Manual de Practicas de Spss Junio Final 2017

Manual de Practica de SPSS III CICLO
CURSO : ESTADISTICA Y PROFESOR EDIDSON FUENTES

PROBABILIDADES
PRCTICA 1: EJEMPLO DE ENCUESTA

2
Para realizar esta prctica hemos abierto el programa SPSS y hemos

introducido los datos que se nos solicitaban. Para ello, hemos abierto el archivo
de datos encuesta; a continuacin mostramos el archivo de datos encuesta:
1. Calcular una nueva variable que indique la altura en metros de cada

sujeto.
Para calcular lo que se nos pide en el enunciado seguiremos el
procedimiento siguiente: primero seleccionamos en la barra de herramientas del
SPSS la opcin transformar, calcular
Una vez abierto el cuadro de dilogo calcular variable, creamos la nueva

variable de destino alturam; a continuacin introducimos la altura en
centmetros en expresin numrica y /100; nos quedara esta expresin: altura
/ 100, aceptamos. Nos quedara as:

PROBABILIDADES
Antes de acabar debemos comprobar que las columnas de la vista de

variables estn correctas. Debemos fijarnos sobretodo en la anchura de la
variable, en los decimales y en la medida. Como hemos creado una nueva
variable, hay que cambiar la anchura de la misma a 4 y determinar cmo se mide
la nueva variable; en este caso, como es una variable cuantitativa pondremos que
la medida es escala.
2. Calcular una nueva variable que indique el porcentaje de masa corporal de

cada sujeto - peso(kg)/altura(cm)*100 .
Para realizar este clculo realizaremos el mismo procedimiento que en el
ejercicio anterior. Primero seleccionamos de la barra de tareas la opcin
transformar, calcular.
Abierto el cuadro de dilogo creamos la nueva variable destino masa y

aadimos en expresin numrica las variables peso en kg. / altura en cm. *
100. Quedara as:
Igual que antes tenemos que corregir los datos que por defecto nos
aparecen en la vista de variables; la anchura la cambiaremos a 5, porque
contamos los nmeros y el decimal. En medida hay que poner que es escala
porque es una variable cuantitativa.

PROBABILIDADES
3. Recodificar en la misma variable las puntuaciones de la prueba de

segundos transcurridos como acierto/error. Considerar hasta 15 segundos 4
como acierto y el resto error.
Para realizar el siguiente ejercicio lo primero que debemos hacer es cambiar

la etiqueta de valor de la variable segundos transcurridos, asignando el acierto
como 1 y el error como 2. Esto quedara de la siguiente forma:
A continuacin tenemos que seleccionar la opcin: Transformar,

recodificar en misma variable.
Una vez tenemos hecho esto nos aparece el siguiente cuadro de dilogo:

PROBABILIDADES
Como vemos hemos aadido en variables numricas segundos

transcurridos; seguidamente debemos pinchar en valores antiguos y nuevos 5
para determinar el criterio a seguir.
Aqu consideramos de 0 a 15 como acierto y le asignamos el valor nuevo 1;

a todos los dems valores le asignamos un 2.
De esta forma cuando nos vamos a la vista de datos, en lugar de aparecer
los segundos nos aparecer un 1 o un 2, dependiendo de la respuesta que se
haya dado.
4. Recodificar en una variable nueva los valores obtenidos para metros

cuadrados de aula, considerando las categoras siguientes: pequea, menos
de 100 metros; normal, entre 100 y 150 metros y grande, mas de 150
metros.
En este ejercicio se nos pide algo diferente al ejercicio anterior; se nos pide
que creemos una nueva variable. Lo que tenemos que hacer es ir a transformar,
recodificar en distintas variables, aadir la variable superficie y en variable de
resultado poner el nombre de la nueva variable que vamos a crear, en este caso,
aula2. Podemos cambiar aqu el nombre de la etiqueta o bien hacerlo despus en
la vista de variables.
Una vez realizado esto volvemos a ir a valores antiguos y nuevos.

PROBABILIDADES
5. Cuntos alumnos y porcentaje, creen que deben subir 40 o ms

escalones?. Comenta los estadsticos utilizados.
Para realizar este ejercicio debemos pedir una tabla de frecuencias ya que
queremos saber el nmero de alumnos que creen que suben 40 escalones o ms.
Para pedir la tabla de frecuencias nos vamos al men: analizar, estadsticos
descriptivos, frecuencias.
Una vez realizado esto obtenemos la siguiente tabla:

N. escalones?
Porcentaje Porcentaje
Frecuencia Porcentaje vlido acumulado
Vlidos 26 2 2,8 2,8 2,8
30 7 9,9 9,9 12,7
32 6 8,5 8,5 21,1
35 2 2,8 2,8 23,9
36 2 2,8 2,8 26,8
37 1 1,4 1,4 28,2
38 1 1,4 1,4 29,6
40 30 42,3 42,3 71,8
45 1 1,4 1,4 73,2
46 2 2,8 2,8 76,1
48 3 4,2 4,2 80,3
50 6 8,5 8,5 88,7
Estadsticos 52 1 1,4 1,4 90,1
60 5 7,0 7,0 97,2
N. escalones? 70 1 1,4 1,4 98,6
N Vlidos 71 90 1 1,4 1,4 100,0
Perdidos 0 Total 71 100,0 100,0

PROBABILIDADES
Como se nos pide el nmero y el porcentaje de slo los que suben 40 o ms

debemos desechar los casos que no cumplen el criterio. 7
Esto es as:
N. escalones?
Porcentaje
Frecuencia vlido
Vlidos 40 30 42,3
45 1 1,4
46 2 2,8
48 3 4,2
50 6 8,5
52 1 1,4
60 5 7,0
70 1 1,4
90 1 1,4
Total 50 70,4
Viendo las frecuencias podemos decir que hay 50 (sumamos todas las
frecuencias) que creen subir 40 o ms escalones. El porcentaje que representan
es el 70,4%.
6. Obtener los descriptivos indicadores y grficos- mas adecuados para la

variable porcentaje de masa corporal. Comenta los estadsticos utilizados.
El primer paso que debemos realizar es identificar el tipo de variable con la

que estamos trabajando; como es una variable cuantitativa podemos pedirle
todos los indicadores.
Vamos a calcular: los valores extremos (mnimo y mximo), la media, la
desviacin tpica, la curtosis y la asimetra. El grfico que utilizamos para esta
variable cuantitativa que es masa corporal es el histograma.
El procedimiento a seguir es el siguiente: analizar, estadsticos
descriptivos: opciones.

PROBABILIDADES
El grafico lo pedimos de la siguiente forma: grficos, histograma y

aadimos la variable porcentaje de masa corporal. 8
Realizado esto obtenemos las siguientes tablas de resultados:
Estadsticos descriptivos
N Mnimo Mximo Media Desv. tp. Asimetra Curtosis

EstadsticoEstadsticoEstadsticoEstadsticoEstadsticoEstadsticoError tpico
EstadsticoError tpico
porcentaje de masa
71 26,67 47,02 34,2912 3,88499 ,724 ,285 ,804 ,563
corporal
N vlido (segn lista) 71
16
14
12
10
Desv. tp. = 3,88

2
Media = 34,3
0 N = 71,00
27
29
31
33
35
37
39
41
43
45
47
,0
,0
,0
,0
,0
,0
,0
,0
,0
,0
,0
porcentaje de masa corporal
Con los resultados obtenidos podemos decir que, en cuanto a la tendencia

central, la media del porcentaje de masa corporal de los alumnos es de 34,29, por
lo que deducimos que la mayora de alumnos se concentran en torno a ese valor.
En cuanto a la variabilidad podemos decir que los datos no estn muy
dispersos, se concentran en torno a la media. Posee una amplitud de 20,35.

PROBABILIDADES
Para finalizar si hablamos de la forma de la distribucin podemos sealar

que muestra una distribucin asimtrica positiva, ya que la mayora de las 9
puntuaciones se concentran en la parte izquierda de la grfica y se dispersan
ms por la derecha. Adems esto se ve reforzado por el resultado de la tabla, que
nos dice que la simetra es 0,724. La curtosis, cuyo resultado es 0,804, muestra
una distribucin leptocrtica (relativamente alta y estrecha).
7. Obtener los descriptivos indicadores y grficos- ms adecuados para la

variable 15, comparando entre hombres y mujeres. Comenta los estadsticos
utilizados.
Este ejercicio nos pide que comparemos la variable nota final de la

asignatura para hombres y mujeres; por eso el primero paso que debemos
realizar es segmentar el archivo, comparar los grupos.
Una vez segmentado el archivo nos vamos a men: analizar, estadsticos

descriptivos, frecuencias, descriptivos y solicitamos la moda, la mediana, la
amplitud, el mnimo y el mximo. Los resultados que obtenemos son:
Estadsticos
Nota final asignatura?
Hombre N Vlidos 27
Perdidos 0
Mediana 2,00
Moda 2
Rango 3
Mnimo 1
Mximo 4
Mujer N Vlidos 44
Perdidos 0
Mediana 2,00
Moda 2
Rango 4
Mnimo 1
Mximo 5

PROBABILIDADES

10
Porcentaje Porcentaje
Sexo del encuestado? Frecuencia Porcentaje vlido acumulado
Hombre Vlidos Suspenso 4 14,8 14,8 14,8
Aprobado 16 59,3 59,3 74,1
Notable 6 22,2 22,2 96,3
Sobresaliente 1 3,7 3,7 100,0
Total 27 100,0 100,0
Mujer Vlidos Suspenso 2 4,5 4,5 4,5
Aprobado 34 77,3 77,3 81,8
Notable 7 15,9 15,9 97,7
Matricula 1 2,3 2,3 100,0
Total 44 100,0 100,0
El grfico que solicitamos es el diagrama de barras puesto que es el ms

indicado para variables cuasi-cuantitativas.
Nota final asignatura? Nota final asignatura?
SEXO: 1 Hombre SEXO: 2 Mujer
20 40
30
10 20
Frecuencia
Frecuencia
10
0 0
Suspenso Aprobado Notable Sobresaliente Suspenso Aprobado Notable Matricula
Nota final asignatura? Nota final asignatura?
Vemos que en ambos casos coinciden

la moda y la mediana. Observando las grficas vemos que los hombres
suspenden ms que las mujeres pero tienen ms notables. Las mujeres no
obtienen sobresalientes pero es porque obtienen matrcula, mientras que los
hombres slo obtienen sobresalientes.

PROBABILIDADES
PRCTICA 2: ANLISIS EXPLORATORIO DE DATOS

11
1. Solicitar el grfico de tallo y hojas para la variable Metros cuadrados del
aula.
Para realizar este ejercicio debemos seguir los pasos que exponemos a
continuacin: seleccionar analizar, estadsticos descriptivos y explorar.
Como el ejercicio nos pide que hallemos el grfico para la variable metros
cuadrados del aula, es sta la que debemos introducir en dependientes. A
continuacin, en grficos, seleccionamos slo el diagrama de tallo y hojas,
puesto que no se nos pide ningn otro ms. Quedara as:

PROBABILIDADES
12
Los resultados que se obtiene tras aplicar lo anteriormente citado son los
siguientes:
Resumen del procesamiento de los casos
Casos
Vlidos Perdidos Total
N Porcentaje N Porcentaje N Porcentaje
Metros cuadrados
71 100,0% 0 ,0% 71 100,0%
del aula?
Descriptivos
Estadstico Error tp.

Metros cuadrados Media 124,38 9,305
del aula? Intervalo de confianza Lmite inferior 105,82
para la media al 95% Lmite superior
142,94
Media recortada al 5% 116,69

Mediana 110,00
Varianza 6147,868
Desv. tp. 78,408
Mnimo 30
Mximo 400
Rango 370
Amplitud intercuartil 80,00
Asimetra 1,582 ,285
Curtosis 3,078 ,563
Metros cuadrados del aula? Stem-and-Leaf Plot

Frequency Stem & Leaf
6,00 0 . 333344
23,00 0 . 55556666666777777777899
20,00 1 . 00001111222233344444
11,00 1 . 55555555558
5,00 2 . 00034
2,00 2 . 55
4,00 Extremes (>=300)
Stem width: 100
Each leaf: 1 case(s)
PROBABILIDADES
Al mirar el grfico, podemos fijarnos en la simetra, la curtosis, etc. de la

variable, y podemos deducir que existe una distribucin leptocrtica, puesto que 13
la distribucin de resultados es muy alta alrededor de la media y menor cuanto
ms se aleja de ella. Tambin podemos observar la distribucin, que presenta
cierta asimetra, y puesto que est algo ms desplazada hacia la izquierda
podramos decir que se trata de una asimetra positiva.
2. Solicitar el diagrama de cajas de la variable peso en Kilogramos
En este ejercicio hemos de ir tambin al men analizar, estadsticos

descriptivos, explorar, seleccionando la variable peso en kilogramos, y en
lugar de solicitar el grafico de Tallo y hojas, desactivamos dicha opcin y
activamos la opcin de Diagramas de cajas, y obtenemos estos resultados:
Casos
Peso en kg 71 100.0% 0 .0% 71 100.0%
Descriptivos
Estadstico Error tp.

Peso en kg Media 57,35 ,900
Intervalo de confianza Lmite inferior 55,56
59,15

Mediana 56,00
Varianza 57,460
Desv. tp. 7,580
Mnimo 44
Mximo 79
Rango 35
Asimetra ,752 ,285
Curtosis ,644 ,563
90
80
60
66
40
5
70
60
50
40
N= 71
Peso en kg

PROBABILIDADES
La caja representa los casos ms cercanos a la media. La lnea de dentro de

la caja representa la mediana, que en este caso, parece coincidir o se acerca 14
mucho a la media. El ancho de la caja determina el apuntamiento de la variable,
podemos afirmar que hay una distribucin mesocrtica, ya que los casos se
muestran agrupados y el ancho de la caja no es excesivo.
En referencia a los bigotes que acompaan a la caja, podemos decir que
representan la asimetra de la variable, que se mide con la distancia entre el
bigote superior y la mediana y viceversa. En este caso es mucho ms larga la
distancia entre la mediana y el bigote superior, por lo que tenemos que decir que
existe una asimetra positiva.
3. Solicitar el grfico de tallo y hojas y el diagrama de cajas de la variable

altura en centmetros comparndola para ambos sexos. Interpreta y razn
los resultados para la tendencia central, variabilidad, forma de la curva
y/o valores extremos.
Puesto que se nos pide que comparemos dos grupos, lo primero que
debemos hacer es segmentar el archivo. Para ello nos vamos al men datos,
segmentar archivo, comparar casos. Introducimos la variable sexo para que
fragmente el archivo segn este criterio.
Una vez segmentado el archivo, nos vamos al men analizar, estadsticos

descriptivos, explorar e introducimos la variable altura en centmetros como
dependiente.

PROBABILIDADES
15
Pulsamos seguidamente en grficos y seleccionamos los grficos de tallo y

hojas y el diagrama de cajas.
Obtenemos las siguientes tablas:

Sexo del encuestado? Casos

Altura Hombre
en cm. 27 100,0% 0 ,0% 27 100,0%
Mujer 44 100,0% 0 ,0% 44 100,0%

PROBABILIDADES
Descriptivos
16
Sexo del encuestado? Estadstico Error tp.
Altura en cm. Hombre Media 170,78 1,101
Intervalo de confianza para la media Lmite
168,52
al 95% inferior
Lmite
superior 173,04

Mediana 170,00
Varianza 32,718
Desv. tp. 5,720
Mnimo 160
Mximo 180
Rango 20
Asimetra -,055 ,448
Curtosis -,783 ,872
Mujer Media 164,66 ,668
Intervalo de confianza para la media Lmite
163,31
al 95% inferior
Lmite
superior 166,01

Mediana 165,00
Varianza 19,625
Desv. tp. 4,430
Mnimo 155
Mximo 173
Rango 18
Asimetra -,154 ,357
Curtosis -,573 ,702
El grfico de tallo y hojas queda as:

Altura en cm. Stem-and-Leaf Plot for
SEXO= Hombre
2,00 16 . 00
10,00 16 . 5555778889
7,00 17 . 0012234
6,00 17 . 567888
2,00 18 . 00
Stem width: 10

PROBABILIDADES
Altura en cm. Stem-and-Leaf Plot for

SEXO= Mujer
17
,00 15 .
5,00 15 . 57789
12,00 16 . 000001112333
20,00 16 . 55555556666777788888
7,00 17 . 0000233
Stem width: 10
El diagrama de cajas se nos quedara de la siguiente forma:
190
180
170
Altura en cm.
160
150
N = 27 44
Hombre Mujer
Sexo del encuestado?
Despus de observar los diagramas, tanto el de tallo y hojas como el de

cajas y bigotes, se observa que hay una diferencia en las medias, puesto que la de
los chicos es 170,78 y la de las chicas es 164,66. Dicha diferencia demuestras
que los chicos son ms altos que las chicas. Adems la mediana es distinta,
habiendo una diferencia de 5 puntos.
Respecto a la variabilidad podemos decir que la varianza es mayor para los

chicos que para las chicas, lo que significa que el grupo de los chicos es ms
variable. La desviacin tpica es tambin mayor para los chicos por lo que se
deduce que hay una mayor dispersin en este grupo.
Si hablamos de la distribucin decimos que los dos grupos presentan una

asimetra negativa, ya que sus valores son 0,05 para los chicos y 0,15 para las
chicas. Las dos distribuciones son platicrticas puesto que sus valores son
menores que 0; esto nos dice que la agrupacin es ancha y baja, alejndose los
valores extremos de la media.

PROBABILIDADES
4. Comparar los resultados del diagrama de cajas segn la Opcin elegida en

BUP para la variable Nota final en la asignatura. Interpreta y razn los 18
resultados para la tendencia central, variabilidad, forma de la curva y/o
valores extremos.
En primer lugar debemos segmentar el archivo, puesto que se nos pide los
resultados segn la Opcin de BUP, para ello nos vamos al men datos,
segmentar archivo, comparar casos, donde introducimos la variable Opcin
elegida en BUP. A continuacin en el men analizar, estadsticos
descriptivos, explorar seleccionamos la variable Nota final en la asignatura y
pasamos a Grficos. Una vez dentro seleccionamos el diagrama de cajas y
bigotes. Una vez hecho todo esto, obtenemos los siguientes resultados:
Opcin en
BUP? Casos
Nota final Ciencias
29 100,0% 0 ,0% 29 100,0%
asignatura?
Letras 16 100,0% 0 ,0% 16 100,0%
Mixto 26 100,0% 0 ,0% 26 100,0%

PROBABILIDADES
Descriptivos
Opcin en BUP? Estadstico Error tp. 19

Ciencias Nota final asignatura? Media 2,41 ,105
2,63

Mediana 2,00
Varianza ,323
Desv. tp. ,568
Mnimo 2
Mximo 4
Rango 2
Asimetra ,990 ,434
Curtosis ,067 ,845
Letras Nota final asignatura? Media 2,00 ,224
2,48

Mediana 2,00
Varianza ,800
Desv. tp. ,894
Mnimo 1
Mximo 5
Rango 4
Amplitud intercuartil ,00
Asimetra 2,556 ,564
Curtosis 9,368 1,091
Mixto Nota final asignatura? Media 2,00 ,096
2,20

Mediana 2,00
Varianza ,240
Desv. tp. ,490
Mnimo 1
Mximo 3
Rango 2
Amplitud intercuartil ,00
Asimetra ,000 ,456
Curtosis 1,902 ,887
5 8
3 43
44
35
1 29
5
47 38
46
45
0
N= 29 16 26
Ciencias Letras Mixto
Opcin en BUP?

PROBABILIDADES
Lo primero que nos llama la atencin es la forma del grfico, en el que se

pueden ver que slo hay una caja para la opcin ciencias. Esto es as porque la 20
variable con la que trabajamos es cuasi-cuantitativa.
Podemos observar que hay gran diferencia segn las opciones de BUP. En
primer lugar, si analizamos la opcin de ciencias vemos que hay unos resultados
algo dispersos, ya que la caja es bastante ancha, pero por otro lado no se ve
ningn valor extremo. Los resultados de la caja son los representativos de la
media y no coinciden completamente con la mediana, la cual est desplazada
hacia la parte inferior de la caja.
Podramos decir que esta distribucin presenta un apuntamiento
mesocrtico. An as existe asimetra puesto que la mediana se encuentra
situada en la parte inferior de la caja.
A continuacin pasamos a analizar las opciones de letras y mixto, en ella
los casos estn totalmente agrupados. Media, mediana y moda coinciden, lo que
hace que no se vean los resultados de la media, ni la caja de resultados, ni los
bigotes.
La curtosis refleja claramente unas distribuciones leptocrticas, puesto que

los datos estn extremadamente agrupados.

PROBABILIDADES
PRCTICA 3: RELACIN ENTRE VARIABLES

21
1. Explorar grficamente la relacin entre Peso en Kg. y altura en cm.
Interpreta la grfica obtenida.
Para observar la relacin que existente entre la relacin entre el peso en

kilogramos y la altura en centmetros debemos utilizar el coeficiente de
correlacin de Pearson puesto que las variables que se nos dan son cuantitativas.
Para llegar a ese coeficiente de correlacin, en primer lugar vamos a analizar,
despus seleccionamos correlaciones y dentro de ella seleccionamos bivariadas:
Tras marcar las correlaciones bivariadas, hemos de aadir las variables

peso en Kg. y altura en cm. Y tambin seleccionar a Pearson dentro de los
coeficientes de correlacin.
Tras aceptar obtenemos los siguientes resultados:

Correlaciones
Peso en kg Altura en cm.

Peso en kg Correlacin de Pearson 1 ,622 **
Sig. (bilateral) , ,000
N 71 71
Altura en cm. Correlacin de Pearson ,622 ** 1
Sig. (bilateral) ,000 ,
N 71 71
**. La correlacin es significativa al nivel 0,01 (bilateral).

PROBABILIDADES
Para observar la dispersin de los valores acompaaremos a este cuadro

con una grfica de dispersin; para obtenerla nos vamos a grficos y dentro de 22
este apartado seleccionaremos dispersin, en el cual marcamos la opcin
simple. El grfico quedar de la siguiente forma:
80
70
60
50
Peso en kg
40
150 160 170 180 190
Altura en cm.
Puesto que los puntos de la grfica estn algo dispersos, y a pesar de que se
concentran en un espacio, no se puede realizar una lnea recta que pase por
todos los puntos, pero si que se puede trazar una lnea recta que pase, ms o
menos, por el centro de los puntos. Por ello, podemos afirmar que existe relacin
entre las variables. La lnea que se forma va creciendo desde los valores ms
pequeos a los ms grandes, lo que nos indica que hay una relacin positiva.
Adems podemos observar dicha relacin mediante la observacin de los
resultados obtenidos en la tabla, ya que da un valor de 0,62 y hay relacin entre
las variables.
2. Indicar grficamente y mediante un ndice la relacin entre Metros

cuadrados del aula y N de escalones.
En este ejercicio se nos pide que indiquemos que relacin existe entre las
variables metros cuadrados del aula y nmero de escalones. Como las dos
variables son cuantitativas utilizaremos el coeficiente de correlacin de
Pearson para observar la relacin existente, ya que con este coeficiente podemos
conocer el grado de relacin exacto de las variables, para llegar hasta ese
coeficiente seguiremos los mismos pasos que en el ejercicio anterior. En primer
lugar vamos a analizar, despus seleccionamos correlaciones y dentro de ella
seleccionamos bivariadas, en el cuadro de variables pondremos las variables
metros cuadrados del aula. y nmero de escalones y dentro de los
coeficientes de correlacin, marcamos la opcin de Pearson. Una vez hecho
esto, nos aparece la siguiente tabla de resultados:

PROBABILIDADES
Correlaciones
23
Metros
cuadrados N.
del aula? escalones?
Metros cuadrados Correlacin de Pearson 1 ,169
del aula? Sig. (bilateral) , ,158
N 71 71
N. escalones? Correlacin de Pearson ,169 1
N 71 71
El grfico que se obtienen es el siguiente:
500
400
300
200
Metros cuadrados del aula?
100
0
20 30 40 50 60 70 80 90 100
N. escalones?
Como se puede observar en la grfica, los valores estn demasiado

dispersos, por lo que no se podra dibujar una elipse; esto nos indica que no
existe relacin entre las variables. Adems no se puede trazar una lnea que pase
por todos los puntos ya que estn demasiado dispersos.
3. Obtener una matriz de correlaciones para todas las variables

cuantitativas presentes en el archivo. Indica entre que variables existe un
mayor y un menor grado de relacin.
Este ejercicio es similar a los anteriores, pero ahora se van a utilizar todas
las variables cuantitativas para observar entre que variables existe mas y menos
relacin. Puesto que el ejercicio es similar a los anteriores seguimos los mismos
pasos, primero vamos a analizar, despus seleccionamos correlaciones y dentro
de ella seleccionamos bivariadas. Dentro del cuadro de variables pondremos
todas las variables cuantitativas, seleccionaremos Pearson y obtenemos el
siguiente cuadro de correlaciones:

PROBABILIDADES
Correlaciones
N. personas Cuantos
24
que Posicion Metros Segundos alumnos
Edad Peso Altura conviven entre los cuadrados N. transcurrid asisten a
(aos) en kg en cm. contigo hermanos del aula? escalones? os? clase?
Edad (aos) Correlacin de
1 -,047 ,042 ,007 ,065 -,111 ,012 -,207 -,024
Pearson
Sig. (bilateral) , ,699 ,729 ,953 ,592 ,358 ,921 ,083 ,843
N 71 71 71 71 71 71 71 71 71
Peso en kg Correlacin de
-,047 1 ,622** -,128 -,017 ,008 ,108 ,225 -,038
Pearson
Sig. (bilateral) ,699 , ,000 ,288 ,890 ,945 ,368 ,059 ,755
N 71 71 71 71 71 71 71 71 71
Altura en cm. Correlacin de
,042 ,622** 1 -,109 ,084 ,136 ,050 ,020 ,023
Pearson
Sig. (bilateral) ,729 ,000 , ,364 ,488 ,259 ,677 ,865 ,850
N 71 71 71 71 71 71 71 71 71
N. personas que Correlacin de
conviven contigo Pearson ,007 -,128 -,109 1 ,473** ,153 -,028 ,038 -,212
Sig. (bilateral) ,953 ,288 ,364 , ,000 ,202 ,814 ,752 ,075
N 71 71 71 71 71 71 71 71 71
Posicion entre losCorrelacin de
,065 -,017 ,084 ,473** 1 ,027 -,144 ,008 -,312**
hermanos Pearson
Sig. (bilateral) ,592 ,890 ,488 ,000 , ,820 ,229 ,950 ,008
N 71 71 71 71 71 71 71 71 71
Metros cuadradosCorrelacin de
-,111 ,008 ,136 ,153 ,027 1 ,169 -,042 ,150
del aula? Pearson
Sig. (bilateral) ,358 ,945 ,259 ,202 ,820 , ,158 ,730 ,213
N 71 71 71 71 71 71 71 71 71
N. escalones? Correlacin de
,012 ,108 ,050 -,028 -,144 ,169 1 -,041 ,261*
Pearson
Sig. (bilateral) ,921 ,368 ,677 ,814 ,229 ,158 , ,733 ,028
N 71 71 71 71 71 71 71 71 71
Segundos Correlacin de
-,207 ,225 ,020 ,038 ,008 -,042 -,041 1 -,116
transcurridos? Pearson
Sig. (bilateral) ,083 ,059 ,865 ,752 ,950 ,730 ,733 , ,337
N 71 71 71 71 71 71 71 71 71
Cuantos alumnosCorrelacin de
-,024 -,038 ,023 -,212 -,312** ,150 ,261* -,116 1
asisten a clase? Pearson
Sig. (bilateral) ,843 ,755 ,850 ,075 ,008 ,213 ,028 ,337 ,
N 71 71 71 71 71 71 71 71 71
**. La correlacin es significativa al nivel 0,01 (bilateral).
*. La correlacin es significante al nivel 0,05 (bilateral).
Al observar la tabla de resultados podemos comprobar que las variables

entre s no muestran una estrecha relacin, puesto que los valores de la
correlacin se aproximan casi todos a cero, no existe ningn valor que tenga una
buena aproximacin a 1 -1. A pesar de ello vamos a ver entre que variables hay
mayor y menor relacin:
o Las variables que mayor relacin presentan son peso en Kg con altura en
cm y nmero de personas que viven contigo con posicin entre los hermanos
cuyos valores son 0,622 y 0,473 respectivamente. Estas relaciones no llegan a
ser perfectas.
o Las variables que presentan menor relacin son edad con nmero de
personas que viven contigo, edad con Nmero de escalones y peso con

PROBABILIDADES
metros cuadrados del aula y sus valores son 0,07; 0,012 y 0,08
respectivamente. 25
4. Controla el efecto de la variable Peso en Kg. en la relacin entre Edad
(aos) y Nmero de Escalones.
En este ejercicio se nos pide hallar la relacin que existe entre las variables
edad y nmero de escalones. Tambin se nos pide que controlemos el efecto
de la variable peso ya que puede influir en la relacin de las otras variables.
Por todo esto, utilizamos las correlaciones parciales, ya que con ellas se
puede controlar el efecto de una variable sobre otras. Para realizar el ejercicio
debemos de realizar lo siguiente: primero debemos analizar la relacin que existe
entre las variables edad y nmero de escalones sin controlar la variable
peso. Para ello nos iremos al men: analizar, correlaciones bivariadas.
Una vez mostrado el cuadro de dilogo correspondiente introducimos las
variables. Esto quedara as:
Una vez introducidas las variables aceptamos, obteniendo este resultado:

Correlaciones
N.
Edad (aos) escalones?
Edad (aos) Correlacin de Pearson 1 ,012
Sig. (bilateral) , ,921
N 71 71
N. escalones? Correlacin de Pearson ,012 1
N 71 71
Una vez hecho esto realizaremos lo mismo pero controlando la variable

peso. El procedimiento es el siguiente: analizar, correlaciones parciales. Una
vez seleccionado esto, nos aparece una ventana con un cuadro de variables
donde ponemos edad y nmero de escalones y un cuadro de controlando
para donde pondremos la variable que va a ser controlada, en este caso es
peso, quedando de la siguiente manera:

PROBABILIDADES
26
Tras aceptar obtenemos los siguientes resultados:
--- PARTIAL CORRELATION COEFFICIENTS ---
Controlling for.. PESO
EDAD ESCALO
EDAD 1,0000 ,0171

( 0) ( 68)
P= , P= ,888
ESCALO ,0171 1,0000

( 68) ( 0)
P= ,888 P= ,
(Coefficient / (D.F.) / 2-tailed Significance)
" , " is printed if a coefficient cannot be computed
Observando los resultados de los anlisis podemos ver que existe una escasa
relacin entre las variables edad y nmero de escalones, el resultado de la
correlacin nos da 0,012; al aproximarse bastante a cero la relacin es mnima.
Teniendo en cuenta el efecto de la variable peso podemos decir que
tampoco existe mucha relacin entre las variables anteriores, ya que el valor que
nos da es 0,0171. En conclusin, la variable peso no afecta a la relacin entre
las variables edad y nmero de escalones

PROBABILIDADES
5. Podemos pensar que la relacin entre Peso en Kg. y Altura en cm. se ve

afectada por la variable Edad (aos)? Razona tu respuesta. 27
El ejercicio propuesto es similar al ejercicio cuatro, en l debemos
comprobar la relacin existente entre dos variables controlando el efecto de una
tercera; para realizarlo debemos utilizar la correlacin parcial. Para ello vamos a
seguir los mismos pasos que en el ejercicio anterior, el primer paso ser ir a
analizar, despus seleccionamos correlaciones y dentro de ella seleccionamos
parciales. Dentro de las correlaciones parciales pondremos en el cuadro de
variables peso y altura y en el cuadro controlando para se pondr edad.
Se obtiene lo siguiente:
--- PARTIAL CORRELATION COEFFICIENTS ---
Controlling for.. EDAD
PESO ALTURA
PESO 1,0000 ,6251

( 0) ( 68)
P= , P= ,000
ALTURA ,6251 1,0000

( 68) ( 0)
P= ,000 P= ,
(Coefficient / (D.F.) / 2-tailed Significance)
" , " is printed if a coefficient cannot be computed
Si observamos la relacin existente entre las variables peso y altura

podemos comprobar que presentan cierta relacin. Cuando controlamos el efecto
de la variable edad en la relacin de las anteriores variables observamos que el
valor a penas vara ya que pasa de ser 0,622 a 0,6251. Por tanto, podemos decir
que la variable edad no influye en la relacin de las otras variables.
6. Calcula la relacin entre Opcin en BUP y Deporte favorito. Interpreta y

razona los resultados obtenidos.
En este ejercicio nos piden que calculemos la relacin existente entre dos
variables no cuantitativas, por tanto tendremos que utilizar las tablas de
contingencia, puesto que es la tcnica ms adecuada para este tipo de variables.
Para realizar las tablas de contingencia hemos de ir a analizar, despus

seleccionamos estadsticos descriptivos y dentro de estos seleccionamos tablas
de contingencia:

PROBABILIDADES
28
Una vez dentro de la ventana tenemos que rellenar los cuadros con las
variables a relacionar; hay dos cuadros en los que pone fila y columnas; en
ellos se pondrn cada una de las variables, quedando de la siguiente forma:
Tras estos pasos, aceptamos y obtenemos los siguientes resultados:

Casos
Opcin en BUP? *
71 100,0% 0 ,0% 71 100,0%
Deporte favorito?

PROBABILIDADES
Tabla de contingencia Opcin en BUP? * Deporte favorito?
Deporte favorito?
29
Futbol Baloncesto Tenis Ciclismo Otros Ninguno Total
Opcin Ciencias Recuento 6 2 5 2 14 29
en BUP? % de Opcin en BUP? 20,7% 6,9% 17,2% 6,9% 48,3% 100,0%
% de Deporte favorito? 60,0% 28,6% 50,0% 40,0% 38,9% 40,8%
% del total 8,5% 2,8% 7,0% 2,8% 19,7% 40,8%
Letras Recuento 2 3 2 7 2 16
% de Opcin en BUP? 12,5% 18,8% 12,5% 43,8% 12,5% 100,0%
% de Deporte favorito? 20,0% 30,0% 40,0% 19,4% 66,7% 22,5%
% del total 2,8% 4,2% 2,8% 9,9% 2,8% 22,5%
Mixto Recuento 2 5 2 1 15 1 26
% de Opcin en BUP? 7,7% 19,2% 7,7% 3,8% 57,7% 3,8% 100,0%
% de Deporte favorito? 20,0% 71,4% 20,0% 20,0% 41,7% 33,3% 36,6%
% del total 2,8% 7,0% 2,8% 1,4% 21,1% 1,4% 36,6%
Total Recuento 10 7 10 5 36 3 71
% de Opcin en BUP? 14,1% 9,9% 14,1% 7,0% 50,7% 4,2% 100,0%
% de Deporte favorito?100,0% 100,0% 100,0% 100,0% 100,0% 100,0% 100,0%
% del total 14,1% 9,9% 14,1% 7,0% 50,7% 4,2% 100,0%
Tras observar la tabla de contingencia podemos decir que,

independientemente de la opcin de bachillerato o el deporte favorito lo que ms
han respondido los alumnos es otros (otro tipo de deportes que no reflejados).
Esta opcin representa el 50,7%. Despus de este deporte podemos decir que el
ftbol y el tenis son los dos deportes favoritos, ya que sus porcentajes son de
14,1% en cada caso.
Analizando los resultados por opciones en BUP sealamos que en el caso de

ciencias, que representan un 40,8% de los casos, el deporte menos escogido es
baloncesto y ciclismo con un 2,8% en cada caso. La opcin de letras representa
un 22,5% de los casos y aqu destaca que baloncesto es un deporte que no es
practicado por nadie. Por ltimo, de la opcin de mixto podemos resaltar que el
baloncesto es un deporte bastante escogido entre los alumnos.
Veamos ahora la relacin entre estas dos variables con ms exactitud. Para
ello utilizamos las pruebas de chi-cuadrado, puesto que son ms aclaratorias:
Pruebas de chi-cuadrado
Sig. asinttica
Valor gl (bilateral)
Chi-cuadrado de Pearson 12,358a 10 ,262
Razn de verosimilitud 13,875 10 ,179
Asociacin lineal por
,969 1 ,325
lineal
N de casos vlidos 71
a. 15 casillas (83,3%) tienen una frecuencia esperada inferior a
5. La frecuencia mnima esperada es ,68.
En la tabla vemos que la significacin asinttica es de 0,262. Esto pone de

manifiesto la inexistencia de relacin entre las dos variables del ejercicio (opcin
en BUP y deporte favorito). Sera necesario que la significacin fuera menor al
0,05 para que existiera relacin.
PROBABILIDADES
7. Obtener la relacin entre Opcin en BUP y Nota final en la asignatura.

Interpreta y razona los resultados. 30
Este ejercicio es muy similar al anterior; nos piden que calculemos la
relacin existente entre dos variables no cuantitativas, por tanto seguiremos los
mismos pasos: analizar, estadsticos descriptivos, tablas de contingencia.
Seguidamente colocamos las variables opcin en BUP y nota final en sus
respectivas casillas, aceptamos y obtenemos los siguientes resultados:
Casos
Opcin en BUP? *
71 100,0% 0 ,0% 71 100,0%
Tabla de contingencia Opcin en BUP? * Nota final asignatura?

Suspenso Aprobado Notable Sobresaliente Matricula Total
Opcin Ciencias Recuento 18 10 1 29
en BUP? % de Opcin en BUP? 62,1% 34,5% 3,4% 100,0%
% de Nota final
36,0% 76,9% 100,0% 40,8%
asignatura?
% del total 25,4% 14,1% 1,4% 40,8%
Letras Recuento 3 12 1 16
% de Opcin en BUP? 18,8% 75,0% 6,3% 100,0%
% de Nota final
50,0% 24,0% 100,0% 22,5%
asignatura?
% del total 4,2% 16,9% 1,4% 22,5%
Mixto Recuento 3 20 3 26
% de Opcin en BUP? 11,5% 76,9% 11,5% 100,0%
% de Nota final
50,0% 40,0% 23,1% 36,6%
asignatura?
% del total 4,2% 28,2% 4,2% 36,6%
Total Recuento 6 50 13 1 1 71
% de Opcin en BUP? 8,5% 70,4% 18,3% 1,4% 1,4% 100,0%
% de Nota final
100,0% 100,0% 100,0% 100,0% 100,0% 100,0%
asignatura?
% del total 8,5% 70,4% 18,3% 1,4% 1,4% 100,0%
Como se puede observar en la tabla, en general, la gran mayora de alumnos,

ha aprobado la asignatura, en total un 70,4%. Slo un 1,4% de los alumnos ha
obtenido un sobresaliente o una matricula y un 8,5% ha suspendido. Si
observamos los resultados por opciones vemos que:
- De la opcin de ciencias un 62,1% ha aprobado, un 34,5% ha obtenido un

notable y un 3,4% ha sacado un sobresaliente. La opcin de ciencias es la
opcin con mayor nmero de alumnos (40,8% del total de alumnos).

PROBABILIDADES
- De la opcin de letras un 75% ha aprobado, un 18,8% ha suspendido y un

6,3% ha obtenido una matricula. Es la opcin que mas bajas tiene las 31
notas.
- De la opcin mixto un 76,9% ha aprobado, siendo este porcentaje el mayor

de todas las calificaciones en cualquier opcin de bachillerato y un 11,5% ha
obtenido suspenso y notable.
Pasamos ahora a analizar el chi-cuadrado:

Sig. asinttica
5,622 1 ,018
lineal
a. 11 casillas (73,3%) tienen una frecuencia esperada inferior a
5. La frecuencia mnima esperada es ,23.
Comprobamos aqu que s existe relacin entre la opcin elegida en BUP y la nota
media de la asignatura; la opcin ciencias tiene mejores notas que la opcin
mixta o la de letras, que es la que tiene peores notas.
8. Calcula la relacin entre Sexo y el resto de variables no cuantitativas.

Interpreta los resultados e indica con que variables aparece una mayor y una
menor relacin.
Otra vez se nos presenta un ejercicio similar a los anteriores. Vamos a

calcular la relacin entre varias variables no cuantitativas. Los pasos a seguir son
los mismos en los otros apartados. Los resultados que obtenemos son:
Casos
Opcin en BUP? * Sexo
71 100,0% 0 ,0% 71 100,0%
del encuestado?
Medio de transporte? *
71 100,0% 0 ,0% 71 100,0%
Tienes ordenador en
casa? * Sexo del 71 100,0% 0 ,0% 71 100,0%
encuestado?
Deporte favorito? * Sexo
71 100,0% 0 ,0% 71 100,0%
del encuestado?
Nota final asignatura? *
71 100,0% 0 ,0% 71 100,0%
Sexo del encuestado? * Opcin en BUP?

PROBABILIDADES
Tabla de contingencia

32
Hombre Mujer Total
Opcin Ciencias Recuento 12 17 29
en BUP? % de Opcin en BUP? 41,4% 58,6% 100,0%
% de Sexo del
44,4% 38,6% 40,8%
encuestado?
% del total 16,9% 23,9% 40,8%
Letras Recuento 7 9 16
% de Opcin en BUP? 43,8% 56,3% 100,0%
% de Sexo del
25,9% 20,5% 22,5%
encuestado?
% del total 9,9% 12,7% 22,5%
Mixto Recuento 8 18 26
% de Opcin en BUP? 30,8% 69,2% 100,0%
% de Sexo del
29,6% 40,9% 36,6%
encuestado?
% del total 11,3% 25,4% 36,6%
Total Recuento 27 44 71
% de Opcin en BUP? 38,0% 62,0% 100,0%
% de Sexo del
100,0% 100,0% 100,0%
encuestado?
% del total 38,0% 62,0% 100,0%
Sig. asinttica
Chi-cuadrado de Pearson ,942 a 2 ,624
Razn de verosimilitud ,954 2 ,621
,623 1 ,430
lineal
a. 0 casillas (,0%) tienen una frecuencia esperada inferior a 5.
La frecuencia mnima esperada es 6,08.
Lo primero que podemos observar es que hay mayor porcentaje de mujeres

que de hombres, 62% frente a un 38% respectivamente. La opcin mixta es la
ms escogida por el sexo femenino (25,4%), mientras que los hombres suelen
escoger la opcin de ciencias (16,9%)
La prueba del chi-cuadrado nos apunta que no existe correlacin entre el
sexo del encuestado y la opcin de BUP (la significacin es de 0,624)
Sexo del encuestado? * Medio de transporte?

PROBABILIDADES
Sexo del encuestado? 33

Hombre Mujer Total
Medio de Coche Recuento 3 5 8
transporte? % de Medio de
37,5% 62,5% 100,0%
transporte?
% de Sexo del
11,1% 11,4% 11,3%
encuestado?
% del total 4,2% 7,0% 11,3%
Autobus Recuento 5 20 25
% de Medio de
20,0% 80,0% 100,0%
transporte?
% de Sexo del
18,5% 45,5% 35,2%
encuestado?
% del total 7,0% 28,2% 35,2%
Metro Recuento 7 4 11
% de Medio de
63,6% 36,4% 100,0%
transporte?
% de Sexo del
25,9% 9,1% 15,5%
encuestado?
% del total 9,9% 5,6% 15,5%
Andando Recuento 11 15 26
% de Medio de
42,3% 57,7% 100,0%
transporte?
% de Sexo del
40,7% 34,1% 36,6%
encuestado?
% del total 15,5% 21,1% 36,6%
Otros Recuento 1 1
% de Medio de
100,0% 100,0%
transporte?
% de Sexo del
3,7% 1,4%
encuestado?
% del total 1,4% 1,4%
% de Medio de
38,0% 62,0% 100,0%
transporte?
% de Sexo del
100,0% 100,0% 100,0%
encuestado?
% del total 38,0% 62,0% 100,0%
Sig. asinttica
2,384 1 ,123
lineal
a. 5 casillas (50,0%) tienen una frecuencia esperada inferior a 5.
La frecuencia mnima esperada es ,38.
Observando la tabla comprobamos que el medio de transporte ms utilizado

en general tanto por hombres como por mujeres es el autobs (35,2%). Hay que
destacar tambin que muchas personas prefieren no utilizar ningn medio de
transporte e ir caminando 36,6% (el porcentaje ms grande de todos en general).
Por sexos el medio de transporte ms utilizado es: para las mujeres el autobs y
los hombres prefieren ir andando.

PROBABILIDADES
En este caso si hay relacin entre el sexo del encuestado y el medio de

transporte ya que la significacin es menor al 0,05. 34
Sexo del encuestado? * Tienes ordenador en casa?

Hombre Mujer Total
Tienes ordenador Si Recuento 14 20 34
en casa? % de Tienes
41,2% 58,8% 100,0%
ordenador en casa?
% de Sexo del
51,9% 45,5% 47,9%
encuestado?
% del total 19,7% 28,2% 47,9%
No Recuento 13 24 37
% de Tienes
35,1% 64,9% 100,0%
ordenador en casa?
% de Sexo del
48,1% 54,5% 52,1%
encuestado?
% del total 18,3% 33,8% 52,1%
% de Tienes
38,0% 62,0% 100,0%
ordenador en casa?
% de Sexo del
100,0% 100,0% 100,0%
encuestado?
% del total 38,0% 62,0% 100,0%
Sig. asinttica Sig. exacta Sig. exacta

Valor gl (bilateral) (bilateral) (unilateral)
Chi-cuadrado de Pearson ,274 b 1 ,600
Correccin por a
,078 1 ,780
continuidad
Razn de verosimilitud ,274 1 ,600
Estadstico exacto de
,632 ,390
Fisher
,271 1 ,603
lineal
a. Calculado slo para una tabla de 2x2.
b. 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada
es 12,93.
Apreciamos que hay ms hombres que tienen ordenador en casa (19,7%) que
hombres que no tienen (18,3%). Mientras que para las mujeres es al contrario, un
28,2% tienen ordenador frente a un 33,8% que no tienen ordenador. El
porcentaje de mujeres que tienen ordenador es mayor que el de hombres; esto es
debido a que el porcentaje de mujeres es mayor que el de hombres. En este caso
no existe correlacin entre las dos variables analizadas.
Sexo del encuestado? * Deporte favorito?

PROBABILIDADES
35
Hombre Mujer Total
Deporte Futbol Recuento 4 6 10
favorito? % de Deporte favorito? 40,0% 60,0% 100,0%
% de Sexo del
14,8% 13,6% 14,1%
encuestado?
% del total 5,6% 8,5% 14,1%
Baloncesto Recuento 1 6 7
% de Deporte favorito? 14,3% 85,7% 100,0%
% de Sexo del
3,7% 13,6% 9,9%
encuestado?
% del total 1,4% 8,5% 9,9%
Tenis Recuento 3 7 10
% de Sexo del
11,1% 15,9% 14,1%
encuestado?
% del total 4,2% 9,9% 14,1%
Ciclismo Recuento 3 2 5
% de Sexo del
11,1% 4,5% 7,0%
encuestado?
% del total 4,2% 2,8% 7,0%
Otros Recuento 15 21 36
% de Sexo del
55,6% 47,7% 50,7%
encuestado?
% del total 21,1% 29,6% 50,7%
Ninguno Recuento 1 2 3
% de Sexo del
3,7% 4,5% 4,2%
encuestado?
% del total 1,4% 2,8% 4,2%
% de Sexo del
100,0% 100,0% 100,0%
encuestado?
% del total 38,0% 62,0% 100,0%
Sig. asinttica
Chi-cuadrado de Pearson a
3,219 5 ,666
lineal ,501 1 ,479
La frecuencia mnima esperada es 1,14.
En general el porcentaje mayor se concentra en otros deportes no sealados

(50,7. A ste le seguira tenis y ftbol con un mismo porcentaje (14,1%). Separado
por sexos mujeres y hombres comparten que el deporte favorito es otros, con un
porcentaje de 29,6%, y 21,1% respectivamente.
PROBABILIDADES
Para estas dos variables la prueba de chi-cuadrado nos indica que no existe
correlacin entre ambas. 36
Sexo del encuestado? *Nota final asignatura?

Hombre Mujer Total
Nota final Suspenso Recuento 4 2 6
asignatura? % de Nota final
66,7% 33,3% 100,0%
asignatura?
% de Sexo del
14,8% 4,5% 8,5%
encuestado?
% del total 5,6% 2,8% 8,5%
Aprobado Recuento 16 34 50
% de Nota final
32,0% 68,0% 100,0%
asignatura?
% de Sexo del
59,3% 77,3% 70,4%
encuestado?
% del total 22,5% 47,9% 70,4%
Notable Recuento 6 7 13
% de Nota final
46,2% 53,8% 100,0%
asignatura?
% de Sexo del
22,2% 15,9% 18,3%
encuestado?
% del total 8,5% 9,9% 18,3%
Sobresaliente Recuento 1 1
% de Nota final
100,0% 100,0%
asignatura?
% de Sexo del
3,7% 1,4%
encuestado?
% del total 1,4% 1,4%
Matricula Recuento 1 1
% de Nota final
100,0% 100,0%
asignatura?
% de Sexo del
2,3% 1,4%
encuestado?
% del total 1,4% 1,4%
% de Nota final
38,0% 62,0% 100,0%
asignatura?
% de Sexo del
100,0% 100,0% 100,0%
encuestado?
% del total 38,0% 62,0% 100,0%
Sig. asinttica
Chi-cuadrado de Pearson 5,467 a 4 ,243
,044 1 ,833
lineal
La frecuencia mnima esperada es ,38.
En general el mayor porcentaje de la nota de la asignatura, lo tiene la

calificacin de aprobado con un porcentaje de 70,4%. A sta le sigue el notable
con un porcentaje de 18,3%, lo que significa que aprobado y notable son las
calificaciones ms frecuentes. Para las mujeres la calificacin de aprobado es la
que mayor porcentaje presenta y tambin para los hombres.
Aqu tampoco existe una correlacin entre la variable sexo del encuestado y
la nota final de la asignatura (la significacin asinttica es de 0,243).

PROBABILIDADES
PRCTICA 4: CONTRASTE DE HIPTESIS

37
1. Comprobar si la variable Edad del Alumno muestra diferencias
significativas entre hombres y mujeres para el nivel del 1%.
Para comenzar, hemos de saber claramente cuales son las variables con las
que vamos a trabajar, una vez conocidas esas variables pasamos a realizar las
posibles hiptesis que se puedan dar. En este caso las variables son: edad del
alumno y sexo. A partir de aqu podemos plantear las siguientes hiptesis:
- Ho X eh = X em
- Hi X eh X em
Una vez planteadas las hiptesis, debemos verificar el supuesto de

normalidad para poder quedarnos con una u otra hiptesis y para ello hemos de
aplicar la prueba de Kolmogorov-Smirnov. Puesto que se nos pide que veamos si
hay diferencias segn sexo debemos segmentar el archivo; para ello nos vamos a
Datos, elegimos la opcin Segmentar archivo y nos aparecer el siguiente
cuadro de dilogo.
En el cuadro marcamos la opcin Comparar casos y los Grupos basados

en Sexo.
Una vez segmentados los archivos, hemos de realizar la prueba de

Kolmogorov-Smirnov, para realizarla nos vamos a Analizar, despus
seleccionamos Pruebas no paramtricas y dentro de esta seleccionamos K-s de
1 muestra

PROBABILIDADES
38
Tras esto nos aparecer:
En este cuadro marcamos edad del alumnos y lo ponemos en Contrastar

variables. Entonces nos aparecen los resultados siguientes:
Prueba de Kolmogorov-Smirnov para una muestra
Sexo del alumno Edad del alumno

Hombre N 36
Parmetros normales(a,b) Media 14,53
Desviacin tpica
,910
Diferencias ms extremas Absoluta ,281

Positiva ,191
Negativa -,281
Z de Kolmogorov-Smirnov 1,689
Sig. asintt. (bilateral) ,007

PROBABILIDADES
Mujer N 23
Parmetros normales(a,b) Media 14,26 39
Desviacin tpica
1,137
Diferencias ms extremas Absoluta ,214

Positiva ,214
Negativa -,177
a La distribucin de contraste es la Normal.
b Se han calculado a partir de los datos.
Tras observar los resultados nos encontramos con que no se cumple el

supuesto de normalidad, y puesto que las dos muestras son independientes
hemos de aplicar un contraste no paramtrico .
Para llevar a cabo este contraste nos vamos a Analizar, Comparar medias
y marcamos la opcin Prueba T para muestras independientes. La pantalla ha
de quedar as:
Tras eso nos aparecer el siguiente cuadro de dilogo, en l hemos de poner

las variables que se muestran ( edad del alumno para contrastar variables y sexo
como variable de agrupacin):

PROBABILIDADES
Tras ello los resultados que se obtienen son: 40

Estadsticos de grupo
Desviacin Error tp. de

Sexo del alumno N Media tp. la media
Edad del alumno Hombre 36 14,53 ,910 ,152
Mujer 23 14,26 1,137 ,237
Prueba de muestras independientes
Prueba de Levene
para la igualdad de
varianzas Prueba T para la igualdad de medias
95% Intervalo de
confianza para la
Diferencia Error tp. de diferencia
F Sig. t gl Sig. (bilateral) de medias la diferencia Inferior Superior
Edad del alumnoSe han asumido
2,838 ,098 ,996 57 ,323 ,27 ,268 -,270 ,803
varianzas iguales
No se han asumido
,948 39,527 ,349 ,27 ,281 -,302 ,836
varianzas iguales
Como el valor de la significacin es mayor al 1% nos quedaremos con la

Hiptesis nula (Ho) , y el optar por la Ho significa que las varianzas son iguales.
Podemos decir que existe homogeneidad en las variables y que las medias son
muy similares por lo tanto no existen diferencias significativas lo cual demuestra
que la relacin entre ambas variables no existe.
2. Existen diferencias, con un nivel de significacin del 5%, para las faltas
de los alumnos entre el 1er y el 3er trimestre.
En este ejercicio vamos a trabajar con las variables faltas de los alumnos en
el 1 trimestre y faltas de los alumnos en el 3 trimestre. A partir de estas
variables formulamos las posibles hiptesis:
- Ho X1 = X3
- Hi X1 X3
Se trata de muestras relacionadas, por ello podramos aplicar la prueba T de

medias comparadas pero siempre verificando el supuesto de normalidad para
poder quedarnos con una u otra hiptesis; para ello aplicaremos la prueba de
Kolmogorov-Smirnov. Introduciremos las dos variables y obtendremos el siguiente
cuadro:

PROBABILIDADES

41
N de faltas N de faltas
en el 1er en el 3er
trimestre trimestre
N 60 59
Parmetros normales a,b Media 19,92 17,32
Desviacin tpica
9,645 10,002
Diferencias ms Absoluta ,137 ,126

extremas Positiva ,129 ,126
Negativa -,137 -,101
Z de Kolmogorov-Smirnov 1,058 ,971
Sig. asintt. (bilateral) ,212 ,303
a. La distribucin de contraste es la Normal.
b. Se han calculado a partir de los datos.
Como la significacin asinttica es 0,212 y 0,303 se cumple el supuesto de

normalidad, y ya que la significacin es mayor al 5% podemos aceptar la
Hiptesis nula.
Ya que las muestras son relacionadas, puesto que la variable se ha medido

en momentos temporales distintos pero sobre los mismos sujetos, y el supuesto
de normalidad se cumple hemos de aplicar la prueba T, para ello pasamos al
men analizar, comparar medias y accedemos a la prueba t para muestras
relacionadas
Una vez dentro de ese apartado nos aparece una ventana en la que debemos
seleccionar las variables que correspondan:

PROBABILIDADES
42
Una vez seguidos estos pasos obtenemos lo siguiente:
Estadsticos de muestras relacionadas

Media N tp. la media
Par 1 N de faltas en
19,95 59 9,725 1,266
el 1er trimestre
N de faltas en
17,32 59 10,002 1,302
el 3er trimestre
Correlaciones de muestras relacionadas
N Correlacin Sig.
Par 1 N de faltas en el 1er
trimestre y N de faltas 59 ,627 ,000
en el 3er trimestre
Prueba de muestras relacionadas
Diferencias relacionadas
95% Intervalo de
confianza para la
Desviacin Error tp. de diferencia
Media tp. la media Inferior Superior t gl Sig. (bilateral)
trimestre - N de faltas 2,63 8,526 1,110 ,41 4,85 2,367 58 ,021
en el 3er trimestre
Tras analizar la media de faltas de ambos trimestres podemos decir que el

nmero de faltas cometidas es mayor en el primer trimestre ya que su media es
algo mayor.
Como la significacin asinttica es menor al 5% hemos de rechazar la

Hiptesis nula y aceptar la alterna que nos dice que existen diferencias entre las
faltas de ambos trimestres.

PROBABILIDADES
3. Demuestra si los hombres tienen una nota en matemticas inferior a la

de las mujeres con un nivel de significacin del 5%. Comprobarlo tambin 43
con la nota en lengua.
Este ejercicio es muy similar a los anteriores, especialmente al primero, ya

que aqu entra en juego la variable sexo y por tanto se deber segmentar el
archivo. En primer lugar, formulamos las hiptesis que se puedan dar para la
nota en matemticas:
- Ho X mh = X mm
- Hi X mh X mm
A partir de aqu, como en el ejercicio 1, debemos de verificar el supuesto de

normalidad para poder quedarnos con una u otra hiptesis y para ello
aplicaremos la prueba de Kolmogorov-Smirnov. Como nos piden que veamos si
hay diferencias segn sexo deberemos segmentar el archivo y seguidamente
realizar la prueba de Kolmogorov-Smirnov para la variable nota en matemticas
y obtenemos los siguientes resultados:
Nota media
en
Sexo del alumno Matemticas
Hombre N 36
Parmetros normales a,b Media 4,997
Desviacin tpica
1,8358
Diferencias ms Absoluta ,251

extremas Positiva ,251
Negativa -,138
Mujer N 24
Desviacin tpica
2,2272

Negativa -,210
La significacin asinttica de los hombres es menor al 5% (0,021) y la de

las mujeres es mayor (0,144), por lo tanto no se cumple la hiptesis nula ya que
existen diferencias entre hombres y mujeres; al quedarnos con la hiptesis
alterna damos por hecho que no se cumple el supuesto de normalidad. Debido a
PROBABILIDADES
esto hemos de aplicar la Prueba U de Mann Whitney por ser dos muestras
independientes. Para calcular esta prueba seguimos los siguientes pasos: 44
analizar, pruebas no paramtricas y 2 muestras independientes:
Una vez dentro aparece un cuadro de dialogo donde debemos seleccionar

las variables implicadas, en el apartado de contrastar variables ponemos la
variable nota en matemticas y en variable de agrupacin ponemos la variable
sexo, quedando de la siguiente forma:
Y los resultados que obtenemos son los que a continuacin se muestran:

Rangos
Rango Suma de
Sexo del alumno N promedio rangos
Nota media en Hombre 36 27,86 1003,00
Matemticas Mujer 24 34,46 827,00
Total 60

PROBABILIDADES
Estadsticos de contraste a
45
Nota media
en
Matemticas
U de Mann-Whitney 337,000
W de Wilcoxon 1003,000
Z -1,436
a. Variable de agrupacin: Sexo del alumno
La significacin en este caso es mayor al 5% as que rechazamos la Hi y nos

quedamos con la Ho. Con esto se puede decir que las diferencias entre la nota de
hombres y mujeres no son significativas.
Ahora nos piden que hagamos lo mismo pero esta vez para la nota de lengua.
Las hiptesis que se puedan dar son:
- Ho X lh = X lm
- Hi X lh X lm
Al igual que antes deberemos segmentar el archivo y seguidamente realizar

la prueba de Kolmogorov-Smirnov pero esta vez para la variable nota en lengua
y obtenemos los siguientes resultados:
Nota media
Sexo del alumno en Lengua
Hombre N 36
Desviacin tpica
21,4316

Negativa -,136
Mujer N 24
Desviacin tpica
20,4460

Negativa -,168
Observando los resultados vemos que la significacin asinttica es diferente

puesto que la de las mujeres es superior al 5% y la de los hombres es menor. Por
lo tanto, hemos de aceptar la Hiptesis alterna y aplicar la prueba de U de Mann-
Whitney, obteniendo los resultados siguientes:

PROBABILIDADES
Rangos
46
Rango Suma de
Sexo del alumno N promedio rangos
Nota media en Lengua Hombre 36 25,03 901,00
Mujer 24 38,71 929,00
Total 60
Estadsticos de contrastea
Nota media
en Lengua
Z -2,978
a. Variable de agrupacin: Sexo del alumno
Tras ver los resultados observamos que la significacin asinttica es menor

al 5%, lo que significa que debemos quedarnos con la hiptesis alterna que dice
que la nota media de lengua para los hombres es inferior a la nota media en
lengua de las mujeres.
4. Existen diferencias entre los hombres y las mujeres para la variable

Nmero de faltas (faltot) con un nivel del 1%?
El primer paso que debemos realizar es identificar las variables que se van a
analizar para as poder formular las hiptesis que puedan darse. En este caso las
variables implicadas son nmero de faltas y sexo, y las posibles hiptesis:
- Ho X fh = X fm (la media en el nmero de faltas de los hombres es igual a

la media de las mujeres).
- Hi X fh X fm (la media en el nmero de faltas de los hombres es
distinta a la media de las mujeres).
Como en ejercicios anteriores tenemos que verificar el supuesto de

normalidad; al pedirnos que veamos si hay diferencias segn el sexo debemos
segmentar el archivo y seguidamente realizar la prueba de Kolmogorov-Smirnov
para la variable nmero de faltas. Para llevar a cabo la prueba seguimos los
mismos pasos que en los ejercicios anteriores: analizar, pruebas no
paramtricas y dentro de esta seleccionamos K-S de una muestra. Una vez
realizados estos pasos seleccionamos la variable nmero de faltas, aceptamos y
obtenemos los siguientes resultados:

PROBABILIDADES
Sexo del alumno N de faltas

47
Hombre N 36
Desviacin tpica
25,65193

Negativa -,149
Z de Kolmogorov-Smirnov ,893
Mujer N 24
Desviacin tpica
22,99133

Negativa -,118
En ambos casos comprobamos que la significacin es mayor al 1%,

tanto para los hombres como para las mujeres, por lo que se cumple el supuesto
de normalidad. Esto a su vez nos hace aceptar en principio la hiptesis nula.
Verificado el supuesto de normalidad pasamos al men analizar, comparar

medias, prueba T para muestras independientes:

Sexo del alumno N Media tp. la media
N de faltas Hombre 36 57,2500 25,65193 4,27532
Mujer 24 52,9167 22,99133 4,69309

PROBABILIDADES

48
Prueba de Levene
para la igualdad de
95% Intervalo de
confianza para la
N de faltas Se han asumido
,749 ,390 ,668 58 ,507 4,3333 6,49091 -8,65964 17,32630
varianzas iguales
No se han asumido
,683 53,020 ,498 4,3333 6,34850 -8,40003 17,06670
varianzas iguales
Lo que hacemos a continuacin es comprobar si la significacin es mayor o

menor a 1% para poder quedarnos con una de las dos hiptesis. En este caso es
mayor, por eso nos quedamos con la hiptesis nula, que apunta que no existen
diferencias entre la nota final de hombres y mujeres.
5. Comprueba si obtienen una nota final mejor los absentistas bajos que los
absentistas crnicos para un nivel de significacin del 5%.
Las variables implicadas en este ejercicio son nota final y tipo de absentismo;
las posibles hiptesis son:
- Ho X nab = X nac
- Hi X nab X nac
Primero verificamos el supuesto de normalidad aplicando la prueba de

Kolmogorov-Smirnov. Antes de realizar la prueba debemos segmentar el archivo
porque es necesario hacerlo para poder ver si hay diferencias de nota final segn
el tipo de absentismo. Una vez segmentado nos vamos al men analizar, pruebas
no paramtricas, K-1 de una muestra, contrastar variable nota final. Los
resultados que obtenemos son:

PROBABILIDADES
Nota media 49
Tipo de Absentismo del alumno
Bajo N 13
Desviacin tpica
1,18192

Negativa -,228
Regular N 22
Desviacin tpica
1,20747

Negativa -,175
Crnico N 25
Desviacin tpica
2,22195

Negativa -,133
En los tres casos la significacin es mayor al 5% por lo que podemos decir

que se cumple el supuesto de normalidad y que en principio aceptamos la
hiptesis nula que dice que obtienen una nota mejor los absentistas bajos que
crnicos.
Para verificar esta eleccin pasamos a comparar las medias: analizar,

comparar medias, prueba T para muestras independientes; estos son los
resultados:

Tipo de Absentismo N Media tp. la media
Nota media del alumno Bajo 13 6,9828 1,18192 ,32780
Crnico 25 5,6352 2,22195 ,44439
Prueba de Levene
para la igualdad de
95% Intervalo de
confianza para la
F Sig. t gl Sig. (bilateral)de medias la diferencia Inferior Superior
Nota media del alumno
Se han asumido
6,143 ,018 2,033 36 ,049 1,3476 ,66278 ,00336 2,69174
varianzas iguales
No se han asumido
2,440 35,941 ,020 1,3476 ,55221 ,22755 2,46755
varianzas iguales

PROBABILIDADES
En primer lugar nos fijamos en las medias; vemos que hay bastante
diferencia entre absentistas bajos (13) y absentistas crnicos (25). Pasamos pues 50
a ver la significacin y comprobamos que en ambos casos no es igual ni supera
el 5%. Con estos resultados podemos sealar que debemos quedarnos con la
hiptesis alterna (H1) y rechazar la hiptesis nula (H0); traducido a otras palabras
diramos que no obtienen mejor nota los absentistas bajos que los crnicos.
6. Los alumnos con nivel econmico bajo obtienen una media menor que los
alumnos de nivel econmico alto en alguna de las tres asignaturas
(Matemticas, Medio Ambiente y Lengua), utiliza un nivel de 5%.
Otra vez, como en apartados anteriores, debemos identificar las variables y

formular las hiptesis posibles. Las variables implicadas son nivel econmico y
nota media en las tres asignaturas, y las posibles hiptesis son:
- Ho X nb = X na (no existen diferencias entre los alumnos con nivel

econmico alto y los alumnos con nivel econmico bajo en las asignaturas
de matemticas, lengua y medio ambiente)
- H1 X nb X na (no existen diferencias entre los alumnos con nivel

econmico alto y los alumnos con nivel econmico bajo en las asignaturas
de matemticas, lengua y medio ambiente)
Para verificar el supuesto de normalidad aplicamos la prueba de

Kolmogorov-Smirnov, segmentado antes el archivo para comparar los grupos
segn el nivel econmico. Seguidamente realizamos la prueba de Kolmogorov-
Smirnov de la siguiente forma: analizar, pruebas no paramtricas, K-1 de una
muestra; esta vez en lugar de seleccionar solo una variable seleccionamos las
tres variables de nota en la asignatura (nota media en matemticas, nota media en
lengua y nota media en Medio Ambiente) ya que debemos de observar la nota en
las tres asignaturas y si existen diferencias en alguna de ellas segn el nivel
econmico de los alumnos. Los resultados obtenidos son:

PROBABILIDADES
Nota media Nota media 51

en en Medio Nota media
Nivel Econmico Matemticas Ambiente en Lengua
, N 13 13 13
Parmetros normales a,b Media 5,115 52,08 59,338
Desviacin tpica
1,4070 13,294 18,2465
Diferencias ms Absoluta ,335 ,364 ,316

extremas Positiva ,335 ,240 ,316
Negativa -,228 -,364 -,229
Z de Kolmogorov-Smirnov 1,209 1,314 1,139
Sig. asintt. (bilateral) ,108 ,063 ,149
Bajo N 15 15 15
Desviacin tpica
1,2557 17,193 18,1044

Negativa -,222 -,257 -,191
Medio N 19 19 19
Desviacin tpica
2,2491 13,150 19,1572

Negativa -,232 -,257 -,194
Alto N 13 13 13
Desviacin tpica
2,1422 6,487 20,9784

Negativa -,222 -,223 -,221
Z de Kolmogorov-Smirnov 1,276 1,074 ,942
Si observamos la significacin por materias vemos que en matemticas y en

lengua es mayor al 5% en los dos grupos pero en medio ambiente no lo es en los
dos grupos. Para el grupo de nivel econmico bajo la significacin es menor a 5%
mientras que para el grupo de nivel econmico alto es mayor a 5%. De este modo
el supuesto de normalidad slo se cumple para matemticas y lengua, para
medio ambiente no.
Una vez comprobada la normalidad, debemos utilizar diferentes

procedimientos: como en las materias de matemticas y lengua la significacin es
mayor debemos realizar la prueba T, mientras que para la asignatura medio
ambiente aplicamos la prueba de U de Mann-Whitney
-Prueba T para matemticas

PROBABILIDADES
52
Nivel Econmico N Media tp. la media
Nota media en Bajo 15 3,960 1,2557 ,3242
Matemticas Alto 13 5,469 2,1422 ,5941
Prueba de Levene
para la igualdad de
95% Intervalo de
confianza para la
Nota media en Se han asumido
11,616 ,002 -2,312 26 ,029 -1,509 ,6527 -2,8509 -,1676
Matemticas varianzas iguales
No se han asumido
-2,230 18,784 ,038 -1,509 ,6768 -2,9270 -,0915
varianzas iguales
-Prueba T para lengua


Nivel Econmico N Media tp. la media
Nota media en Lengua Bajo 15 53,720 18,1044 4,6745
Alto 13 67,046 20,9784 5,8184
Prueba de Levene
para la igualdad de
95% Intervalo de
confianza para la
Nota media en LenguaSe han asumido
1,537 ,226 -1,805 26 ,083 -13,326 7,3830 -28,5021 1,8498
varianzas iguales
No se han asumido
-1,785 23,941 ,087 -13,326 7,4636 -28,7322 2,0799
varianzas iguales
Con esto resultados podemos ver que la significacin asinttica para

matemticas es menor al 5%, por ello debemos rechazar la hiptesis nula y
aceptar la alterna, que dice que existen diferencias entre alumnos con nivel
econmico bajo y entre alumnos con nivel econmico alto. Sin embargo para el
caso de lengua es diferente; al ser la significacin mayor al 5% aceptamos la
hiptesis nula, que apunta que no existen diferencias entre los niveles
econmicos alto-bajo.
-Prueba U de Mann-Whitney
Rangos
Rango Suma de
Nivel Econmico N promedio rangos
Nota media en Bajo 15 10,60 159,00
Medio Ambiente Alto 13 19,00 247,00
Total 28

PROBABILIDADES
Estadsticos de contrasteb
53
Nota media
en Medio
Ambiente
Z -2,719
Sig. exacta [2*(Sig. a
,006
unilateral)]
a. No corregidos para los empates.
b. Variable de agrupacin: Nivel Econmico
Para medio ambiente la significacin asinttica es menor al 5% (0,006), por

lo que rechazamos la hiptesis nula y aceptamos la alterna, que nos dice que
existen diferencias entre los alumnos de nivel econmico alto y nivel econmico
bajo.
7. Demostrar si existen diferencias entre las medias de faltas del primer

trimestre y el segundo trimestre para un nivel del 5%.
En este ejercicio las variables son nmero de faltas del primer trimestre y
nmero de faltas del segundo trimestre. Las hiptesis que pueden formularse son:
- Ho X f1 = X f2
- Hi X f1 X f2
Ahora verificamos el supuesto de normalidad aplicando la prueba de

Kolmogorov-Smirnov. Seguimos los pasos ya descritos en ejercicios anteriores,
introducimos las dos variables y obtenemos el siguiente cuadro:
en el 1er en el 2
trimestre trimestre
N 60 60
Desviacin tpica
9,645 8,420

Z de Kolmogorov-Smirnov 1,058 ,988

PROBABILIDADES
La tabla obtenida nos muestra que la significacin es mayor al 5% (0,212 y

0,283 respectivamente), por lo que podemos decir que se cumple el supuesto de 54
normalidad y que nos quedamos con la hiptesis nula.
Una vez realizado este paso pasamos a calcular la prueba T. Los pasos a
seguir son (igual que en el segundo apartado): analizar, comparar medias,
prueba T para muestras relacionadas.
Hecho esto obtenemos los siguientes resultados:


Media N tp. la media
Par 1 N de faltas en
19,92 60 9,645 1,245
el 1er trimestre
N de faltas en
18,57 60 8,420 1,087
el 2 trimestre
N Correlacin Sig.
en el 2 trimestre
95% Intervalo de
confianza para la
Desviacin Error tp. de diferencia
Media tp. la media Inferior Superior t gl Sig. (bilateral)
trimestre - N de faltas 1,35 7,691 ,993 -,64 3,34 1,360 59 ,179
en el 2 trimestre
Observando los valores de las medias de faltas comprobamos que no existe

una gran diferencia entre las faltas del 1 trimestre y las faltas del 2 trimestre.
Referente a la significacin, vemos que es mayor a 5% por ende nos

quedamos con la hiptesis nula, que dice que no existen diferencias significativas
entre el nmero de faltas cometidas en el primer trimestre y el nmero de faltas
cometidas en el segundo trimestre.
8. Comprueba si los alumnos con una nota final superior o igual a 5 tienen
un nmero de faltas mayor en el segundo trimestre que en el tercero, con un
nivel de significacin del 5%.
PROBABILIDADES
El primer que debemos realizar es la identificacin de las variables con las 55

que se vamos a trabajar para poder formular las hiptesis convenientes. Las
variables implicadas son nota media del alumno y nmero de faltas tanto del
segundo como del tercer trimestre. Las hiptesis que se pueden plantear son:
- Ho X f2a = X f3a (la media de faltas en el segundo trimestre para los

alumnos aprobados es igual a la media de las faltas cometidas en el
tercer trimestre para los mismos alumnos).
- Hi X f2a X f2a (la media de faltas en el segundo trimestre para los
alumnos aprobados es distinta a la media de las faltas cometidas en el
tercer trimestre para los mismos alumnos).
A continuacin verificamos el supuesto de normalidad aplicando la prueba

de Kolmogorov-Smirnov. Antes de realizar otro paso debemos seleccionar los
casos, ya que nos piden que comprobemos las diferencias de nmero de faltas
solo para los alumnos que tienen una nota final superior o igual a cinco. Para
realizar la seleccin de los casos nos vamos a men, datos, seleccionar casos,
seleccionar si se satisface la condicin. Una vez aqu debemos poner la
condicin, que sera escoger solamente a los alumnos con nota igual o superior a
cinco; esto queda de la siguiente forma:

PROBABILIDADES
56
De este modo tenemos seleccionados nicamente los casos que nos

interesan.
Seleccionados los casos debemos segmentar el archivo, seleccionando la
opcin comparar grupos. Acto seguido introducimos la nueva variable creada
(nota final pero solo con los que tienen cinco o una nota superior).
Ahora aplicamos la prueba de Kolmogorov-Smirnov, contrastando las

variables de nmero de faltas en el primer trimestre y nmero de faltas en el
tercer trimestre.
Los resultados que obtenemos son los siguientes:
en el 2 en el 3er
notfinal >= 5 (FILTER) trimestre trimestre
Seleccionado N 44 43
Desviacin tpica
8,587 9,355

Z de Kolmogorov-Smirnov ,880 1,190
En la tabla podemos apreciar que la significacin es mayor a 5%, por

consiguiente se cumple el criterio de normalidad; por eso nos quedamos con la
hiptesis nula. A continuacin calculamos la prueba T, para poder comparar las
variables: analizar, comparar medias, prueba T para muestras relacionadas.

PROBABILIDADES
Al introducir las variables obtenemos estos resultados:

57
notfinal >= 5 (FILTER) Media N tp. la media
Seleccionado Par 1 N de faltas en
16,47 43 8,680 1,324
el 2 trimestre
N de faltas en
14,37 43 9,355 1,427
el 3er trimestre
notfinal >= 5 (FILTER) N Correlacin Sig.

Seleccionado Par 1 N de faltas en el 2
en el 3er trimestre
95% Intervalo de
confianza para la
DesviacinError tp. de diferencia
notfinal >= 5 (FILTER) Media tp. la media Inferior Superior t gl Sig. (bilateral)
Seleccionado Par 1 N de faltas en el 2
trimestre - N de faltas
2,09 8,118 1,238 -,41 4,59 1,691 42 ,098
en el 3er trimestre
Podemos observar que las medias del nmero de faltas en el trimestre 2 y

el nmero de faltas en el trimestre 3 son ligeramente diferentes en un caso y en
otrora, ya que la media de faltas el segundo trimestre es mayor que la del tercer
trimestre. Esto significa que se ha cometido mayor nmero de faltas en el
segundo trimestre aunque la diferencia no es muy abultada.
La significacin es mayor al 5% por lo que debemos quedarnos con la

hiptesis nula que dice que la media de faltas en el segundo trimestre para los
alumnos con una nota superior o igual a cinco es igual o similar a la media de las
faltas cometidas en el tercer trimestre para los mismos alumnos.

PROBABILIDADES
58

PROBABILIDADES

Manual de Practicas de Spss Junio Final 2017

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Manual de Practicas de Spss Junio Final 2017

Hochgeladen von

Copyright:

Verfügbare Formate

Manual de Practica de SPSS III CICLO

CURSO : ESTADISTICA Y PROFESOR EDIDSON FUENTES

PRCTICA 1: EJEMPLO DE ENCUESTA

Para realizar esta prctica hemos abierto el programa SPSS y hemos

1. Calcular una nueva variable que indique la altura en metros de cada

Una vez abierto el cuadro de dilogo calcular variable, creamos la nueva

CURSO : ESTADISTICA Y PROFESOR EDIDSON FUENTES

Antes de acabar debemos comprobar que las columnas de la vista de

2. Calcular una nueva variable que indique el porcentaje de masa corporal de

Abierto el cuadro de dilogo creamos la nueva variable destino masa y

CURSO : ESTADISTICA Y PROFESOR EDIDSON FUENTES

3. Recodificar en la misma variable las puntuaciones de la prueba de

Para realizar el siguiente ejercicio lo primero que debemos hacer es cambiar

A continuacin tenemos que seleccionar la opcin: Transformar,

CURSO : ESTADISTICA Y PROFESOR EDIDSON FUENTES

Como vemos hemos aadido en variables numricas segundos

Aqu consideramos de 0 a 15 como acierto y le asignamos el valor nuevo 1;

4. Recodificar en una variable nueva los valores obtenidos para metros

Una vez realizado esto volvemos a ir a valores antiguos y nuevos.

CURSO : ESTADISTICA Y PROFESOR EDIDSON FUENTES

5. Cuntos alumnos y porcentaje, creen que deben subir 40 o ms

Una vez realizado esto obtenemos la siguiente tabla:

CURSO : ESTADISTICA Y PROFESOR EDIDSON FUENTES

Como se nos pide el nmero y el porcentaje de slo los que suben 40 o ms

6. Obtener los descriptivos indicadores y grficos- mas adecuados para la

El primer paso que debemos realizar es identificar el tipo de variable con la

CURSO : ESTADISTICA Y PROFESOR EDIDSON FUENTES

El grafico lo pedimos de la siguiente forma: grficos, histograma y

Realizado esto obtenemos las siguientes tablas de resultados:

N Mnimo Mximo Media Desv. tp. Asimetra Curtosis

Desv. tp. = 3,88

porcentaje de masa corporal

Con los resultados obtenidos podemos decir que, en cuanto a la tendencia

CURSO : ESTADISTICA Y PROFESOR EDIDSON FUENTES

Para finalizar si hablamos de la forma de la distribucin podemos sealar

7. Obtener los descriptivos indicadores y grficos- ms adecuados para la

Este ejercicio nos pide que comparemos la variable nota final de la

Una vez segmentado el archivo nos vamos a men: analizar, estadsticos

CURSO : ESTADISTICA Y PROFESOR EDIDSON FUENTES

Nota final asignatura?

El grfico que solicitamos es el diagrama de barras puesto que es el ms

Nota final asignatura? Nota final asignatura?

Vemos que en ambos casos coinciden

CURSO : ESTADISTICA Y PROFESOR EDIDSON FUENTES

PRCTICA 2: ANLISIS EXPLORATORIO DE DATOS

CURSO : ESTADISTICA Y PROFESOR EDIDSON FUENTES

Estadstico Error tp.

Media recortada al 5% 116,69

Metros cuadrados del aula? Stem-and-Leaf Plot

Al mirar el grfico, podemos fijarnos en la simetra, la curtosis, etc. de la

2. Solicitar el diagrama de cajas de la variable peso en Kilogramos

En este ejercicio hemos de ir tambin al men analizar, estadsticos

Estadstico Error tp.

Media recortada al 5% 56,98

CURSO : ESTADISTICA Y PROFESOR EDIDSON FUENTES

La caja representa los casos ms cercanos a la media. La lnea de dentro de

3. Solicitar el grfico de tallo y hojas y el diagrama de cajas de la variable

Una vez segmentado el archivo, nos vamos al men analizar, estadsticos

CURSO : ESTADISTICA Y PROFESOR EDIDSON FUENTES

Pulsamos seguidamente en grficos y seleccionamos los grficos de tallo y

Obtenemos las siguientes tablas:

Sexo del encuestado? Casos

Mujer 44 100,0% 0 ,0% 44 100,0%