Beruflich Dokumente
Kultur Dokumente
Nunca consideres el estudio como una obligación, sino como una oportunidad para
penetrar en el bello y maravilloso mundo del saber.
Albert Einstein
Excelente maestro es aquel que, enseñando poco, hace nacer en el alumno un deseo
grande de aprender.
Arturo Graf
Tengo un sueño, un solo sueño, seguir soñando. Soñar con la libertad, soñar con la
justicia, soñar con la igualdad y ojalá ya no tuviera necesidad de soñarlas.
Martin Luther King
Contenido
INTRODUCCIÓN 4
PRUEBAS PARAMÉTRICAS 5
1. T DE STUDENT PARA UNA MUESTRA 6
2. T DE STUDENT PARA MUESTRAS INDEPENDIENTES 11
3. T DE STUDENT PARA MUESTRAS RELACIONADAS 17
4. ANOVA CON UN FACTOR INTERSUJETOS 22
5. T DE STUDENT PARA MUESTRAS RELACIONADAS 28
6. COEFICIENTE DE CORREALCIÓN “R” DE PEARSON 33
PRUEBAS NO PARAMÉTRICAS 38
7. BONDAD DE AJUSTE 39
8. BONDAD DE AJUSTE BINOMIAL 43
9. U MANN-WITHNEY 48
10. DEPENDENCIA CHI - CUADRADO 53
11. KRUSKAL WALLIS 56
12. WILCOXON 60
13. Q DE COCHRAN 64
14. MC NEMAR 68
15. FRIEDMAN 73
16. SPEARMAN 78
INTRODUCCI N
PRUEBAS PARAMÉTRICAS
¿Qué es?
Prueba si la medida de la muestra de una variable difiere significativamente de
la medida conocida de la población. Así podemos saber si una determinada
muestra procede de una población cuya media verdadera se conoce.
¿Cuál es su fórmula?
En esta prueba se evalúa la hipótesis nula de que la media de la población
estudiada es igual a un valor especificado , se hace uso del estadístico:
Donde:
: Media muestral.
Desviación estándar muestral.
Tamaño de la muestra.
Existen grados de libertad asociados con la prueba t para una
muestra.
Se utiliza la prueba t para una sola muestra cuando se tiene una sola
población de interés, por ejemplo los alumnos del quinto grado A de
secundaria; para el cual se quiere analizar una hipótesis sobre una
característica de esta población.
Para calcular la significación de las diferencias obtenidas por una muestra de
sujetos en determinados test psicológicos y los valores medios de los baremos,
tomados como valores poblacionales. O, en otros casos, para comparar la
media del test de cada individuo con la media grupal, en cuyo caso primero
hay que calcular la media del grupo y posteriormente aplicar la prueba t para
una muestra.
Caso práctico1:
El director del centro educativo Miguel Grau quiere verificar si el promedio de
los estudiantes de quinto grado de educación primaria de la sección A es de 16 en
la asignatura de Lógica y funciones, para ello selecciona una muestra de 16
estudiantes:
Datos:
15 14 13 16 17 15 14 13
16 17 15 14 16 17 13 12
1. Plantear la hipótesis
H0: El promedio de los estudiantes de quinto gado es de 16 en la asignatura de
lógica y funciones.
H1: El promedio de los estudiantes de quinto gado es diferente de 16 en la
asignatura de lógica y funciones.
Pasos: 2 y 3
Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Nota ,146 16 ,200* ,931 16 ,257
a. Corrección de la significación de Lilliefors.
*. Este es un límite inferior de la significación verdadera.
Paso 1:
Paso 2:
¿Qué es?
¿Cuál es su fórmula?
Dónde:
y : Medias de ambos grupos,
: Desviación típica
Número de casos.
Caso práctico 2:
El director del colegio Bartolomé Herrera del distrito de Los Olivos está interesado en
conocer las diferencias que existe entre los estudiantes varones y estudiantes
mujeres, respecto a la nota obtenida en el examen final en el curso de matemática en
los estudiantes del quinto año de secundaria; y para ello, toma una muestra de 28
estudiantes.
1. Plantear la hipótesis
H0: No existe diferencia entre los estudiantes varones y estudiantes mujeres con
respecto al rendimiento académico en el curso de Matemática.
H1: Existe diferencia entre los estudiantes varones y estudiantes mujeres con
respecto al rendimiento académico en el curso de Matemática.
2. Nivel de significancia:
Paso1:
Paso2:
Trasladar a lista de
factores
SALIDA DEL
SPSS
Pruebas de normalidad
Sexo de los Kolmogorov-Smirnova Shapiro-Wilk
estudiantes Estadístico gl Sig. Estadístico gl Sig.
Nota Hombre ,181 14 ,200 ,964 14 ,791
obtenida en Mujer ,178 12 ,200 ,950 12 ,639 P-value
el examen
de
Matemática
Según los resultados de la prueba de Shapiro Wilks el estadístico alcanzo un valor de 0.964
y 0.950 para ambos grupos con value de 0.791 y 0.639 ambos mayores a 0.05, por el cual
no se rechaza la hipótesis nula; por lo tanto, concluimos que los puntajes en ambos
grupos tienen distribución normal.
Paso 2:
,006 1 24 ,936
Paso 2:
Según los resultados del análisis T – Student para muestras independiente El p value fue
de 0.433 > 0.05 Por lo que no se rechaza la hipótesis nula y se concluye que no existe
diferencia de rendimiento académico según sexo.
¿Qué es?
Las pruebas t de muestras dependientes o apareadas, consisten típicamente en
una muestra de pares de valores con similares unidades estadísticas, o un
grupo de unidades que han sido evaluadas en dos ocasiones diferentes (una
prueba t de mediciones repetitivas). Un ejemplo típico de prueba t para
mediciones repetitivas sería que los sujetos sean evaluados antes y después de
un tratamiento.
Una prueba 't basada en la coincidencia de pares muestrales se obtiene de una
muestra desapareada que luego es utilizada para formar una muestra apareada,
utilizando para ello variables adicionales que fueron medidas conjuntamente
con la variable de interés.
La valoración de la coincidencia se lleva a cabo mediante la identificación de
pares de valores que consisten en una observación de cada una de las dos
muestras, donde las observaciones del par son similares en términos de otras
variables medidas. Este enfoque se utiliza a menudo en los estudios
observacionales para reducir o eliminar los efectos de los factores de confusión.
¿Cuál es su fórmula?
Donde:
: Media muestral de la diferencia.
Desviación estándar de la diferencia.
Tamaño de la muestra.
Existen grados de libertad asociados con la prueba t para una
muestra.
¿Cuáles son sus supuestos?
Nivel de medida delas variables: métricas, es decir, de intervalo o razón.
Distribución normal.
Varianza de la diferencia de medidas: desconocida.
Observaciones; pre_tratamiento y pos_tratamiento
Caso práctico 3:
Se realiza un estudio para conocer si el rendimiento académico de los estudiantes
cambia luego de aplicar cierta metodología de enseñanza.
1. Plantear la hipótesis
H0: No existe diferencia en el rendimiento académico después de aplicar
determinada metodología de enseñanza.
H1: Existe diferencia en el rendimiento académico después de aplicar determinada
metodología de enseñanza.
2. Nivel de significancia:
Paso 2:
Paso 1
Paso 2
Se seleccionan las variables
¿Qué es?
El análisis de la varianza (ANOVA) es uno de los tests estadísticos más
ampliamente utilizados para probar la igualdad de más de dos medias de la
población.Es decir: Hipótesis: Cuando se trata de comparar varias medias cabe
la posibilidad de realizar comparaciones dos a dos Utilizando, por ejemplo el
test t. Este procedimiento no es correcto. Si, como es habitual, se utiliza un
valor crítico del 5 % para comprobar la hipótesis de ausencia de diferencias
entre las medias de las poblaciones, el nivel de significación real será mucho
mayor. Aunque todas las muestras procedieran de la misma población, una
media del 5 % de los valores t superarán el valor crítico. Puede demostrarse
que en 10 comparaciones independientes uno o más valores de t superará el
valor crítico t 0,95 en un 40 % de ocasiones. Es decir, es relativamente fácil
rechazar la hipótesis nula por un valor espurio de t a causa de la reiteración de
comparaciones. Una segunda razón es la pérdida de precisión al estimar la
varianza común cada dos grupos. Claro está que este problema se soluciona
utilizando la varianza global, pero sigue en pie el problema de la significación.
¿Cuál es su fórmula?
Caso práctico:
1. Plantear la hipótesis
H0: No existe diferencia entre los tres métodos de lectura.
H1: Existe diferencia entre los tres métodos de lectura.
2. Nivel de significancia:
Paso1:
Paso 2 y 3:
Paso 2 y 3:
Paso1:
Paso 2
ANOVA
Nota obtenida en la comprensión de lectura
Suma de Media
gl F Sig.
cuadrados cuadrática
Inter-grupos ,485 2 ,242 ,086 ,918
Intra-grupos 177,773 63 2,822
Total 178,258 65
¿Qué es?
Las pruebas t de muestras dependientes o apareadas, consisten típicamente en una
muestra de pares de valores con similares unidades estadísticas, o un grupo de
unidades que han sido evaluadas en dos ocasiones diferentes (una prueba t de
mediciones repetitivas). Un ejemplo típico de prueba t para mediciones repetitivas
sería por ejemplo que los sujetos sean evaluados antes y después de un tratamiento.
Una prueba 't basada en la coincidencia de pares muestrales se obtiene de una
muestra desapareada que luego es utilizada para formar una muestra apareada,
utilizando para ello variables adicionales que fueron medidas conjuntamente con la
variable de interés.8
La valoración de la coincidencia se lleva a cabo mediante la identificación de pares
de valores que consisten en una observación de cada una de las dos muestras, donde
las observaciones del par son similares en términos de otras variables medidas. Este
enfoque se utiliza a menudo en los estudios observacionales para reducir o eliminar
los efectos de los factores de confusión.
¿Cuál es su fórmula?
Donde:
: media muestral dela diferencia
desviación estándar de la diferencia
tamaño de la muestra
Existen grados de libertad asociados con la prueba t para una
muestra.
Caso práctico:
Se realiza un estudio para conocer si el rendimiento académico de los estudiantes
cambia luego de aplicar cierta metodología de enseñanza.
4. Plantear la hipótesis
H0: No existe diferencia en el rendimiento académico después de aplicar
determinada metodología de enseñanza.
H1: Existe diferencia en el rendimiento académico después de aplicar determinada
metodología de enseñanza.
5. Nivel de significancia:
Paso1:
Paso 2:
Los resultados presentados en la tabla indican que la distribución de los puntajes en la nota
inicial y en la nota final presentan estadísticos K-S-Z que no son estadísticamente
significativos, por lo cual podemos concluir que presentan una adecuada aproximación a la
curva normal.
Paso 2
¿Qué es?
En estadística, el coeficiente de correlación de Pearson es una medida de la relación
lineal entre dos variables aleatorias cuantitativas. A diferencia de la covarianza, la
correlación de Pearson es independiente de la escala de medida de las variables.
De manera menos formal, podemos definir el coeficiente de correlación de Pearson
como un índice que puede utilizarse para medir el grado de relación de dos varia
¿Cuál es su fórmula?
En el caso de que se esté estudiando dos variables aleatorias x e y sobre
una población estadística; el coeficiente de correlación de Pearson se simboliza con
la letra siendo la expresión que nos permite calcularlo:
Donde:
es la covarianza de
es la desviación típica de la variable
es la desviación típica de la variable
De manera análoga podemos calcular este coeficiente sobre un estadístico muestral,
denotado como a:
¿Cómo interpretarla?
Para interpretar el coeficiente de correlación utilizamos la siguiente escala:
Valor Significado
-1 Correlación negativa grande y perfecta
-0,9 a -0,99 Correlación negativa muy alta
-0,7 a -0,89 Correlación negativa alta
-0,4 a -0,69 Correlación negativa moderada
-0,2 a -0,39 Correlación negativa baja
-0,01 a -0,19 Correlación negativa muy baja
0 Correlación nula
0,01 a 0,19 Correlación positiva muy baja
0,2 a 0,39 Correlación positiva baja
0,4 a 0,69 Correlación positiva moderada
0,7 a 0,89 Correlación positiva alta
0,9 a 0,99 Correlación positiva muy alta
1 Correlación positiva grande y perfecta
Caso práctico:
Se realiza un estudio para conocer la relación que existe entre el número de horas de
estudio semanal y la calificación en un examen de Estadística.
1. Plantear la hipótesis
H0: Existe relación entre las horas de estudio y la calificación.
H1: No existe relación entre las horas de estudio y la calificación.
2. Nivel de significancia:
3. Tipo de Prueba: r de Pearson
Supuestos de la prueba
5. Normalidad de los datos.
Paso 2
Los resultados presentados en la tabla indican que la distribución de los puntajes en las
horas de estudio y la calificación en el examen presentan estadísticos K-S-Z que no son
estadísticamente significativos, por lo cual podemos concluir que presentan una adecuada
aproximación a la curva normal.
Paso 2
Resultados de SPSS
Correlaciones
Calificación en el
Horas de estudio examen de
semanal Estadística
Horas de estudio Correlación de 1 ,941**
semanal Pearson
Sig. (bilateral) ,000
N 60 60
Calificación en el Correlación de ,941** 1
examen de Estadística Pearson
Sig. (bilateral) ,000
N 60 60
**. La correlación es significativa al nivel 0,01 (bilateral).
Según los resultados presentados en la tabla, estos nos indican que existe una correlación
significativa muy alta que alcanza un valor de 0.941 entre las horas de estudio semanal y
la calificación en el examen.
PRUEBAS NO PARAMÉTRICAS
7. BONDAD DE AJUSTE
Tipo de estudio Transversal
Nivel de investigación Descriptivo
Objeto estadístico Comparar
Numérica – Ordinal – Nominal
Variable de estudio
Politómica (un grupo)
Tipo de distribución Sin normalidad
¿Qué es?
Se entiende por bondad de ajuste a la asimilación de los datos observados de una
variable a una función matemática previamente establecida y reconocida. A través
de este es posible entonces predecir el comportamiento de la variable de estudio.
Las pruebas de bondad de ajuste tienen por objetivo determinar si los datos
disponibles se ajustan a una determinada distribución.
¿Cuál es su fórmula?
Entre las pruebas de bondad de ajuste más conocidos, tenemos:
CHI CUADRADO:
Caso práctico:
Se realiza un estudio para conocer si la proporción de individuos según nivel socio
económico son iguales.
1. Plantear la hipótesis
H0: La proporción de individuos según nivel socio económico son iguales.
H1: La proporción de individuos según nivel socio económico son diferentes.
2. Nivel de significancia:
Paso1
Paso 2
SALIDA DE LA PRUEBA
Estadísticos de contraste
Nivel Socioeconómico
Chi-cuadrado 7,200a
gl 2
Sig. asintót. ,027
Estadísticos de contraste
Nivel Socioeconómico
Chi-cuadrado 7,200a
gl 2
Sig. asintót. ,027
a. 0 casillas (,0%) tienen frecuencias esperadas
menores que 5. La frecuencia de casilla esperada
mínima es 10,0.
¿Qué es?
Es una prueba de bondad de ajuste, que permite averiguar si una variable
dicotómica sigue o no un determinado modelo de probabilidad. Permite contrastar
la hipótesis de que la proporción observada de aciertos se ajusta a la proporción
teórica de una distribución binomial (lo cual se traduce en la posibilidad de
contrastar hipótesis sobre proporciones y sobre cuartiles).
¿Cuál es su fórmula?
Para obtener los valores esperados se tiene que utilizar la fórmula de la distribución
binomial:
Donde:
es el número de series,
son las probabilidades respectivas.
Para calcular el valor de , se sabe que en una distribución
binomial, por lo que .
con un
con los tipos de hipótesis que se prueban usualmente al tener este tipo de
datos.
Las pruebas no paramétricas son aplicables, no sólo en casos en que las
mediciones son difíciles de cuantificar, sino también son útiles para hacer
inferencias, en situaciones en la que se tienen serias dudas sobre la
satisfacción de la hipótesis que respaldan la metodología estándar.
Caso práctico:
Se realiza un estudio para conocer si la mitad de los estudiantes que utilizan como
máximo 4 horas de estudio semanal.
1. Plantear la hipótesis
H0: La mediana de las horas de estudio es igual a 4 horas.
H1: La mediana de las horas de estudio es diferente a 4 horas.
2. Nivel de significancia:
Paso 2
Resultados de la Prueba
Prueba binomial
Sig.
Proporción Prop. de exacta
Categoría N observada prueba (bilateral)
Horas de Grupo 1 <= 4 32 ,53 ,50 ,699
estudio Grupo 2 > 4 28 ,47
Total 60 1,00
Según los resultados de la prueba Binomial el estadístico obtenido no es estadísticamente
significativo ya que p-value 0.699 > 0.05, por lo que no se rechaza la hipótesis nula; y se
concluye que, la mitad de los estudiante usan como máximo 4 horas de estudio.
9. U MANN-WITHNEY
Tipo de estudio Transversal
Nivel de investigación Relacional
Objeto estadístico Comparar
Variable de estudio Numérica – Ordinal (dos grupos)
Tipo de distribución Sin normalidad
¿Qué es?
En estadística la prueba U de Mann-Whitney (también llamada de Mann-
Whitney-Wilcoxon, prueba de suma de rangos Wilcoxon, o prueba de Wilcoxon-
Mann-Whitney) es una prueba no paramétrica aplicada a dos muestras
independientes. Es, de hecho, la versión no paramétrica de la habitual prueba t de
Student.
Fue propuesto inicialmente en 1945 por Frank Wilcoxon para muestras de igual
tamaños y extendido a muestras de tamaño arbitrario como en otros sentidos por
Henry B. Mann y D. R. Whitney en 1947.
Esta prueba sirve para contraste de dos muestras independientes.
¿Cuál es su fórmula?
La prueba calcula el llamado estadístico U, cuya distribución para muestras con
más de 20 observaciones se aproxima bastante bien a la distribución normal.
La aproximación a la normal, z, cuando tenemos muestras lo suficientemente
grandes viene dada por la expresión:
Caso práctico:
1. Plantear la hipótesis
H0: Las horas de estudio en los estudiantes según sexo son iguales.
H1: Las horas de estudio en los estudiantes según sexo son diferentes.
2. Nivel de significancia:
Paso 2
SALIDA SPSS
Pruebas de normalidad
Sexo de los Kolmogorov-Smirnova Shapiro-Wilk
estudiantes Estadístico gl Sig. Estadístico gl Sig.
Horas de Masculino ,212 29 ,905 29 ,013
estudio ,002
Femenino ,181 31 ,867 31 ,001
,011
Paso 2
SALIDA de la Prueba
Estadísticos de contrastea
Horas de estudio
U de Mann-Whitney 325,000
W de Wilcoxon 821,000
Z -1,869
Sig. asintót. (bilateral) ,062
Estadísticos de contrastea
Horas de estudio
U de Mann-Whitney 325,000
W de Wilcoxon 821,000
Z -1,869
Sig. asintót. (bilateral) ,062
a. Variable de agrupación: Sexo de los estudiantes
Tabla de contingencia
Seleccionamoso casillas
¿Qué es?
Es una distribución de probabilidad continua con un parámetro “k”, que presenta
los grados de libertad de la variable aleatoria, la distribución de Chi Cuadrado es
denotada por la letra griega , es frecuentemente usada para probar hipótesis,
concernientes a la diferencia entre un conjunto de frecuencias observadas de una
muestra y un conjunto correspondientes de frecuencias teóricas esperadas. Las
pruebas de Chi Cuadrado, son útiles al analizar más de dos poblaciones, por
ejemplo, sirven para trabajar con datos de Mercadotecnia, también permite
determinar si un grupo de datos descritos de una distribución normal, se ajustan a
la realidad de ese patrón.
El estadístico de Chi Cuadrado se representa de la forma siguiente:
¿Cuál es su fórmula?
: Chi Cuadrado
: “La suma de”
: Frecuencia observada
: Frecuencia esperada.
Caso práctico:
1. Plantear la hipótesis
H0: El nivel socioeconómico y el defecto del lenguaje son independientes.
H1: El nivel socioeconómico y el defecto del lenguaje son dependientes.
2. Nivel de significancia:
Paso 2 y Paso 3
SALIDA PRUEBA
Pruebas de chi-cuadrado
Sig. asintótica
Valor gl (bilateral)
Chi-cuadrado de 3,840a 2 ,147
Pearson
Razón de 4,454 2 ,108
verosimilitudes
Asociación lineal por ,000 1 1,000
lineal
N de casos válidos 16
a. 5 casillas (83,3%) tienen una frecuencia esperada inferior a
5. La frecuencia mínima esperada es ,75.
¿Qué es?
La prueba de Kruskal-Wallis (también llamada la prueba H) es una prueba no
paramétrica que utiliza rangos de datos muestrales de tres o más poblaciones
independientes. Se utiliza para probar la hipótesis nula de que las muestras
independientes provienen de poblaciones con medianas iguales; la hipótesis
alternativa es la aseveración de que las poblaciones tienen medianas que no son
iguales. Es una extensión de la de U de Mann-Whitney y representa una excelente
alternativa al ANOVA de un factor completamente aleatorizado.
H0: Las muestras provienen de poblaciones con medianas iguales.
H1: Las muestras provienen de poblaciones con medianas que no son iguales.
¿Cuál es su fórmula?
Donde:
: valor estadístico de la prueba de Kruskal-Wallis.
tamaño total de la muestra.
sumatoria de los rangos elevados al cuadrado.
tamaño de la muestra de cada grupo.
ajuste dado por el ajuste de ligas o empates de los rangos.
P á g i n a 56 | 182 Te acompañamos en tu formación ….. Toda tu vida
Guía de SPSS 22 para desarrollo de trabajos de investigación.
Caso práctico:
Se realiza un estudio para conocer si el área a la que pertenece el profesorado
influye en la utilidad que le atribuye a las TIC en la enseñanza.
1. Plantear la hipótesis
H0: El área de estudio a la que pertenece el profesorado no influye en la utilidad
que le atribuye a las TIC en la enseñanza.
H1: El área de estudio a la que pertenece el profesorado influye en la utilidad
que le atribuye a las TIC en la enseñanza
2. Nivel de significancia:
Paso 2
Rangos
Rango
Área de estudio N
promedio
Cienicas Naturales 20 57,23
Ciencias Sociales y
20 27,08
Educación
Utilidad de las TIC
Letras 20 16,93
Técnicas 20 60,78
Total 80
Estadísticos de contrastea,b
Utilidad de las
TIC
Chi-cuadrado 57,289
gl 3
Sig. asintót. ,000
a. Prueba de Kruskal-Wallis
b. Variable de agrupación: Area de estudio
Según los resultados de la prueba se rechaza la hipótesis nula ya que el p-value <
0.05 por lo que se acepta la hipótesis alterna y se concluye que, el área de estudio a
la que pertenece el profesorado, influye en la utilidad que le atribuye a las TIC en la
enseñanza
12. WILCOXON
¿Qué es?
La prueba de los rangos con signo de Wilcoxon es una prueba no paramétrica para
comparar la media de dos muestras relacionadas y determinar si existen diferencias
entre ellas.
¿Cuál es su fórmula?
La hipótesis nula es . Retrotrayendo dicha hipótesis a los valores
originales, ésta vendría a decir que son en cierto sentido del mismo tamaño.
Para verificar la hipótesis, en primer lugar, se ordenan los valores absolutos
y se les asigna su rango . Entonces, el estadístico de la prueba de los
signos de Wilcoxon, es:
Caso práctico:
1. Plantear la hipótesis
H0: No hay diferencia en la opinión de los estudiantes sobre la utilidad de la
estadística aplicada después de la aplicación del taller.
H1: Hay diferencia en la opinión de los estudiantes sobre la utilidad de la
estadística aplicada después de la aplicación del taller.
2. Nivel de significancia:
Paso 1
Paso 2
Seleccionar la prueba
Rangos
Rango Suma de
N promedio rangos
Opinión de los Rangos 8a 8,50 68,00
estudiantes después del negativos
Taller - Opinión de los Rangos positivos 16b 14,50 232,00
estudiantes del Taller Empates 11c
Total 35
Rangos
Rango Suma de
N promedio rangos
Opinión de los Rangos 8a 8,50 68,00
estudiantes después del negativos
Taller - Opinión de los Rangos positivos 16b 14,50 232,00
estudiantes del Taller Empates 11 c
Total 35
a. Opinión de los estudiantes después del Taller < Opinión de los estudiantes del
Taller
b. Opinión de los estudiantes después del Taller > Opinión de los estudiantes del
Taller
c. Opinión de los estudiantes después del Taller = Opinión de los estudiantes del
Taller
Estadísticos de contrasteb
Opinión de los estudiantes después
del Taller - Opinión de los
estudiantes del Taller
Z -2,440a
Sig. asintót. ,015
(bilateral)
a. Basado en los rangos negativos.
b. Prueba de los rangos con signo de Wilcoxon
Según los resultados de la prueba, se rechaza la hipótesis nula ya que p-value <0.05, por lo
que, existen diferencias significativas y aceptamos la hipótesis alterna. Concluimos
que hay diferencia en la opinión de los estudiantes sobre la utilidad de la estadística
aplicada después de la aplicación del taller.
15. Q DE COCHRAN
Tipo de estudio Longitudinal
¿Qué es?
La prueba Q de Cochran es una técnica estadística, extensión de la prueba de
McNemar, que se utiliza en los modelos experimentales con tres o más muestras
dependientes o relacionadas entre sí, es decir, esta población sirve como su propio
control, en el que existe un período previo y otro ulterior; además, el tipo de escala
debe ser nominal.
¿Cuál es su fórmula?
El valor calculado en la prueba Q de Chochran se distribuye igual que la ji
cuadrada, por lo cual el símbolo utilizado será
La ecuación es la siguiente:
Donde:
estadístico ji cuadrada de la prueba Q de Cochran.
número de tratamientos.
número total de respuestas de cambio de cada tratamiento o columna.
número total de respuestas de cambio por individuo de la muestra o
hileras.
Pasos:
1. Arreglar la muestra individualmente con sus respuestas de cambio.
2. Efectuar las sumatorias de cambios por cada tratamiento o columna (Gn y S
Gn).
3. Efectuar la sumatoria de cambios por cada hilera y elevarla al cuadrado y, a su
vez, las sumatorias de éstas (S yS ).
4. Aplicar la fórmula de la prueba Q de Cochran, de modo que se obtenga el
valor .
Caso práctico:
Se realiza un estudio para conocer si la proporción es la misma de alumnos que han
recibido dos tipos de terapia.
1. Plantear la hipótesis
H0: No hay diferencia en la proporción de estudiantes que reciben terapia de
ansiedad, terapia de fobia y terapia de estrés ante exposiciones.
H1: Hay diferencia en la proporción de estudiantes que reciben terapia de
ansiedad, terapia de fobia y terapia de estrés ante exposiciones.
Paso 1
Paso 2
Seleccionar la prueba
SALIDA SPSS
Frecuencias
Valor
1 2
Terapia de 12 8
Ansiedad
Terapia de Fobia 7 13
Terapia de Estres 10 10
Estadísticos de contraste
N 20
Q de Cochran 2,714a
gl 2
Sig. asintót. ,257
a. 1 se trata como un éxito.
18. MC NEMAR
Tipo de estudio Longitudinal
Nivel de investigación Relacional
Objeto estadístico Comparar
Variable de estudio Nominal Dicotómica (dos medidas)
¿Qué es?
La prueba Mc Nemar también conocida como apareados de medidas repetidas o de
grupos relacionados se utiliza para decidir si se puede o no aceptarse que
determinado “tratamiento” induce un cambio en la respuesta de los elementos
sometidos al mismo, y es aplicable a los diseños del tipo “ANTES - DESPUES” en
los que cada elemento actúa como su propio control.
Fue publicada por primera vez en un artículo en Psychometrika 1947, dada por Sr.
Quinn, quien fue profesor en el departamento de Psicología y Estadística de la
Universidad de Stanford.
¿Cuál es su fórmula?
La prueba se aplica a una tabla de 2 × 2 contingencia, que tabula los resultados de
dos ensayos en una muestra de n sujetos, como sigue.
Una corrección alternativa 1 en lugar de 0.5 se atribuye a Edwards [4] por Fleiss, lo
que resulta en una ecuación similar:
Caso práctico:
Se realiza un estudio para conocer si la proporción es la misma de alumnos que han
recibido dos tipos de terapia.
1. Plantear la hipótesis
H0: No hay diferencia en la proporción de estudiantes que reciben terapia de
ansiedad y terapia de fobia ante exposiciones.
H1: Hay diferencia en la proporción de estudiantes que reciben terapia de
ansiedad y terapia de fobia ante exposiciones.
2. Nivel de significancia:
Paso 2
Estadísticos de contrasteb
Según los resultados de la prueba Mac Nemar, no se rechaza la hipótesis nula por lo que
concluimos: no hay diferencia en la proporción de estudiantes que reciben terapias de:
ansiedad y fobia ante exposiciones.
21. FRIEDMAN
Tipo de estudio Longitudinal
¿Qué es?
Prueba no paramétrica desarrollada por Milton Friedman, economista
estadounidense, a través del cual se va ordenando los datos por filas o bloques,
reemplazándolos por su respectivo orden; teniendo en cuenta los datos idénticos.
¿Cuál es su fórmula?
Donde:
Número de filas o bloques
Número de tratamientos (columnas)
Es la suma de los rangos de la j-ésima columna
Conforme aumenta la cantidad de bloques en el experimento (más de 5) se
puede aproximar el estadístico de Friedman a una distribución con
grados de libertad
Caso práctico:
P á g i n a 73 | 182 Te acompañamos en tu formación ….. Toda tu vida
Guía de SPSS 22 para desarrollo de trabajos de investigación.
1. Plantear la hipótesis
H0: No hay diferencia en el rendimiento académico en las tres asignaturas que
cursan los estudiantes.
H1: Hay diferencia en el rendimiento académico en las tres asignaturas que cursan
los estudiantes.
2. Nivel de significancia:
Paso 1 y Paso 2
Paso 1
Paso 2
Rangos
Rango
promedio
Nota en Lógico 1,92
Matemático
Nota Comunicación 2,02
Integral
Nota en Ciencia 2,06
Ambiente
Estadísticos de contrastea
N 31
Chi-cuadrado ,389
gl 2
Sig. asintót. ,823
a. Prueba de Friedman
23. SPEARMAN
Tipo de estudio Transversal
¿Qué es?
Es una prueba estadística que permite medir la correlación o asociación de dos
variables y es aplicable cuando las mediciones se realizan en una escala ordinal,
aprovechando la clasificación por rangos.
El coeficiente de correlación de Spearman se rige por las reglas de la correlación
simple de Pearson, y las mediciones de este índice corresponden de + 1 a - 1,
pasando por el cero, donde este último significa no correlación entre las variables
estudiadas, mientras que los dos primeros denotan la correlación máxima.
Pasos.
1. Clasificar en rangos cada medición de las observaciones.
2. Obtener las diferencias de las parejas de rangos de las variables estudiadas y
elevadas al cuadrado.
3. Efectuar la sumatoria de todas las diferencias al cuadrado.
4. Aplicar la ecuación.
5. Calcular los grados de libertad (gl). gl = número de parejas - 1. Solo se
utilizará cuando la muestra sea mayor a 10.
6. Comparar el valor r calculado con respecto a los valores críticos de la tabla de
valores críticos de t de Kendall en función de probabilidad.
7. Decidir si se acepta o rechaza la hipótesis.
¿Cuál es su fórmula?
La ecuación utilizada en este procedimiento, cuando en el ordenamiento de los
rangos de las observaciones no hay datos empatados o ligados, es la siguiente:
Donde:
Caso práctico:
1. Plantear la hipótesis
H0: La asociación entre las variables de educación formal de la madre y el
desarrollo mental de los hijos no es significativa, ni hay correlación.
H1: El desarrollo mental de los hijos es una variable dependiente de la educación
formal de la madre; por lo tanto, existe una correlación significativa.
2. Nivel de significancia:
Paso 1
Paso 2
Rango de la
Rango del Desarrollo
Educación
Mental del Niño
Materna
N 30 30
Parámetros normalesa,b Media 5,30 4,83
Desviación típica 2,437 2,306
Diferencias más Absoluta ,249 ,253
extremas Positiva ,249 ,253
Negativa -,202 -,160
Z de Kolmogorov-Smirnov 1,364 1,388
Sig. asintót. (bilateral) ,048 ,042
Rango de la
Rango del Desarrollo
Educación
Mental del Niño
Materna
N 30 30
Parámetros normales a,b Media 5,30 4,83
Desviación típica 2,437 2,306
Diferencias más Absoluta ,249 ,253
extremas Positiva ,249 ,253
Negativa -,202 -,160
Z de Kolmogorov-Smirnov 1,364 1,388
Sig. asintót. (bilateral) ,048 ,042
Según los resultados de la tabla se aprecia que los puntajes obtenidos en educación
materna y desarrollo mental del niño no se adecuan a una distribución normal.
Paso 1:
Paso2:
Correlaciones
Rango del
Rango de la Desarrollo
Educación Mental del
Materna Niño
Rho de Rango de la Coeficiente de 1,000 -,017
Spearman Educación Materna correlación
Sig. (bilateral) . ,927
N 30 30
Rango del Desarrollo Coeficiente de -,017 1,000
Mental del Niño correlación
Sig. (bilateral) ,927 .
N 30 30
de Levene)
La curva tiene un solo pico, por consiguiente es unimodal. Presenta una forma de
campana.
La media de una población distribuida normalmente se encuentra en el centro de su curva
normal.
A causa de la simetría de la distribución normal de probabilidad, la mediana y la moda de
la distribución también se hallan en el centro, por tanto en una curva normal, la media, la
mediana y la moda poseen el mismo valor.
Las dos colas (extremos) de una distribución normal de probabilidad se extienden de
manera indefinida y nunca tocan el eje horizontal.
El área total bajo la curva normal será de 1.00 por lo cual podemos considerar que las áreas
bajo la curva son probabilidades.
El valor de Z.
Z= x-m / s
Las variables aleatorias distribuidas en forma normal asumen muchas unidades diferentes
de medición, por lo que hablaremos de forma estándar y les daremos el símbolo de Z.
En los gráficos de cajas y bigotes, se puede ver de que si la proyección la MEDIA debe de estar
dentro de la caja, se demostrar que existe distribución norma, si esta fuera, para el Caso 1 Si esta
media dentro de B por lo cual podemos decir que existe distribución normal, en el Caso 2 la media
no está dentro de la caja, por lo cual podemos afirmar de que no está presente la distribución
normal.
Contrastación de hipótesis
Propósito
Demostrar distribución normal
Hipótesis de investigación
Ho= La distribución de la variable aleatoria no es distinta a la distribución normal.
P á g i n a 87 | 182 Te acompañamos en tu formación ….. Toda tu vida
Guía de SPSS 22 para desarrollo de trabajos de investigación.
Para esto tenemos una Población de 328 casos y nuestra muestra será de 211, trabajaremos con
una selección aleatoria usando el SPSS 22, con la opción selección de casos y eliminaremos
automáticamente los registros que no intervendrán en nuestro laboratorio para este caso.
Debemos tener presente que se usa Kolgomorov Smirnov porque la muestra es mayor a
50, de no ser así se usa Shapiro Wilks
Obtenemos solo los 211 casos requeridos para nuestro estudio del caso
Llenamos los parámetros de esta opción para seleccionar las medidas estadistas que
requerimos.
Para completar los datos del cuadro debemos realizar fórmulas para los límites
Medidas estadísticas Peso Lima Peso Arequipa
Media 33,20 3330
Error estándar 58 86
IC 95% límite inferior 3206 3162
IC 95% límite superior 3433 3499
Hipótesis de investigación
Ho= La distribución de la variable aleatoria no es distinta a la distribución normal.
Ha= La distribución de la variable aleatoria es distinta a la distribución normal.
El nivel de significancia
Es de 0,05 o lo que es lo mismo 5,00%
Con SPSS 22 probamos cuál de las hipótesis es la más apropiada para nuestra
investigación.
Nuestro valor de sigma asintótica es de 0,200 pero tiene las anotaciones c y d, lo cual nos
pone en conocimiento de que tiene el coeficiente de significación de Lillefors y que este es
un límite inferior de la significancia verdadera.
Pero tenemos como valor 0,200 o 20,00% de probabilidad de error, este valor es mayor a
0,05 lo que nos indica que la hipótesis alterna es rechazada y es validada la hipótesis nula.
Homocedasticidad de Levene
La homocedasticidad o igualdad de varianzas significa que todos los grupos a analizar
poseen la misma varianza, el incumplimiento de esta condición debe de ser cuidadosamente
cuidado debido que de ser el caso no cumpliría con tener homocedasiicidad y de ser este el
caso sería NO PARAMETRICA
Se contrasta esta afirmación con la Prueba de Levene
Debemos de tener presente que para la presentación grafica de caja de bigotes debemos te
tener bien el claro el criterio de cuartiles y media, así como los limites inferiores y
superiores.
En los gráficos de cajas y bigotes, se puede ver de que si la proyección la MEDIA debe
de estar dentro de la caja, se demostrar que existe distribución norma, si esta fuera, para
el Caso 1 Si esta media dentro de B por lo cual podemos decir que existe distribución
normal, en el Caso 2 la media no está dentro de la caja, por lo cual podemos afirmar de
que no está presente la distribución normal.
Podremos analizar las medias de cada caso y veremos que no en todos los casos se cumple.
Debemos tener presente que una variable con distribución que no sea normal, puede ser
transformada para tener distribución normal y analizarse en procesos PARAMETRICOS.
Las varianzas homogéneas , en la Ptueba de t de Student para muestras independientes,
existen dos estadísticos, uno para varianzas similares y otro donde se asume que son
distintas.
Obtenemos solo los 211 casos requeridos para nuestro estudio del caso
Llenamos los parámetros de esta opción para seleccionar las medidas estadistas que
requerimos.
Para completar los datos del cuadro debemos realizar fórmulas para los límites
Medidas estadísticas Peso Lima Peso Arequipa
Media 33,20 3330
Error estándar 58 86
IC 95% límite inferior 3206 3162
IC 95% límite superior 3433 3499
El nivel de significancia
Es de 0,05 o lo que es lo mismo 5,00%
Tenemos que el estadístico de Levene nos da un sigma bilateral de 0,725 o lo que es lo mismo
72,50% de error, el cual es mayor a 0,05 o 5,00% del nivel de significancia para este laboratorio, lo
que nos permite afirmar que rechazamos la hipótesis alterna y se ratifica la hipótesis nula .
Laboratorio Nro. 01
Procesamiento de datos
Bases de datos BD
Paso 01. Debe de insertar en Excel hoja1 las preguntas que aplicó en su
investigación. Para lo cual deberá copiar del Microsoft Word sus preguntas y
pegarlas a Excel, usted obtendrá lo siguiente:
Abrir el archivo en formato Word encuestas_invest, copiar su contenido en
el excell en la primera hoja, luego cambiar el nombre por cuestionario.
Paso 02. Vaciar las respuestas de las encuestas en la Hoja2 de Excel, poner el
nombre BD (base de datos).
En la primera celda de las columnas deberán ir los códigos de la siguiente
manera: V2D2P5 que es la secuencia de: variable 2, dimensión 2 y pregunta
5. La codificación es útil para procesar los datos con facilidad.
P á g i n a 101 | 182 Te acompañamos en tu formación ….. Toda tu vida
Guía de SPSS 22 para desarrollo de trabajos de investigación.
Paso 03. Trasladar la base de datos (BD) al programa estadístico SPSS (Statistical
Package for the Social Sciences)
c. Editor datos: este editor cuenta con dos diferentes tipos de vistas (Datos
y Variables), a través de las cuales se puede modificar o definir
parámetros específicos de la información contenida en el archivo.
En esta opción se
cambian los nombres En esta opción se Esta opción le permitirá
genéricos VAR001 por asigna un nivel más especificar si la escala de la
los códigos de las descriptivo a las variable es de tipo ordinal o
variables: V3D3P2 variables. nominal.
P á g i n a 103En| 182
esta Te acompañamos
opción se selecciona: en tuCon
formación …..asignar
esta opción Toda valores
tu vida numéricos a
numérico si se trabaja con las variables categóricas. Ej. 1 = nunca
números o cadena si se trabaja
con letras.
Esta opción permite asignar un valor alternativo
Con esta opción fijar si trabajará cuando se encuentren celdas vacías en los datos.
con decimales o sin decimales. Los valores que más se utilizan para designar
Guía de SPSS 22 para desarrollo de trabajos de investigación.
Paso 04. Pulsar en editor de datos vista de datos y pegar el archivo procedente de
Excel (hoja sumatorias)
Variables
N° de
casos
Paso 05. Pulse en editor de datos vista de variables y defina los parámetros
informativos de las preguntas.
a
b
Procedimientos estadísticos
3.
Calidad de software
Porcentaje
Frecuen Porcent Porcentaje acumulad
cia aje válido o
de acuerdo 26 81,3 81,3 81,3
1
muy de 6 18,8 18,8 100,0
acuerdo
Total 32 100,0 100,0
2
2. Estadística inferencial
Es una técnica mediante la cual se obtienen generalizaciones o se toman
decisiones en base a una información parcial o completa obtenida
mediante las técnicas paramétrica y no paramétricas.
Las paramétricas exigen a los datos a los que se aplica, que cumplan con
diversos supuestos estadísticos, los más importantes se refieren al tipo de
variable, tipo de distribución de variables y Homocedasticidad de la
variable.
explorar
Si n<50 se analiza con la prueba Shapiro-Wilk y si el Sig es menor de 0.05, se puede afirmar
P á gdatos
que los i n a 107 | 182
no preceden de unaTedistribución
acompañamos ennormal,
tu formación ….. enToda
como tu vida
este caso. Si los datos son
mayores de 50, la prueba de Kolmogorov – Smirnov es la sugerida.
Guía de SPSS 22 para desarrollo de trabajos de investigación.
3. Plantear hipótesis:
L
os resultados de la prueba Shapiro-Wilk indican que la distribución de
las variables no son normales porque el valor de Sig < 0,05 entonces
no se puede usar pruebas de hipótesis paramétricas.
3. Plantear hipótesis
Ho: Las varianzas de ambas variables no son diferentes
H1: Las varianzas de ambas variables son diferentes
Prueba de homogeneidad de varianzas
Calidad de software
Estadístico de
Levene df1 df2 Sig.
495,000 1 30 ,000
Los
resultados del estadístico de Levene indican que la varianza de
ambas variables es diferente porque el valor de Sig < 0,05
entonces no se puede usar pruebas de hipótesis paramétricas.
ANÁLISIS DE CORRELACIONES
Distribución Correlación
no normal de Spearman
Predicción Regresión
Cuando las variables son ordinales no es necesario hallar la Normalidad
Correlaciónde
ni la Homocedasticidad. Por lo tanto se aplica el test no paramétrico
Variables ordinales
Spearman. (el coeficiente de Spearman puede tomar valores entre -1 y +1,
de Spearman
y se interpreta de forma parecida al de Pearson).
P á g i n a 109 | 182 Te acompañamos en tu formación ….. Toda tu vida
Guía de SPSS 22 para desarrollo de trabajos de investigación.
APLICACIÓN
1. Objetivo:
Determinar la relación que existe entre la calidad de software y la
atención de los pacientes de la Sub Gerencia de Atención Domiciliaria
en Lima Metropolitana en el 2013.
2. Supuestos estadísticos:
3. Variables:
4. Análisis:
3. E
l
p
r
o
g
r
a
m
a
S
P
SS le proporcionará una matriz de correlaciones, en pares de
variables. Usted podrá observar cómo se relacionan las variables
y luego interpretarlo.
Si p ≥ → Rechazar Ho
PRESENTACIÓN DE RESULTADOS
Tabla 1
Resultados del Test de Spearman para determinar la relación entre
la calidad de software y nivel de satisfacción de los pacientes
Calidad nivel de
de satisfacci
software ón
Rho de Calidad de Coeficiente de 1,000 ,713**
Spearman software correlación
Sig. (bilateral) . ,000
N 32 32
nivel de Coeficiente de ,713** 1,000
satisfacción correlación
Sig. (bilateral) ,000 .
N 32 32
Debemos tomar en cuenta de que para el caso de que se tengan escalas ordinales,
estas pueden ser consideradas numéricas. Mc Guigan (1993) y Siegel (1956)
Contrastación de hipótesis
Ha= Las unidades de una variable no se correlacionan con las unidades de las otras.
Ha= Las unidades de una variable se correlacionan con las unidades de las otras.
La prueba de hipótesis se realiza con el estadístico de Spearman y la medida de correlación
con el Rho de Spearman. De encontrarse la correlación podemos calcularla con el Tau-b de
Kendal u otra medida de correlación.
P á g i n a 114 | 182 Te acompañamos en tu formación ….. Toda tu vida
Guía de SPSS 22 para desarrollo de trabajos de investigación.
1) Diagrama de dispersión
Hipótesis
Ho= No existe una correlación entre el grado académico y el nivel de ingreso económico
anual
Ha = Existe una correlación entre el grado académico y el nivel de ingreso económico
anual
Si sigma > 0,05 se acepta la Hipótesis nula, si sigma<0,05 se acepta Hipótesis alterna
Calculamos el valor de P
Podemos observar de que el valor de sigma bilateral es de 0,00 el cual es menor a 0,05, esto
se interpreta que si hay NORMALIDAD en loso datos.
Este análisis nos permite corroborar que la hipótesis alterna es válida y se rechaza la
hipótesis nula.
Entonces es válido pensar que: “Existe una correlación entre el grado académico y el nivel
de ingreso económico anual”
Seleccionamos los estadístico de Pearson y Spearman, recordar que para usar Pearnson es
Parametrica u Spearman No Parametrica.
Rho de Spearman
Correlaciones
Grado Ingresos
Academico anuales
Rho de Spearman Grado Academico Coeficiente de correlación 1,000 -,008
Sig. (bilateral) . ,886
N 292 292
Ingresos anuales Coeficiente de correlación -,008 1,000
Sig. (bilateral) ,886 .
N 292 292
El valor de p o sigma bilateral es de 0,886, entonces decimos que una posibilidad de error
del 88.60% lo cual se interpreta según la siguiente tabla:
Correlación de Pearson
Planteamiento
Se ha evaluado el ponderado fetal ecográfico y el peso del recién nacido en el Hogar de la
Madre. ¿Cuál es el grado de correlación entre el ponderado fetal ecográfico y el peso de los
recién nacidos?
Tenemos entonces el siguiente cuadro – IC = Intervalo de confianza al 95,00%
Medidas Ponderado fetal Peso del recién nacido
ecográfico- gramos gramos
Media
Error estándar
IC 95% limite mínimo
IC 95% limite maximo
Para el presente Laboratorio tendremos una Población de 85 recién nacidos y una muestra
de 50, trabajamos en forma aleatoria de casos. Similar al caso anterior.
Procedemos a realizar los cálculos para hallar la media y el error estándar, los limites
mínimos es igual al producto de la media – (1,96*error estándar) y el límite máximo es la
media + (1,96*error estándar)
Tenemos los siguientes resultados en el SPSS22 , los trasladamos al excell para realizar los
cálculos de los límites y llénanos el cuadro anteriormente presentado.
Ha= Existe un grado de correlación entre el ponderado fetal ecográfico y el peso de los
recién nacidos
Tenemos que el valor de sigma bilateral es 0,00 lo cual es menor a 0,05, esto quiere
indicarnos que se ratifica la hipótesis alterna y se rechaza la hipótesis nula, entonces
podemos afirmar que “Existe un grado de correlación entre el ponderado fetal ecográfico y
el peso de los recién nacidos”
Calificación Valores
Correlación perfecta =>0,95 a 1.00
Correlación fuerte =0,8 y <0,95
Correlación significativa =>0,7 y <0,8
Correlación moderada =>0,5 y <0,7
Correlación parcial < 0,5
El valor de 0.826 está en el rango de mayores o iguales a 0,8 y menores a 0,95, debido a que
nuestro valor es de 0,826, entonces tiene una correlación fuerte.
Calificación Valores
Perfecta =1
Excelente 0,9 a <1
Buena 0,8 a <0,9
Regular 0,5 a <0,8
Mala <0,5
Entonces tenemos una correlación buena, porque está en el rango de 0,8 a menores que
0,9, nuestro valor es 0,886
Procederemos a elaborar una simulación de 148 datos para trabajar este Taller Nro 02.
Trabajemos solo con el 50% de datos para que de esta manera sea mas fácil su
interpretación o si desea trabaje con el total de la muestra.
Ya está procesado el requerimiento, grabe su base de datos de trabajo con otro nombre.
Vamos a iniciar el proceso de estadísticos descriptivos, en tal sentido debemos trabajar con
tablas cruzadas.
Recordemos que:
Planteamiento de la investigación:
Se ha evaluado el grado de hipertrofia adenoidea en un grupo de ambos sexos. ¿El
grado de hipertrofia adenoidea es distinto según el sexo de los niños?
Obtenemos un valor de sigma asintótica (bilateral) de 0,000 el mismo que es menor de 0,05
o 5,00%, lo cual ratifica la hipótesis alterna y rechaza la hipótesis nula planteada en este
Talle Nro. 03.
Vanos a considerar
Grados Académicos: Primaria, Secundaria,
Universitaria, Postgrado
Religiones: Budismo, Cristianismo, Islam,
Hinduismo, Neopaganismo, Jainismo,
Judaísmo, Shintoismo.
Teniendo la base de datos con 111 casos en forma aleatoria procederemos a trabajar la
estadística de esta prueba.
Procederemos a desarrollar el grafico de Barras de error simple.
Procedemos a dar los parámetros de variable u eje de categorías para obtener la gráfica
correspondiente, así de esta manera interpretar rápidamente si se cumple lo presentado en
la(s) hipótesis.
P á g i n a 136 | 182 Te acompañamos en tu formación ….. Toda tu vida
Guía de SPSS 22 para desarrollo de trabajos de investigación.
Ho= El grado académico de los profesionales no es distinto según sus creencias religiosas
Ha= El grado académico de los profesionales es distinto según sus creencias religiosas
Propósito
Evidenciar diferencias entre medidas antes (pre) y después (post)
Procederemos a generar una base de datos en forma aleatoria de una población de 280
mujeres y hombre, una muestra exacta de 130.
Calculamos la normalidad de los resultados, pero debe tener en cuenta que solo debe
considerar la diferencia de los pesos pre y post únicamente.
Procederemos a trabajar con Kolgomorov Smirnov para calcular la normalidad.
Podemos ver que el sigma asintótica (bilateral) es de 0,000, la cual es menor a 0,05 o
5,00%, lo cual se interpreta que si tiene o presenta normalidad.
Asimismo se debe tener presente que ha tenido la corrección significativa de Lilliefors.
Podemos observar que tiene una forma de campana, lo cual nos indica que presenta
normalidad sus datos.
Calculamos el valor de p para saber si es correcta la hipótesis alterna y se rechaza la
hipótesis nula.
Tenemos un valor de sigma asintótica bilateral de 0,931 o sea 93,10%, lo cual es mayor a
0,05 o 5,00%, en tal sentido se ratifica la hipótesis nula y rechazamos la hipótesis alterna.
Estos contrastes permiten comprobar si hay diferencias entre las distribuciones de dos
poblaciones a partir de dos muestras dependientes o relacionadas; es decir, tales que cada
elemento de una muestra está emparejado con un elemento de la otra, de tal forma que los
componentes de cada pareja se parezcan entre sí lo más posible por lo que hace referencia a
un conjunto de características que se consideran relevantes. También es posible que cada
elemento de una muestra actúe como su propio control.
Algunas de las pruebas que pueden realizarse con el programa SPSS son: la prueba de
Wilcoxon, la de signos y la de McNemar.
Para el presente laboratorio tendremos una población de 123 pacientes, procederemos a la
selección de casos aleatorios y nuestra población será de 91 pacientes.
Nuestra estructura de datos será la siguiente:
Nivel de significancia
Es de 0,05 lo que lo mismo expresado en porcentajes 5,00%
Prueba estadística
Prueba de McNemar, porque es dicotómica y se está analizando datos antes y después.
Ho= No existe una mejora en los pacientes con depresión después del tratamiento
realizado.
Ha= Existe una mejora en los pacientes con depresión después del tratamiento realizado.
Pero debemos realizar lo siguiente debido a que (a) nos indica de que el recuento mínimo es
de 13,90.
Para esta caso al tener esta anotación lo que se considera ya no es el Chi Cuadrado, sino la
Corrección de continuidad, ósea el valor de p o sigma asintótica es de 0,214 o lo que es lo
mismo 21,40% el cual es mayor a 5,00%, en tal sentido se rechaza la hipótesis alterna y se
valida la hipótesis nula en este caso.
Laboratorio Nro. 07
Variación Total:
Variación Intra-grupos:
Variación Inter-grupos:
Siendo xij el i-ésimo valor de la muestra j-ésima; nj el tamaño de dicha muestra y su
media.
Cuando la hipótesis nula es cierta SCE/K-1 y SCD/n-K son dos estimadores insesgados de
la varianza poblacional y el cociente entre ambos se distribuye según una F de Snedecor
con K-1 grados de libertad en el numerador y N-K grados de libertad en el denominador.
Por lo tanto, si H0 es cierta es de esperar que el cociente entre ambas estimaciones será
Podríamos concluir con este cuadro estadístico que las técnicas Grupos A y B están
agrupados y el grupo C no.
Podríamos concluir que las técnicas A y B son homogéneas y la técnica C es no
homogénea.
Asimismo el P valor es de 0,937 para el subgrupo 1 93,70% y para el grupo 2 es de
1,00 su equivalencia es 100,00%
Esta relaciona cada grupo con los otros este es con el método estadístico de Turkey,
se debe considerar que comparando límites si uno es negativo y el otro positivo se
concluye que no hay diferencias significativas, cuando ambos son negativos el p
valor es significativos
APENDICES