Sie sind auf Seite 1von 43

223

CAPITULO VI
6.2 VENTANAS DEL SPSS
PAUTAS BASICAS DEL SPSS Y AMATLAB
Para entrar en el SPSS hacer doble clic en el icono SPSS. Aparecer
la figura 6.1 con las siguientes ventanas:
6.1 INTRODUCCION
Figura 6.1 Ventanas de aplicacin, de edicin de datos y de salida
SPSS-13.0 ofrece una gama de posibilidades para llevar a cabo todo
el proceso de anlisis de informacin. Genera la informacin que
necesita el investigador para tomar decisiones acertadas, utilizando
procedimientos estadsticos y presentando los resultados en tablas y
grficos.
Existen publicaciones ampliamente conocidas como Anlisis
estadstico con SPSS para WINDOWS de Visauta, Estadstica con
SPSS en su versin 12 de Nel Quezada, que abordan con detalle y
amplitud diversos procedimientos del SPSS y al que deber remitirse el
lector interesado en temas especializados del software estadstico
SPSS.
No se pretende hacer un libro del SPSS, sino un manual o gua
sencilla que el lector puede usar, con comandos claros y especficos
para obtener los resultados presentados en los captulos anteriores del
presente libro o cuando desea realizar el anlisis estadstico de la base
de datos de su inters, con el auxilio del software estadstico SPSS 12.
En el presente captulo se usan algunas bases de datos que se han
preparado especialmente para esta publicacin como tambin para el
libro ESTADISTICA DESCRIPTIVA con soporte del SPSS. Cabe
indicar que en cada uno de los captulos precedentes del presente libro
se han presentado los comandos del SPSS que permitieron ejecutar
los procedimientos correspondientes y aqu:

Se presentan los procedimientos de estadstica descriptiva, que si


bien escapan a nuestros objetivos, seguramente para muchos
usuarios sern de utilidad.
Se usan otras bases de datos que corresponden a la primera
publicacin para ilustrar los tpicos de pruebas de hiptesis,
asociaciones, correlacin y regresin.

Ventana de aplicacin

Ventana de datos

Ventana de variables

Ventana de salida

224

Ventana de Aplicaciones: Contiene la barra de mens


distintas opciones del programa.

con las

Ventana de edicin (data editor): Contienen el archivo de datos con


el que se est trabajando. Esta ventana se abre automticamente al
iniciar una sesin de SPSS.
Ventana de salida (output): Es una pantalla donde aparecen los
resultados de los anlisis estadsticos realizados con el programa.
Estos resultados se pueden archivar para su utilizacin posterior.
Ventana de carrusel de grficos: Se abre con el primer grfico
generado en una sesin de SPSS y los sucesivos se van incorporando
a la misma.
Ventana de grficos: Permite modificar y archivar grficos en archivos
extensin .cht.
Ventana de sintaxis: Se puede pegar en esta ventana la sintaxis de
los comandos seleccionados desde la ventana de dilogo de cualquier
opcin. Permite editar la sintaxis de estos comandos y ampliarla con
aquellas opciones que tienen el lenguaje SPSS, pero que no estn
disponibles a travs de mens.
Siempre que hagamos un anlisis con SPSS, los resultados irn a la
ventana de salida (output).
6.3

MEN PRINCIPAL

Desde el men se accede a la mayora de las funciones del SPSS. El


men principal tienen las siguientes opciones:
File: Permite crear un nuevo archivo SPSS, abrir un archivo ya
existente, grabar, leer datos creados con otras aplicaciones etc.
Edit : Contiene las opciones de Windows para copiar datos, buscar
,etc.

Data: Contiene opciones para hacer cambios que afectan a todo el


archivo de datos (unir archivos, transponer variables y casos, crear
subconjuntos de casos, etc.). Estos cambios son temporales mientras
no se guarde explcitamente el archivo.
Transform: Permite cambios sobre variables seleccionadas, permite la
creacin de nuevas variables. Estos cambios son temporales mientras
no se guarde explcitamente el archivo.
Analyze: Desde esta opcin se ejecutan todos los procedimientos
estadsticos.
Graphs
: Desde esta opcin se realizan todos los grficos
estadsticos.
Utilities : Permite cambiar fuentes, obtener informacin completa del
archivo de datos, acceder a un ndice de comandos SPSS, etc.
Windows: Ordena, selecciona, controla atributos de las ventanas
abiertas.
Help

: Abre un archivo estndar de ayuda Windows.

6.4 PROCEDIMIENTOS
ESTADISTICO

BASICOS

PARA

UN

ANALISIS

Para realizar cualquier anlisis estadstico con el SPSS tenemos que


realizar estas tres operaciones bsicas:
a) Seleccionar cualquier base de datos
b) Seleccionar del men principal el procedimiento estadstico
deseado
c) Seleccionar las variables a incluir en el anlisis y otros parmetros
adicionales

225

CREAR LA
BASE DE
DATOS

SELECCIONAR
EL
PROCEDIMIENT
O ESTADISTICO

SELECCIONAR
LA VARIABLE

VARIABLE VIEW : permite definir las variables


RESULTADOS

CREAR UN ARCHIVO NUEVO


file/
new/
data/
Aparece la hoja de datos en blanco, donde cada fila es para un
caso o individuo y cada columna es para una variable.
Variable view: permite definir las variables.
SELECCIONAR UN ARCHIVO DE DATOS
File/
Open/
Data/
Nombre del archivo/ Podemos seleccionar un archivo de la lista
o especificar una ruta y extensin de inters.
Abrir.

Vamos a ilustrar con la base de DATOS1-maestra, usando las


variables sexo y coeficiente de inteligencia.

NO NUMERICAS

NAME
TYPE
WIDTH
LABEL
VALUE
VALUE LABEL
VALUE
VALUE LABEL
DATA VIEW

: SEXO (nombre de la variable)


: STRING
: 8
: SEXO DE LOS ESTUDIANTES
: 1
: FEMENINO
: 2
: MASCULINO
: se procede a declarar los datos

NUMERICAS
VARIABLE VIEW : permite definir las variables
NAME

: INTELIGENCIA

TYPE
: NUMERICA
WIDTH
: 8
DECIMALS : 0
LABEL
: COEFICIENTE DE INTELIGENCIA
DATA VIEW : se procede a declarar los datos
El ancho mximo es de 40 caracteres y el nmero de decimales 16.
As, en la base de DATOS10-maestra ya se crearon las variables
sexo, coeficiente de inteligencia, situacin laboral y nota de ingreso a la
maestra.

226

Se quiere abrir el archivo DATOS10-maestra.

variable

Figura 6.3 Variables creadas en el archivo


DATOS10-maestra

unidad

GUARDAR UN ARCHIVO
FILE/
SAVE AS/
NOMBRE DEL ARCHIVO : DATOS1-maestra
GUARDAR
Vista de datos
Figura 6.2

Relacin de archivos creados, entre ellos DATOS10maestra

Vista de variables
Este libro solamente trata de inferencia estadstica, pero no hemos
querido soslayar los temas de estadstica descriptiva y que ilustramos
con bases de datos que corresponden al libro: ESTADISTICA
DESCRIPTIVA con soporte del SPSS(Gmez, et.al. 2005).
A continuacin podemos seleccionar cualquiera de los procedimientos
estadstico, correspondiente a los temas tratados en el presente libro. A
travs de todo el libro se ilustra con las diversas bases de datos.

227

6.5 PROCEDIMIENTOS ESTADISTICOS

Luego, se selecciona(n) la(s ) variable(s) que se quiere usar en el


procedimiento de anlisis o en el grfico seleccionado.

Luego de ingresar los datos al EDITOR , debe elegirse un


procedimiento en el men ANALIZE para poder obtener los resultados
deseados. El software nos permite realizar informes estadsticos
descriptivos
que incluyen tablas de frecuencias, grficos,
correlaciones, rectas de regresin entre otros.
Figura 6.4 Relacin de procedimientos estadsticos

Figura 6.6 Relacin de variables


variable

Elegir el procedimiento

El paso final es el examen de resultados en la ventana OUTPUT . Esta


ventana muestra dos paneles, el de izquierda con el conjunto de
titulares de los elementos situados en el panel de la derecha.
Despus de abrir el archivo, se selecciona el procedimiento estadstico.
En la ilustracin se ha seleccionado el procedimiento de estadsticas
descriptivas y se quiere hacer la tabla de frecuencias.
Figura 6.5 Seleccionar el procedimiento estadstico

Figura 6.7 Resultados(output) del procedimiento tabla de frecuencias


Conjunto de titulares

elementos grficos: tablas o grficos

228

frequency

Si se desea un grfico descriptivo, se elige en el men GRAFICOS,


puede ser normal o interactivo, en cuyo caso se podr modificar
posteriormente las variables usadas.
Los resultados y grficos que se genera se van acumulando para su
posterior impresin o almacenamiento en disco. En el caso de
grficos interactivos podemos modificar directamente, sin necesidad de
volver a generar otra vez el grfico.
6.5.1 Frecuencias para variables cualitativas
El procedimiento permite obtener una descripcin de la distribucin de
la variable a partir de la tabla de frecuencias, medidas de tendencia
central, percentiles, medidas de dispersin, etc.
Cabe reiterar que para realizar cualquier procedimiento debe crearse o
abrirse la base de datos. Se ilustra con la base DATOS2-matemtica.
Para construir una
opciones:

: las frecuencias absolutas para cada valor o categora


de la variable.
percent
: las frecuencias relativas multiplicadas por el 100%,
incluyendo los valores perdidos.
valid percent : las frecuencias relativas multiplicadas por el 100%,
eliminando de la muestra los valores perdidos.
cumulate percent : las frecuencias relativas acumuladas multiplicadas
por el 100%.
Al final de la tabla se tiene el nmero total de casos vlidos y el nmero
total de casos perdidos.
Nota: En la opcin FREQUENCIES/FORMAT/ se tienen diversas
opciones para ordenar la tabla de frecuencias segn los valores de la
variable o las frecuencias, y en orden ascendente o descendente. Para
poder utilizar esta opcin no podemos solicitar ni valores de percentiles
ni histogramas.

tabla de frecuencias seleccionar los siguientes


6.5.2

ANALYZE/ DESCRIPTIVE STATISTICS/FREQUENCIES/ en el cuadro


de dilogo que aparece se elige la variable MEDIO TRANSPORTE/ se
pulsa OK para ejecutar el procedimiento con las opciones por defecto.
A continuacin se presenta la salida del SPSS.
Tabla 6.1 Medio de transporte para ir a la universidad

Valid

Frequency Percent
5
2.5

Valid
Percent
2.5

Cumulative
Percent
2.5

vehculo de familiares
transporte pblico

13
110

6.5
55.0

6.5
55.0

9.0
64.0

transporte universidad

72

36.0

36.0

100.0

Total

200

100.0

100.0

vehculo propio

Se nos muestra:
value

: los distintos valores o categoras de la variable.

Frecuencias para variables cuantitativas

Variables discretas
Para ilustrar consideremos la variable X5 de base de DATOS4ciudadana. Abrir la base de datos y ejecutar los siguientes comandos:
ANALYZE/ DESCRIPTIVE STATISTICS/FREQUENCIES/ en el cuadro
de dilogo que aparece
elegir la variable NUMERO DE
ORGANIZACIONES SOCIALES CERCANAS A SU DOMICILIO/
pulsar OK para ejecutar el procedimiento con las opciones por defecto.

229
NMERO ORGANIZACIONES SOCIALES CERCANAS DOMICILIO

Valid

1
2
3
4
5
Total

Frequency
10
27
37
21
5
100

Percent
10.0
27.0
37.0
21.0
5.0
100.0

Valid Percent
10.0
27.0
37.0
21.0
5.0
100.0

Cumulative
Percent
10.0
37.0
74.0
95.0
100.0

Variables continuas
Para construir la tabla considerar la variable coeficiente de inteligencia
de la base de DATOS1- maestra y ejecutar los siguientes comandos:
ANALYZE/ DESCRIPTIVE STATISTICS/FREQUENCIES/ en el cuadro
de dilogo que aparece elegir la variable INTELIGENCIA/ pulsar OK
para ejecutar el procedimiento con las opciones por defecto.
El output del SPSS muestra la siguiente tabla.
Tabla 6.2 Tabla de frecuencias para la variable coeficiente de
inteligencia
Inteligencia
Frequency
Percent
Valid
Cumulative
Percent
Percent
1.4
1.4
Valid
93
1
1.4
2.9
2.9
4.3
93
2
5.7
94
1
1.4
1.4
1.4
7.1
94
1
1.4
95
1
1.4
1.4
8.6
1.4
92.9
114
1
1.4
116
1
1.4
1.4
94.3
95.7
117
1
1.4
1.4
1.4
1.4
97.1
118
1
2.9
100.0
120
2
2.9
Total
70
100.0
100.0

La tabla 6.2 muestra una parte de la tabla de frecuencias bsica para


una variable cuantitativa como si se tratara de una variable cualitativa,
pero por la teora estadstica sabemos que dicha presentacin debe
hacerse en intervalos de clase. A continuacin se describen los pasos
a seguir para la presentacin en intervalos de clase, suponiendo que se
desea presentar en 7 intervalos de clase.
a) Se establece previamente los limites de los intervalos, para lo cual
se obtiene el valor mximo: 120, el valor mnimo: 93, el rango: 27 y
la amplitud de cada intervalo: 4. As, si seleccionamos los intervalos
semiabiertos como ya fue sealado en el captulo 2, los lmites de
los intervalos son:

[92 96 [
[96 100 [
[100 104 [ .
[104 108 [
[108 112 [
[112 116 [
[116 120 ]
b) Se crea una variable ficticia con cdigos: 1, 2, 3, 4, 5, 6 y 7, a la
que se denomina INTELI1, donde
se guardan los valores
contenidos en cada uno de los intervalos propuestos, para lo que
se usan los siguientes comandos:
TRANSFORM/ RECODE/ INTO DIFFERENT VARIABLES/ En el
cuadro de dilogo que se presenta elegir como variable INPUT la
variable INTELIGENCIA/ a la variable output darle el nombre
INTELI1/ presionar CHANGE/ OLD & NEW VALUES/ en el nuevo
cuadro de dilogo que se presenta colocar como antiguos valores
los intervalos de clase y como nuevos valores los cdigos de 1 a
5, siguiendo la siguiente secuencia:
pulsar RANGE/ colocar el primer intervalo
92 y 95.99 y pulsar : 1 en new
96 y 99.99
: 2 en new
100 y 103.99
: 3 en new
104 y 107.99
: 4 en new
..
: ..
116 y 120
: 7 en new

230

pulsar CONTINUE / y OK para ejecutar.


En la base de datos se ha creado una nueva variable denominada:
INTELI1.
Figura 6.7
Comando Recode para recodificar inteligencia en INTELI1

c) Se pide la tabla de frecuencias para la variable ficticia COEFI1,


ejecutando los siguientes comandos:
ANALYZE/ DESCRIPTIVE STATISTICS/FREQUENCIES/ elegir la
variable INTELI/ DISPLAY FREQUENCY TABLES/ OK. En el
OUTPUT se lee la siguiente tabla.
d) Hacer la equivalencia entre los cdigos de la variable INTELI1 y los
intervalos de la variable coeficiente de inteligencia, usando los
comandos:
VARIABLE VIEW/ NAME(INTELI1)/ VALUES /
VALUE 1 /VALUE LABEL
VALUE 2/VALUE LABEL
VALUE 3/VALUE LABEL
VALUE 4/VALUE LABEL
.
VALUE 7/VALUE LABEL

[92 96[
[96 100[
[100 104[
[108 112[

...

[116 120] .

e) Reconstruir la tabla de frecuencias para la variable coeficiente de


inteligencia, con tan solo hacer el cambio de variable de INTELI1
por coeficiente de inteligencia. En el output se lee lo siguiente.

Valid

Se termina de declarar la equivalencia entre la variable original


coeficiente de inteligencia y se ha creado la variable ficticia INTELI1.

Tabla 6.3
Distribucin de frecuencias de la variable ficticia
NTELI
Valid
Cumulative
Frequency Percent
Percent
Percent
1
9
12,9
12,9
12,9
2
28
40,0
40,0
52,9
3
13
18,6
18,6
71,4
4
12
17,1
17,1
88,6
5
2
2,9
2,9
91,4
6
2
2,9
2,9
94,3
7
4
5,7
5,7
100,0
Total
70
100,0
100,0

231

A partir de la salida del SPSS se hace la Distribucin de frecuencias


absolutas, relativas y acumuladas para la variable coeficiente de
inteligencia.

Figura 6.8 Grfico de barras para la variable sexo de los estudiantes

50

Tabla 6.4
Distribucin de frecuencias de la variable coeficiente de inteligencia
40

Frecuencia
relativa
en
porcentaje

Frecuencia
relativa
acumulada
porcentaje

hi %

Hi %

[ 92- 96 )

0.129

0.129

12,9

12,9

[ 96-100 )

28

0.400

37

0.529

40,0

52,9

[100-104)

13

0.186

50

0.714

18,6

71,4

[104-108)

12

0.171

62

0.886

17,1

88,6

[108-112)

0.029

64

0.914

2,9

91,4

[112-116)

0.029

66

0.943

2,9

94,3

[116-120]

0.057

70

1.000

5,7

100,0

Total

70

100.0

30

Count

Coeficiente Frecuencia Frecuencia Frecuencia Frecuencia


de
absoluta relativa
absoluta relativa
inteligencia
acumulada acumulada
Intervalos
de clase
f
h
F
H

20

10

0
femenino

6.5.3

masculino

sexo de los estudiantes

100.0

Grficos para variables cualitativas

a)
Para construir un grfico de barras para la variable sexo,
seleccionar los siguientes comandos:
GRAPHS/ BAR/SIMPLE/ DEFINE/ en category axis declarar SEXO/
marcar N CASOS/ y presionar OK para ejecutar el grfico.

b) Para construir una


siguientes comandos:

grfico de SECTORES

seleccionar los

GRAPHS/ INTERACTIVE/ PIE/ SIMPLE / en el cuadro de dilogo


colocar en DEFINE SLICES BY la variable SEXO/ activar PIES/
seleccionar PERCENT/ ACEPTAR .

232

Figura 6. 9 Grfico de sectores de la variable sexo de los


estudiantes

Figura 6.10 Histograma de la variable coeficiente de inteligencia

20

sexo de los estudiantes

Pi es show counts

15

Frequency

femenino
masculino

10

41.43%

58.57%
Mean = 101,77
Std. Dev. = 6,294
N = 70
0
95

100

105

110

115

120

inteligencia

Otra alternativa es usando los siguientes comandos:

6.5.4 Grficos para variables cuantitativas

Para construir el histograma de frecuencias presentado en la Figura


7.12 se usan los siguientes comandos:
GRAPHS/HISTOGRAM/
SELECCIONAR la variable INTELIGENCIA / DISPLAY NORMAL
CURVE/ OK.

GRAPHS/INTERACTIVE/HISTOGRAM/presionar ASIGN VARIABLES


y colocar COUNT e INTELI1/ en HISTOGRAM elegir 7 intervalos/ si
desea
coloca
el
ttulo/
para
ejecutar
elegir

233

ACEPTAR.

Figura

Figura 2.5 Histograma de frecuencias absolutas para los


coeficientes de inteligencia

30 %

Percent

20

Count

15

20 %

10

10 %

0%
0
2.0 0

3.0 0

4.0 0

5.0 0

6.0 0

INTELIG1

2.0 0

3.0 0

4.0 0

5.0 0

6.0 0

INTELI1

Para frecuencias acumuladas:


Para hacer el grfico de frecuencias relativas cambiar COUNT por
PERCENTS.

GRAPHS/INTERACTIVE/HISTOGRAM/CUMULATIVE HISTOGRAM/
presionar ASIGN VARIABLES y colocar COUNT e INTELI1/ en
HISTOGRAM elegir 7 intervalos/ si desea coloca el ttulo/ para
ejecutar elegir ACEPTAR. Para hacer el grfico de frecuencias
relativas cambiar COUNT por PERCENTS.

234

ANALYZE/ DESCRIPTIVE STATISTICS/FREQUENCIES/ elegir la


variable INTELIGENCIA/ presionar STATISTICS/ seleccionar
MEAN MEDIAN MODE SUM
STD DEVIATION VARIANCE MINIMUN MAXIMUN,
PERCENTILES 10 ADD
20 ADD /CONTINUE/ y OK para la
ejecucin.
Los resultados estn en el siguiente cuadro.

Figura

ount
C

60

40

20

Tabla 6.5
Medidas de tendencia central, dispersin y forma
de la variable coeficiente de inteligencia

0
2. 0 0

3. 0 0

4. 0 0

5. 0 0

6. 0 0

Statistics

INTELI1

inteligencia
N
Figura

Count

60

40

20

0
2.0 0

3.0 0

4.0 0

5.0 0

6.0 0

INTELI1

6.5.5. Medidas de tendencia central y de dispersin


a) La opcin FREQUENCIES, adems de tablas y grficos, nos
permite calcular algunas estadsticas bsicas de posicin y de
dispersin para una variable numrica. Para hacer la ilustracin,
continuamos con la variable coeficiente de inteligencia de la base
DATOS1-maestra y ejecutar los siguientes comandos.

Mean
Median
Mode
Std. Deviation
Variance
Skewness
Std. Error of Skewness
Kurtosis
Std. Error of Kurtosis
Range
Minimum
Maximum
Sum
Percentiles

Valid
Missing

10
20

donde para cualquier variable cuantitativa:


mean
: media aritmtica,
median
: mediana,
mode
: moda,
sum
: suma de todos los valores,
std deviation
: desviacin estndar,
variante
: varianza,

70
0
101.79
100.00
100
6.282
39.464
1.301
.287
1.558
.566
27
93
120
7125
95.37
96.97

235

minimum
mximun
range
std. Error of mean
kurtosis
skewness

: valor ms pequeo,
: valor ms grande,
: rango,
: error estndar de la media aritmtica,
: curtosis,
: sesgo.

DESERCION

1
0

Total

2
8
10

4
1
5

6
9
15

Symmetric Measures
b) La opcin DESCRIPTIVES al igual que la opcin anterior, tambin
permite calcular
algunas medidas de tendencia central, de
dispersin y de distribucin. La secuencia de los comandos es la
siguiente:
ANALYZE/ DESCRIPTIVE STATISTICS/DESCRIPTIVES/ elegir la
variable INTELIGENCIA/OPTION/ MEAN,
SUM, KURTOSIS,
SKEWNESS, CONTINUE /OK.
Como opciones adicionales, este procedimiento nos permite:
guardar en nuevas variables los valores estandarizados de las
variables originales,
visualizar o no las etiquetas de cada variable,
decidir el orden en que se visualizarn los resultados.
7.6.9

COEFICIENTES DE CORRELACION Y REGRESION LINEAL

a) Coeficiente PHI
Abrir o crear la base de datos.
En el presente caso abrir la base DATOS8-phi
y seleccionar del
men las siguientes opciones:
ANALYZE/ DESCRIPTIVE STATISTICS/CROSSTABS. Aparecer el
cuadro de dilogo en el que deber colocar en ROWS la variable
ESTADO CIVIL, y en COLUMNS colocar la variable DESERCION.
Continuar
con
los
comandos
FORMAT/DESCENDING/
STATISTICS/PHI/ CONTINUE y se ejecuta el procedimiento con OK .
En el OUTPUT aparece:
DESERCION * ESTADO CIVIL Crosstabulation

Value
Nominal
Nominal

by Phi

.577

b) Coeficiente BISERAL-PUNTUAL
Abrir o crear la base de datos.
En el presente caso, abrir la base DATOS9-biseral
variables sexo y estatura de los estudiantes.

bp

y seleccionar las

66.75 61.14 8 x7
= 0.61
4.749
15 x14

El SPSS no proporciona directamente el valor del coeficiente de


correlacin biseral, pero proporciona las medias muestrales y la
desviacin estndar necesarios que se reemplazan en la frmula
correspondiente.
Se crea una variable ficticia donde se guardan las estaturas de los
estudiantes del sexo femenino. Dicha variable se denomina X0, de la
que necesitamos su media aritmtica.
Se crea otra variable ficticia donde se guardan las estaturas de los
estudiantes del sexo masculino. Dicha variable se denomina X1, de la
que necesitamos tambin su media aritmtica.
De la variable estatura, sin diferenciar el sexo, necesitamos la
desviacin estndar.
Abrir la base DATOS9-biseral y ejecutar los siguientes comandos:

236

a) TRANSFORM/COMPUTE en target colocar XO/ en expresin


numrica colocar ESTATURA/ IF/ activar INCLUDE IF CASE
SATISFIES CONDITION SEXO=0/ CONTINUE /OK. Se ha creado
la variable X0.
b) TRANSFORM/COMPUTE en target colocar X1/ en expresin
numrica colocar ESTATURA/ IF/ activar INCLUDE IF CASE
SATISFIES CONDITION SEXO=1/ CONTINUE /OK.
c) ANALYZE/
DESCRIPTIVE
STATISTICS/
DESCRIPTIVES/
seleccionar las variables ESTATURA XO X1/ OK.

= 66.75

Count
notas de metodologa de la
investigacin
notas de
estadstica

Descriptive Statistics

estatura de los
estudiantes
Xo
x1
Valid N (listwise)

notas de estadstica * notas de metodologa de la investigacin


Crosstabulation

Minimum Maximum Mean

Std.
Deviation

15

55

73

64.13

4.749

7
8
0

55.00
62.00

67.00
73.00

61.1429 3.62531
66.7500 4.13176

= 61.14

n =8 n
1

=7

= 4.749

desaprob
Total

desaprob aprob

Total

aprob

a=11

b=36

47

c=34

d=18

52

45

54

99

b c 36(34) = 6.18
con las que se calcula el cociente a d = 11(18)
. En la tabla H d
el valor de dicho cociente se encuentra en el intervalo 6.044 y 6.288
por lo que el valor del coeficiente de correlacin tetracrico es 0.62.
d) Coeficiente BISERAL

c) Coeficiente TETRACRICO
El SPSS nos proporciona la tabla de contingencia de la que tomamos
los valores de las celdas para reemplazarlos en la frmula de la pgina
95. Se ilustra con la base DATOS10-tetracrico con las variables notas
en el curso de estadstica (dicotomizada: aprob o desaprob) y las
notas en el curso de metodologa de la investigacin tambin
dicotomizada. Las dos variables son de naturaleza cuantitativa. Para
obtener la tabla de doble entrada se procede de la siguiente manera:
ANALYZE/ DESCRIPTIVE STATISTICS/CROSSTABS. Aparecer el
cuadro de dilogo en el que deber colocar en ROWS la variable
NOTAS EN ESTADISTICA, y en COLUMNS colocar la variable
NOTAS EN METODOLOGIA. Continuar con los comandos
FORMAT/DESCENDING/ CONTINUE y se ejecuta el procedimiento
con OK .
En el output aparecen las frecuencias conjuntas

Este tipo de coeficiente se calcula cuando se tienen dos variables


cuantitativas una de las cuales ha sido dicotomizada. Tampoco el
SPSS calcula este coeficiente pero nos proporciona las cuentas
auxiliares para la obtencin del coeficiente. Se usa la base DATOS11biseral donde la variable nota del estudiante se ha dicotomizado la
habilidad del estudiante y asignado 1 si aprob y 0 si desaprob.
Se crea una variable ficticia donde se guardan los tiempos que
demoran en resolver el problema los estudiantes que desaprueban o
no tienen habilidad. Dicha variable se denomina X0, de la que
necesitamos su media aritmtica.
Se crea otra variable ficticia donde se guardan los tiempos que
demoran en resolver los estudiantes que aprueban o que tienen

237

habilidad para resolver el problema. Dicha variable se denomina X1, de


la que necesitamos tambin su media aritmtica.
De la variable tiempo, sin diferenciar si el estudiante fue hbil o no, se
necesita la desviacin estndar.
Abrir la base DATOS11-biseral y ejecutar los siguientes comandos:
a) TRANSFORM/COMPUTE en target colocar XO/ en expresin
numrica colocar TIEMPO/ IF/ activar INCLUDE IF CASE SATISFIES
CONDITION
HABILIDAD=0/ CONTINUE /OK. Se ha creado la
variable X0.
b) TRANSFORM/COMPUTE en target colocar X1/ en expresin
numrica colocar TIEMPO/ IF/ activar INCLUDE IF CASE SATISFIES
CONDITION HABILIDAD=1/ CONTINUE /OK.
c) ANALYZE/ DESCRIPTIVE STATISTICS/ DESCRIPTIVES/
seleccionar las variables TIEMPO XO X1/ OK.
En el output se dispone del siguiente cuadro

Correlations

Spearman's
rho

RANGO
A Correlation
LAS NOTAS Coefficient
DEL
JURADO 1
Correlation
RANGO A
Coefficient
LAS NOTAS
DEL
JURADO 2

RANGO A
LAS
NOTAS
DEL
JURADO 1

RANGO A
LAS
NOTAS
DEL
JURADO 2

1.000

.332

.332

1.000

Descriptive Statistics

tiempo
resolver
x0
x1

para

Mean

Std. Deviation

99

63.54

10.168

52
47

63.0113
64.1310

10.58776
9.76176

que luego permiten calcular el coeficiente de correlacin biseral usando


la frmula de la pgina 98.
e) Coeficiente de SPEARMAN
Se crea o abre el archivo de datos, que en el presente caso es la base
de DATOS6-jurado y se seleccionan los siguientes comandos:
ANALYZE/CORRELATE/BIVARIATE/elegir las variables X e Y/
SPEARMAN/ OK y el SPSS nos proporciona el coeficiente de
correlacin de Sperman.

f) Coeficiente de CONTINGENCIA
Es til cuando las dos variables son cualitativas como en los ejemplos
4.2 y 4.3.
Para el ejemplo 4.2 se us la base DATOS2-matemticas y se
construy la tabla de doble entrada para el sexo y la escuela
profesional a la que pertenece el estudiante. Esta vez, adems del
cuadro se obtiene el coeficiente de contingencia.Los comandos son los
siguientes:
ANALYZE/ DESCRIPTIVE STATISTICS/CROSSTABS/ colocar en
ROWS la variable SEXO y en COLUMNS colocar ESCUELA
PROFESIONAL/ pulsar STATISTICS/ activar CONTINGENCY
COEFFICIENT/ CONTINUE/ ejecutar con OK.
El output del SPSS adems de la tabla bidimensional incluye el
siguiente cuadro:
Symmetric Measures

Nominal by Nominal

Value
Contingency Coefficient .217

238

Anlisis de REGRESION LINEAL SIMPLE


Para ver las opciones de este procedimiento vamos a trabajar con
variables cuantitativas del archivo DATOS3-educacin: edad de los
participantes, nota promedio, nota en lgebra, nota en aritmtica, nota
en trigonometra.
a)
Diagrama de dispersin
Entrar en
GRAPH/SCATTER / del cuadro de dilogo que aparece se selecciona
las opciones SIMPLE DEFINE/ colocar la variable PROMEDIO como
variable dependiente en el eje de las Y/ colocar la variable ALGEBRA
como variable independiente en el eje de las X/ dejar el resto de
opciones por defecto y ejecutar el procedimiento con OK.

Se observa en el grfico una relacin lineal razonablemente alta entre


la nota promedio de los estudiantes y la nota de lgebra. Para
cuantificar dicha relacin debe calcularse el coeficiente de correlacin
de Pearson.
b)

Coeficiente de correlacin de PEARSON

ANALYZE/ CORRELATE/ BIVARIATE/ pasar a la lista de variables


destino las variables PROMEDIO y ALGEBRA/ dejamos todas las
opciones por defecto y se ejecuta el procedimiento con OK.
Obtenemos la matriz de correlaciones que aparece en la siguiente
figura.
Correlations
NOTAS
NOTAS
DE
PROMEDIO ALGEBRA

16

NOTAS
PROMEDIO
NOTAS
ALGEBRA

NOTAS PROMEDIO

14

Pearson
Correlation
DE Pearson
Correlation
.000

.925

.925

12

c)

Coeficientes de correlacin para varias variables

ANALYZE/ CORRELATE/ BIVARIATE/ pasar a la lista de variables


destino todas las variables cuantitativas para las que se desea
encontrar las correlaciones bivariantes/ dejamos todas las opciones por
defecto y se ejecuta el procedimiento con OK. Obtenemos la matriz
de correlaciones que aparece en la siguiente figura.

10

10

12

NOTAS DE ALGEBRA

14

239
Correlations
EDAD DE
LOS
ESTUDIA
TIEMPO DE
NOTAS DENOTAS
NTES SERVICIO
ALGEBRA
PROMEDIO
EDAD DE LOS Pearson Correlation1
.734** -.107
-.077
ESTUDIANTES Sig. (2-tailed)
.
.000
.473
.608
N
47
47
47
47
TIEMPO DE SERVICIO
Pearson Correlation
.734**
1
-.173
-.124
Sig. (2-tailed) .000
.
.244
.407
N
47
47
47
47
NOTAS DE ALGEBRA
Pearson Correlation
-.107
-.173
1
.925**
Sig. (2-tailed) .473
.244
.
.000
N
47
47
47
47
NOTAS PROMEDIO
Pearson Correlation
-.077
-.124
.925**
1
Sig. (2-tailed) .608
.407
.000
.
N
47
47
47
47
**.Correlation is significant at the 0.01 level (2-tailed).

Se observa que la matriz es simtrica y los valores de la diagonal igual


a 1, pues corresponde a la correlacin de cada variable consigo
misma.
d)

Coeficiente de correlacin parcial

Se trata de un coeficiente de correlacin que nos da la idea de la


relacin lineal existente entre dos variables, ajustada a los efectos
lineales que sobre ella
puedan tener una o ms variables
intervinientes.
Si deseamos encontrar el coeficiente de correlacin parcial entre la
nota promedio y algebra, ajustado por la influencia que podra tener la
nota de aritmtica, los comandos son los siguientes.
ANALYZE/ CORRELATE/ PARTIAL/elegir como variables destino
PROMEDIO y ALGEBRA/ en controllin for colocar la variable control

ARITMETICA/ dejar todas las opciones por defecto y se ejecuta el


procedimiento con OK .
Correlations
Control
Variables
NOTAS DE NOTAS
ARITMETICA PROMEDIO

NOTAS
NOTAS DE
PROMEDIO ALGEBRA
Correlation

1.000

.611

.611

1.000

Correlation
NOTAS DE
ALGEBRA

Pasamos de un coeficiente de correlacin de Person 0.925


coeficiente de correlacin parcial de 0.611.

un

e)
Scatterplot
Entrar en GRAPHS/SCATTER/ aparece el cuadro de dilogo con las
siguientes opciones:
Simple : cada punto representa un sujeto de la base de datos.
Matriz : una matriz cuadrada de SCATTERPLOTS simples para cada
combinacin de pares de variables.
Overlay : representa varios SCATTERPLOTS en el mismo eje.
Three-D : cada punto representa un sujeto con valores en tres
variables. Se puede rotar el grfico.
e1) Simple
En este cuadro de dilogo tenemos :
En el eje de las Y la variable que , en el caso de existir
dependencia, acta como variable dependiente.
En el eje de las X, la variable independiente.
En SET MARKET BY una variable que clasifique los individuos
por grupos.
En LABEL CASES BY una variable que con sus valores o
categoras identifique a cada sujeto en el grfico.

240

GRAPHS/ SCATTER/ SIMPLE/ DEFINE. En Y entramos la variable


PROMEDIO y en X la variable ALGEBRA . En SET MARKERS BY
la variable SEXO . Dejar el resto de opciones por defecto. Pulsar OK y
se obtiene la siguiente figura.
El grfico nos muestra los puntos , separados para los distintos
subgrupos de la variable en SET MARKERS BY, en nuestro caso la
variable SEXO.

f) Regresin lineal simple


Entramos en ANALYZE/ REGRESSION/ LINEAR y obtenemos el
cuadro de dilogo, donde se elige la variable PROMEDIO como
variable dependiente y ALGEBRA como variable independiente.
Dejamos el resto de opciones por defecto y ejecutamos el
procedimiento. Los resultados son los que aparecen a continuacin.

Model Summary
SEXO DE LOS
PARTICIPANTES

16,0000

FEMENINO
MASCULINO

Model
1

R
.925a

Adjusted
R Square
.852

R Square
.855

Std. Error of
the Estimate
.518

a. Predictors: (Constant), NOTAS DE ALGEBRA

NOTAS PROMEDIO

14,0000

ANOVAb
Sum of
Model
Squares
1
Regression 71.298
Residual
12.077
Total
83.375

12,0000

df
1
45
46

Mean Square
F
71.298 265.659
.268

Sig.
.000a

a. Predictors: (Constant), NOTAS DE ALGEBRA


b. Dependent Variable: NOTAS PROMEDIO

10,0000

a
Coefficients

8,0000

8,0000

10,0000

12,0000

NOTAS DE ALGEBRA

14,0000

Unstandardized Standardized
Coefficients
Coefficients
Model
B
Std. Error
Beta
t
1
(Constant)
3.853
.477
8.071
NOTAS DE ALGEBRA
.708
.043
.925 16.299
a.Dependent Variable: NOTAS PROMEDIO

Sig.
.000
.000

241

La recta de regresin ajustada por el mtodo de mnimos cuadrados


es :

Y = 3.853 + 0.708 X

el

coeficiente

Model
1

g) Grfico de la recta de regresin lineal


Entrar en GRAPH/ INTERACTIVE/ SCATTERPLOT /
en el cuadro de dilogo que aparece se eligen las variables
independiente(en el eje X) y dependiente(en el eje Y)/ presionar FIT/
elegir como mtodo REGRESION / en fit lines for elegir TOTAL/
presionar ACEPTAR para ejecutar.

14

NOTAS PROMEDIO = 3.85 + 0.71 * ALGEBRA


R-Square = 0.86
A

NOTAS PROMEDIO

11

A
A
A
A
A
A
A
A

A
A
A

10

A A

AA
A

A
A

Linear Regression
A

13

AA

A
A
A
AA
A
A

AA

A
A

Std. Error of
the Estimate
.468

a. Predictors: (Constant), NOTAS DE ARITMETICA,


NOTAS DE ALGEBRA
b. Dependent Variable: NOTAS PROMEDIO

ANOVAb
Sum of
Model
Squares
1
Regression 73.734
Residual
9.641
Total
83.375

df
2
44
46

Mean Square
F
36.867 168.257
.219

Sig.
.000a

b. Dependent Variable: NOTAS PROMEDIO

A
A

AA

a
Coefficients

10

12

14

NOTAS DE ALGEBRA

h)

.940a

R Square
.884

a. Predictors: (Constant), NOTAS DE ARITMETICA, NOTAS DE ALGEBRA

Adjusted
R Square
.879

de

correlacin vale 0.925.

12

Model Summary

Anlisis de regresin lineal mltiple

ANALYZE/ REGRESSION/ LINEAR


y dejamos la variable
PROMEDIO como variable dependiente, ALGEBRA y ARITMETICA
como variables independientes respectivamente. Dejar el resto de
opciones por defecto y se ejecuta el procedimiento. Se obtiene los
siguientes resultados.

Unstandardized Standardized
Coefficients
Coefficients
Model
B
Std. Error
Beta
1
(Constant)
2.759
.542
NOTAS DE ALGEBRA .448
.087
.585
NOTAS DE ARITMETICA .280
.084
.381
a. Dependent Variable: NOTAS PROMEDIO

En el output se tienen la siguiente informacin:


La variable dependiente del modelo.
La relacin de las variables independientes.
El coeficiente de correlacin mltiple.

t
5.091
5.122
3.334

Sig.
.000
.000
.002

242

El coeficiente de determinacin.
El coeficiente de determinacin ajustado.
El anlisis de varianza.
Los coeficientes de la ecuacin de regresin mltiple.

MATLAB permite asociar un nombre a una cantidad numrica dada (al


que llamamos variable) Se declara las variables usando el signo =:
Ejemplo
a=13
a = 13
b=a+a/pi
b = 17.1380

7.7 Pautas bsicas del MATLAB

MATLAB nos muestra las respuestas en ans (answers) cuando no


asignamos nombre de ninguna variable.
Ejemplo
pi
ans = 3.1416
ans/2
ans = 1.5708

MATLAB significa MATrix LABoratory. Originalmente fue desarrollado


como un software para operar matrices. Una manera fcil de visualizar
MaATLAB es pensar en l, como una calculadora cientfica que maneja
nmeros reales y complejos y como una calculadora programable que
puede almacenar y recuperar datos, que puede crear, ejecutar y
guardar secuencias de rdenes para automatizar el clculo de
ecuaciones importantes; y tambin puede hacer comparaciones lgicas
y controlar el orden en el que se ejecutan los comandos. Adems
permite presentar datos en gran variedad de formas.
Ejecuta lgebra matricial, manipula polinomios, integra funciones,
manipula simblicamente ecuaciones, etc.
Realiza tambin procedimientos estadsticos como tabla de
frecuencias, grficos, estadsticas de posicin etc.
MATLAB tiene las operaciones aritmticas conocidas: suma (+), resta
(-), multiplicacin (*), divisin (/) y potencia (^) y se operan de la manera
que usted acostumbra.
Cuando se activa, en el pront aparece el smbolo >>.
Ejemplo
>> 2+pi
ans =5.1416
>> 1/9
ans = 0.1111
>> 2^3
ans = 8
Si lo usamos como una calculadora cientfica, ella posee un nmero
grande de funciones, entre stas se incluyen: abs, sqrt, exp, sin etc.
Ejemplo
abs(1+i)
ans = 1.4142
exp(0)
ans = 1
exp(1)
ans = 2.7183

Los nombres de las variables deben comenzar con una letra, despus
es vlido cualquier ordenacin de letras, nmeros o subrayado. Puede
contener hasta 19 caracteres. MATLAB es sensible a las maysculas: a
y A son variables diferentes.
Declaracin de vectores y matrices
Los escalares, los vectores y las matrices, se ejecuta en MATLAB sin
ninguna declaracin especial. Los vectores pueden ser considerados
como matrices de una sola columna o de una sola fila, as tambin los
escalares pueden ser considerados como matrices de orden uno.
Existen varias formas de escribir matrices en MATLAB, consideremos
algunas de las ms sencillas:
Para escribir la matriz fila b de componentes: 1, 2, 3 y 4
digito:
>>b=[1 2 3 4], a lo que matlab responde:
b=
1 2 3 4
Cada nueva columna est separada por un espacio, tambin puede
usarse tambin una coma
b=[1,2,3,4]
b=
1 2 3 4

243

Escribimos un vector columna c, separando cada nueva fila con un


punto y coma.
c = [1; 2;3, -9]
c=
1
2
3
-9
Una matriz A se escribe:
A = [1 2 3;4 5 6 ;7 8 9].
A=
1 2 3
4 5 6
7 8 9
Recuerde que cada nueva columna se separa con ;.
Para escribir vectores podemos usar dos puntos, (:) de la siguiente
manera:
vector = primer elemento : incremento : ltimo elemento.
Ejemplo
>> v1=1:5:39
v1 =
1
6 11 16 21 26 31
36
Al ser el incremento igual a 5, el siguiente de 36 sera 41 que rebasa la
cota superior de 39.

Puede considerarse fracciones como incremento:


v2 = 2 : 0.4 : 4
v2 = 2.0000 2.4000
3.6000 4.0000.

2.8000

3.2000

Los incrementos pueden ser negativos


v3 = 10 : -0.5 : 8.0
v3 = 10.0000
8.0000.

9.0000

8.5000

9.5000

Por omisin MATLAB entiende que el incremento es uno.


v4=13:19
v4 = 13 14 15 16 17

18

19

Mediante el comando linspace decidimos el nmero de puntos en que


dividimos un intervalo por ejemplo dividir el intervalo [0,pi ], en 6 subintervalos
v5 = linspace(0,pi,7)
v5 = 0 0.5236 1.0472 1.5708 2.0944
2.6180 3.1416
Para saber el tamao (dimensin) del vector v1 o su orden cuando lo
pensamos como una matriz, escribimos los comandos:
>>length(v1)
ans = 8
>> [ fila, colum ] = size(v1) fila = 1 colum = 8
Nos dice que v1 tiene 8 componentes o que es una matriz de una fila y
ocho columnas.
MATLAB conoce muchas matrices tales como la identidad, la matriz
constante 0, etc, basta escribir los comandos:
iden = eye(4), cero = zeros(3,5), uno = ones(2,4).
iden =
cero =
uno =
1 0 0 0
0 0 0 0 0
1 1 1 1 1
0 1 0 0
0 0 0 0 0
1 1 1 1 1
0 0 1 0
0 0 0 0 0
0 0 0 1
Escriba las ordenes: eye(3,5), zeros(5), ones(5,3) y mire que obtiene.
Una matriz que servir para algunos ejemplos rutinarios es la matriz
mgica, escriba magic(5), intente ver que propiedades tiene.
Dado un vector podemos obtener una matriz diagonal donde su
diagonal principal esta dada por las componentes de ste vector:
v=1:5
v= 1 2 3 4 5
dia=diag(v)
dia =
1 0 0 0 0
0 2 0 0 0
0 0 3 0 0
0 0 0 4 0
0 0 0 0 5

244

Ensaye ahora el comando diag(dia). En A tiene guardado una matriz,


muestre en pantalla, escriba diag(diag(A)), qu obtiene?
Una matriz R cuyas entradas son nmeros aleatorios R=rand(4)
R=
0.9501 0.8913 0.8214 0.9218
0.2311 0.7621 0.4447 0.7382
0.6068 0.4565 0.6154 0.1763
0.4860 0.0185 0.7919 0.4057
Podemos ensamblar una matriz a partir de matrices de menor orden,
por bloques, como sigue:
B=[A, zeros(3); zeros(3), ones(3)]
B=
1 2 3 0 0 0
4 5 6 0 0 0
7 8 9 0 0 0
0 0 0 1 1 1
0 0 0 1 1 1
0 0 0 1 1 1
Ejemplo
a = 4 : 9

a =

45

b = 9 : -1 : 4 b = 9
c = ones(2) c =1 1
1 1
d1=[a b]
d1 =
9
d2=[a; b]
d2 =
9
d3=[d2,
c]
8
9
1
d4=[c; d2]
d4 =
7
1
5

Filas, columnas y elementos de una matriz. Submatrices.


El elemento de una matriz A que se encuentra en la fila i columna j se
denota como en lgebra lineal A(i, j). En las matrices dadas en los
ejemplos anteriores:
B(4,5)
ans = 1
A(3,2)
ans = 8
d1(10)
ans = 6
En el caso de vectores basta con dar la componente del vector, la
primera componente es d1(1), y as para todos los vectores, no existe
para matlab una componente de ndice cero, igual con las matrices, el
elemento de la primera fila y primera columna es A(1, 1), no existe A(0,
0).
Podemos redefinir una matriz modificando algn elemento, por
ejemplo:
A(3,2)=17
Observe el elemento (3, 2), en la matriz A que se tenia y como se
reemplaz en la nueva A:
A=
A=
1 2 3
1 2 3
4 5 6
4 5 6
7 8 9
7 17 9

4
Ejemplo

45
8
45
8
d3 =
9
8
1
1
8
1
4

6
7
6
7
4
1
7

7
6
7
6
5
1
6

8
5
8
5
6

9
4
9
4
7

1
9
9

d1

d1(10)

d1 = 45 6

7
6

ans =

Modificamos la componente 10 del vector d1: sta es reemplazada por


la suma de la primera y la dcima componente.
d1(10)=d1(1)+d1(10)
7 10 5 4

d1 =

245

Para obtener la primera columna de la matriz A escriba:


A ( : , 1)
ans =
1
4
7
para la tercera fila:
A(3,:)
ans = 7 17 9
La fila i la columna j se obtienen escribiendo A(i,:) A(:, j)
respectivamente.
Si quisiramos borrar la tercera fila, hacemos:
A(3, : )=[ ]
A=
1 2
4 5

3
6

B1=B(2:4,:)
Escribimos el dos para la fila inicial, el cuatro para la final, si no se
escribe el incremento, MATLAB asume que es uno.

5
8
0

6
9
0

0
0
1

B2 =
1 3
4 6
7 9
0 0
0 0
0 0
Esto es, la
columna.

0
0
0
1
1
1
submatriz B2 est formada por la primera, tercera y quinta

B3=B(: , [2 5])

Usando dos puntos podemos construir otras submatrices, recordamos


que tenemos en la matriz B y escribimos la submatriz B1 formado por
la segunda, tercera y cuarta fila
B
B=
1 2 3 0 0 0
4 5 6 0 0 0
7 8 9 0 0 0
0 0 0 1 1 1
0 0 0 1 1 1
0 0 0 1 1 1

B1 =
4
7
0

B2=B(:,1:2:6)
Para la submatriz B2, escribimos uno para que comience en la primera
columna, incrementndose de dos en dos, a lo ms hasta la sexta
columna:

0
0
1

0
0
1

B3 =
2
5
8
0
0
0

0
0
0
1
1
1

B3 est formada por la segunda y la cuarta columna.


B4 = B([1 5] , [2 3 4])
B4 =
2
0

3
0

0
1

B4 est formada por la primera y quinta filas, adems por la segunda,


tercera y cuarta columnas.

246

Operaciones con matrices y vectores


Para tomar la transpuesta de la matriz A: se coloca un apstrofe
B=A'
B=
1 4 7
2 5 8
3 6 9
La suma de matrices y de vectores es igual a la suma de escalares.
Ejemplo
A=[1 2 3;4 5 6;7 8 9], B=A'.
A=
B=
1 2 3
1
4 5 6
2
7 8 9
3

Existe otro producto, se le llama producto exterior:


d3=[1; 2; 3]*[1 2 3]
d3 =
1 2 3
2 4 6
3 6 9
Usamos el "punto operacin"
componente como sigue:

4
5
6

7
8
9

C = A+B
C=
2 6 10
6 10 14
10 14 18
a = 4 : 9
b = 9 : -1 : 4
c=a+b
d1= 3*a-2*b
[1 1 1]/3

El producto interior de dos vectores puede obtenerse de la siguiente


manera:
d2=a*b'
d2 = 236

a=
4
5
6
7
8
9
b=
9
8 7
6
5
4
c = 13 13 13 13 13 13
d1 = -6 -1 4
9 14 19
ans = 0,3333 0,3333 0,3333

El producto de matrices es el usual del lgebra, el nmero de columnas


de la primera matriz factor debe coincidir con el nmero de filas del
segundo factor.
D=A*B
D=
14 32 50
32 77 122
50 122 194

d4=[1 2 3 4].*[1 1/2 1/3 1/4]


d5=[2 2 2 2].^[0 1 2 3]
A.*B
ans =
1
8 21
8 25 48
21 48 81

para

efectuarlo

componente

d4 =
d5 =

1
2

1
1

1
4

1
8

Anlisis de datos
Las matrices son usadas de manera natural por MATLAB para analizar
datos. Por convencin el conjunto de datos se almacenan en matrices
orientada por columnas, cada columna representa una variable
diferente y cada fila representa a un individuo.
Al digitar help datafun, matlab le muestra una lista de las funcionres
estadsticas que podra Ud. necesitar, algunas de estas es mostrada en
la siguiente tabla:
Funcin estadstica
bar(x)
corrcoef(x)
cov(x)

Descripcin
Diagrama de barras
Coeficientes de correlacin
Matriz de covarianza

247

cumprod(x)
cumsum(x)
diff(x)
hist()
mean(x)
median(x)
prod(x)
rand(x)
randn(x)
sort(x)
std(x)
sum(x)

Producto acumulado de columnas


Suma acumulado de columnas
Calcula las diferencias entre elementos
Histograma
Valor medio de columnas
Valor de la mediana de las columnas
Producto de elemtos en columnas
Nmeros aleatorios distribuidos uniformemente
Nmeros aleatorios distribuidos normalmente
Ordena columnas en orden ascendente
Desviacin estandar de columnas
Suma de elementos de cada columna

Ejemplo
Supongamos que la siguiente matriz represente a cuatro variables
(columnas) y 3 individuos (filas).

ans =
4.0000 -3.0000 2.0000 - 6.0000
-3.0000 12.3333 -5.1667
4.5000
2.0000 -5.1667 2.3333 -3.0000
-6.0000 4.5000 -3.0000 9.0000
Nmeros aleatorios
Nos sirven para simular un problema complejo.
Los nmeros aleatorios que tienen la misma probabilidad de ser
elegidos entre un lmite superior y uno inferior se denominan nmeros
aleatorios uniformes.
MATLAB mediante la funcin rand genera nmeros aleatorios
distribuidos uniformemente en el intervalo [0,1], la sintaxis es:
rand (n) %matriz de orden n de entradas entre 0 y 1.
rand(m,n) %matiz de orden m por n

A=[
2
6
4

7
4
0

4
6
7

7
1
4]

>>mean(A) nos da la media aritmtica de cada una de las variables


ans = 4.0000 3.6667 5.6667 4.0000

Para obtener una sucesin de nmeros aleatorios se utiliza el valor de


una semilla el valor de este semilla inicialmente es cero, pero se puede
cambiar con la funcin seed
rand(seed, n) %asigna n como valor de la semilla
rand(seed),%devuelve el valor actual de la semilla del generador de
nmeros aleatorios.

>> sum(A)
ans = 12

Las sucesiones aleatorias que tienen algunos valores con mayor


probabilidad de ocurrir que otros pueden modelarse con nmeros
aleatorios normales.

sort(A)
ans =
2 0
4 4
6 7

nos da la suma de los valores de cada variable


11 17 12

4
6
7

1
4
7

>> cov(A) proporciona la matriz de covarianzas de las tres variables

MATLAB genera valores gaussianos con una media de cero y una


varianza de 1.0 en [0,1], mediante:
randn(m) %genera una matriz de orden m
randn(m,n) %genera una matriz de orden m por n

248

Ejemplo
y=randn(1500,1); % genera 1500 nmeros aleatorios con distribucin
normal de media
cero y varianza 1.
hist(y) % dibuja un histograma de 10 barras para los datos del vector
y.
Ejemplo
x=-2.9:0.1:2.9
y=randn(1000,1),
hist(y, x);

Los comandos de ayuda


Si conocemos el nombre del comando del que necesitamos ayuda,
escribimos help nombre del comando, por ejemplo escriba help diag, y
lea lo que matlab muestra en pantalla acerca de diag. Si escribimos
help +, matlab nos muestra todo acerca de las operaciones aritmticas
y otras relaciones ms; en cambio help help nos explica que es lo que
hace help.
Vea que es lo que hace un solo help.
Si no conocemos exactamente el nombre del comando pero sabemos
por ejemplo que esta relacionado con los nmeros complejos
escribimos lookfor complex, matlab nos muestra una lista de comandos
que est relacionado con los complejos. Escriba lookfor fourier y lea lo
matlab muestra en pantalla.
Los comandos who y whos
Nos muestra en pantalla las variables que estamos utilizando en sta
sesin de Matlab.
Los comandos save y load
Si queremos conservar la matriz A para usarla en la siguiente sesin
escribir save A y A es guardada en un archivo de extensin mat, para
recuperarla en la siguiente sesin escribir load A.mat
El comando intro
Hace un paseo de demostracin, muestra lo que matlab puede ofrecer.
Digite intro y disfrute de este paseo. Puede recorrer tambin por demo,
para ello digite demo.
Para averiguar que es lo que hacen algunos de los comandos que nos
muestra intro, por ejemplo plot, grid, etc digite:help plot, help grid.
El comando %

Recordar que todos los comandos MATLAB SE DIGITAN EN LETRAS


MINSCULAS.

Sirve para escribir comentarios, lo que sigue despues del % en toda


esa lnea, matlab no lo ejecuta.

249

Archivos M
Cuando un programa tiene comandos que ocupan varias lneas es
conveniente usar los archivos.m, funcionan como macrocomandos
matlab, lo pensamos como programas escritos en lenguaje matlab,
pueden guardarse en disco y corregirse tantas veces como sea
necesario. Incluye cualquier cosa que el usuario pueda escribir
directamente en la ventana de comandos.
Estos archivos.m son de dos clases: los archivos.m de guin y los
archivos.m de funcin.
Los archivos.m de guin es una lista de comandos matlab, que pueden
operar con datos que existen en el espacio de trabajo y pueden crear
nuevos datos para seguir operando, pueden llamar a otros archivos.m,
Cualquier variable que ellos han creado permanecen en el espacio de
trabajo y pueden ser usadas en los clculos que siguen.
Los archivos.m de funcin aceptan argumentos en la entrada y
retornan argumentos en la salida. El nombre del archivo y el nombre de
la funcin deben coincidir.
Para empezar de un clic con el ratn en file, se despliega un men,
elija new y haga un clic y por ltimo clic en M-file, matlab nos mostrar
una ventana como la siguiente:

Al que llamar ventana del archivo.m, en sta ventana podemos


empezar digitando, en la primera linea:
function y = nombre_archivo( x)
donde y es el argumento de salida y x el argumento de entrada, tanto
x como y pueden ser una matriz, un vector o un nmero
indistintamente.
En la segunda linea puede digitarse un comentario acerca de lo que
hace ste archivo.
Ambos procedimientos tanto para crear un archivo.m de funcin como
el de un archivo.m de guin, es el mismo, as tambin para guardar el
archivo.
Ejemplo 7. 16
frecuencias.

Suponga que quiere realizar la siguiente tabla de

fi

Fi

11

13

11

24

27

30

Definir una funcin de distribucin de frecuencias acumuladas de una


variable discreta al que llamaremos funcin esklra
Comenzando el procedimiento, con el ratn:
file clic
new clic
M-file clic
En la ventana que se muestra digitar:
function f=esklra(x);
% funcin escalera en un intervalo desde 0 hasta M dimensin del
vector de frecuencias a,

250

%donde para cada subintervalo de longitud uno, se asocia una


componente del vector a, por
%decir para x entre 0 y 1 se asocia 2, entre 1 y 2 el 13, etc.
a= [2 13 24 24 27 30];%a es un vector de frecuencias
M=length(a);
for k=1:M-1,
aa=k-1;bb=k;
set=find( aa <= x )&find( x < bb);
f(set)=a(k);
if isempty(f) == 0;
break,
end,
end,
if isempty(f) == 1;
f(1)=a(6);
end
Para guardarlas hacemos lo siguiente con el raton:
file clic
save as clic.
En el espacio nombre del archivo escribir esklra.m (no olvidar la
extencin.m) y en el espacio guardado en buscar work, por ltimo dar
un clic con el ratn en guardar.
Para ejecutar estos archivos escribir en la ventana de comandos el
nombre del archivo sin la extensin, en este caso por ser un archivo.m
de funcin, es como si se evaluara una funcin en matlab escribimos
en la ventana de comandos esklra(4.5) y dando un enter obtenemos
por ejemplo esklra(4.5)=27, esklra(0.8)=2, etc.
Cada vez que modificamos (corregimos) un archivo.m tenemos que
avisar a matlab, guardando este archivo del modo siguiente, con el
ratn:
file clic
save clic
Nuevamente ya est listo para su ejecucin

El procedimiento para construir un archivo.m de guin es el mismo que


el de archivo.m de funcin solo se diferencian en la primera lnea, digite
% y luego un comentario acerca de lo que hace este archivo.m, de
modo tal que si se digita en la ventana de comandos:
help nombre_archivo,nos mostrar este comentario.
Luego de digitado el programa en la ventana del archivo.m, tiene que
guardarlo con un nombre adecuado de modo que nos sugiera lo que
ese archivo resuelve. Para ello en la ventana del archivo.m de un clic
en file, en el men desplegado de un clic en save as nos mostrar una
tercera ventana: guardar como; escribir el nombre del archivo con la
extencin .m y buscar matlab para guardarlo. Ya est listo para ser
usado.
Ejemplo Hacer la grfica de la funcin eskalra del ejemplo anterior.
Comenzamos el proceso abriendo la ventana de archivos.m para ello
con el ratn clic en files, clic en new y por ltimo clic en M-files,
aparecer una ventana en el que digitamos
% para graficar la funcin escalera, necesitamos el archivo esklra
clear, clf,
for jj=0:1:5;
j=1;
for xx=jj:.01:jj+.99;
ww=esklra(xx);
xxx(j)=xx;
www(j)=ww;
j=j+1;
end
hold on
plot(xxx,www)
clear xxx www;
end
hold on;
x=[1 2 4 5];
a= [2 13 24 27];
plot(x,a,'o');

251

x=[0 1 2 4 5];
a=[2 13 24 27 30];
plot(x,a,'.')
axis([0 6 0 35])
hold off;
Escrito todos los comandos lo guardamos con algn nombre, recuerde:
clic en files, clic en save as y reemplazar en Untitle (por ejemplo) por
gr_esc.m, en este caso est listo para ser ejecutado, digitando en la
ventana de comandos gr_esc (sin la extensin), nos mostrar el
grfico de la escalera.

Intervalos
174 -196
196 218
218 - 240
240 262
262 - 284
284 - 306
306 -328
328 -350

fi

Fi

2
7
10
23
38
11
5
4

2
9
19
42
80
91
96
100

Crear los datos de vectores X e Y. En la ventana de archivos .m


escribimos:
X=[196 218 240 262 284 306 328 350];
Y=[2 9 19 42 80 91 96 100];
plot(X,Y);
hold on
plot(X,Y,'.');
hold off
set(gca,'xtick',X)
set(gca,'ytick',Y)
Lo salvamos con el nombre gr_fre.m , lo llamamos por gr_fre y
nos muestra:

Ejemplo. Hacer el grfico de una distribucin de frecuencias


acumuladas de una variable continua, como la siguiente:

252

Ejemplo. Para la misma tabla de frecuencias, hacer el grfico del un


polgono de frecuencias absolutas.
clear,clf,
X1=[174 196 196 218 218 240 240 262 262 284 284 306 306 328 328
350];
for k=1:2:15
pt_me((k+1)/2)=(X1(k)+X1(k+1))/2;
end
Y3=[0 2 7 10 23 38 11 5 4 0];
pt_me=[163,pt_me,361];
plot(pt_me,Y3)
hold on
plot(pt_me,Y3,'.')
hold off
X=[163 174 196 218 240 262 284 306 328 350 361];
set(gca,'xtick',X)

253

APNDICE

P ( Z 3)
P ( Z .268) = 0.0036
TABLA A:
REAS Y ORDENADAS DE LA DISTRIBUCIN NORMAL
UNITARIA*
z
-3,00
-2,99
-2,98
-2,97
-2,96
-2,95
-2,94
-2,93
-2,92
-2,91
-2,90
-2,89
-2,88
-2,87
-2,86
-2,85
-2,84
-2,83
-2,82
-2,81
-2,80
-2,79
-2,78
-2,77

rea
0,0013
0,0014
0,0014
0,0015
0,0015
0,0016
0,0016
0,0017
0,0018
0,0018
0,0019
0,0019
0,0020
0,0021
0,0021
0,0022
0,0023
0,0023
0,0024
0,0025
0,0026
0,0026
0,0027
0,0028

u ordenada

rea

u ordenada

0,0044
0,0046
0,0047
0,0048
0,0050
0,0051
0,0053
0,0055
0,0056
0,0058
0,0060
0,0061
0,0063
0,0065
0,0067
0,0069
0,0071
0,0073
0,0075
0,0077
0,0079
0,0081
0,0084
0,0086

-2,69
-2,68
-2,67
-2,66
-2,65
-2,64
-2,63
-2,62
-2,61
-2,60
-2,59
-2,58
-2,57
-2,56
-2,55
-2,54
-2,53
-2,52
-2,51
-2,50
-2,49
-2,48
-2,47

0,0036
0,0037
0,0038
0,0039
0,0040
0,0041
0,0043
0,0044
0,0045
0,0047
0,0048
0,0049
0,0051
0,0052
0,0054
0,0055
0,0057
0,0059
0,0060
0,0062
0,0064
0,0066
0,0068

0,0107
0,0110
0,0113
0,0116
0,0119
0,0122
0,0126
0,0129
0,0132
0,0136
0,0139
0,0143
0,0147
0,0151
0,0154
0,0158
0,0163
0,0167
0,0171
0,0175
0,0180
0,0184
0,0189

Utilizamos el Paquete Estadstico SPSS v. 12 para calcular las reas y ordenadas


de la Distribucin Normal.

-2,76
-2,75
-2,74
-2,73
-2,72
-2,71
-2,70
z
-2,39
-2,38
-2,37
-2,36
-2,35
-2,34
-2,33
-2,32
-2,31
-2,30
-2,29
-2,28
-2,27
-2,26
-2,25
-2,24
-2,23
-2,22
-2,21
-2,20
-2,19
-2,18
-2,17
-2,16
-2,15
-2,14
-2,13
-2,12
-2,11
-2,10
-2,09
-2,08
-2,07

0,0029
0,0030
0,0031
0,0032
0,0033
0,0034
0,0035
rea
0,0084
0,0087
0,0089
0,0091
0,0094
0,0096
0,0099
0,0102
0,0104
0,0107
0,0110
0,0113
0,0116
0,0119
0,0122
0,0125
0,0129
0,0132
0,0136
0,0139
0,0143
0,0146
0,0150
0,0154
0,0158
0,0162
0,0166
0,0170
0,0174
0,0179
0,0183
0,0188
0,0192

0,0088
0,0091
0,0093
0,0096
0,0099
0,0101
0,0104

u ordenada
0,0229
0,0235
0,0241
0,0246
0,0252
0,0258
0,0264
0,0270
0,0277
0,0283
0,0290
0,0297
0,0303
0,0310
0,0317
0,0325
0,0332
0,0339
0,0347
0,0355
0,0363
0,0371
0,0379
0,0387
0,0395
0,0404
0,0413
0,0422
0,0431
0,0440
0,0449
0,0459
0,0468

-2,46
-2,45
-2,44
-2,43
-2,42
-2,41
-2,40
Z
-1,94
-1,93
-1,92
-1,91
-1,90
-1,89
-1,88
-1,87
-1,86
-1,85
-1,84
-1,83
-1,82
-1,81
-1,80
-1,79
-1,78
-1,77
-1,76
-1,75
-1,74
-1,73
-1,72
-1,71
-1,70
-1,69
-1,68
-1,67
-1,66
-1,65
-1,64
-1,63
-1,62

0,0069
0,0071
0,0073
0,0075
0,0078
0,0080
0,0082
rea
0,0262
0,0268
0,0274
0,0281
0,0287
0,0294
0,0301
0,0307
0,0314
0,0322
0,0329
0,0336
0,0344
0,0351
0,0359
0,0367
0,0375
0,0384
0,0392
0,0401
0,0409
0,0418
0,0427
0,0436
0,0446
0,0455
0,0465
0,0475
0,0485
0,0495
0,0505
0,0516
0,0526

0,0194
0,0198
0,0203
0,0208
0,0213
0,0219
0,0224

u ordenada
0,0608
0,0620
0,0632
0,0644
0,0656
0,0669
0,0681
0,0694
0,0707
0,0721
0,0734
0,0748
0,0761
0,0775
0,0790
0,0804
0,0818
0,0833
0,0848
0,0863
0,0878
0,0893
0,0909
0,0925
0,0940
0,0957
0,0973
0,0989
0,1006
0,1023
0,1040
0,1057
0,1074

254
-2,06
-2,05
-2,04
-2,03
-2,02
-2,01
-2,00
-1,99
-1,98
-1,97
-1,96
-1,95

0,0197
0,0202
0,0207
0,0212
0,0217
0,0222
0,0228
0,0233
0,0239
0,0244
0,0250
0,0256

0,0478
0,0488
0,0498
0,0508
0,0519
0,0529
0,0540
0,0551
0,0562
0,0573
0,0584
0,0596

-1,61
-1,60
-1,59
-1,58
-1,57
-1,56
-1,55
-1,54
-1,53
-1,52
-1,51
-1,50

0,0537
0,0548
0,0559
0,0571
0,0582
0,0594
0,0606
0,0618
0,0630
0,0643
0,0655
0,0668

0,1092
0,1109
0,1127
0,1145
0,1163
0,1182
0,1200
0,1219
0,1238
0,1257
0,1276
0,1295

z
-1,49
-1,48
-1,47
-1,46
-1,45
-1,44
-1,43
-1,42
-1,41
-1,40
-1,39
-1,38
-1,37
-1,36
-1,35
-1,34
-1,33
-1,32
-1,31
-1,30
-1,29
-1,28
-1,27
-1,26
-1,25
-1,24
-1,23
-1,22

rea
0,0681
0,0694
0,0708
0,0721
0,0735
0,0749
0,0764
0,0778
0,0793
0,0808
0,0823
0,0838
0,0853
0,0869
0,0885
0,0901
0,0918
0,0934
0,0951
0,0968
0,0985
0,1003
0,1020
0,1038
0,1056
0,1075
0,1093
0,1112

u ordenada

Z
-1,04
-1,03
-1,02
-1,01
-1,00
-0,99
-0,98
-0,97
-0,96
-0,95
-0,94
-0,93
-0,92
-0,91
-0,90
-0,89
-0,88
-0,87
-0,86
-0,85
-0,84
-0,83
-0,82
-0,81
-0,80
-0,79
-0,78
-0,77

rea
0,1492
0,1515
0,1539
0,1562
0,1587
0,1611
0,1635
0,1660
0,1685
0,1711
0,1736
0,1762
0,1788
0,1814
0,1841
0,1867
0,1894
0,1922
0,1949
0,1977
0,2005
0,2033
0,2061
0,2090
0,2119
0,2148
0,2177
0,2206

u ordenada

0,1315
0,1334
0,1354
0,1374
0,1394
0,1415
0,1435
0,1456
0,1476
0,1497
0,1518
0,1539
0,1561
0,1582
0,1604
0,1626
0,1647
0,1669
0,1691
0,1714
0,1736
0,1758
0,1781
0,1804
0,1826
0,1849
0,1872
0,1895

0,2323
0,2347
0,2371
0,2396
0,2420
0,2444
0,2468
0,2492
0,2516
0,2541
0,2565
0,2589
0,2613
0,2637
0,2661
0,2685
0,2709
0,2732
0,2756
0,2780
0,2803
0,2827
0,2850
0,2874
0,2897
0,2920
0,2943
0,2966

-1,21
-1,20
-1,19
-1,18
-1,17
-1,16
-1,15
-1,14
-1,13
-1,12
-1,11
-1,10
-1,09
-1,08
-1,07
-1,06
-1,05

0,1131
0,1151
0,1170
0,1190
0,1210
0,1230
0,1251
0,1271
0,1292
0,1314
0,1335
0,1357
0,1379
0,1401
0,1423
0,1446
0,1469

0,1919
0,1942
0,1965
0,1989
0,2012
0,2036
0,2059
0,2083
0,2107
0,2131
0,2155
0,2179
0,2203
0,2227
0,2251
0,2275
0,2299

-0,76
-0,75
-0,74
-0,73
-0,72
-0,71
-0,70
-0,69
-0,68
-0,67
-0,66
-0,65
-0,64
-0,63
-0,62
-0,61
-0,60

0,2236
0,2266
0,2296
0,2327
0,2358
0,2389
0,2420
0,2451
0,2483
0,2514
0,2546
0,2578
0,2611
0,2643
0,2676
0,2709
0,2743

0,2989
0,3011
0,3034
0,3056
0,3079
0,3101
0,3123
0,3144
0,3166
0,3187
0,3209
0,3230
0,3251
0,3271
0,3292
0,3312
0,3332

z
-0,59
-0,58
-0,57
-0,56
-0,55
-0,54
-0,53
-0,52
-0,51
-0,50
-0,49
-0,48
-0,47
-0,46
-0,45
-0,44
-0,43
-0,42
-0,41
-0,40
-0,39
-0,38
-0,37

rea
0,2776
0,2810
0,2843
0,2877
0,2912
0,2946
0,2981
0,3015
0,3050
0,3085
0,3121
0,3156
0,3192
0,3228
0,3264
0,3300
0,3336
0,3372
0,3409
0,3446
0,3483
0,3520
0,3557

u ordenada

Z
-0,14
-0,13
-0,12
-0,11
-0,10
-0,09
-0,08
-0,07
-0,06
-0,05
-0,04
-0,03
-0,02
-0,01
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08

rea
0,4443
0,4483
0,4522
0,4562
0,4602
0,4641
0,4681
0,4721
0,4761
0,4801
0,4840
0,4880
0,4920
0,4960
0,5000
0,5040
0,5080
0,5120
0,5160
0,5199
0,5239
0,5279
0,5319

u ordenada

0,3352
0,3372
0,3391
0,3410
0,3429
0,3448
0,3467
0,3485
0,3503
0,3521
0,3538
0,3555
0,3572
0,3589
0,3605
0,3621
0,3637
0,3653
0,3668
0,3683
0,3697
0,3712
0,3725

0,3951
0,3956
0,3961
0,3965
0,3970
0,3973
0,3977
0,3980
0,3982
0,3984
0,3986
0,3988
0,3989
0,3989
0,3989
0,3989
0,3989
0,3988
0,3986
0,3984
0,3982
0,3980
0,3977

255
-0,36
-0,35
-0,34
-0,33
-0,32
-0,31
-0,30
-0,29
-0,28
-0,27
-0,26
-0,25
-0,24
-0,23
-0,22
-0,21
-0,20
-0,19
-0,18
-0,17
-0,16
-0,15

0,3594
0,3632
0,3669
0,3707
0,3745
0,3783
0,3821
0,3859
0,3897
0,3936
0,3974
0,4013
0,4052
0,4090
0,4129
0,4168
0,4207
0,4247
0,4286
0,4325
0,4364
0,4404

0,3739
0,3752
0,3765
0,3778
0,3790
0,3802
0,3814
0,3825
0,3836
0,3847
0,3857
0,3867
0,3876
0,3885
0,3894
0,3902
0,3910
0,3918
0,3925
0,3932
0,3939
0,3945

0,09
0,10
0,11
0,12
0,13
0,14
0,15
0,16
0,17
0,18
0,19
0,20
0,21
0,22
0,23
0,24
0,25
0,26
0,27
0,28
0,29
0,30

0,5359
0,5398
0,5438
0,5478
0,5517
0,5557
0,5596
0,5636
0,5675
0,5714
0,5753
0,5793
0,5832
0,5871
0,5910
0,5948
0,5987
0,6026
0,6064
0,6103
0,6141
0,6179

0,3973
0,3970
0,3965
0,3961
0,3956
0,3951
0,3945
0,3939
0,3932
0,3925
0,3918
0,3910
0,3902
0,3894
0,3885
0,3876
0,3867
0,3857
0,3847
0,3836
0,3825
0,3814

z
0,31
0,32
0,33
0,34
0,35
0,36
0,37
0,38
0,39
0,40
0,41
0,42
0,43
0,44
0,45
0,46
0,47
0,48

rea
0,6217
0,6255
0,6293
0,6331
0,6368
0,6406
0,6443
0,6480
0,6517
0,6554
0,6591
0,6628
0,6664
0,6700
0,6736
0,6772
0,6808
0,6844

u ordenada

Z
0,76
0,77
0,78
0,79
0,80
0,81
0,82
0,83
0,84
0,85
0,86
0,87
0,88
0,89
0,90
0,91
0,92
0,93

rea
0,7764
0,7794
0,7823
0,7852
0,7881
0,7910
0,7939
0,7967
0,7995
0,8023
0,8051
0,8078
0,8106
0,8133
0,8159
0,8186
0,8212
0,8238

u ordenada

0,3802
0,3790
0,3778
0,3765
0,3752
0,3739
0,3725
0,3712
0,3697
0,3683
0,3668
0,3653
0,3637
0,3621
0,3605
0,3589
0,3572
0,3555

0,2989
0,2966
0,2943
0,2920
0,2897
0,2874
0,2850
0,2827
0,2803
0,2780
0,2756
0,2732
0,2709
0,2685
0,2661
0,2637
0,2613
0,2589

0,49
0,50
0,51
0,52
0,53
0,54
0,55
0,56
0,57
0,58
0,59
0,60
0,61
0,62
0,63
0,64
0,65
0,66
0,67
0,68
0,69
0,70
0,71
0,72
0,73
0,74
0,75

0,6879
0,6915
0,6950
0,6985
0,7019
0,7054
0,7088
0,7123
0,7157
0,7190
0,7224
0,7257
0,7291
0,7324
0,7357
0,7389
0,7422
0,7454
0,7486
0,7517
0,7549
0,7580
0,7611
0,7642
0,7673
0,7704
0,7734

0,3538
0,3521
0,3503
0,3485
0,3467
0,3448
0,3429
0,3410
0,3391
0,3372
0,3352
0,3332
0,3312
0,3292
0,3271
0,3251
0,3230
0,3209
0,3187
0,3166
0,3144
0,3123
0,3101
0,3079
0,3056
0,3034
0,3011

0,94
0,95
0,96
0,97
0,98
0,99
1,00
1,01
1,02
1,03
1,04
1,05
1,06
1,07
1,08
1,09
1,10
1,11
1,12
1,13
1,14
1,15
1,16
1,17
1,18
1,19
1,20

0,8264
0,8289
0,8315
0,8340
0,8365
0,8389
0,8413
0,8438
0,8461
0,8485
0,8508
0,8531
0,8554
0,8577
0,8599
0,8621
0,8643
0,8665
0,8686
0,8708
0,8729
0,8749
0,8770
0,8790
0,8810
0,8830
0,8849

0,2565
0,2541
0,2516
0,2492
0,2468
0,2444
0,2420
0,2396
0,2371
0,2347
0,2323
0,2299
0,2275
0,2251
0,2227
0,2203
0,2179
0,2155
0,2131
0,2107
0,2083
0,2059
0,2036
0,2012
0,1989
0,1965
0,1942

z
1,21
1,22
1,23
1,24
1,25
1,26
1,27
1,28
1,29
1,30
1,31
1,32
1,33

rea
0,8869
0,8888
0,8907
0,8925
0,8944
0,8962
0,8980
0,8997
0,9015
0,9032
0,9049
0,9066
0,9082

u ordenada

Z
1,66
1,67
1,68
1,69
1,70
1,71
1,72
1,73
1,74
1,75
1,76
1,77
1,78

rea
0,9515
0,9525
0,9535
0,9545
0,9554
0,9564
0,9573
0,9582
0,9591
0,9599
0,9608
0,9616
0,9625

u ordenada

0,1919
0,1895
0,1872
0,1849
0,1826
0,1804
0,1781
0,1758
0,1736
0,1714
0,1691
0,1669
0,1647

0,1006
0,0989
0,0973
0,0957
0,0940
0,0925
0,0909
0,0893
0,0878
0,0863
0,0848
0,0833
0,0818

256
1,34
1,35
1,36
1,37
1,38
1,39
1,40
1,41
1,42
1,43
1,44
1,45
1,46
1,47
1,48
1,49
1,50
1,51
1,52
1,53
1,54
1,55
1,56
1,57
1,58
1,59
1,60
1,61
1,62
1,63
1,64
1,65

0,9099
0,9115
0,9131
0,9147
0,9162
0,9177
0,9192
0,9207
0,9222
0,9236
0,9251
0,9265
0,9279
0,9292
0,9306
0,9319
0,9332
0,9345
0,9357
0,9370
0,9382
0,9394
0,9406
0,9418
0,9429
0,9441
0,9452
0,9463
0,9474
0,9484
0,9495
0,9505

0,1626
0,1604
0,1582
0,1561
0,1539
0,1518
0,1497
0,1476
0,1456
0,1435
0,1415
0,1394
0,1374
0,1354
0,1334
0,1315
0,1295
0,1276
0,1257
0,1238
0,1219
0,1200
0,1182
0,1163
0,1145
0,1127
0,1109
0,1092
0,1074
0,1057
0,1040
0,1023

1,79
1,80
1,81
1,82
1,83
1,84
1,85
1,86
1,87
1,88
1,89
1,90
1,91
1,92
1,93
1,94
1,95
1,96
1,97
1,98
1,99
2,00
2,01
2,02
2,03
2,04
2,05
2,06
2,07
2,08
2,09
2,10

0,9633
0,9641
0,9649
0,9656
0,9664
0,9671
0,9678
0,9686
0,9693
0,9699
0,9706
0,9713
0,9719
0,9726
0,9732
0,9738
0,9744
0,9750
0,9756
0,9761
0,9767
0,9772
0,9778
0,9783
0,9788
0,9793
0,9798
0,9803
0,9808
0,9812
0,9817
0,9821

0,0804
0,0790
0,0775
0,0761
0,0748
0,0734
0,0721
0,0707
0,0694
0,0681
0,0669
0,0656
0,0644
0,0632
0,0620
0,0608
0,0596
0,0584
0,0573
0,0562
0,0551
0,0540
0,0529
0,0519
0,0508
0,0498
0,0488
0,0478
0,0468
0,0459
0,0449
0,0440

z
2,11
2,12
2,13
2,14
2,15
2,16
2,17
2,18

rea
0,9826
0,9830
0,9834
0,9838
0,9842
0,9846
0,9850
0,9854

u ordenada

Z
2,56
2,57
2,58
2,59
2,60
2,61
2,62
2,63

rea
0,9948
0,9949
0,9951
0,9952
0,9953
0,9955
0,9956
0,9957

u ordenada

0,0431
0,0422
0,0413
0,0404
0,0395
0,0387
0,0379
0,0371

0,0151
0,0147
0,0143
0,0139
0,0136
0,0132
0,0129
0,0126

2,19
2,20
2,21
2,22
2,23
2,24
2,25
2,26
2,27
2,28
2,29
2,30
2,31
2,32
2,33
2,34
2,35
2,36
2,37
2,38
2,39
2,40
2,41
2,42
2,43
2,44
2,45
2,46
2,47
2,48
2,49
2,50
2,51
2,52
2,53
2,54
2,55

0,9857
0,9861
0,9864
0,9868
0,9871
0,9875
0,9878
0,9881
0,9884
0,9887
0,9890
0,9893
0,9896
0,9898
0,9901
0,9904
0,9906
0,9909
0,9911
0,9913
0,9916
0,9918
0,9920
0,9922
0,9925
0,9927
0,9929
0,9931
0,9932
0,9934
0,9936
0,9938
0,9940
0,9941
0,9943
0,9945
0,9946

0,0363
0,0355
0,0347
0,0339
0,0332
0,0325
0,0317
0,0310
0,0303
0,0297
0,0290
0,0283
0,0277
0,0270
0,0264
0,0258
0,0252
0,0246
0,0241
0,0235
0,0229
0,0224
0,0219
0,0213
0,0208
0,0203
0,0198
0,0194
0,0189
0,0184
0,0180
0,0175
0,0171
0,0167
0,0163
0,0158
0,0154

2,64
2,65
2,66
2,67
2,68
2,69
2,70
2,71
2,72
2,73
2,74
2,75
2,76
2,77
2,78
2,79
2,80
2,81
2,82
2,83
2,84
2,85
2,86
2,87
2,88
2,89
2,90
2,91
2,92
2,93
2,94
2,95
2,96
2,97
2,98
2,99
3,00

0,9959
0,9960
0,9961
0,9962
0,9963
0,9964
0,9965
0,9966
0,9967
0,9968
0,9969
0,9970
0,9971
0,9972
0,9973
0,9974
0,9974
0,9975
0,9976
0,9977
0,9977
0,9978
0,9979
0,9979
0,9980
0,9981
0,9981
0,9982
0,9982
0,9983
0,9984
0,9984
0,9985
0,9985
0,9986
0,9986
0,9987

0,0122
0,0119
0,0116
0,0113
0,0110
0,0107
0,0104
0,0101
0,0099
0,0096
0,0093
0,0091
0,0088
0,0086
0,0084
0,0081
0,0079
0,0077
0,0075
0,0073
0,0071
0,0069
0,0067
0,0065
0,0063
0,0061
0,0060
0,0058
0,0056
0,0055
0,0053
0,0051
0,0050
0,0048
0,0047
0,0046
0,0044

223
TABLA B:

PARA LA DISTRIBUCIN

t STUDENT

/2

Ejemplos: Para v = 10 grados de libertad y = 0,05

P[t < 2,228] = 0,975


P[ 2,228 < t < 2,228] = 1 0,05 = 0,95

v /
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60

0.7
0.5095
0.4447
0.4242
0.4142
0.4082
0.4043
0.4015
0.3995
0.3979
0.3966
0.3956
0.3947
0.394
0.3933
0.3928
0.3923
0.3919
0.3915
0.3912
0.3909
0.3906
0.3904
0.3902
0.39
0.3898
0.3896
0.3894
0.3893
0.3892
0.389
0.3881
0.3872

0.6
0.7265
0.6172
0.5844
0.5686
0.5594
0.5534
0.5491
0.5459
0.5435
0.5415
0.5399
0.5386
0.5375
0.5366
0.5357
0.535
0.5344
0.5338
0.5333
0.5329
0.5325
0.5321
0.5317
0.5314
0.5312
0.5309
0.5306
0.5304
0.5302
0.53
0.5286
0.5272

/2
1

0.5
10.000
0.8165
0.7649
0.7407
0.7267
0.7176
0.7111
0.7064
0.7027
0.6998
0.6974
0.6955
0.6938
0.6924
0.6912
0.6901
0.6892
0.6884
0.6876
0.687
0.6864
0.6858
0.6853
0.6848
0.6844
0.684
0.6837
0.6834
0.683
0.6828
0.6807
0.6786

0.4
13.764
10.607
0.9785
0.941
0.9195
0.9057
0.896
0.8889
0.8834
0.8791
0.8755
0.8726
0.8702
0.8681
0.8662
0.8647
0.8633
0.862
0.861
0.86
0.8591
0.8583
0.8575
0.8569
0.8562
0.8557
0.8551
0.8546
0.8542
0.8538
0.8507
0.8477

0.3
19.626
13.862
12.498
11.896
11.558
11.342
11.192
11.081
10.997
10.931
10.877
10.832
10.795
10.763
10.735
10.711
10.690
10.672
10.655
10.640
10.627
10.614
10.603
10.593
10.584
10.575
10.567
10.560
10.553
10.547
10.500
10.455

0.2
30.777
18.856
16.377
15.332
14.759
14.398
14.149
13.968
13.830
13.722
13.634
13.562
13.502
13.450
13.406
13.368
13.334
13.304
13.277
13.253
13.232
13.212
13.195
13.178
13.163
13.150
13.137
13.125
13.114
13.104
13.031
12.958

0.1
63.137
29.200
23.534
21.318
20.150
19.432
18.946
18.595
18.331
18.125
17.959
17.823
17.709
17.613
17.531
17.459
17.396
17.341
17.291
17.247
17.207
17.171
17.139
17.109
17.081
17.056
17.033
17.011
16.991
16.973
16.839
16.706

0.05
127.062
43.027
31.824
27.765
25.706
24.469
23.646
23.060
22.622
22.281
22.010
21.788
21.604
21.448
21.315
21.199
21.098
21.009
20.930
20.860
20.796
20.739
20.687
20.639
20.595
20.555
20.518
20.484
20.452
20.423
20.211
20.003

0.02
318.210
69.645
45.407
37.469
33.649
31.427
29.979
28.965
28.214
27.638
27.181
26.810
26.503
26.245
26.025
25.835
25.669
25.524
25.395
25.280
25.176
25.083
24.999
24.922
24.851
24.786
24.727
24.671
24.620
24.573
24.233
23.901

0.01
636.559
99.250
58.408
46.041
40.321
37.074
34.995
33.554
32.498
31.693
31.058
30.545
30.123
29.768
29.467
29.208
28.982
28.784
28.609
28.453
28.314
28.188
28.073
27.970
27.874
27.787
27.707
27.633
27.564
27.500
27.045
26.603

0.001
6.365.776
315.998
129.244
86.101
68.685
59.587
54.081
50.414
47.809
45.868
44.369
43.178
42.209
41.403
40.728
40.149
39.651
39.217
38.833
38.496
38.193
37.922
37.676
37.454
37.251
37.067
36.895
36.739
36.595
36.460
35.510
34.602

224
120

0.3862
0.3853

0.5258
0.5244

0.6765
0.6745

0.8446
0.8416

10.409
10.365

12.886
12.816

16.576
16.449

19.799
19.601

23.578
23.265

26.174
25.761

33.734
32.911

TABLA C:
PARA LA DISTRIBUCIN JI-CUADRADO

Ejemplos: Si X tiene la distribucin Ji Cuadrado


Con v = 11 grados de libertad y = 0,05 .

P X > 120, 05 = P[ X > 19,67] = 0,05

12 ,v
v /

0.99

0.975

0.95

0.9

0.1

0.05

0.025

0.01

0.001

0.0002

0.001

0.0039

0.0158

2.71

3.84

5.02

6.63

10.83

0.02

0.05

0.1

0.21

4.61

5.99

7.38

9.21

13.82

0.12

0.22

0.35

0.58

6.25

7.81

9.35

11.34

16.27

0.3

0.48

0.71

1.06

7.78

9.49

11.14

13.28

18.47

0.55

0.83

1.15

1.61

9.24

11.07

12.83

15.09

20.52

0.87

1.24

1.64

2.2

10.64

12.59

14.45

16.81

22.46

1.24

1.69

2.17

2.83

12.02

14.07

16.01

18.47

24.32

1.65

2.18

2.73

3.49

13.36

15.51

17.53

20.09

26.13

2.09

2.7

3.33

4.17

14.68

16.92

19.02

21.67

27.88

10

2.56

3.25

3.94

4.87

15.99

18.31

20.48

23.21

29.59

11

3.05

3.82

4.57

5.58

17.27

19.67

21.92

24.72

31.26

12

3.57

4.4

5.23

6.3

18.55

21.03

23.34

26.22

32.91

13

4.11

5.01

5.89

7.04

19.81

22.36

24.74

27.69

34.53

14

4.66

5.63

6.57

7.79

21.06

23.68

26.12

29.14

36.12

15

5.23

6.26

7.26

8.55

22.31

25

27.49

30.58

37.7

16

5.81

6.91

7.96

9.31

23.54

26.3

28.84

32

39.25

17

6.41

7.56

8.67

10.08

24.77

27.59

30.19

33.41

40.79

18

7.01

8.23

9.39

10.86

25.99

28.87

31.53

34.8

42.31

19

7.63

8.91

10.12

11.65

27.2

30.14

32.85

36.19

43.82

20

8.26

9.59

10.85

12.44

28.41

31.41

34.17

37.57

45.32

21

8.9

10.28

11.59

13.24

29.61

32.67

35.48

38.93

46.8

22

9.54

10.98

12.34

14.04

30.81

33.92

36.78

40.29

48.27

225
23

10.2

11.69

13.09

14.85

32.01

35.17

38.08

41.64

24

10.86

12.4

13.85

15.66

33.2

36.41

39.37

42.98

49.73
51.18

25

11.52

13.12

14.61

16.47

34.38

37.65

40.65

44.31

52.62

26

12.2

13.84

15.38

17.29

35.56

38.88

41.92

45.64

54.05

27

12.88

14.57

16.15

18.11

36.74

40.11

43.19

46.96

55.48

28

13.57

15.31

16.93

18.94

37.92

41.34

44.46

48.28

56.89

29

14.26

16.05

17.71

19.77

39.09

42.56

45.72

49.59

58.3

30

14.95

16.79

18.94

20.6

40.26

43.77

46.98

50.89

59.7

TABLA D:
PARA LA DISTRIBUCIN F DE SNEDECOR FISHER
Ejemplo: Si X tiene distribucin F con 9, 7 grados de

Libertad y = 0,05

P[X > F0, 05;9, 7 ] = P[ X > 3,68] = 0,05

F1 ,v1 ,v2

v2
v2

Grados de libertad para el denominador

Grados de libertad del numerador


1

0.05
0.025
0.01
0.005
0.05
0.025
0.01
0.005
0.05
0.025
0.01
0.005
0.05
0.025

2
161.45
647.79
4052.18
16211
18.51
38.51
98.49
198.5
10.13
17.44
34.12
55.55
7.71
12.22

(v1 )
3

199.5
799.48
4999.34
20000
19
39
99
199
9.55
16.04
30.81
49.8
6.94
10.65

215.7
864.2
5403
21615
19.16
39.17
99.17
199.2
9.28
15.44
29.46
47.47
6.59
9.98

4
224.6
899.6
5625
22500
19.25
39.25
99.25
199.2
9.12
15.1
28.71
46.19
6.39
9.6

5
230.2
921.8
5764
23056
19.3
39.3
99.3
199.3
9.01
14.88
28.24
45.39
6.26
9.36

6
234
937.1
5859
23437
19.33
39.33
99.33
199.3
8.94
14.73
27.91
44.84
6.16
9.2

8
236.8
948.2
5928
2371
19.35
39.36
99.36
199.4
8.89
14.62
27.67
44.43
6.09
9.07

9
238.9
956.7
5982
23925
19.37
39.37
99.37
199.4
8.85
14.54
27.49
44.13
6.04
8.98

10
240.5
963.3
6022
2409
19.38
39.39
99.39
199.4
8.81
14.47
27.35
43.88
6
8.9

241.9
968.6
6056
24224
19.4
39.4
99.4
199.4
8.79
14.42
27.23
43.69
5.96
8.84

226

0.01
0.005
0.05
0.025
0.01
0.005
0.05
0.025
0.01
0.005
0.05
0.025
0.01
0.005
0.05
0.025
0.01
0.005
0.05
0.025
0.01
0.005

21.2
31.33
6.61
10.01
16.26
22.78
5.99
8.81
13.74
18.63
5.59
8.07
12.25
16.24
5.32
7.57
11.26
14.69
5.12
7.21
10.56
13.61

18
26.28
5.79
8.43
13.27
18.31
5.14
7.26
10.91
14.54
4.74
6.54
9.55
12.4
4.46
6.06
8.65
11.04
4.26
5.71
8.02
10.11

16.69
24.26
5.41
7.76
12.06
16.53
4.76
6.6
9.78
12.92
4.35
5.89
8.45
10.88
4.07
5.42
7.59
9.6
3.86
5.08
6.99
8.72

15.98
23.15
5.19
7.39
11.39
15.56
4.53
6.23
9.15
12.03
4.12
5.52
7.85
10.05
3.84
5.05
7.01
8.81
3.63
4.72
6.42
7.96

15.52
22.46
5.05
7.15
10.97
14.94
4.39
5.99
8.75
11.46
3.97
5.29
7.45
9.52
3.69
4.82
6.63
8.3
3.48
4.48
6.06
7.47

15.21
21.97
4.95
6.98
10.67
14.51
4.28
5.82
8.47
11.07
3.87
5.12
7.19
9.16
3.58
4.65
6.37
7.95
3.37
4.32
5.8
7.13

14.98
21.62
4.88
6.85
10.46
14.2
4.21
5.7
8.26
10.79
3.79
4.99
6.99
8.89
3.5
4.53
6.18
7.69
3.29
4.2
5.61
6.88

14.8
21.35
4.82
6.76
10.29
13.96
4.15
5.6
8.1
10.57
3.73
4.9
6.84
8.68
3.44
4.43
6.03
7.5
3.23
4.1
5.47
6.69

14.66
21.14
4.77
6.68
10.16
13.77
4.1
5.52
7.98
10.39
3.68
4.82
6.72
8.51
3.39
4.36
5.91
7.34
3.18
4.03
5.35
6.54

14.55
20.97
4.74
6.62
10.05
13.62
4.06
5.46
7.87
10.25
3.64
4.76
6.62
8.38
3.35
4.3
5.81
7.21
3.14
3.96
5.26
6.42

227

TABLA E*:
DETERMINACIN DE r PARA DIVERSOS VALORES DE bc / ad DE ad / bc A PARTIR DE UNA TABLA DE CONTINGENCIA DE CUATRO
ENTRADAS1

rt
0,00
0,01
0,02
0,03
0,04
0,05
0,06
0,07
0,08
0,09
0,10
0,11
0,12
0,13
0,14
0,15
0,16
0,17
0,18
0,19
0,20
0,21
0,22
0,23
0,24
0,25

bc
ad

1,0000
1,013-1,039
1,040-1,066
1,067-0,093
1,094-1,122
1,123-1,151
1,152-1,180
1,181-1,211
1,212-1,242
1,243-1,275
1,276-1,308
1,309-1,342
1,343-1,377
1,378-1,413
1,414-1,450
1,451-1,488
1,489-1,528
1,529-1,568
1,569-1,610
1,611-1,653
1,654-1,697
1,698-1,743
1,744-1,1790
1,791-1,838
1,839-1,888
1,889-1,940

ad
bc

bc
ad

rt
0,26
0,27
0,28
0,29
0,30
0,31
0,32
0,33
0,34
0,35
0,36
0,37
0,38
0,39
0,40
0,41
0,42
0,43
0,44
0,45
0,46
0,47
0,48
0,49
0,50

1,941-1,993
1,994-2,048
2,049-2,105
2,106-2,164
2,165-2,225
2,226-2,288
2,289-2,353
2,354-2,421
2,422-2,491
2,492-2,563
2,564-2,638
2,639-2,716
2,717-2,797
2,798-2,881
2,882-2,968
2,969-3,059
3,060-3,153
3,154-3,251
3,252-3,353
3,354-3,460
3,461-3,571
3,572-3,687
3,688-3,808
3,809-3,935
3,936-4,067

ad
bc

rt
0,51
0,52
0,53
0,54
0,55
0,56
0,57
0,58
0,59
0,60
0,61
0,62
0,63
0,64
0,65
0,66
0,67
0,68
0,69
0,70
0,71
0,72
0,73
0,74
0,75

bc
ad

ad
bc

4,068-4,205
4,206-4,351
4,352-4,503
4,504-4,662
4,663-4,830
4,831-5,007
5,008-5,192
5,193-5,388
5,389-5,595
5,596-5,813
5,814-6,043
6,044-6,288
6,289-6,547
6,548-6,822
6,823-7,115
7,116-7,428
7,429-7,761
7,762-8,117
8,118-8,499
8,500-8,910
8,911-9,351
9,352-9,828
9,829-10,344
10,345-10,903
10,904-11,512

rt
0,76
0,77
0,78
0,79
0,8
0,81
0,82
0,83
0,84
0,85
0,86
0,87
0,88
0,89
0,9
0,91
0,92
0,93
0,94
0,95
0,96
0,97
0,98
0,99
1

bc
ad

11,513-12,177
12,178-12,905
12,906-13,707
13,708-14,592
14,593-15,574
15,575-16,670
16,671-17,899
17,900-19,287
19,288-20,865
20,866-22,674
22,675-24,766
24,767-27,212
27,213-30,105
30,106-33,577
33,578-37,815
37,816-43,096
43,097-49,846
49,847-58,758
58,759-71,035
71,036-88,964
88,965-117,479
117,480-169,503
169,504-292,864
292,865-923,687
923,688 -

Los valores de esta tabla fueron calculados por Thomas O. Maguirre

Si

ad
bc

bc / ad es mayor que 1, se lee directamente en la tabla el valor de rt . Si ad / bc es mayor que 1, se busca bajo los valores de ad / bc y el valor de rt es negativo.

223

TABLA G:
Valores crticos para la prueba de rango con signo de Wilcoxon.
/, representa el nivel de significacin para una prueba unilateral.
//, representa el nivel de significacin para una prueba bilateral.

TABLA H.
Valores crticos para la prueba de Mann-Whitney

224

225

TABLA I:
Cuantiles para la prueba de Kolmogorov, para pruebas bilaterales

226
BIBLIOGRAFA

ANDERSON R., SWEENEY D., WILLIAMS T.


ESTADSTICA PARA
VA
ADMINISTRACIN Y ECONOMA. 8 . Edicin, International Thomson Editores, s.a.,
Mjico. 2004.
BLALOCK HUBER

ESTADISTICA SOCIAL. McGrawHill Book Company. 1960.

CRAMER HARALD METODOS MATEMATICOS DE ESTADISTICA. Aguilar S.A. de


Ediciones. Madrid, 1968.
GLASS G., STANLEY J. METODOS ESTADISTICOS APLICADOS A LAS CIENCIAS
SOCIALES.
1986.
GOODE J., HATT P.
Trillas.1967.

INVESTIGACION DE INVESTIGACION SOCIAL. Editorial

GOMEZ, D. , CARDENAS, A. CONDADO, J. , ADRIAZOLA, Y., SOLANO, O.


MARTINEZ, B. , DEPAZ, P. ESTADISTICA DESCRIPTIVA CON SOPORTE DEL
SPSS y MATLAB. 2005.
LORD F. y MELVIN R. SATTISTICAL THEORIES OF MENTAL TEST SCORES.
Addison Wesley Publishing Company. 1974.
JOHNSON ROBERTH
1991.

ESTADISTICA ELEMENTAL . Editorial Trillas.

Mjico,

HOEL PAUL ESTADISTICA ELEMENTAL . John Willey &Sons. 1990.


PAGANO
ROBERT
ESTADISTICA
PARA
COMPORTAMIENTO. Editorial Thomson. Mjico, 1999.

LAS

CIENCIAS

DEL

PREZ TEJADA ELORZA . ESTADSTICA PARA LAS CIENCIAS SOCIALES Y DEL


da
COMPORTAMIENTO. 2 . Edicin, Oxford, Mxico. 2000.
PERRY P., MEZA V., FERNANDEZ F., GOMEZ P.
MATEMATICAS, AZAR ,
SOCIEDAD. Conceptos Bsicos de Estadstica. Grupo Editorial Iberoamrica.
Bogot, 1996.
VELIZ CARLOS ESTADISTICA Aplicaciones. Lima_Per, 2000.
VISAUTA B ANALISIS ESTADISTICO CON SPSS PARA WINDOWS McGrawHill.
Madrid, 1997.