Beruflich Dokumente
Kultur Dokumente
Estadsticas II
Apuntes
3012765,238
Media
cuadrtica
gl
2 1506382,619
4183854,762
17
7196620,000
19
F
6,121
Sig.
,010
246109,104
Pvalor: 0.010
Comparaciones mltiples
Variable dependiente: pesoNR
HSD Tukey
95% de intervalo de
confianza
Diferencia de
(I) ciudad (J) ciudad medias (I-J)
arequipa
puno
tacna
Error
estndar
Sig.
Lmite
inferior
Lmite
superior
puno
-959,762*
276,001
,008
-1667,80
-251,72
tacna
arequipa
tacna
arequipa
-426,905
959,762*
532,857
426,905
276,001
276,001
265,173
276,001
,295
,008
,140
,295
-1134,95
251,72
-147,41
-281,14
281,14
1667,80
1213,12
1134,95
puno
-532,857
265,173
,140
-1213,12
147,41
HSD Tukeya,b
Subconjunto para alfa =
0.05
ciudad
arequipa
tacna
puno
Sig.
1
6
7
7
2971,67
3398,57
3398,57
3931,43
,154
,286
,164
gl
Shapiro-Wilk
Sig.
20
,162
Estadstico
,927
gl
Sig.
20
,134
PRUEBAS DE NORMALIDAD
a) Kolmogorov-Smirnov
b) Shapiro-Wilk
(s-w)
no hay distribucin
Pruebas paramtricas:
Pruebas no paramtricas:
Prueba T
Anova de un factor
Correlacin de person
Chi_ cuadrado
En spss:
Analizar
Estadsticos descriptivos
Explorar: grficos con prueba de normalidad
Continuar
Escoge variable (poner en el primer espacio)
Aceptar.
Pruebas de normalidad
Kolmogorov-Smirnova
Shapiro-Wilk
Estadstico
gl
Sig.
Estadstico
gl
pesoNR
,162
20
,182
,844
20
a. Correccin de significacin de Lilliefors
Si tengo ms de 50 datos (en spss) voy a usar la prueba k-s
Si tengo menos de 50 datos (en spss) voy a usar la prueba de s-w
Sig.
,004
1er pas
H0: la variable peso de recin nacidos sigue una distribucin normal
Hi: la variable peso de recin nacidos no sigue una distribucin normal
2do pas
Pvalor (k-s): 0.182
Pvalor (s-w): 0.004
3er pas
k-s) no rechazo H0
(s-w) rechazo H0
5to pas
(k-s): la prueba de k-s muestra que la variable sigue una distribucin normal
(s-w): la prueba de s-w muestra que la variable no sigue una distribucin normal
REGRESIN
Error
R cuadrado estndar de la
Modelo
R
R cuadrado
ajustado
estimacin
a
1
,998
,997
,997
1,415
a. Predictores: (Constante), Ingreso promedio
1. Explica el modelo como tal el Resumen del modelo
X explica Y en un 99.7 % (mi modelo est bien porque es un porcentaje que explica, pero es
vlido desde el 0.60% un resultado)
Coeficientes
Coeficientes no
estandarizados
Error
B
estndar
301,654
2,544
Modelo
1
(Constante)
Ingreso
,535
promedio
a. Variable dependiente: Punto de venta
2.
,010
Y = bX + c
Y= 0.535 X + 301.654
Y = 301.654 + 0.535 X RECTA DE REGRECIN
Y = constante + beta (X)
Y = 301.654 + 0.535 (252)
Coeficientes
estandarizado
s
Beta
,998
t
118,566
Sig.
,000
53,382
,000