^g +n y )B[%d   + )% O3p   ! *6&E lz  +   + +  +&1FJOX ^hjnr u[   ! !3"! V!b!k! |! ! ! ! !!!!!!""3" E"R"f":"""" # # #+# +?# J#X#(n#(# ## ##!$ &$3$"J$m$ +$$$$$$ +% % % +%&9%!`%%% % %% %%%%% &&!& (&2&E&M&`&t&& & +& +&&& & &&!&! '/'I'Y'b')q'' '' '''(%(<(S( h( (((!(( ())+)=)R)j))#)) ))))***$C*h*~**** +***%**+ ,+6+ =+ +I+T+e+m+ +!+++++,.,G,2M,,, ,,,, ,,$-4-)C- m-9---- +-. .#.*.:.I.O. X.d.,~..........// /'/ ;/I/R/ b/n/w/y/ ////// ///// ////b/ku;BWhDAGQ|f{HRIL2 rjls-)c7*6X(Eq.mv:+ +9~w'@i\Vp"Z>[ J4]3C#%Yd=OK`S ?U_,z0e8F $a5M<oT& NytgPx^}1n! 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)AANOVA 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]Cases(listwise)=%d(%d)Cases: %dColumns: %sCommunalitiesComplete dominanceComponentComponent %dComponent matrixComponent matrix (from covariance)Component transformation matrixConditionalConditional dominanceConstantCorrect 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 varianceEquationErrorExact 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 %sPrincipal Axis for %sPrincipal Component AnalysisProblematic ItemsR=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 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.Error R=Sum from %sSum meanSum medianSum of ranks %sSum sdSummary for %sSummary for %s with all itemsT 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: %0.4fsesignvarProject-Id-Version: statsample 1.0.0 +POT-Creation-Date: 2011-01-28 18:40-0300 +PO-Revision-Date: 2011-01-28 18:41-0300 Last-Translator: Claudio Bustos <clbustos@gmail.com> 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(corregido)%s(filtrado)%s(percentil)%s(estandarizado)AAnova 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]Casos (sólo válidos)=%d(%d)Casos: %sColumnas: %sComunalidadesDominancia CompletaComponenteComponente %dMatriz de componentesMatriz de transformación de componentesCondicionalDominancia CondicionalConstanteRespuesta 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 IgualEcuaciónErrorp 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: %sU de Mann-WhitneyMcGraw & 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 %sEjes principales para %sAnálisis de componentes principalesÍtems problemáticosR: %0.3fR^2 Adj=%0.3fR^2=%0.3fEn BrutoRegresiónAnálisis de confiabilidadAnálisis de confiabilidad de escalasReproducibilidadMatriz de componentes rotadaFilas: %sC.C. %C.C. Acum %C.C. TotalPromedio de d.e.EE(Dij)Tamaño 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 estandarizadoError estándar R: %0.3fSuma para %sPromedio de sumaMediana de sumaSuma de rangos %sd.e. de sumaSumario para %sSumario para %s con todos los ítemsEstadístico 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: %sÍtems Válidoscasos válidosValorVariableVariable %dPromedio de las varianzasCorrelaciones Cuadradas Promedio de Velicer PPM de VelicerDentroDentro de gruposX%dY%dSíZcorrelación cuadrada promedioeigenvalue de los datosfactores:%seigenvalue generadok=%d Promediopromediopromedio: %0.3fMediana: %smodo: %snn: %sn válido: %dnúmero de componentesp.5p.95p: %0.3fpares¿preservar?ded.e.: %0.3fdesignovar +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)AAnova 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]Casos (sólo válidos)=%d(%d)Casos: %sColumnas: %sComunalidadesDominancia CompletaComponenteComponente %dMatriz de componentesMatriz de componentes (desde covarianza)Matriz de transformación de componentesCondicionalDominancia CondicionalConstanteRespuesta 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 IgualEcuaciónErrorp 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 %sEjes principales para %sAnálisis de componentes principalesÍtems problemáticosR=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)Tamaño 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 estandarizadoError estándar R=Suma para %sPromedio de sumaMediana de sumaSuma de rangos %sd.e. de sumaSumario para %sSumario para %s con todos los ítemsEstadístico 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.: %0.3fdesignovar \ No newline at end of file