: ' ... ~~ ..
•. • . ¡, t~ . ~·--
... : . lf/
. . UNIVERSIDAD NA-CIONAL· DEL .CALLAO
FACULTAD DE CIENCIAS DE LA SALUD
\ll'i\VH( . VICI.
. _ . ..,
·INSTITUTO DE INVES.TIGACIÓN .
UNIVER~' w~e
: . •.'·
,. .
.···~·. i . ; ' ' ~i ·,
t lf( · 1l ·
~~~~ . CENil<'v ot:.'ooCUM~NTACION CIENTíFICA Y_TRAOUCCIONES .
. l
CALLAO, 2014
Dedico este texto: A mi hija: Ms. Lic. Mercedes Lulilla Ferrer Mejía Maestro en Salud Pública, con especialidad en Salud Mental y Psiquiatría, con estudios concluidos de maestría en Investigación y Docencia Universitaria, de la Universidad Nacional del Callao, que durante el desarrollo del presente texto, fue una gran colaboradora como profesora participante del Proyecto de investigación, aprobado por Resolución Rectoral N° 303-2012-R. A mi esposa: Rosa Liliana Mejía López, a mis queridos hijos: Lucio, Euler y, a mis adorados nietos: Yahiaira, Lucio, Anghelí, André y Luana.
AGRADECIMIENTO
A la Doctora Arcelia Rojas Salazar,
Directora de la Escuela de Posgrado
de la Universidad Nacional del Callao
y a los miembros del Comité Directivo
del Instituto de Investigación de la
Facultad de Ciencias de la Salud: Dra.
Nancy Chateo Castillo, Mg. Mery
Abastos abarca, Mg. Haydee
Román Aramburú y a la Mg. Ana
Elvira lópez y Rojas quienes
prestaron especial atención con
mucha dedicación, entrega,
responsabilidad y por sus valiosas
sugerencias y aportes para la
culminación del texto y en especial a
la Facultad de Ciencias de la Salud;
como testimonio de gratitud por su
valiosa colaboración y apoyo
económico a través del FEDI.
9.
ÍNDICE
Página
INTRODUCCIÓN ............................................................................... 1
Planteamiento del problema de investigación .......................................... 3
Descripción y análisis del tema ............................................................ 2
Planteamiento del problema ................................................................ 3
Objetivos y alcance de la investigación
Propósito de la investigación
Objetivo General: .............................................................................. 4
Objetivos Específicos: ....................................................................... .4
Alcance de la Investigación ................................................................ 4
Importancia y justificación de la investigación .......................................... 5
Parte Teórica o Marco Teórico
Antecedentes técnicos y datos vinculados a la investigación con la precisión de la fuente bibliográfica ........................................................................... 6
Materiales y Métodos
Metodología ....................................................................................... 8
CAPÍTULO 1
Conceptos básicos de la Bioestadística e informática
Introducción al SPSS para Windows
Instalación de SPSS
1. Introducción ................................................................................... 1 O 1.1. Conceptos básicos de la Bioestadística ........................................ 11
1.1.1. Historia ........................................................................ 11 1.1.2. Etimología ................................................................... 12 1.1.3. Definición de la Bioestadística .......................................... 12
1.1.5. Estadística inferencia!. ................................................... 13 1.1.6. Población ..................................................................... 13 1 . 1. 7. Muestra ....................................................................... 13 1.1.8. Representación gráfica de población y muestra ................... 13 1.1.9. Parámetro .................................................................... 13 1.1.1 O. Estimador ..................................................................... 13 1.1.11. Error muestra! ............................................................... 13 1.1.12. Mentiras estadísticas ...................................................... 13 1.1.13. Casos atípicos ............................................................... 14 1.1.14. Falacia ......................................................................... 14 1. 1.15. Variable aleatoria ........................................................... 14 1.1.16. Esquema de la estadística ............................................... 15
1.2. Conceptos básico de la informática .............................................. 16 1.2.1. Informática ............................. > ...................................... 16 1.2.2. Dato ............................................................................ 16 1.2.3. Ordenador .................................................................... 17 1.2.4. Programa ..................................................................... 17 1.2.5. Aplicación Informática ..................................................... 17 1.2.6. Sistema Informático ........................................................ 17 1.2. 7. Elementos constituyentes del sistema Informático ................ 17
1.3. Introducción al SPSS ................................................................ 18 Descripción General de ventanas del SPSS .................................. 19 Vistas de la hoja electrónica de SPSS .......................................... 19 Vistas de variables ................................................................... 20 Vista de Datos ........................................................................ 20
1.4. Instalación del SPSS ................................................................. 21 Procedimiento ......................................................................... 21
1.5. Ejecución de SPSS ................................................................... 29
CAPÍTULO 11
2. Archivo de datos en SPSS -Introducción ............................................. 33 2.1. Crear Archivos o Ficheros de Datos en SPSS ................................ 33 2.2. Nombres de variables ................................................................ 36 2.3. Tipos de variable ...................................................................... 39 2.4. Cambio de nombres de variable .................................................. 41 2.5. Cómo mostrar y ocultar nombres y/o etiquetas de variables .............. 41
Mostrar u ocultar etiquetas de variables o nombres de variables ............... 41
2.6. Seleccionar variables ................................................................ 42 2.7. Ordenar variables ..................................................................... 42 2.8. Añadir variables: Cambiar nombre ............................................... 43
¡¡
2.9. Iconos de tipo de datos, nivel de medida y lista de variables ............. 43 2.1 O. Visualizar o definir los atributos de las variables ............................ .44 2.11. Etiquetas de variable ................................................................. 44 2.12.1ntroducción de datos ................................................................ 44 2.13. Recolectar datos de una encuesta .............................................. .45
Ejemplo ................................................................................. 46 Cuestionario ........................................................................... 46 Codificación de la encuesta ....................................................... 47 Definición de la variable X1, en la hoja electrónica de SPSS ............. 48
Tabla de frecuencias ........................................................................... 51
Histograma .................................... , .................................................. 57
CAPÍTULO 111
3. Estadística descriptiva ...................................................................... 60 3.1. Examen de estadísticos para variables individuales
(medidas de tendencia central y de posición) ................................ 60 3.1.1. Nivel de medición ............................................................ 60 3.1.2. Medidas de resumen para datos categóricos ........................ 60
Tabla de frecuencia ......................................................... 63 3.1.3. Gráfico para datos categóricos ........................................... 64 3. 1.4. Medidas de resumen para variables de escala ...................... 66 3.1.5. Creación y edición de gráficos ............................................ 68
Procedimiento y edición de gráficos .................................... 68 3.1.6. Cálculo de nuevas variables .............................................. 75 3.1.7. Ejemplo de aplicación ...................................................... 79
1. Grafico de cajas ......................................................... 81 2. Histogramas ................. · ............................................. 83 3. Prueba Kolmogorov-Smirnov (K-S) de 1 muestra .............. 86
Estadísticos descriptivos para el ejemplo de aplicación ...... 87 Algo más sobre los Estadísticos descriptivos .................... 90
CAPÍTULO IV
4. Test de Hipótesis: Comparación de medidas ........................................ 93 4.1. Test de hipótesis ...................................................................... 93 4.2. Comparación de medias de una población .................................... 96
CAPÍTULO V
¡¡¡
CAPÍTULO V
5. Análisis de datos categóricos: Respuesta múltiple ................................ 141 5. 1. Análisis de datos categóricos ..................................................... 141 5.2. Análisis de respuesta múltiple .................................................... 156
CAPÍTULO VI
6. Correlación y regresión .................................................................. 178 6.1. Regresión ............................................................................ 178 6.2. Correlación ........................................................................... 178 6.3. Correlación con SPSS ............................................................ 189 6.4. Regresión con SPSS ............................................................. 191
CAPÍTULO VIl
7. Pruebas no paramétricas. Aplicaciones en Enfermería ........................ 197 7 .1. Pruebas no paramétricas ........................................................ 197 7.2. Aplicaciones en Enfermería sobre pruebas no paramétricas .......... 210
Bibliografía ..................................................................................... 241
APÉNDICES
Apéndice A (Sílabo) .......................................................................... 242
Apéndice B (Guías de Laboratorio) ....................................................... 250
Guía de Practica de Laboratorio 01 ...................................................... 251
Guía de Practica de Laboratorio 02 ...................................................... 263
Guía de Practica de Laboratorio 03 ...................................................... 264
Guía de Practica de Laboratorio 04 ...................................................... 266
Guía de Practica de Laboratorio 05 (Cronbach) ...................................... 273
ANEXOS ..................................................................................................... 277
iv
INTRODUCCIÓN
La educación ha sido siempre una tarea compleja. Desde que nacemos y nos
relacionamos estamos siempre expuestos a procesos de aprendizaje. La
educación forma parte destacada de nuestros mecanismos de identificación,
transmisión y pervivencia humana. Educación y aprendizaje son, de hecho,
acciones plenamente humanas.
La virtualidad no es un algo nuevo en la historia de la humanidad. Desde el
mito de la caverna de Platón pasando por las imágenes o leyendas de la Edad
Media, hasta la visión; no desde la fe de la percepción cristiana de la eucaristía,
la virtualidad, entendida como semblanza de realidad (pero no real), ha estado
siempre presente entre nosotros. La diferencia radica en que mientras a lo
largo de la historia el potencial de la virtualidad residía en la imaginación, en las
ideas, en las creencias, hoy día, manteniendo todavía vivo -por suerte- ese
potencial, la tecnología nos brinda la posibilidad de, incluso, visionarlo con
nuestros propios ojos, reconstruir la imaginación, de hacer realidad visual
nuestras ideas. Se trata de lo que paradójicamente llamamos "realidad virtual".
En la actualidad existe la posibilidad de construir auténticas comunidades
virtuales, es decir, espacios no físicos y atemporales de interacción humana.
La virtualidad nos ofrece la posibilidad de crear entornos nuevos de relación, y
como tales, deben de ser tratados de forma distinta para extraer de ellos el
(}_ 1
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Introducción Texto: SPSS en Enfermería
A ~pirrtíteda t:lédádad:áedesc909i<Stetewna actitud holista e integradora de los
prcpreses0J3 wr~odtmt<llleda kaeéleaad~~mo si existió a mediados de siglo, la
cual..tsstaBtécopapaodtallaoooepejnmódee Tecnología. Es decir que lo que hoy
vivimos no es fruto de una acción consciente, de naturaleza colectiva y
masificadora de la sociedad, empañada en construir, en reinterpretar, en falsar
o en re- inventar o en dinamizar conocimiento básico, todo lo cual, es bien
sabido, si fue común en las épocas post renacentistas de la Europa da la
ilustración. Su influjo integrador y holístico llegó hasta corrldoa loa af\oa 70 del
siglo XX en concepciones que estando ausentes en los 80 y 90 por fortuna hoy
reconociendo su valor inmanente, en materia educativa 10 estimula IU
reincorporación. De alguna manera imposible de soslayar, para hablar dol
bosque tenemos que referirnos a sus elementos o especies constitutivas. Por
ello hablar del progreso y desarrollo social a partir la Tecnologfa y la Ciencia,
es apenas un imperativo de entre otros igualmente connotado&. La noción
generalizada que se tiene de Tecnología asume por tanto al computador, al fax,
al satélite, etc., como signos de desarrollo y progreso.
Sin lugar a dudas, la computarización nos puede ayudar para lidiar con la
complejidad del mundo moderno y la presión de la escasez de recursos, pero
los problemas asociados con la misma no deben ser disfrazados.
Teniendo en cuenta que la computadora se ha convertido en un factor
importante en nuestras vidas, es indispensable ir creciendo junto con ellas,
desarrollando nuevas aplicaciones que gracias a la tecnología, permita a todos
los usuarios desenvolverse fácilmente dentro de sus labores.
A nivel educativo, hay que crear aplicaciones que ayuden a los estudiantes a
Autor: Dr. Lucio Amulfo Ferrer Petiaranda a 2
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Introducción Texto: SPSS en Enfermería
comprender este fascinante mundo de la computación y así poderse
enfrentarse al reto de conocer la tecnología que tiene que utilizarse para poder
obtener una educación a distancia, y a la vez obtener más beneficios de su
materia de estudios.
Planteamiento del problema de investigación
a. Descripción y análisis del tema
Los estudiantes de las asignaturas de Bioestadística (V Ciclo) e Informática
Aplicada en Salud (VIl Ciclo) de Pregrado de la escuela profesional de
Enfermería y los alumnos de la asignatura de Bioestadística que se dicta en
el Posgrado, de la Facultad de Ciencias de la Salud no cuentan con material
bibliográfico suficiente. La biblioteca especializada de la Facultad de
Ciencias de la Salud no cuenta con libros de SPSS en Enfermería, algunos
libros de SPSS que existen se encuentran casi obsoletos, fuera de uso y no
hay libros que traten sobre aplicaciones de SPSS en Enfermería; por lo que
es necesario editar un texto de SPSS con aplicaciones a la Enfermería para
uso de los estudiantes tanto de pregrado como de posgrado.
b. Planteamiento del problema
¿Existe un texto de "SPSS en Enfermería" que oriente adecuadamente el
desarrollo de la teoría y de las prácticas de laboratorio de las asignaturas de
Bioestadística e Informática aplicada en Salud de Pregrado y del curso de
Bioestadística del Posgrado? •
Autor: Dr. Lucio Amulfo Ferrer Peñaranda Q 3
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Introducción Texto: SPSS en Enfermería
Objetivos y alcances de la investigación
Propósito de la investigación.
Objetivo General:
Desarrollar un Texto "SPSS en Enfermería" que contenga aplicaciones en
Enfermería de acuerdo al contenido de los sílabos de las asignaturas de
Bioestadística e Informática Aplicada en Salud de Pregrado y de la asignatura
de Bioestadística del Posgrado de la Facultad de Ciencias de la Salud de la
Universidad Nacional del Callao, para que los estudiantes tengan un texto
complementario de consulta.
Objetivos Específicos:
1. Mencionar los concepto básicos de la Bioestadística e Informática
2. Desarrollar el programa estadística SPSS
3. Aplicar SPSS en Enfermería
Alcances de la Investigación
Investigación Aplicada
Los beneficiados con los resultados de la investigación será el sector
acadé'mico conformado por docentes ·y estudiantes de Enfermería tanto de
Pregrado como de Posgrado.
Importancia y justificación de la investigación
a. El presente texto "SPSS en Enfermería" será un instrumento para facilitar el
proceso de enseñanza- aprendizaje de las asignaturas de Bioestadística e
Informática Aplicada en Salud de Pregrado y del curso de Bioestadística de
Posgrado que se dicta en la F acuitad de Ciencias de la Salud de la
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda Q 4
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
" Introducción Texto: SPSS en Enfermería
Universidad Nacional del Callao.
El texto se desarrollará con información existente en Internet, también sobre
la base de libros, revistas; manuales, folletos y experiencias propias
adecuándolos a nuestras necesidades.
b. El valor de esta investigación corresponde a un valor teórico, desde el punto
de vista de una investigación Aplicada.
c. La conveniencia.- El texto "SPSS en Enfermería" es muy conveniente en la
enseñanza- aprendizaje en nuestros tiempos modernos.
d. Relevancia social.- La presente investigación es de mucha importancia,
radica en que se trata de conocer la aplicación del programa estadístico
SPSS en Enfermería que nos ayudará a generalizar sus implicancias en la
comunidad universitaria nacional.
e. Implicancia práctica.- El texto "SPSS en Enfermería" tendrá implicaciones
trascendentales para una amplia gama de problemas prácticos.
f. Valor teórico.- Los datos a obtener a través del texto "SPSS en Enfermería"
permitirán conocer su forma de concebir tanto su uso como las dificultades
que se encuentran para aplicarlo en el proceso de enseñanza-aprendizaje,
construyendo así, un espacio de conocimientos existentes en nuestro medio
sobre las nuevas tecnologías informáticas.
g. Utilidad metodológica.- La metodología a emplear en el desarrollo del texto
"SPSS en Enfermería" es muy conveniente por que ayudará a crear un
nuevo instrumento para aplicar en el desarrollo de trabajos de investigación,
monografías y tesis tanto de pregrado como de posgrado.
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda 5
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
Introducción Texto: SPSS en Enfermería
El Desarrollo del texto "SPSS en Enfermería" se justifica porque validará una
metodología para el estudio y aplicación del programa SPSS en Enfermería.
El texto titulado "SPSS en Enfermería", se ha desarrollado en base a clases de
las asignaturas de Informática Aplicada en Salud y Bioestadística que imparto
en la Escuela Profesional de Enfermería de la Universidad Nacional del Callao,
y en base a libros, manuales, publicaciones, etc.
Parte teórica o marco teórico
Antecedentes técnicos y datos vinculados a la investigación con la
precisión de la fuente bibliográfica.
La mayoría de los textos de SPSS tratan temas para aplicaciones en punto
NET, y en la biblioteca especializada de la Facultad de Ciencias de la Salud no
hay libros SPSS con aplicaciones en Enfermería.
Existen textos que presentan los temas y programas con el rigor y nivel
universitario requerido; pero éstos no siguen un orden de presentación de
temas concatenados de manera que puedan conducir a un estudiante que
recién inicia sus primeros contactos con esta parte del conocimiento científico,
a entender, comprender, analizar, sintetizar y aplicar los conceptos básicos de
esta ciencia.
Existen textos bibliográficos de SPSS que se han elaborado tomando en
cuenta planes curriculares de otras realidades como son las universidades
europeas o americanas de donde la mayoría de información bibliográfica
proviene, tales como:
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda Q 6
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Introducción Texto: SPSS en Enfermería
El libro de DAZA PORTOCARRERO JORGE, Análisis Estadístico PASW
Statistics 18. Antes SPSS, Edit. Grupo Editorial Megabyte, 2008, no contiene
aplicaciones a la Enfermería.
El libro de QUEZADA NEL LUCIO, Estadística con SPSS 20, Edit. Empresa
Editora Macro, 2012, no tiene aplicaciones a la Enfermería.
El libro de VISAUTA VINACUA BIENVENIDO, Análisis Estadístico con SPSS
14, Edit. Me Graw Hill España, 2007, Tercera edición, más está orientado al
área de las ingenierías y de las matemáticas, lo mismo que en los casos
anteriores no tiene aplicaciones a la Enfermería.
Así podría citar una relación de libros inclusive que ya están fuera de uso.
Los antecedentes descritos ha motivado al autor a desarrollar la presente
investigación como una contribución dirigida a dotar de los instrumentos
necesarios de consulta y orientación básica en el proceso de enseñanza -
aprendizaje de la Informática y de la Bioestadística, de acuerdo al programa
desarrollado en la Universidad Nacional del Callao y en todas las universidades
Peruanas.
En el área de la Informática y de la Bioestadística, existen textos que presentan
los temas y programas con el rigor y nivel universitario requerido; pero éstos no
siguen un orden de presentación de temas concatenados de manera que
puedan conducir a un estudiante que recién inicia sus primeros contactos con
estas partes del conocimiento científico, a entender, comprender, analizar,
sintetizar y aplicar los conceptos básicos de esta ciencia a la Enfermería.
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda 7
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
Introducción Texto: SPSS en Enfermería
Materiales y métodos
Metodología
La metodología empleada fue el descriptivo analítico con el objeto de identificar
los temas más necesarios para la formación profesional de enfermería y se
utilizó las fuentes.
La metodología a empleada ha sido:
./ Formulación del índice del texto .
./ Identificación de la información
./ Análisis de la información
./ Redacción del texto en función al índice
./ Revisión de la redacción y complementación
./ Presentación del texto.
Además se ha tenido en cuenta los siguientes aspectos:
a. La sumilla y objetivos de la asignatura de Informática Aplicada en Salud;
según el currículum de la Escuela Profesional de Enfermería de la Facultad
de Ciencias de la Salud de la Universidad Nacional del Callao.
b. La sumilla y objetivos de la asignatura de Bioestadística; también de
acuerdo con el currículum de la Escuela Profesional de Enfermería de la
Facultad de Ciencias de la Salud de la Universidad Nacional del Callao.
c. Revisión de los elementos conceptuales y metodológicos en otros textos
similares y documentos diversos de ámbito nacional e internacional.
d. Entrevista a docentes y estudiantes de la Escuela profesional de
Enfermería.
Autor: Dr. lucio Amulfo Ferrer Peñaranda 8
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Introducción Texto: SPSS en Enfermería
El Texto contiene siete capítulos, que son los siguientes:
Capítulo 1.- Conceptos básicos de la Bioestadística e Informática.
Introducción al SPSS para Windows.
Capítulo 11.- Archivo de datos en SPSS
Capítulo 111.- Estadística descriptiva
Capítulo IV.- Test de Hipótesis: Comparación de medias
Capítulo V.- Análisis de datos categóricos: Respuesta múltiple
Capítulo VI.- Correlación y Regresión
Capítulo VIl.- Pruebas no para métricas. Aplicaciones en Enfermería
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda 9
CAPÍTULO 1
Conceptos básicos de la Bioestadística e informática Introducción al SPSS para Windows
Instalación de SPSS
OBJETIVOS
• El objetivo del presente capítulo, es proporcionar al lector la información básica
necesaria, que le permita iniciarse en los estudios de la Bioestadística e
informática. así como también proporcionar una visión panorámica del Programa
estadístico SPSS.
• Indicar los pasos para la ínstalación del SPSS
º
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULOI Conceptos básicos de la Bioestadistica e Informática.
Introducción al SPSS. Instalación de SPSS
1. Introducción
Conceptos Básicos
Desde que el hombre tuvo la necesidad de contar, se ha enfrentado a tareas rutinarias y repetitivas de cálculo, y de gestión. Como respuesta a esta necesidad, el ser humano ha desarrollado herramientas para facilitar la realización de este tipo de tareas. Estas herramientas fueron evolucionando a lo largo del tiempo hasta llegar a las sofisticadas computadoras, las que en la actualidad ayudan al hombre en la realización de una gran variedad de tareas y en la investigación científica.
En la actualidad, a muchos años de distancia, cuando se mencionan los nombres de Tomas A. Edison, Henry Ford, Albert Eistein, Isaac Newton, Luis Pateur, Blaise Pascal, por mencionar algunos, casi todos sabemos de inmediato de quiénes se trata y de la importancia que estos hombres legaron a la humanidad. Sin embargo, cuando se menciona nombres como John Von Newmann, Konrad Zuse, Charles Babbage, Howard H. Aiken, Gilles Deleuze, Félix Guattari y otros, son muy pocos los que saben de quienes se trata y de su importancia. Ahora bien todos estos hombres, sin excepción, merecen un lugar muy importante en la historia de la humanidad, pues gracias a sus grandes aportes podemos contar con conocimientos y herramientas que nos permiten afrontar los retos de la naturaleza. Gracias a ellos y a la inquebrantable fe de lucha de los estudiosos de la época actual, vislumbramos con optimismo que la raza humana se encuentra preparada para enfrentar su futuro, porque fueron ellos precisamente los precursores de la computación electrónica, tecnología que ha hecho posible el sorprendente avance del mundo actual.
El énfasis que se ha dado al uso de la computadora muestra que, en nuestra época, es imprescindible esta tecnología, y se perfila como una de las bases para el desarrollo integral de la humanidad Como parte integrante del software de un sistema, se han señalado las herramientas o utilidades donde se puede incluir software tan variado como programas de hoja de cálculo, procesadores de textos, los gestores de gráficos, los gestores de bases de datos, aplicaciones de uso común, los paquetes de todo en uno, los paquetes de gestión, etc.
Los sistemas expertos, la inteligencia artificial, la realidad virtual y la robótica son en la actualidad que debe tenerse en cuenta para hablar de informática.
El primer paso relevante en la historia de las comunicaciones se produce con la invención del telégrafo eléctrico en 1,844 por Samuel F.B. Morse. Más adelante, en 1 ,876, con la invención del teléfono por Alexander
Pág. 10
Autor: Dr. Lucio Amulfo F errer Peñaranda
Q
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO! Conceptos básicos de la Bioestadlstica e Informática.
Introducción al SPSS. Instalación de SPSS
Conceptos Básicos
Graham Bell, se posibilita el transporte de conversaciones con voz humana a gran distancia.
En los años 70 cuando la integración de las técnicas de informática y telecomunicaciones llegan a un grado tal que se puede hablar de teleinformática (telemática). La teleinformática es un conjunto de técnicas de hardware y software que permiten que varios equipos informáticos, geográficamente separados, pongan en comunicación sus programas a través de una red de telecomunicación. Así aparece el término de red de telecomunicación de datos dentro de la teleinformática, como medio de trasmisión de datos (cable de pares, "cable telefónico" cable coaxial, fibra óptica, aire y el propio vacío), así como unos sistemas de tránsito (MODEM, tarjeta de red, etc.) que permiten la trasmisión de datos en forma adecuada y oportuna.
Veremos también algunos de los principales serv1c1os avanzados de telecomunicaciones (SAT), tales como los servicios orientados a sistemas de información, la mensajería personal y los sistemas audiovisuales.
Las aplicaciones más utilizadas: El Procesador de textos, las hojas cálculo y la gestión de bases de datos serán en el futuro las que más evolucionen. Son muchas las empresas que se dedican a desarrollas este tipo de aplicaciones por lo que a los pocos meses de aparecer una versión, ya se anuncia una versión mejorada.
Un amplio abanico de usuarios, que en la actualidad va desde una secretaria hasta el gerente de una empresa, podrá optar por aquel paquete que mejor se adapte a sus necesidades, el más cómodo o el que más simpatía le despierte.
Al tener que traducir toda información suministrada a la computadora a ceros y unos, es necesario establecer una correspondencia entre el conjunto de todos los caracteres y el conjunto binario {0, 1 }" donde n es el número de bits disponibles para representar los caracteres. Para el desarrollo del presente capítulo se ha consultado con las referencias ( 1 ), (2) y (3).
1.1. Conceptos básicos de la Bioestadística 1. 1. 1 Historia ..
El hombre desde que empieza habitar la tierra, recolecta bienes para satisfacer sus necesidades. Al principio consumía todo lo que tenía; posteriormente los acumuló controlando su consumo, mentalmente.
A medida que la humanidad fue creciendo el hombre formó pueblos, luego naciones que fueron gobernados por un hombre o grupo de
Pág. 11
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULOI Conceptos básicos de la Bioestadística e Informática.
Introducción al SPSS. Instalación de SPSS
Conceptos Básicos
gobierno, que tuvieron la necesidad de registrar y evaluar todas sus tierras, tesoros, habitantes, ejércitos, animales, residencias, etc.). Por esta razón tuvieron la necesidad que hacer uso de la estadística.
1.1.2 Etimología: Lengua Vocablo Griego Statera Latín Status Alemán Staat
Significado Balanza o balance Situación Estado
1.1.3 Definición de la Bioestadística: BIOESTADÍSTICA, es la estadística de la vida
La Bioestadística es la aplicación de la estadística en la biología. Como los objetos de estudio de la Biología son muy variados, tales como la medicina, las ciencias agropecuarias, entre otros, es que la Bioestadística ha debido ampliar su campo para de esta manera incluir cualquier modelo cuantitativo, no solamente estadístico y que entonces pueda ser empleado para responder a las necesidades oportunas.
De alguna manera, la Bioestadística podría considerarse como una rama especializada de la informática médica (aplicación de las comunicaciones y la informática a la salud), complementada además por la Bioinformática (aplicación de la tecnología de las computadoras a la gestión y análisis de datos biológicos).
ESTADÍSTICA, muchos profesionales de la estadística que son Licenciados o Ingenieros dicen que la estadística es una ciencia; mientras otros profesionales de la estadística aseveran que la estadística es una técnica.
Hasta que los mismos profesionales de la estadística se pongan de acuerdo nosotros podemos decir que la estadística es la tecnología del método científico.
1.1.4 Estadística descriptiva Es un conjunto de procedimientos empleados para organizar y resumir conjunto de datos numéricos. Organizar datos: Distribuciones de frecuencia. Describir datos: Tablas y gráficas. Entender el comportamiento del grupo: Promedios. Describir disparidad de las observaciones: Medidas de dispersión. Encontrar relaciones: Correlación.
Pág. 12
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO 1 Conceptos básicos de la Bioestadística e Informática.
Introducción al SPSS. Instalación de SPSS
1.1.5 Estadística inferencial
Conceptos Básicos
Método empleados para determinar algo acerca de una población, con base en una muestra.
1.1.6 Población . Conjunto de individuos, objetos o medidas que tienen una característica común observable. Puede ser finita o infinita.
1.1.7 Muestra Subconjunto de la población.
1.1.8 Representación gráfica de población y muestra
Población y muestra
Caracterfsticas Población
Variables
Datos
Una consecuencia clara es que si trabajamos con una muestra,
no tenemos información completa.
1. 1. 9 Parámetro Indicador referido a cualquier característica medible de la población (~.o).
1.1.1 O Estimador Aproximación del valor de un parámetro, basado en una muestra
aleatoria (X,~)
1.1.11 Error muestral Es la diferencia entre un estimado y el verdadero parámetro que estamos estimado a través de la muestra (g).
1. 1.12 Mentiras estadísticas "Existen mentiras, malditas mentiras, y las Estadísticas". Las estadísticas "mienten" sólo si no se las interpreta correctamente. Cuanto más contacto se tenga con ésta, habrá menos probabilidad de ser "engañado" por las estadísticas.
Pág. 13
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD Conceptos
Básicos CAPiTULO 1
Conceptos básicos de la Bioestadfstica e Informática. Introducción al SPSS. Instalación de SPSS
1.1. 13 Casos atípicos Representaciones gráficas engañosas. Faltas metodológicas
1.1.14 Falacia Significa "Engaño, fraude o mentira con que se intenta engañar a otro." Es anglicismo cuando se emplea en el sentido de "error, sofisma, o argumento falso".
Agencia EFE, Manual de Español Urgente
1. 1.15 Variable aleatoria Una variable aleatoria de un espacio muestra! Q (espacio muestra! de un experimento) es la regla que asigna un valor numérico a cada resultado de Q; es decir, una función de Q en el conjunto R de números reales.
r --- ------------- ---------------,
Qué es una Variable Aleatoria?
Ejemplo Consideremos los datos de un estudio donde se les mide la talla en centímetros a 20 jugadores del equipo Nacional de Handbol de EE UU. seleccionados al azar. La ley que asoda a cada hombre con su talla es una variable aleatoria
A esta función que asocia a cada deportista con su talla la llamaremos variable aleatoria y la denotaremos por X.
j X: Talla
-------------------------
Pág. 14
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
q
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
, CAPITULO! Conceptos básicos de la Bioestadlstica e Informática.
Introducción al SPSS. Instalación de SPSS r-· -
' )
1 1
!
1 X: Talla
184.2
184.2
190.5
176.5
Ejemplo
191.8 188.0
195.4 189.2
190.5 198.1
184.2 193.5
,-~··-.-~
fX "'-'tZt, Z2, • ·_:J .. ~~-·
1. 1. 16 Esquema de la estadística
11POS DE VARIABLES
MEDIDAS DE POSICIÓN CENlRAL
Y DE DISPERSIÓN
ESQUEMA
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
196.2
186.0
188.0
195.6
( T-STUOENT J ( ANOVA 1 1 FISHER 1 1 PEARSON 1
Conceptos Básicos
- . -·-~-- -,
178.4
194.3
184.2
186.3
Pág. 15
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO! Conceptos básicos de la Bioestadística e Informática.
Introducción al SPSS. Instalación de SPSS
Conceptos Básicos
1.2. Conceptos básicos de la informática 1.2. 1 Informática.- Deriva de las palabras: INFORmación autoMÁTICA,
es el tratamiento automático de la información por medio de computadoras. Es el medio que desarrolla el hombre, basado en la lógica y la tecnología de la electrónica, para satisfacer sus necesidades de información.
La informática no califica como ciencia, si no se vale de ella para su desarrollo.
Si nos referimos a la Ingeniería Informática, nos referimos a la ingeniería del medio que nos permite satisfacer nuestras necesidades de información.
En Alemania, se considera a la informática como la Ciencia de las Computadoras.
Sus primeros orígenes de la informática, se dieron como respuesta a una de las viejas aspiraciones del hombre: SIMPLIFICAR SUS TAREAS. En un origen primitivo, la primera idea de automatizar la gestión y el acceso a grandes cantidades de información, se materializó en el momento en que los hombres requirieron controlar sus posesiones. Así, hace ya 3,000 años, en la civilización china se utilizaron un instrumento llamado ABACO, como herramienta indispensable para efectuar todas las transacciones comerciales en forma rápida y eficaz. En el incanato se utilizaron los Quipus para realizar el conteo de la población y de sus posesiones.
Los usos de las computadoras son cada día más variado debido al rápido aumento de su capacidad, velocidad y la notoria disminución de su precio.
Si la industria aeronáutica hubiera evolucionado en una forma tan espectacular como la industria de las computadoras durante los últimos 25 años, un Being 767 costaría actualmente US $ 500.00 y podría dar la vuelta al mundo en 20 minutos con 20 litros de combustible. (2) (Ref. "La Informática y la Telemática en el campo de la Salud - Organización Mundial de la Salud, 1998). Esta analogía ilustra la disminución del costo de las computadoras, el aumento de velocidad operativa, la reducción de su consumo de electricidad y el bajo costo.
1.2.2 Dato.- Es un conjunto de símbolos que representan una información aceptable para ser procesada.
Tipos de datos.- Hay diferentes tipos de datos: Numéricos, no numéricos (carácter), fecha, lógico, gráfico, sonido, etc.
Ejemplos de datos:
Pág. 16
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO! Conceptos básicos de la Bioestadística e Informática.
Introducción al SPSS. Instalación de SPSS a) La edad de una persona:30 años ( Tipo numérico)
Conceptos Básicos
b) El número telefónico: 6505478 (Tipo carácter o tipo numérico) e) El grupo sanguíneo: RH+ (Tipo carácter) d) El número de habitantes del mundo: 7,000 millones en 2012 (Tipo
numérico) e) El nombre de una ciudad: Lima (Tipo carácter) f) La fecha de nacimiento: 18/07/1947 (Tipo fecha) g) La cantidad de alumnos de la asignatura de Informática Aplicada
en Salud en el semestre 2013-8: 73 (Tipo numérico) h) Las enfermeras son humanitarias: Verdadero (Tipo Lógico) i) La imagen de una persona: Foto (Tipo gráfico) j) Una canción: El Himno Nacional (Tipo sonido)
1.2.3 Ordenador (Computadora).- Es una máquina compuesta de elementos físicos (electrónicos) capaz de aceptar datos de entrada, para realizar operaciones lógicas y aritméticas con gran velocidad y precisión, y produce resultados; todas las operaciones se realizan sin ·.la intervención de un operador humano bajo el control de instrucciones (programa).
Una calculadora simple no es un ordenador, puesto que necesita el control directo del usuario y solo puede realizar operaciones aritméticas.
1.2.4 Programa.- Es un conjunto de instrucciones o sentencias que se le dan a una computadora para realizar un proceso determinado. Los datos son utilizados como operadores en las instrucciones. Las instrucciones son comandos explícitos que realizan las siguientes funciones:
• Indicar los cálculos lógicos y aritméticos que ha de ejecutar el ordenador.
• Gobernar el paso de información dentro de la máquina y entre ésta y el sistema 110
1.2.5 Aplicación Informática.- Es un conjunto de programas, junto con un manual o documentación correspondiente.
Ejemplos: Textos, Contabilidad, Facturación, Matrícula, Récord Académico, Historias clínicas, etc.
1.2.6 Sistema Informático.- Es un conjunto de elementos necesarios para la realización y explotación de aplicaciones informáticas.
1.2. 7 Elementos constituyentes del sistema Informático.- Los elementos constituyentes de un sistema informático son tres: Hardware, Software·y personal informático.
Pág. 17
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAP(TULOI Conceptos básicos de la Bioestadfstica e Informática.
Introducción al SPSS. Instalación de SPSS
Conceptos Básicos
a) Hardware (Máquina).- Es la parte física del sistema informático. b) Software (Programa).- Es la parte lógica o inteligente del sistema
informático. Viene a ser una serie de instrucciones que dirigen al hardware.
e) Personal Informático (Usuario).- Es el personal que realiza diferentes funciones relacionadas con la utilización y explotación de las computadoras.
Los elementos del Sistema Informático son análogos a los lados de un triángulo equilátero, en donde los tres lados son hardware, software y personal informático (usuario).
Fig. 1.2. Triángulo equilátero
1.3. Introducción al SPSS SPSS deriva de las palabras inglesas Statistical Package for the Social Sciences (SPSS), que en español significa Paquete Estadístico para las Ciencias Sociales; diseñado para el sistema Operativo Windows.
El SPSS, fue creado en 1968 por Norman H. Nie, C. Hadlai (Tex) Hull y Dale H. Bent, de la compañía SPSS lnc.
La Universidad de Chicago estuvo a cargo del desarrollo, distribución y venta del programa.
En 1992 se desarrolla la primera versión para Windows.
SPSS ofrece un amplio abanico de posibilidades para llevar a cabo todo el proceso analítico que las hojas de cálculo y las bases de datos no pueden ofrecer.
SPSS en un producto modular perfectamente integrado.
Pág. 18
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Q
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPfTULOI Conceptos básicos de la Bioestadística e Informática.
Introducción al SPSS. Instalación de SPSS
Conceptos Básicos
SPSS incluye todos los métodos de análisis y presentación de resultados que necesita el investigador para llevar a cabo incluso los análisis más complicados.
Como programa estadístico no se requiere demasiados conocimientos de estadística para efectuar análisis avanzados y previsiones que permitan tomar decisiones.
Hasta el mes de enero del 2014 se cuenta con SPSS versión 22, permite trabajar con bases de datos de gran tamaño.
SPSS versión 22 acepta 2 millones de registros o casos y 250,000 variables.
Además, permite la recodificación de las variables según las necesidades del usuario.
SPSS lleva a cabo las tres etapas claves para la realización del estudio estadístico:
1. Implementa de forma organizada y ordenada los datos 2. Nos ayuda en la manipulación de los datos. 3. Implementa técnicas estadísticas para el análisis de los datos.
Descripción General de ventanas del SPSS El paquete SPSS contiene las siguientes ventanas:
• Ventana de aplicación, contiene la barra de menús con las distintas opciones del programa.
• Ventana de edición de datos, contiene el archivo de datos. • Ventana de salida de resultados. En esta pantalla aparecen los
resultados de los análisis realizados en el programa. • Ventana de carrusel de gráficos y ventana de gráficos. Esta ventana
contiene los gráficos generados durante el proceso. • Ventana de sintaxis. En esta ventana se pegan los comandos.
Vistas de la hoja electrónica de SPSS La hoja electrónica de SPSS tiene dos vistas: 1. Vista variables 2. Vista de datos
El diseño de las dos vistas se indica a continuación:
Pág. 19
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD Conceptos
Básicos
CAPiTULO 1 Conceptos básicos de la Bioestadística e Informática.
Introducción al SPSS. Instalación de SPSS Vista de variables:
Vt••• -•• -~•rle.a.te• . .. _ _ ~_.. 1:J 5"SS T-~ tc~_dt_clllosJ) ·11M SPSS s-tia E<Mo< de cilios - -o Pl1'$!!l! ¡- ~ 1 .. o- r·- ~ t!-- ~ ~· .._... - ::==:;! ~n~ ~ r.- ~ &J~~~ :~ ~~~ JJ·:•.()j
1 ~0111:--- --.:.:. ~~ ~ ~~~· .:.;:· ~ .=::: ,!!¡~,
1
J
1
:: = : ::: ::::::: : == ~:t s- r-. 1 - co........, ,.,._ cu_..s. .do
6 EIIM r-. 1 O E4M (I.Adolnc. ,..,_. t V.._. .¡Jo 6 EOCJ+I r-. .• O EwH (Olio..,,._ ,..._ U ·- .¡Jo 1 - - • o - (O.,u .... ,._ ,._. u a;...-. ,do 1 F- ._., 1 O F- (O llo ... ,. .. llingulla u 8i 1<~ ,dO t T.-jo t-.o 1 ~ ,..._ 10 SO.KJoo ,E •;
'.1 .. ... ~--~··-. ----~-=-=-~========================~~====~~ ------ ------.... -
~ e ~·&.uílillil!, \.'¡
~ J1J~~ fu; \~~ffilk1~íl~
Vista de datos:
••••••• ¡¡.--·--L<H,.,_....,,:: G'O ~ ~ ~:¿:a ~ ~) <:) 1
Dial OioZ 5.1 1.3 41 s.• •J
1.6 1,t '·' 5.7 &O &.7
31 .. , .. _,
' 7,5 10 1.5 1 5• 1.0 T,J
• 7,7 • 1 e.s o
' 4.0 •.s 5.0 • 10 5.7 Í.1 ...
u ~fl..s<.illl ¡_t:Ufl))&'ll$l'Jl
}: :_~tJ.Lrr:r& ,fu; 1~Ir?<illlJ;:lill~
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
3 2
• o 6 o o ·o .1
• }
1
-i~·-·~·] 1 1 .... ;·, • o
• o o 1
• 'o ó
1 o
• o o 1 o
~ \\;t_t..--i~ cfu: :Ú{i~c~ ·'!;; \\~'{ij) ~fu' ~ '{JJmJ_bik~
e;¡ %'~¡ ~ifr~'1l~m :,& :ibí~:O'J;,
~ i:D~., ~'tolil:t(f~).'>
Pág. 20
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO! Conceptos básicos de la Bioestadfstica e Informática.
Introducción al SPSS. Instalación de SPSS
1.4 Instalación de SPSS
Conceptos Básicos
Procedimiento: El DVD que contiene el producto SPSS versión 21 consta de s siguientes capetas:
® ~; .. t ~ 1,E~uipo .. lmc~l~ca!(b) ~-D~o(; _ _s~~!;staía;SPSSZ_l ~ . --~ - -- . _·:~=-~:- .. -l\' F~voritos Nombre fecha de modifJta... Tipo Tzmaño
ill Descargas ¡:} IBM.SPSS.Amos.vll 25!11!20H 5:23 C~rpcla de art~ivos
C Escritorio el!BM.SPSS;Siatistics.v21.32bit 25/11!2013 5:24 Carpru de archwas
il Sitios recientes ffiiBM.sPSS:Statistits.vll.64bit l5l11f2iil3 5'14 Ca¡peta de archÍV<iS
Hay dos posibilidades: Para PC de 32 bits y para PC de 64 bits. Por ejemplo para PC de 32 bits:
Abra la carpeta (} IBM.SPSS.Statistics.v21.32b~
Dicha carpeta contiene los siguientes archivos:
'fr Favoritos Nombre fecha de ~Mdifica- Tipa ,., IJ} Descargas
tJ. Escritorio
~ Sitios recientes
fficRACK IIBM SPSS Statistics V21 x86
[j lnstrucdones
El archivo fJ Instrucciones nos indica:
M1!20B~24
22/ilS./2012 P.:35
22!0012ll12 21:05
1.- Instale el Programa, marcar licencia individual.
Cillpeta de archivos
ft.pficación
Documento de !El ••
Tamaño
2.- Al finalizar la instalación, en "autorización del producto" seleccionar "conseguir licencia para mi producto ahora" y colocar el serial: QA3AW8U62Z4ZWTSPV44VXI65P590LE547WHIQVZYWLARL9JEYQEGD UBLH8Z3ZCJAL3FLXMS98V95TSDYI7FOEXUPRR, que se encuentra grabado en el DVD y en el archivo "Instrucciones"
PD. También puede registrar de otro modo, copiando el fichero "lservrc" de la carpeta "Crack" en ruta "C:\Archivos de programa\IBM\SPSS\Statistics\21" o donde haya instalado el programa (en nuestro caso se debe instalar en la carpeta C:\SPSS21\). Listo!!!!.
Para instalar ejecute la aplicación IIBM SPSS Statistics V21 x86 (Para PC de 32 bits)
A parece la siguiente pantalla:
Pág.21
Autor: Dr. Lucio Ainulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD Conceptos
Básicos
CAPÍTULO 1 Conceptos básicos de la Bioestadística e Informática.
Introducción al SPSS. Instalación de SPSS
18M SPSS Statistics 21 Devefoper - lnstalJShield Wizard
'Preparándose para la instalación •••
El programa de instalaóón 18M SPSS Slzltlstics 21 Developer está ¡pr~do lnsta!IShield \'Vizard, que lle gú~ará dlrante el resto del proreso de ii1staaaón. Espere por favor-.
Extrayendo.: IBM SPSS Statlstics 21 ![)eve!Qper.msi
c:c;;;;r;:J "-·-·---··-··--··-----,.1:
Continua con la siguiente pantalla: ~ IBM SPSS Statistics 21 Oeveloper - lnstallShield Wizard -IWcensed Materials - P.roperty of IBM Corp. (e) Copyñght
IBM Corporation and its licensors 1989, 2012. 18M, 18M lago, ibm"com, and SPSS are trademarks or registered trademarks ,of lntemationa1 Business Machines Corp .• registered in many jurisdictions worldwide. A cur:rent ~ist of 18M trademarks ¡js availabte ,on the Web at www.ibm.cornllega'l/copytrade.shtml. Other product and service names might be trademarks of :18M or other companies. This Pwgram is 11icensed under the terms of the license agreement acc,ompanying the Program. This license agreement may be either located íin a iP.rogram dírectory folder or library identified ,as "license" or "Non_JBM_:Ucense", if.applicable. or provided as a printed license .agreement. Please read the agreement carefuUy befare using the Program. By using the Program you agree to these terms.
Pulse el botón Siguiente >, espere unos minutos hasta que aparezca la siguiente pantalla:
Pág.22
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
:
; ~ ~ - - -- - -
1
CAPÍTULO 1 Conceptos básicos de la Bioestadística e Informática.
Introducción al SPSS. Instalación de SPSS
IBM SPSS Statistics 21 Oeveloper -lnstaUShield Wazard
mm. Bienvenido a 1BM SPSS Statist:ics 21 Developer - lnstaiShield Waard
lnstaiiShielcl~) V'JizaTd inStalar ?mM SPSS Statistics 21 Developer en su .ec¡¡.q,o. Para .continuar, haga dlc en Siguiente.
® UGencia de usuario tncfivldual (He adQuír1do una única copia del ,producto.)
Licencia de §!!de (M' organlzaoón ha adQUir'ido ~ O producto y mí administrador me iha dado un
córllgo.)
Li~ de (:ed (Mi .organización ha .adQUirido e1 O producto y mi administrador me ha dado un
nombre de ordenador o una direcxión IP .)
Haga Clic en el botón Siguiente
Conceptos Básicos
Por defecto está seleccionado la opción No acepto los términos del acuerdo de licencia.
Seleccione la opción Acepto los términos del acuerdo de licencia. Como en la siguiente pantalla:
~ IBM SPSS Statistics 21 Oeveloper -lnstaiiShieJd Wizard
AcueTdo de licencia de software
Lea con atendón el siguiente acuerdo de lic.enóa.
1------- '-~"~--~ ---~- -~~-------~--- -~--
Acuerdo Internacional de Programas bajo ticenda
Parte 1 - Condiciones Generales
EL UCENCIATARIO ACEPTA LOS lÉRMINOS DE ESTE ACUERDO MEDIANTE LA DESCARGA, INSTALACIÓN, COPIA, ACCESO. PULSANDO EL BOTÓN "ACEPTAR" O MEDIANTE CUALQUIER TIPO DE UTILIZACIÓN DEL PROGRAMA. SI EL CUENTE ACEPTA ESTOS TÉRMINOS EN NOMBRE DEL UCENctATARIO. EL OLIENTE DECLARA Y GARANTIZA QUE TIENE PlJENA AUTORIDAD PARA OBLIGAR AL UCENCIATARIO A CUMPlJR DICHOS TÉRMINOS. SI EL CUENTE !NO ACEPTA ESTOS TÉRMINOS, NO DEBERÁ v
@~9.iP,!9.)9i~~~~~~~-~-=~J O !l!.o aoepto los términos del acuef'do de itiericia.
Ins:ta!JSh:e:d ------------------,---------------
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
~ag. 23
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD Conceptos
Básicos
CAPITULO! Conceptos bflsicos de la Bioestadística e lnformfltica.
Introducción al SPSS. Instalación de SPSS
Luego haga Clic en el botón Siguiente>, aparece:
~ 18M SPSS Statistics 21 DeYeloper - Jnstaftshield Wi:zard -..--
1
,--------------~~-~--~
lnformaóón sobre e1 diente Por favor, mb"ocluzca la ir:lfom:iadón.
r-~----0~~~----~ --~-------~--- ------- - ~--- -" --- ---. --- -- - --- . - - -- -------- ---- ------- - --------
1
Nombre de y_suaño:
Qrgani:zaóón:
J
[r:iSta~.s-c~~~d ------------~------------
! ..
En el recuadro Nombre de usuario: Escriba su nombre y en el recuadro Organización escriba el nombre de la organización. Puede dejarlo en blanco ambos recuadros. Haga Clic en el botón Siguiente >, aparece la siguiente pantalla:
~ 18M SPSS Statistic:s 21 Oeveloper- lnsta&IShield Wizard
Idioma de la Ayuda
La ayuda en .Inglés se iinstalará aUtomáticamente. De forma ~onal, puede elegir uno o más ic:fiOITlaS de ayuda adítionales. !Pulse SigUiente :para continuar.
,Alemán Español Framés Itatiano Japonés
1
L!'lS:ta':'~s:'d
r -~Á~---~ ~
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
1\ 1-1
! 1
i
"" '
Este componente reqUiere Ot<B en el disco duro.
24
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD Conceptos
Básicos
CAPITULO! Conceptos básicos de la Bioestadistica e Informática.
Introducción al SPSS. Instalación de SPSS
Haga Clic en el botón Siguiente>
~ lnstaUShiefd Wazard de IBM SPSS Statistics 21 ~ -·~----------------------------~----~----------------------~
Tecnología de asistencia
.éNecesita t:ener .activado JAWS .for Windows ~een Reading Software 1BM SPSS Statistics 21 Developer?
o~
Nota: COnsulte la ayuda .para obtener más información sobre el uso de JAWS con lBM SPSS Statistics 21 Developer.
~-=~·~~.~~~~. ~-_,___,___~ .. ~.~-~-.......-e,...,__ ____ ~,_...,......,_-,
' <Atrás iJ ~ente> f: Canrelar ¡ ~~· ~~=-.·~~--~-·L-····-·~~.-~-" .. o t ... - .. -------'·
En este caso la opción debe ser No. Haga Clic en el botón Siguiente>
18M SPSS Statistks 21 Oeveloper -lnstaUShield Wa.ard -,-----·~···-~----~---·----------------------------------------
Carpeta de destino
Haga die en Sigliiente para instalar en esta carpeta o en Cambiar para instalar
en una cmpe~ d~~~:----~~.~-·~--.~-- .. ··- _ ... - ...... -.. -- ___ --~--~~· ~IBM SPSS Statistics 211Developer en:
C:!program Ales\tBM\'SPSS\Statistics\21 \ D ~--=o->-~-,...,._..._., _____ .,....._.,..¡¡
~ . Ca!!!.blar... o
Pág.25
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPfTULOI Conceptos básicos de la Bioestadistica e Informática.
Introducción al SPSS. Instalación de SPSS
Conceptos Básicos
Por defecto se instalará ruta C: \Program Files\IBM\SPSS\Statistics\21 \ (a esta ruta se copiará el archivo "lservrc" de la carpeta CRACK del ovo que contiene el producto. ¿Cómo se realiza el cambio a la ruta C:\SPSS21\? Haga Clic en el botón Cambiar ... para indicar la ruta C:\SPSS21, donde se
instalará el SPSS; a esta ruta copie el archivo "lservrc" de la carpeta Crack.
tBM SPSS Statistics 21 Dev~oper- lnstaJIShteld Wizard
Buscar la carpeta de destino.
--·-~-~~-~
Monlbre de 'la carpeta:
rnsta':lSh'éd __________ .;__..._ ___________ _
1 1
1
i
Luego de que haya cambiado la ruta, haga Clic en el botón Aceptar, se tiene la siguiente pantalla:
1
~"---------~~ 1
¡--~~¡;~~=~-,C~:_i~-; [~-c;,:;~~~~-l 1
Pág.26
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAP[TULOI Conceptos básicos de la Bioestadistica e Informática.
Introducción al SPSS. Instalación de SPSS
Conceptos Básicos
Verifique la ruta donde se instalará el producto SPSS, haga Clic en Siguiente
~ IBM SPSS Statistics 21 Developer - lnstaiiShield Wizard -Preparado para instalar eJ programa
8 Asistente está preparado para Gomer:tzar la Instalación.
Haga die en Instalar para comenzar 1ia instaladón.
Si desea re\lisar la configuraciÓn de la ,inst:madón o realizar algún cambio, haga de en Atrás. Haga die en cancelar par.a solir del Asistente.
InstáJ5h:6d Q
~\ ' -;,1¡'\ ................................... ,l f Cancelar 1 ' ~- --~Atr_a~_;íi, ........ J~ ___ J ... ---.-~
Haga Clic en el botón "Instalar"
~ IBM SPSS Statistics 21 Developer- lnstaiiShield Wizard t:l
Instalando IBM SPSS Statistics 21 Developer
Los compor~entes del programa selecdonados se están inStalando.
Por favor, espere :mientras InStaiShleld Wizard Instala taM SPSS Statistics 2110eveiopeT. :Este prOCESO puede durar varios mlnutos.
File: Copiando archivos nuevos, :Oirectory: .• SiZl!::
1
Insta!:Sh>eld - ···-· ·---····-,-------·--------------·--- ·------.~.~""". ~_;.:._.:::-:·· < é_trkl sv..:~~ > c:~ __ .J
1 1
Observe que se inicia la instalación. Está avanzando, espere unos minutos
Pág.27
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 1 Conceptos básicos de la Bioestadistica e Informática.
Introducción al SPSS. Instalación de SPSS hasta que aparezca la siguiente pantalla:
§ fnstalfShtek:l Wizard de t8M SPSS Statistics 21 Devetoper
Lk:enda 1BN SPSS statistics 21. Oevetoper
El asistente Instai!Shield ha instalado oon éxito IBM SPSS Statistics 2lDeve1oper ..
Pulse en ''Ac¡eptar' para iniciar el¡procesO de automación de licencia. Para obtener una licenóa, necesitará el código de autorizaáón que se ·indJye en el software.
Para Obtener ,fas herramientas <necesarias par,a ub1izar Ren, vaya a http:f/v..~""'''·tbm.com/deve1operwotksfs;pssdevGen't!'al Y descargue e ilnsta1e :R Essentials. !Recuerde .que no tiene que instalar R EssentiaJs para utlaar IBM SPSS Statistics Oeveloper.
~ aquí para registrarse y obtener avisos de actuaizadones de productos y ·ofertas especiales. S6lo tardará dos minutos.
Para finalizar la instalación haga Clic en el botón Cancelar
IMPORTANTE:
Conceptos Básicos
Copie el fichero "lservrc" de la carpeta "CRACK" del OVO a la ruta donde se encuentra instalado el SPSS. En nuestro caso la ruta será" C:\SPSS21\" y reemplazar. Listo!!!!!.
El producto queda instalado.
Pág. 28
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAP[TULO 1 Conceptos básicos de la Bioestadística e Informática.
Introducción al SPSS. Instalación de SPSS
1. 5 Ejecución de SPSS
Ubique el ícono y ejecútelo
Conceptos Básicos
Si se olvidó copiar el fichero "lservrc" a la ruta C:\SPSS21 aparecerá una hoja electrónica incompleta, como la siguiente pantalla:
Ard!Mi '!_er .
. _ ........ !L ..................... ·. ............. .. ..... . .......................... r . . r ·v;;· T' ~;- l_ va~ . C~ -~~ -- r·-var t . var u --~ ;.~·_L_i'al """f . m ·-r ;· -~ ~ : t-+- t ~-+-i ¡ ~---1- 1 +-t- : .11 ' ' '' --·- 1 --·--=r.-· ~--+-----j---+------~--4--- : ---t---l-- ¡
! 1 . ¡ 1 ' ! . i .,¡ ... , . ·-- - -+-- j·-+---t "--1----+-------¡-- '' . 4 r -+---- _ _____:_ _ _l ______ _L __ .L_.-+-----+---¡__. : t __ ..¡ ____ , ! 5 .· l. ! ! l \ . ~ ! : 1 ~ 1 ' ! 6 ~ r--·+--·---;---·--;-----t- +-·--r----:-·--· ----t·--t-.. -+- !
' . ' . i j ; -+----+-- 1 +--i-- ---i ' ---1- ; ! 7 ¡ ' ' ; ¡ \ ' 1 ¡ l í ' L -s- j· ---¡----L._~__:-_~ ! _j ____ ~----¡---J l •
qJ ¡ +-! l --¡---: ; 1 • ¡· 1 :- - ,' --¡-- ---·-,.----7----. --·-·+- =1 +-- _____ _¡.._ -l --tO f: t ' , j ' f ¡ } t 1\=='=:==;ii-----+ L. ___ ' ---;--- ---..--- . ' --+---11 J \ ¡ : 1 1 ; i ' ! ¡ 12 l --t· .. ·-- - ---·-r---t---~-----l-----r-----~----· ----¡·--t---t·-
- -~- . • .J.... ___ ¡ j __j --"---- .i _ __,___ 13 ¡ ¡ ; ' ¡ ¡ l 1 ¡ l . 1
·, --~'··--'- --¡ i 1 1----r--+---+- __l. \
14] 1 : t 1 +; J_ ~~ 1 i ' . 15 . 1 J ! ¡--;--¡ ---r- : --¡- :-- j' i
~~L. . 1 _ 1 ·: . j r---¡·--r-r-·---r--- !---¡ ' 17:"1 -+---+-- i -+-- ¡ . -~ ! . 1 1 :. jg: .. 1! ' ---t- ! i "-t-t· ...
1111 ·. '.·,
Sin barra de herramientas y sin barra de menú principal.
Cuando se realiza la copia del fichero "lservrc" a la ruta C:\SPSS21 aparecerá la hoja electrónica normal de SPSS, mostrando el siguiente aspecto:
Pág.29
Autor: Dr. Lucio Arnulfo Ferrer Pefiaranda
1
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPITULO! Conceptos básicos de la Bioestadística e Informática.
Introducción al SPSS. Instalación de SPSS
·-...---~- ''
-------
,Oc! desea Wl'!
i ~~dnseütt!
@ O t=icnt;odfm,,
1"
Conceptos Básicos
.¡¡~
f.tttr 1 de 8mtlu
--~··-· -· --~--+-~-
. ·- -- ---- --r-----·
•... ---~--1 --- ---.~--r...._ - • ·-----..,...-
~.':=:============================:!·- -... ' - -- -~ -- 1
·--~-·- ~ --·--·--.,...........--·
Pulse el botón Cancelar
Por lo tanto la hoja electrónica completa y correcta del producto SPSS tendrá el siguiente aspecto:
Pág.30
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
..
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAP(TULOI Conceptos básicos de la Bioestadfstica e Informática.
Introducción al SPSS. Instalación de SPSS
E:Jn o o rr- '11 nt-J:IO ro~~~~~ J~CJ !!(). f '·' ---· '"- - . ' ' '-- " . ' - _. . " .. ' ·' "" .. ... ' - " '" j :1 . '
, '
-, ""!'-- -·-·
. ~ . - _ .... 6
' -~-:~.-..(-· --1
-~~~-_....:_~ . ~· i
Conceptos Básicos
~- ~- _:._ ··-- ·------;.,....__.·-+---· ~--· --·--- --"'""'t'--- ~----- -- -;~-- ....___ . --. ~- -~-..1.--- -"1'--------- ~
1) ·---·- ·:"
11 1)
1l
15 _ _.. _____ .... --
. -- _.· ··-- ......
. . ' ' .... fl- ------------ ····-------- -----~----·-- _,__ ___ _
__ íS . -,9·-
21 • •• r.:.........·
l1
22
• - - ' ~-~ • ·- r ,... •
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
L . ....
Pág.31
Q_
'.1
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO! Conceptos básicos de la Bioestadfstica e Informática.
Introducción al SPSS. Instalación de SPSS
REFERENCIALES
Conceptos Básicos
1. DANIEL W. WAYNE, Bioestadística Base para el análisis delas ciencias de la salud, México, Edit. U musa S.A., Cuarta Edición, 2002.
2. FERRER PEÑARANDA LUCIO, Texto de Informática Aplicada en Salud, Facultad de Ciencias de la Salud, Universidad Nacional del Callao, Ref. Resolución Rectoral N o 017-00-R, 2,009.
3. HERNÁNDEZ, R - FERNANDEZ, C - BAPTISTA, P Metodología de la Investigación, México: Edit. Me Graw-Hill lnteramaricana, Cuarta Edición, 2006.
4. QUEZADA NEL LUCIO, Metodología de la Investigación - Estadística aplicada en la Investigación, Edit. Empresa Editora Macro, 2010.
5. QUEZADA NEL LUCIO, Estadística con SPSS 20, Edit. Empresa Editora Macro, 2012.
Pág.32
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
CAPÍTULO 11
Archivos de datos en SPSS
OBJETIVOS
• El objetivo del presente capítulo, es proporcionar al lector la información
sobre archivos de datos en SPSS.
• Manipulación de datos en SPSS
•
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
2. Archivo de datos en SPSS Introducción
En los procesos de investigación la información proviene de diferentes fuentes, como lo pueden ser las encuestas, las mediciones, los experimentos e incluso de investigaciones previas. Generalmente esta información es recopilada en diversos programas de computadora que permiten organizarla, de acuerdo a las características de los datos y las normas estructurales del programa en que se originen, para luego ser analizada y extraer de ella las respectivas conclusiones.
SPSS nos ofrece dos diferentes formas de elaborar archivos de datos. La primera es creándolo directamente en el Editor de datos, introduciendo la información (Variables y Casos) dentro de las casillas de la Vista de datosy la segunda es importando la información desde una fuente externa (Programa de computadora), donde la información se encuentra previamente organizada y cuyo formato debe ser compatible con SPSS.
Sin importar que método empleemos para generar un archivo de datos en SPSS, una vez se ingresa la información, debemos definir las propiedades de las variables y realizar una depuración de los datos antes de comenzar con el análisis.
2.1. Crear Archivos o Ficheros de Datos en SPSS
Para generar un archivo de datos en SPSS, es necesario cumplir con dos parámetros fundamentales:
a. El primero, tratar de introducir la información de forma numérica (codificada), siempre que sea posible; para lo cual es preciso asignar números de identificación a las categorías de las variables Ordinales o Nominales, así como también a las variables que contengan valores perdidos definidos por el usuario.
b. El segundo parámetro es definir cada una de las propiedades de las variables, de acuerdo a las características de los datos que contiene. Para comprender mejor la metodología empleada en la elaboración de un archivo de datos en SPSS, vamos a generar un archivo con los datos de la siguiente encuesta, realizada a cinco personas.
Pág.33
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
Q
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Número de encuesta
CAPÍTULO 11
Archivo de datos en SPSS
---1. ¿En la actualidad su estado civil es?
a. Solero
b. Casado
c. Divorciado
d. Viudo
e. Unión libre
2. ¿Cuál es su nivel de educación de acuerdo al título máximo obtenido?
a. Primaria
b. Secundaria
c. Preparatoria
d. Universidad
e. Posgrado
f. Doctorado
3. ¿Cuál es su edad actual en años cumplidos? __ _
Antes de iniciar el ingreso de la información de cada una de las encuestas, es necesario definir la estructura del archivo de acuerdo al orden de las preguntas y el tipo de datos obtenidos con ellas. Para realizarlo debemos apoyarnos en el formato de la encuesta y tratar de identificar cada una de las variables que podemos obtener de ella.
Si nos fijamos en la encuesta de ejemplo, notaremos que en la parte superior se agrega un espacio para el número de identificación de la encuesta; este valor es de suma importancia ya que al momento de depurar los datos de la encuesta (Corregir errores), este valor nos indicará la ubicación de la fu~nte (Formulario de encuesta), en donde se presentó el error y nos permite remitirnos a él para intentar corregirlo. Dada la importancia de este dato, definiremos el número de encuesta como nuestra primera variable y le asignaremos el nombre (Numeidentif).
Pág.34
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Q
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
Una vez definido el número de encuesta, seguimos bajando y nos encontramos con la primera pregunta ¿En la actualidad su estado civil es?, para lo que contamos con 5 posibles respuestas. Esta pregunta debemos considerarla como una variable, la cual puede tomar cinco diferentes estados (Valores u opciones), cada uno de los cuales nos define un estado civil distinto. Para facilitar la captura de los datos en esta pregunta, debemos asignarle un valor representativo a cada una de las opciones de respuesta iniciando con el número uno (1) y aumentando de uno en uno de acuerdo a cada opción, de manera que cada categoría pueda ser diferenciada fácilmente.
Dado que es posible que alguno de los encuestados no responda la pregunta; es decir, no seleccione ninguna de las opciones, le otorgaremos a este suceso el valor nueve (9), por lo que los datos quedarían [Variable= Estadocivil], (Soltero = 1, Casado = 2, Divorciado = 3, Viudo = 4, Unión libre =5 y No responde = 9).
La segunda pregunta corresponde a ¿Cuál es su nivel de educación de acuerdo al título máximo obtenido?, para lo que tenemos seis diferentes categorías u opciones de respuesta. Al igual que en la pregunta anterior, esta pregunta debe ser considerada una variable a la que le otorgamos un nombre y a su vez, debemos asignarle un valor a cada categoría y precaver la falta de respuesta, por lo que los datos quedan [Variable = Niveleducativo] (Primaria = 1, Secundaria = 2, Preparatoria = 3, Universidad= 4, Postgrado = 5, Doctorado= 6 y No responde= 9).
Por último encontramos la pregunta ¿Cuál es su edad actual en años cumplidos?, observe que esta pregunta no cuenta con opciones de respuesta, sino que por el contrario nos ofrece un espacio en el cual ingresar el valor; esta variable es de otro tipo de medida y por lo tanto su tratamiento es diferente. Para las variables de escala como la edad, el peso, la distancia o las ventas, no se le asignan valores representativos, ya que sus datos representan magnitudes o cantidades y no categorías de pertenencia. Después de establecer la estructura de las variables y organizarla adecuadamente, obtenemos los resultados de la figura [2-1].
Pág.35
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Q
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
Variable
Número de identificación
Estado civil
Nivel
de educación
Edad en años
CAPÍTULO 11
Archivo de datos en SPSS
Nombre Valores
Numeidentif
1 =Soltero 4 =Viudo
Estadocivil 2 =Casado 5 = Unión libre
3 = Divorciado 9 = No responde
1 =Primaria 4 =Universidad
2 = Secundaria 5 = Posgrado Niveleducativo
3 = Preparatoria 6 = Doctorado
9 = No responde
Edad .
F1gura 2-1
Después de establecer la estructura del archivo, estamos listos para ingresar la información de las encuestas. Para realizarlo SPSS nos ofrece dos posibilidades; ingresar primero los datos antes de definir las propiedades de las variables o definir primero las propiedades de las variables e ingresar posteriormente los datos. Dado que la definición de las variables se puede emplear como orientación en el ingreso de los valores de los datos, es recomendable utilizar siempre la segunda opción; es decir, definir primero las propiedades de las variables y a continuación ingresar los datos.
2.2. Nombres de Variables
Nombres y etiquetas de variables. El nombre completo del campo (columna) de la base de datos se utiliza como etiqueta de la variable. A menos que modifique el nombre de la variable, el Asistente para
Pág.36
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO 11
Archivo de datos en SPSS
bases de datos asignará nombres de variable a cada columna de la base de datos de una de las siguientes formas:
• Si el nombre del campo de la base de datos forma un nombre de variable válido y único, se usará como el nombre de la variable.
• Si el nombre del campo de la base de datos no es un nombre de variable válido y único, se generará automáticamente un nombre único. Si desea obtener información acerca de las normas de denominación de variables, consulte Nombres de variable.
Pulse en cualquier casilla para editar el nombre de la variable.
Conversión de cadenas en variables numéricas. Seleccione la casilla Recodificar como numenca para convertir automáticamente una variable de cadena en una variable numérica. Los valores de cadena se convierten en valores enteros consecutivos en función del orden alfabético de los valores originales. Los valores originales se mantienen como etiquetas de valor para las nuevas variables.
Anchura para los campos de ancho variable. Esta opción controla la anchura de los valores de las cadenas de anchura variable. Por defecto, la anchura es de 255 bytes y sólo se leen los primeros 255 bytes (generalmente 255 caracteres en idiomas de un solo byte). El valor máximo que se puede asignar a este parámetro es de 32.767 bytes. Aunque posiblemente no desee truncar los valores de cadena, tampoco deseará especificar un valor innecesariamente alto, ya que produciría que el procesamiento fuera ineficaz.
Minimizar las longitudes de cadena en observados. Establece automáticamente el de cadena al valor observado más largo.
función de los ancho de cada
Para los nombres de variable se aplican las siguientes reglas:
valores variable
1. Cada nombre de variable debe ser único; no se permiten duplicados.
2. Los nombres de variable pueden tener una longitud de hasta 64 bytes y el primer carácter debe ser una letra o uno de estos caracteres: @,#o$. Los caracteres posteriores puede ser cualquier combinación de letras,
Pág.37
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPITULO 11
Archivo de datos en SPSS
números, caracteres que no sean signos de puntuación y un punto (. ). En el modo de página de código, sesenta y cuatro bytes suelen equivaler a 64 caracteres en idiomas de un solo byte (por ejemplo, inglés, francés, alemán, español, italiano, hebreo, ruso, griego, árabe y tailandés) y 32 caracteres en los idiomas de dos bytes (por ejemplo, japonés, chino y coreano). Muchos caracteres de una cadena ocuparán un solo byte en el modo de página de código y dos o más bytes en el modo Unicode. Por ejemplo, ocupa un byte en el formato de página de código pero dos bytes en el formato Unicode; por lo que la variable "código" ocupa seis bytes en un archivo de página y ocho bytes en modo Unicode.
Observación: las letras incluyen todos los caracteres que no son signos de puntuación y se utilizan al escribir palabras normales en los idiomas admitidos en el juego de caracteres de la plataforma.
3. Las variables no pueden contener espacios.
4. Un carácter # en la primera posición de un nombre de variable define una variable transitorio. Sólo puede crear variables transitorios mediante la sintaxis de comandos. No puede especificar un # como primer carácter de una variable en los cuadros de diálogo que permiten crear nuevas variables.
5. Un signo $ en la primera posición indica que la variable es una variable del sistema. El signo $ no se admite como carácter inicial de una variable definida por el usuario.
6. El punto, el subrayado y los caracteres $, # y @ se pueden utilizar dentro de los nombres de variable. Por ejemplo, A._$@#1 es un nombre de variable válido.
7. Se deben evitar los nombres de variable que terminan con un punto, ya que el punto puede interpretarse como un terminador del comando. Sólo puede crear variables que finalicen con un punto en la sintaxis de comandos. No se puede crear variables que terminen con un punto en los cuadros de diálogo que permiten crear nuevas variables.
8. Se deben evitar los nombres de variable que terminan con un carácter de subrayado, ya que tales nombres puede entrar en conflicto con
Pág.38
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
q
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
los nombres de variable creados automáticamente por comandos y procedimientos.
9. Las palabras reservadas no se pueden utilizar como nombres de variable. Las palabras reservadas son ALL, ANO, BY, EQ, GE, GT, LE, L T, NE, NOT, OR, TO y WITH.
1 O. Los nombres de variable se pueden definir combinando de cualquier manera caracteres en mayúsculas y en minúsculas, esta distinción entre mayúsculas y minúsculas se conserva en lo que se refiere a la presentación.
11. Cuando es necesario dividir los nombres largos de variable en varias líneas en los resultados, las líneas se dividen aprovechando los subrayados, los puntos y cuando el contenido cambia de minúsculas a mayúsculas.
2.3. Tipos de variable
Tipo de variable especifica los tipos de datos de cada variable. Por defecto se asume que todas las variables nuevas son numéricas. Se puede utilizar Tipo de variable para cambiar el tipo de datos. El contenido del cuadro de diálogo Tipo de variable depende del tipo de datos seleccionado. Para algunos tipos de datos, hay cuadros de texto para la anchura y el número de decimales; para otros tipos de datos, simplemente puede seleccionar un formato de una lista desplegable de ejemplos.
Los tipos de datos disponibles son los siguientes:
1. Numérico. Una variable cuyos valores son números. Los valores se muestran en formato numérico estándar. El Editor de datos acepta valores numéricos en formato estándar o en notación científica.
2. Coma. Una variable numérica cuyos valores se muestran con comas que delimitan cada tres posiciones y con el punto como delimitador decimal. El Editor de datos acepta valores numéricos para este tipo de variables con o sin comas, o bien en notación científica. Los valores no pueden contener comas a la derecha del indicador decimal.
Pág.39
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
3. Punto. Una variable· numérica cuyos valores se muestran con puntos que delimitan cada tres posiciones y con la coma como delimitador decimal. El Editor de datos acepta valores numéricos para este tipo de variables con o sin puntos, o bien en notación científica. Los valores no pueden contener puntos a la derecha del indicador decimal.
4. Notación científica. Una variable numérica cuyos valores se muestran con una E intercalada y un exponente con signo que representa una potencia de base 1 O. El Editor de datos acepta para éstas variables valores numéricos con o sin el exponente. El exponente puede aparecer precedido por una E o una D con un signo opcional, o bien sólo por el signo (por ejemplo, 123, 1 ,23E2, 1 ,23D2, 1 ,23E+2 y 1,23+2).
5. Fecha. Una variable numérica cuyos valores se muestran en uno de los diferentes formatos de fecha-calendario u hora-reloj. Seleccione un formato de la lista. Puede introducir las fechas utilizando como delimitadores: barras, guiones, puntos, comas o espacios. El rango de siglo para los valores de año de dos dígitos está determinado por la configuración de las opciones (en el menú Edición, seleccione Opciones y, a continuación, pulse en la pestaña Datos}.
6. Dólar. Una variable numérica que se muestra con un signo dólar inicial($}, comas que delimitan cada tres posiciones y un punto como delimitador decimal. Se pueden introducir valores de datos con o sin el signo dólar inicial.
7. Moneda personalizada. Una variable numérica cuyos valores se muestran en uno de los formatos de moneda personalizados que se hayan definido previamente en la· pestaña Moneda del cuadro de diálogo Opciones. Los caracteres definidos en la moneda personalizada no se pueden emplear en la introducción de datos pero sí se mostrarán en el Editor de datos.
8. Cadena. Una variable cuyos valores no son numéricos y, por lo tanto, no se utilizan en los cálculos. Los valores pueden contener cualquier carácter siempre que no se exceda la longitud definida. Las mayúsculas y las minúsculas se consideran diferentes. Este tipo también se conoce como variable alfanumérica.
Pág.40
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
9. Numérico restringido. Una variable cutos valores están restringidos para enteros no negativos. Los valores aparecen con los ceros iniciales llenando el ancho máximo de la variable. Los valores se pueden introducir en notación científica.
2.4. Cambio de nombres de variable
En paquetes de datos de IBM® Cognos® Business lntelligence, los nombres del campo de paquete se convierten automáticamente a nombres válidos de variables. Se puede usar la ficha Campos del cuadro de diálogo Leer datos de Cognos para sustituir los nombres predefinidos.
Los nombres deben ser únicos y deben cumplir las reglas de nombres de variables.
2.5. Cómo mostrar y ocultar nombres y/o etiquetas de variables
Las siguientes opciones están disponibles para la visualización de los nombres y etiquetas de variables:
1. Mostrar sólo etiquetas de variables. Para cualquier variable sin etiquetas de variables definidas, se mostrará el nombre de la variable. Ésta es el ajuste por defecto.
2. Mostrar sólo nombres de variables.
3. Mostrar etiquetas de variables y nombres de variables.
4. No mostrar nombres de variables ni etiquetas de variables. Aunque la columna/fila que contenga la etiqueta de variable o el nombre seguirá mostrándose en la presentación preliminar del panel de lienzo, esta columna/fila no se mostrará en la tabla real.
Pág. 41
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
Para mostrar u ocultar etiquetas de variables o nombres de variables se tiene los siguientes pasos:
1. Pulse con el botón derecho en la variable de la presentación preliminar del panel de lienzo.
2. Seleccione Mostrar etiqueta de variables o Mostrar nombre de variables desde el menú contextua! emergente para activar o desactivar la visualización de etiquetas o nombres. Una marca de verificación junto a la selección indica que se mostrará.
2.6. Seleccionar variables
Para seleccionar una única variable, simplemente selecciónela en la lista de variables de origen y arrástrela y colóquela en la lista de variables de destino. También puede utilizar el botón de dirección para mover las variables de la lista de origen a las listas de destino. Si sólo existe una lista de variables de destino, puede pulsar dos veces en las variables individuales para desplazarlas desde la lista de origen hasta la de destino.
También se pueden seleccionar diversas variables:
• Para seleccionar varias variables que estén agrupadas en la lista de variables, pulse en la primera de ellas y, a continuación, en la última del grupo mientras mantiene pulsada la tecla Mayús o Shift.
• Para seleccionar varias variables que no estén agrupadas en la lista de variables, pulse en la primera de ellas; a continuación, pulse en la siguiente variable mientras mantiene pulsada la tecla Ctrl, y así sucesivamente (en Macintosh, mantenga pulsada la tecla Com~ndo) ..
2. 7. Ordenar variables
Se puede ordenar las variables del conjunto de datos activo en función de los valores de cualquiera de los atributos de variable (por ejemplo, nombre de la variable, tipo de variable, tipo de datos, nivel de medida), incluidos los atributos de variable personalizados.
Pág.42
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
• Los valores se pueden ordenar en orden ascendente o descendente.
• Puede guardar la variable original (ordenada previamente) en un atributo de variable personalizado.
• La ordenación por valores de atributos de variable personalizados se limita a los atributos de variable personalizados que están visibles actualmente en la Vista de variables.
2.8. Añadir variables: Cambiar nombre
Puede cambiar los nombres de las variables del conjunto de datos activo o del otro archivo de datos antes de desplazarlas a la lista de variables que se van a incluir en el archivo de datos fusionado. Esto es especialmente útil si desea incluir dos variables con el mismo nombre que contienen información diferente en los dos archivos o si una variable clave tiene nombres diferentes en los dos archivos.
2. 9. Iconos de tipo de datos, nivel de medida y lista de variables
Los iconos que se muestran junto a las variables en las listas de los cuadros de diálogo proporcionan información acerca del tipo de variable y el nivel de medidas.
,.,--,-.. ------~- -····. ·-·--· .. _ ~·----:---·--·-··--·· ----~-i · - Numérico Cadena Fecha Hora '
Escala (Continuo) ~ nla ~ ~
Ordinal [Ji ~ ~ ~ Nominal ~ *1 - *b
Pág.43
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
• Si desea obtener más información sobre el nivel de medida, consulte Nivel de medida de variable.
• Si desea obtener más información sobre los tipos de dato numérico, cadena, fecha y hora, consulte Tipo de variable.
2.1 O. Visualizar o definir los atributos de las variables Para visualizar o definir los atributos de las variables siga los siguientes pasos:
1. Haga que el editor de datos sea la ventana activa.
2. Pulse dos veces en un nombre de variable en la parte superior de la columna en la Vista de datos o bien pulse en la pestaña Vista de variables.
3. Para definir variables nuevas, introduzca un nombre de variable en cualquier fila vacía.
4. Seleccione los atributos que desea definir o modificar.
2.11. Etiquetas de variable
Puede asignar etiquetas de variable descriptivas de hasta 256 caracteres de longitud (128 caracteres en los idiomas de doble byte). Las etiquetas de variable pueden contener espacios y caracteres reservados que no se admiten en los nombres de variable.
2.12. Introducción de datos
En la Vista de datos, puede introducir datos directamente en el Editor de datos. Se puede introducir datos en cualquier orden. Asimismo, se pueden introducir datos por caso o por variable, para áreas seleccionadas o para casillas individuales.
• Se resaltará la casilla activa.
Pág.44
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
• El nombre de la variable y el número de fila de la casilla activa aparecen en la esquina superior izquierda del Editor de datos.
• Cuando seleccione una casilla e introduzca un valor de datos, el valor se muestra en el editor de casillas situado en la parte superior del Editor de datos.
• Los valores de datos no se registran hasta que se pulsa la tecla lntro o se selecciona otra casilla.
• Para introducir datos distintos de los numéricos, en primer lugar, se debe definir el tipo de variable.
Si introduce un valor en una columna vacía, el Editor de datos creará automáticamente una nueva variable y asignará un nombre de variable.
2.13. Recolectar datos de una encuesta
Diagrama para recolectar datos o información
Recolectar {
...... ____ ___, Cuestionario .---1\. Datos L-.-y'
Equipo de
medición ,__ ___ ____..
q Codificación
Recolectar datos consiste en seleccionar un instrumento de medición disponible o en desarrollar uno propio.
El Instrumento de medición (Cuestionario) es cualquier recurso de que se vale el investigador para acercarse a los fenómenos y extraer de ellos información.
Cuestionario es el conjunto de preguntas respecto a una o más variables a medir, se utiliza para obtener información de cualquier fenómeno.
Pág.45
Autor: Dr.lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
Equipo de medición es el equipo que permite apoyar la medición de variables {grabadora, de audio o video, computador, satélite, gráfico, informes, expedientes, estereoscopio, etc.)
Codificación de datos consiste en asignar un número diferente a las posibles respuestas (alternativas) de una pregunta.
Los cuestionarios llamados formatos de recolección de información constituyen una forma estructurada, sistemática y organizada para registrar datos.
Ejemplo
Se desea realizar un análisis del comportamiento de los consumidores que
realizan sus compras semanales en un Supermercado.
Instrumento de medición {cuestionario)
Se diseña el siguiente cuestionario:
CUESTIONARIO
Se requiere analizar el comportamiento de los consumidores que hicieron sus
compras semanales en un Supermercado, realizando el siguiente
cuestionario.
Marque con una "x:' la alternativa correcta o escriba en las líneas punteadas.
1) Edad: ............... .
a) Adolescente D 2)Sexo:
b) Joven D
a) Varón D b) Mujer D 3) Grado de instrucción
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
c)Adulto D
Pág.46
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
a) Primaria O b) Secundaria O e) Superior D d) No tiene D 4) Estado civil
a) Soltero D b) casado O e) Divorciado D d) Viudo D 5) Horario de compra
a) Mañana D b) Tarde D e) Noche0
6) Compras Semanales en Artículos de Aseo Personal (nuevos Soles)
7) Compras Semanales en Verduras (Nuevos Soles)
8) Compras Semanales en abarrotes (Nuevos Soles)
9) Compras Semanales en Bebidas (nuevos Soles)
Codificación de la encuesta: A partir de la variable Aseo no es necesario codificar.
1. X1: Edad (O: Adolescente; 1: Joven; 2: Adulto)
2. X2: Sexo (O: Mujer; 1: Varón)
3. X3: Instrucción (1: No tiene; 2: Primaria; 3: Secundaria; 4: Superior)
4. X4: Estado Civil (1: Soltero, 2: Casado; 3: Divorciado; 4: Viudo
5. XS: Turno (0: mañana; 1: Tarde; 2: Noche)
6. X6: Aseo (Nuevos Soles)
7. X7: Verduras (Nuevos Soles)
8. XS: Abarrotes (Nuevos Soles)
9. X9: Bebidas (Nuevos Soles)
Pág.47
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
Definición de la variable X1, en la hoja electrónica de SPSS
AnGhutlt -~~-~~ Valores :......!:__~ .s o _Edad -~ ___ Ninguna
rEfiauflas<Sevator·---
VoJor: 13 l ' -
1 -
¡ Ellquo"': tMuulo0
• •Adolost:et'ft•
1 ( ~ 1 1 =·Jowen-
1 '
-- --- ..!:=-=---:-::----::=--===---- .)
1
Clic en Aceptar
Al definir las ocho variables restantes, se tiene:
1 X1 lbnérial 1 O Edad {0, Adokscen~e}... 4 · 9 8 lf ~ i Nori1al ' Entrada
2 - X2 .r~o~1 _ o Sex:~ ·ro.~~- ·2·9 8 .Centrado- -~Ntmi"'- ·'Entrada 1Unérico 1 Gmdo 1nstrucci00 {1, No tiene}... S-9 8 .• Centrado ~ lbJi.,¡~- - . . .; Entrada
llurtlerial Eslado e;,¡¡ ~ S - X5 llumbico 1 O TII!IO . ' ' 6 J Xli lll!rnerial 8 2 Verú de 811ictm deaseo Ningooa
¡-; X1 fUnético 2 Ventad! ..mm tinguna
~ S - i X& lbrhico 2 Venta de &brotes tinpa · - 9- . ~ X'l lbnérial 8 2 Vem de lietms Hingana . --=.-.. ~- - - ~+- -- - "-t'" -- - ••
(1, Sd:m}... 5- 9 8 5 Centrado 1, Ncnr.al ' Entrada
¡o, Mall5ll}... 3-9 'a • • ~roado -~ Norilal ' Entrada
8 ,'1 Oereclla . .dOniilal 'EnUacsa 8 ,. Der!dla ,¡1 Onhl -' Entlllda
8 :¡ Dtrecha ,¡J Onfllal ' Entrada
8 ii Dmcha Jil Dnlil3l .... ,, ~~ ~~l_J ____ ..._ - ·-•·-- .. ·-+
Pág.48
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
q
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
Ahora en la pestaña Vista de datos, introducir los siguientes datos:
X1 X2 X3 X4 xs X6 X7 xs X9
o o 3 2 o 2,00 17,00 34,50 6,00 2. o 4 1 2 3,00 20,00 40,00 6,00 2 o 2 3 2 0,30 10,00 31,60 6,00 1 o 2 4 1 3,30 9,00 35,40 6,00 2 o 3 4 2 1,30 23,00 30,00 6,00 2 o 4 4 2 0,40 13,00 32,90 6,00 1 o 2 2 o 1,50 12,00 33,20 6,00 o o 3 2 o 4,50 19,00 33,10 6,00 2 1 4 3 2 2,50 18,00 35,60 6,00 1 1 2 2 1 0,30 24,00 33,00 6,00 2 1 4 1 2 1,00 7,00 4,50 6,00 2 o 3 2 2 6,00 10,00 33,20 6,00 2 o 4 4 2 5,60 5,00 31,50 6,00 2 1 4 4 2 6,00 14,00 36,20 1,00 1 o 1 1 1 1,20 15,00 36,80 1,00 2 o 1 2 2 0,20 12,00 35,40 2,00 2 o 1 3 2 6,00 14,00 33,20 2,00 2 o 2 2 2 5,50 6,00 35,90 2,00 2 o 4 4 2 6,50 9,00 36,50 3,00 2 o 1 4 2 0,20 13,00 38,20 3,00 2 o 3 1 2 2,30 6,00 34,50 3,00 2 o 2 2 2 0,20 7,00 36,20 3,00 1 o 1 1 1 2,30 10,00 36,80 3,00 2 o 2 4 2 1,50 13,00 30,10 3,00 2 o 3 4 2 5,00 7,00 36,00 3,00 2 o 2 2 2 4,50 18,00 35,40 3,00 o o 3 2 o 0,30 24,00 31,50 3,00 2 o 2 3 2 5,50 7,00 36,20 4,00 2 o 2 2 2 0,50 10,00 33,90 4,00 2 o 2 2 2 0,20 4,00 34,90 4,00
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
Pág.49
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
Al ingresar los datos se tiene la siguiente pantalla:
l Archivo. :Edición· ·)1er · Datos _ ·criansloimar Analizár ·Marketing <llredo ·Gráficos.:· utilidades ·. Venlana · AyÚ<Ia ..
. ·-Ir'·_·:?'~.;_~ ._51 -Jm _g E~lil ~ ~ oo~ ~ ·~~
Si se desea visualizar los datos definidos como etiquetas, debemos ir a la opción del menú Ver, Etiquetas de valor, se tiene la siguiente pantalla:
Pág. SO
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
a
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO 11
Archivo de datos en SPSS
E:i ~ (~ ~ ~r- ~ -~ rtm=ml n i5l !!il ~ ~- ;~Cb' ~ 1;
X2 ~
X3 .., X5 XII - ~ X1 .. 1<B X9
Mujer Secundaria --ca.acto Manane 2.00· 17,00 34,50 6.00j '2- Mujor Superior ~Softero Noche 3,100~ 20,00 40,00 ·6.00•
~ Mujer Pñmatf• Divorciado Noche .30; 10.00 31,60 G.~oo~
" .!own Mujer Pñ,_,. .IY'~~ T-e 3,30 9.00_ 35,40 6_.:00: 5 Adulto Mu,&r secundaria ·Viu<lo Noche üo:-- 23,00 -3o:oo 6,00,
6 Adulto Mujer ·superior- Noch6 . •o: .. - +-V rudo 13.00 32,90 G,OO
7 .!OYen Mujer Primaria Ca'SadO Maftan• 1,.50 12,00 33.20 6,00
8 t Adolescente MujM Secundaria '<:.asada Maft.na 4,50._ 19,00 33,10 •· 6-Óor-
9 Adulto Vl!l'6n Su~- ~ONon::iado Noche 2,50 18,00 35,60 · 6:oo; -.
10 J"""n V...-6n Primaria Casado Tarde ,30 24,00 33,00 .~:'00~ 11 Adulto Varón Superior . Sott..-o NDCh<o 1,00 7,00
. - :.O .so .. 6,00
_1_?- Adulto Mujer Secundaria 'Cesado Noche 6,00 10,00 33.20 6.00'
13 Adulto Muje< su- VkKio Noche 15.60,._ 5,00 31,50 6001
14 ¡Adulto V ..-.In SuperiO< ·"v.tUdo _Noche 6,00 14,00 "
36.20 ,-:oo~ 1_5 .!<Mm ~~ No tiene "'Sott-efo T-e 1.20 15,00 3S.80 1,00
16 Adulto Mujer No tiene ea..- Noche ;20 12.00 35,40 2.oor 17 ·Adulto Mujer 'No tiene ·• Diworeiado Noche 6;00: 14,00 33.20 2.00!--
18 ·- -.
35:90 2.0Ór 'Adulto Mujer Pñ...- Casado Noche s.so 6,00
' 19 Adufto Mujer Superior Viudo Noche 6,50 9.00 36.50 3.00 2_o_ -- Adulto Mujer No tiene Voudo Noche .20' 13,00 38.20 300'
21 ~Adulto S.CUndari8 . 34.so· 3:oo1--Mu,;.r
' Soltero N ocho 2,30 6,00
22 Adulto Mujer Primaria C.s.to Noche .20 7.00 36,20 3,00~ 23 .~.,.,
~jttr No tisn. ·'sa·ttMO Tanle 2,30~ 10,00 is.so~ 3.~:
Tabla de frecuencias:
Camino a seguir: Analiza, Estadísticos descriptivos, Frecuencias, añadir las nueve variables, Aceptar, se debe tener como la siguiente pantalla:
~"v~art;-a~bl,...e;;.;s:..: ____ .....,·""' {itadisticos,¡;..J ~Edad[X1J - - - .. ~ Sexo (X2J ( . ,9-rá!lfOS¡;e J ~ Grado lns1rucdó.. Worrrato .•... J ., Estado CMl (X4J ~ Tumo lX5l L Bootstrap.5. J di Venta de articulo .. . di Venta de verdura .. . di Venta de abarrot. .. r v
~ Mostrar tablas ge freruendas
L~~) c~!Oat J [Restableced Lcan.gtar J L te ~cta.J
Se tiene los siguientes resultados:
Pág. 51
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
itA\ Frecu~ndas
CAPÍTULO 11
Archivo de datos en SPSS
Variables: [ J F~~E~d..;;.;a;:..;..d_IX_1J-· -~...,..._,...,. .§s!:!,~~~~s;p ..
~Sexo (X21 L. ~;!~e<;~-; . ) ~ Grado 11nstrucció... [ F rma1 ] ~Estado CMI (X4J,.. '....g_,.,.C?.-;;...,
r;;J · /;.:, TumofX51 ( .. .,B~o,~lf~P.:;· .. ) LIJ .... . d.ll Venta de artícu1o ...
dJ Venta de verdura ..• di Venta de abarrot. ..
1 r:rJ Venta de bebida ... 1 ..,..
~ Mostrar tablas ~e frecuencias
[ ..... ~P_t~. ] C.. .... ,P~o.ar '% J (R!~~!r~~r] l..c,~;!!7!!2~. J L, .. ~'1'!.9~ .,.J
Tabla de frecuencias
Edad
Porcentaje Porcentaje Frecuencia Porcentaje válido acumulado
Válidos Adolescente 3 10,0 10,0 10,0
Joven 5 16,7 16,7 26,7
Adulto 22 73,3 73,3 100,0
Total 30 100,0 100,0
Sexo
Porcentaje Porcentaje Frecuencia Porcentaje válido acumulado
Válidos Mujer 26 86,7 86,7 86,7
Varón 4 13,3 13,3 100,0
Total 30 100,0 100,0
Pág. 52
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
Válidos No tiene
Primaria
Secundaria
Superior
Total
Válidos Soltero
Casado
Divorciado
Viudo
Total
CAPÍTULO 11
Archivo de datos en SPSS
Grado Instrucción
Porcentaje Frecuencia Porcentaje válido
5 16,7 16,7 .
11 36,7 36,7
7 23,3 23,3
7 23,3 23,3
30 100,0 100,0
Estado Civil
Porcentaje Frecuencia Porcentaje válido
5 16,7 16,7
12 40,0 40,0
4 13,3 13,3
9 30,0 30,0
30 100,0 100,0
Turno
Porcentaje
Porcentaje acumulado
16,7
53,3
76,7
100,0
Porcentaje acumulado
16,7
56,7
70,0
100,0
Porcentaje Frecuencia Porcentaje válido acumulado
Válidos Mañana 4 13,3 13,3 13,3
Tarde 4 13,3 13,3 26,7
Noche 22 73,3 73,3 100,0
Total 30 100,0 100,0
Pág. 53
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Válidos ,20
,30
,40
,50
1,00
1,20
1,30
1,50
2,00
2,30
2,50
3,00
3,30
4,50
5,00
5,50
5,60
6,00
6,50
Total
CAPÍTULO 11
Archivo de datos en SPSS
Venta de artículos de aseo
Porcentaje Frecuencia Porcentaje válido
4 13,3 13,3
3 10,0 10,0
1 3,3 3,3
1 3,3 3,3
1 3,3 3,3
1 3,3 3,3
1 3,3 3,3
2 6,7 6,7
1 3,3 3,3
2 6,7 6,7
1 3,3 3,3
1 3,3 3,3
1 3,3 3,3
2 6,7 6,7
1 3,3 3,3
2 6,7 6,7
1 3,3 3,3
3 10,0 10,0
1 3,3 3,3
30 100,0 100,0
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Porcentaje acumulado
13,3
23,3
26,7
30,0
33,3
36,7
40,0
46,7
50,0
56,7
60,0
63,3
66,7
73,3
76,7
83,3
86,7
96,7
100,0
Pág. 54
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Válidos 4,00
5,00
6,00
7,00
9,00
10,00
12,00
13,00
14,00
15,00
17,00
18,00
19,00
20,00
23,00
24,00
Total
CAPÍTULO 11
Archivo de datos en SPSS
Venta de verduras
Porcentaje Frecuencia Porcentaje válido
1 3,3 3,3
1 3,3 3,3
2 6,7 6,7
4 13,3 13,3
2 6,7 6,7
4 13,3 13,3
2 6,7 6,7
3 10,0 10,0
2 6,7 6,7
1 3,3 3,3
1 3,3 3,3
2 6,7 6,7
1 3,3 3,3
1 3,3 3,3
1 3,3 3,3
2 6,7 6,7
30 100,0 100,0
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Porcentaje acumulado
3,3
6,7
13,3
26,7
33,3
46,7
53,3
63,3
70,0
73,3
76,7
83,3
86,7
90,0
93,3
100,0
Pág. SS
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Válidos 30,00
30,10
31,50
31,60
32,90
33,00
33,10
33,20
33,90
34,50
34,90
35,40
35,60
35,90
36,00
36,20
36,50
36,80
CAPÍTULO 11
Archivo de datos en SPSS
VENTA DE ABARROTES
Porcentaje Frecuencia Porcentaje válido
1 3,3 3,3
1 3,3 3,3
2 6,7 6,7
1 3,3 3,3
1 3,3 3,3
1 3,3 3,3
1 3,3 3,3
3 10,0 10,0
1 3,3 3,3
3 10,0 10,0
1 3,3 3,3
3 10,0 10,0
1 3,3 3,3
1 3,3 3,3
1 3,3 3,3
3 10,0 10,0
1 3,3 3,3
2 6,7 6,7
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Porcentaje acumulado
3,3
6,7
13,3
16,7
20,0
23,3
26,7
36,7
40,0
50,0
53,3
63,3
66,7
70,0
73,3
83,3
86,7
93,3
Pág. 56
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
38,20 1 3,3 3,3 96,7
40,00 1 3,3 3,3 100,0
Total 30 100,0 100,0
Venta de bebidas
Porcentaje Porcentaje Frecuencia Porcentaje válido acumulado
Válidos 1,00 2 6,7 6,7 6,7
2,00 3 10,0 10,0 16,7
3,00 9 30,0 30,0 46,7
4,00 3 10,0 10,0 56,7
6,00 13 43,3 43,3 100,0
Total 30 100,0 100,0
Histograma
Análisis, Estadísticos descriptivos, Frecuencias, Añadir variables: Por ejemplo: La variable Edad, y la variable Estado Civil, Gráficos,
~ Grado :InstruCCión ( __ _ ~ Estado Civil (X4] ~Tumo(X5]
· di Venta de artículos d __ · dJ Venta de verduras 1---
dJ Venta de abarrotes __ _
[r:d Venta de bebidas V1J
~ \Mostrar tablas ;!!e trecuendas
L ..... ~ptar . 1 e ... P;,gtuw .J c--R-~-sta-bl-ece----r,] (t. Cancela~;) .l L j.~da . ]
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág. 57
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
f¡j Frecuencias: Gráficos
rTipo de {lráfico
@Ninguna
© Gráficos de ~arras
@ Gráficos de se Ciares
1 @ !:iístogramas:
!
1 1
rValores del gráfico-~----~~-,
l @' [''21.','~:::: :';:.•: O ?c_;,,:,~'G;:~.;.
Clic en Continuar, Aceptar, se tiene la siguiente salida:
2S
" ü1 e • :1 u ! 11.
Edad
;, 1,0 1,5 2,0 2[>
Edad
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
" ü e • :1 u !! a.
fJ ~
Sexo
Sexo
1,0 1,5
Pág. 58
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 11
Archivo de datos en SPSS
REFERENCIALES
1. DANIEL W. WAYNE, Bioestadística Base para el análisis deJas ciencias de la salud, México, Edit. Limusa S.A., Cuarta Edición, 2002.
2. FERRER PEÑARANDA LUCIO, Texto de Informática Aplicada en Salud, Facultad de Ciencias de la Salud, Universidad Nacional del Callao, Ref. Resolución Rectoral N ° 017-00-R, 2,009.
3. HERNÁNDEZ, R - FERNANDEZ, C - BAPTISTA, P Metodología de la Investigación, México: Edit. Me Graw-Hill lnteramaricana, Cuarta Edición, 2006.
4. QUEZADA NEL LUCIO, Metodología de la Investigación - Estadística aplicada en la Investigación, Edit. Empresa Editora Macro, 2010.
5. QUEZADA NEL LUCIO, Estadística con SPSS 20, Edit. Empresa Editora Macro, 2012.
Pág. 59
·Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
CAPÍTULO 111
Estadística descriptiva
OBJETIVOS
• El objetivo del presente capítulo, es proporcionar al lector la información
sobre la estadística descriptiva en SPSS.
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPITULO 111
Estadística descriptiva
3. Estadística descriptiva
3.1. Examen de estadísticos para variables individuales (medidas de tendencia Central y de posición
3.1.1. Nivel de medición
Existen diferentes medidas de resumen adecuadas a diferentes tipos de datos dependiendo del nivel de medición:
Categóricas. Datos con un número limitado de valores o categorías distintas (por ejemplo, género o estado civil). También se hace referencia a estos datos como datos cualitativos. Las variables categóricas pueden ser variables de cadena (alfanuméricas) o variables numéricas que utilizan códigos numéricos para representar a las categorías (por ejemplo, O = Soltero/a y 1 =Casado/a). Hay dos tipos básicos de datos categóricos: Nominal. Datos categóricos en los que las categorías no tienen un orden inherente. Por ejemplo, una categoría laboral de ventas no es mayor o menor que una categoría laboral de marketing o investigación. Ordinal. Datos categóricos en los que las categorías tienen un orden significativo, pero sin una distancia medible entre las categorías. Por ejemplo, hay un orden para los valores alto, medio y bajo pero no se puede calcular la "distancia" entre los valores. Escalas. Datos medidos en una escala de intervalo o de razón en los que los valores de los datos indican el orden de los valores y la distancia entre ellos. Por ejemplo, un salario de SI. 6500.00 es superior a un salario de S/. 4500.00 y la distancia entre ambos salarios es 2000.00. También se considera a estos datos como datos cuantitativos o continuos.
3.1.2. Medidas de resumen para datos categóricos
Para los datos categóricos, la medida de resumen más habitual es el número o el porcentaje de casos de cada categoría. La moda es la categoría que contiene el mayor número de casos. Para los datos ordinales, la mediana (el valor por debajo y por encima del cual se encuentran la mitad de los casos) también puede ser una medida de resumen útil si hay un gran número de categorías.
Pág.60
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 111
Estadistica descriptiva
El procedimiento Frecuencias genera tablas de frecuencias que muestran el número y el porcentaje de los casos de cada valor observado de una variable. La opción Frecuencias, nos permite calcular algunos estadísticos básicos de tendencia central, de posición y de dispersión de una variable numérica, para lo cual realizar los siguientes pasos:
1. Abra el archivo Terapia.sav, ubicado en su medio de almacenamiento. También puede reproducirlo igual como en el siguiente cuadro:
Terapia.sav '[Conjunto_de_datosl]-IBM SPSS Statislics Editor de datos : Ardllvo E.didón ~er Qalos !ransfomlar tnatlzar !;!afketlng Cliretlo Qráftc.os Ulifillades Ventana ~113
1_ ~- Estrés L---1-.....J o
.. -i --~ ~- , ___ 0 ___ -;--·
3 . o . -~4-~-·-··t ·O · · '· -s~·' · .. , .... · ·-o-·
"'::.. ~---·--"t.--~ --·----6 ' o
-;~ ~-! '~~ .. ~.f _,._.,.. 1 - -- -. s · ·o · · .. - ;
.. - -- :.;- ... ~
9 1 ~~:.·__;_·--~ :;._~_.:_, ..... p... j.O_,__~.
11 '
2. Elija en los menús:
Secuencia: Analizar > Estadísticos descriptivos > Frecuencias ... Se tiene el siguiente aspecto:
Pág.Gl
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO 111
Estadistica descriptiva
.ti<l~~ ~¡ ·--·- --~-··
or.2 ' Olol - !
• 1 5
1 -6
7 1 1 l !
1 lO ,, .'l r '1l
:·¡-~1 ,, ,, J
17 1 11
~ --1fj--
.•. ~1 -Z2 2?
+
-
R_ ... _ a-.. .. -....,.. .... -.......... ~ ti;_ .... _ """""' .. _ !iCUf!ICOIL
•.o ~7
6.l S.4 1,9
6,0
4,8
S. O 1,0
8,1
•.s 6,1
--------- ~~
u •. 3 16
u .. , 8.S 7.3 8,5
5.0 u
,.....,_ 18110
1<,50 2&,10
11.40
tJ,lO
2'.00 20,10
2ll0 13,50
IMO
'
3. Seleccione las variables Estrés [Estrés], Ansiedad [Ansiedad] y Fobia [Fobia] de la siguiente hoja electrónica y muévalas hasta la lista Variables; haga Clic en la opción Mostrar tabla de frecuencias.
4. Debe aparecer como en la siguiente figura:
Frecuencias -'l .--:-------.
.foia'1 ;oía2 ,Dia3 .rl Sexo [Sexo] d:l Edad [Edad] , Trabajo
~ Mostrar tablas de frewencias
Variables: [ J F-:=--------.. E_!tadisticos ... rd Estrés [Estrés] di Ansiedad [Ansiedad) ( GráfifQS... )
r.:C_ Fobia [Fobia} ! rr::F at J -ª" . ~m o .. -
( ~otstrap_. J
( Aceptar ] ( eegar ) (Restablecer) ( Cancelar ) [ Ayuda
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.62
. ~ -
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO 111
Estadistica descriptiva
5. Haga Clic en el botón Aceptar para iniciar los cálculos
Tabla de frecuencia Estrés
Frecuencia Porcentaje Porcentaje Porcentaje
válido acumulado
No ha recibido terapia 7 70,0 70,0 70,0
Válidos Ha recibido terapia 3 30,0 30,0 100,0
Total 10 100,0 100 o
Ansiedad
Frecuencia Porcentaje Porcentaje Porcentaje
válido acumulado
No ha recibido terapia 7 70,0 70,0 70,0
Válidos Ha recibido terapia 3 30,0 30,0 100,0
Total 10 100 o 100,0
Fobia -.
Frecuencia Porcentaje Porcentaje Porcentaje
válido acumulado
No ha recibido terapia 8 80,0 80,0 80,0
Válidos Ha recibido terapia 2 20,0 20,0 100,0
Total 10 100,0 100,0
Las tablas de frecuencias aparecen en la ventana Visor. Las tablas de frecuencias revelan que sólo el 30% de las personas han recibido terapia sobre el Estrés y Ansiedad, y que solamente el 20% de pacientes han recibido terapia sobre la Fobia. Aunque estos datos tal vez no constituyan grandes revelaciones.
Pág.63
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO
1':11 ... e Gl ::r u Gl .. IL
FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 111
Estadistica descriptiva
3.1.3. Gráfico para datos categóricos
Gráficos para datos categóricos pude visualizar gráficamente la información en una tabla de frecuencias, con un gráfico de barras o con un gráfico circular.
Pasos:
1. Elija la opción Analizar del Menú principal, elija Estadísticos descriptivos, luego elija la opción Frecuencias
2. Las tres variables: Estrés, Ansiedad y Fobia deben estar seleccionadas.
3. Pulse en la opción Gráficos
4. Seleccione la opción Histograma, haga Clic en Mostrar curva normal en el histograma
5. Pulse en el botón Continuar.
6. Pulse en Aceptar, para ejecutar el procedimiento.
7. Como resultado se muestra los siguientes histogramas:
10
8
4
2
-.S .S
Estrés
Estrés
1,0 1,5
Media= ,3 Desviación tfplca • ,483 N•10
Pág. 64
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 111
Estadistica descriptiva
10
-,S
-,5
Ansiedad
:S
Ansiedad
:S
Fobia
Fobia
1,0
1,0
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
1,5
1/5
Media a ,3 De5víación típica .. ,463
. N=10
Pág.GS
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO 111
Estadistica descriptiva
Se observa en los tres gráficos anteriores, que las variables Estrés,
Ansiedad y Fobia se aproximan a la distribución normal.
3.1.4. Medidas de resumen para variables de escala Hay muchas medidas de resumen disponibles para variables de escala, incluyendo:
a) Medidas de tendencia central. Las medidas de tendencia central más comunes son la media (media aritmética) y la mediana (valor por debajo y por encima del cual se encuentran la mitad de los casos).
b) Medidas de dispersión. Los estadísticos que miden la dispersión o variación en los datos incluyen la desviación estándar, mínimo y máximo.
Pasos:
1. Vuelva a abrir el cuadro de diálogo Frecuencias.
2. Pulse en Restablecer para borrar los ajustes anteriores.
3. Seleccione las tres variables: Estrés, Ansiedad y Fobia y muévala hasta la lista Variables.
lfi frecuencias ... Variables:
( E~tadisticos ... J l~oía1· ~
-,.,. . ,. -
'11 ~ Estrés [Estré.s} { 1 #> Ofa2 di Ans'iedad (Ansiedad} Grá1ifOS ...
~Día3 ¿:g Fobia [Fobia] ( Formato .•. ) . cliJ Sexo (Sexo} a ' ( ) . d:Q Edad [Edad] Boo1strap ...
#>Trabajo
- l ~ Mostrar tablas ~e frecuencias
( Aceptar )( fegar ) {'Restablecer) { Cancelar )[ Ayuda J
4. Pulse en Estadísticos.
Pág.66
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO 111
Estadistica descriptiva
5. Seleccione Media, Mediana, Moda, Suma, Desviación típica, Mínimo y Máximo.
Frecuencias; Estadfsticos
rValores percen1iles·- ---------oc··-·- Tendencia centrat---·-----·-
0 cuartiles ~ Media
; O P:!,!ntos de corte para: ~ .• grupos iguales ~ Mediana
~ O ~ercentiles: ~ MQda
~Suma
L~-------' O !:os valores son puntos medios de grupos
: ~s::~~~dón-~:~= ·~ -~~-;~~~~ --------] ~0-is:~:::~ -----· -··-] l O Vañanza [;ll lMáximq O Curtosis , - '-···-m ......... .. ' O Ra!!QO D É:- T. media
---·-·--·---------··- -- ·--[Continuar] ( Cancelar } ( Ayuda J
6. Pulse en Continuar.
7. Pulse Aceptar. La salida es la siguiente:
Estadísticos
Estrés Ansiedad Fobia
Válidos 10 10 10 N
Perdidos o o o
Media ,30 ,30 ,20
Mediana ,00 ,00 ,00
Moda o o o
Desv. típ. ,483 ,483 ,422
Mínimo o o o
Máximo 1 1 1
Suma 3 3 2
Pág.67
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 111
Estadistica descriptiva
En este ejemplo, hay una importante diferencia entre la media y la mediana. La media es O. 30 mayor que la mediana, lo que indica que los valores no se distribuyen normalmente. Puede comprobar visualmente la distribución con un histograma.
La gran mayoría de casos se agrupan en la parte inferior de la escala, estando incluidos la mayoría de ellos por debajo de 100.000. Sin embargo, hay algunos casos en el rango 500.000 y más allá (demasiado escasos para que sean visibles sin modificar el histograma). Estos valores altos para sólo unos pocos casos tienen un efecto importante sobre la media y muy escaso o casi nulo sobre la mediana, lo que hace que la mediana sea un indicador más exacto de la tendencia central en este ejemplo.
3.1.5. Creación y edición de gráficos
Puede crear y editar una gran variedad de tipos de gráficos. Ahora crearemos y editaremos gráficos de barras.
Procedimiento básico de creación de gráficos
Para mostrar el procedimiento básico de creación de gráficos, crearemos un gráfico de barras para las variables Sexo y Edad. En este ejemplo se utiliza el archivo de datos Coeficiente_de_inteligencia.sav.
Pasos:
1. Elija en los menús:
Gráficos > Generador de gráficos ...
Por Jo que se tiene el siguiente generador de gráficos:
Pág.68
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 111
Estadistica descriptiva
Generador de gráficos
Vañables: La presentación preliminar del gráfico utiliza datos de ejemplo
··~EDAD -~-01-----~- <
ib Sexo (SEXO] ~ EstadoCMI (ESTAD ...
Sin categorías {variable de escala)
~-~.::.:O.:'..':'.::.~~.-: .. "':':r..::.":'.':.~--.. ':'.~ .. -:-.:::.::.-:-.~~::.':'-~.':'.~.::.":" .. ~~~.~f"-~.1:
:1 ¿Eje X? ~ ~..:.:.::.-::!:.·=~.:."!!."!. .. ..!.:::!.'.2:.:::.:'!!·.:. ... : .. .:.~'!!=::.".::-.=.::..-.::::".!""..:·:-... oo:=-==-.:.-..:e
~-"'"\r- ~··-· -- ~-~.·---..-- -~ - ~-- - -- - --- - ,,-- --- ~ ~ .. ' 1 ' '
Galería 1 Bementos básicos ' GruposJID de puntos Tíluloslnotas al pie · "- - -~-----. -- ___ ... _ ~- ------- -------""- ·------
Elija entre:
~~:·· --- [ti]·;;;; ===iliJitil Sectores/Polar ~~ ~ Oispersión!Pu... ~ ~ ~ Histograma • <1> <1> ·
Máximos-mini... Diagramas de ...
¡Ejes dobles
Propiedades Q.el elemento ...
Qpdones ...
( - . , ] :.· :· l' (Restablecer J { Cancelar ) { Ayuda
El cuadro de diálogo Generador de gráficos es una ventana interactiva que le permite ver una vista previa del aspecto que tendrá un gráfico al generarlo.
Pág.69
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO 111
Estadística descriptiva
2. Pulse en la pestaña Galería si no está seleccionada. La galería incluye un gran número de gráficos predefinidos, organizados por tipo de gráfico. La pestaña Elementos básicos también ofrece los elementos básicos {como ejes y elementos gráficos) necesarios para crear gráficos a partir de cero, pero es más fácil utilizar la galería.
3. Pulse en la pestaña Barra si no está seleccionada. Los iconos que representan los gráficos de barras que hay disponibles en la galería aparecen en el cuadro de diálogo. Las imágenes deberían proporcionar suficiente información para identificar el tipo de gráfico concreto.
4. Arrastre el icono correspondiente al gráfico de barras simple al "lienzo", que es la zona grande que hay encima de la galería. El generador de gráficos muestra una vista previa del gráfico en el lienzo. Observe que los datos utilizados para dibujar el gráfico no son los datos reales. Son datos de ejemplo.
Aunque hay un gráfico en el lienzo, no está completo ya que no hay ninguna variable ni tampoco ningún estadístico que controle la altura de las barras ni se ha especificado la variable que corresponde a cada barra. No se puede tener un gráfico sin variables ni estadísticos. Puede añadir variables arrastrándolas desde la lista de variables, situada a la izquierda del lienzo.
El nivel de medición de una variable es importante en el generador de gráficos. Vamos a utilizar la variable Sexo en el eje X. Sin embargo, el icono {que tiene el aspecto de tres bolitas) que hay junto a la variable indica que el nivel de medición se ha definido como nominal. Para crear el gráfico correcto, deberá utilizar un nivel de medición categórico Ordinal). En vez de retroceder y cambiar el nivel de medición en la Vista de variables, puede cambiar temporalmente el nivel de medición en el generador de gráficos.
5. Pulse con el botón derecho del ratón en Sexo en la lista de variables y elija Ordinal. El nivel de medición Ordinal es adecuado. Observe que el icono cambiará al modificar el nivel de medición.
Pág. 70
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO 111
Estadistica descriptiva
Generador de gráficos
Variables: La presentación preliminar del gráfico utiliza datos de ejemplo -,EDAD
'a ¡ ..--...---1 ~-= Sexo {SEXO} p----""-t
¡e © Mostrar nombres ge variable
@ Mostrar etiquetas de variab!e . - " : ... -' --· ·'
© Orden2r alfabéticamente
@ Ordenar por orden de archivo DO! @Ordenar por nivel de medida . . j
' 1
1nformación sobre la ~riable ... ; : ~ L = - ..---, . -- ··~- - '!··e-
@~omina! ,_ -'
• -~-·M······-----------------· ' ~-~- ~ .. -~- .-- ~- --·-·· - - ··- ---- - -~~ - --- ·-··- ¿Eje X? . . • ©Qrdinal ' .
-----~-------·····-····--·-~ ¡ -
@E~~Ia ,-- ·--- ·- -- -·--.... ... . . .. ·-· - .. E Copiar Ctr1+C ~S , Tftu1ostno1as al pie 1 Propiedades g_et j L- - --- ·-- -. . . ..,.;..--- ~
{ . . . . ] (Restablecer J { Cancelar } { Ayuda
6. Ahora arrastre la variable Edad de la lista de variables a la zona de colocación del eje X. La zona de colocación del eje y de forma predeterminada tiene el estadístico Recuento. Si desea utilizar otro estadístico (como el porcentaje o la media), puede cambiarlo fácilmente.
Pág. 71
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO 111
Estadistica descriptiva
No utilizará ninguno de estos estadísticos en este ejemplo, pero examinaremos el proceso necesario por si necesita cambiar este estadístico en otro momento.
Generador de gráficos
Variables: La presentación preliminar del gráfico utiNza datos de ejemplo
'#EDAD l ~ ~ -~-~--- -~-,Cl dJ Sexo [SEXO}
1 1
-'
~ EstadoCiVil (ESTAD .•.
Sin categJrías (vanat:Je de escala)
,o--·-~ - • - , ~ 1
Il __ . __j l~ ___ ,_ Mascillino Feménino
~- .. --------- ....................................................... ----1
ldJ Sexo l '---·-... ------------------··-........ .,
r----.r··· -·- -~-~-- -------~ ---.-- .. ·- --- ~- - -- --------- --- --"" Galena;: Elementos básicos :! GruposllD de punto.s .: Tituloslnotas al pie •
:.,_ -----~~~----------- ~ .. - - -~------- - _, _-l -- ___ : _________ _j
Elija entre:
Favoritos Barras Lineas Áreas Sectores/Polar
.Propiedades 4e1 elemento ...
Qpciones ...
[ Aceptar ) { fegar ) ( fiestablecer J ( Cancelar ) { Ayuda )
Pág. 72
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO 111
Estadistica descriptiva
7. Pulse en Propiedades del elemento para acceder a la ventana Propiedades del elemento.
La ventana Propiedades del elemento permite cambiar las propiedades de los diferentes elementos del gráfico. Entre éstos se incluyen los elementos gráficos (como las barras del gráfico de barras) y los ejes del gráfico. Seleccione uno de los elementos de la lista Editar propiedades de para cambiar las propiedades asociadas a dicho elemento. Observe también la X roja que aparece en la parte derecha de la lista. Este botón permite eliminar un elemento gráfico del lienzo. Al estar seleccionado Barra1, las propiedades que aparecen se aplican a los elementos gráficos, concretamente al elemento gráfico de barra. La lista desplegable Estadísticos muestra los estadísticos concretos que están disponibles. Normalmente, para todos los tipos de gráficos están disponibles los mismos estadísticos.
Propiedades del elemento
Editar pmpiedades de:
1~e~a~rra~s~1~------------------------~l(~) X eje1 (Barras1) Y eje1 (Barras1)
·Estadísticos·~------·-·"·~·-------··--·-
variable . .,¡,? EOAO
Estadfstico: ~~dia~~~=================--.====~-:J~·
D ·Mostrartas barras ·d~ error
Las barras efe error representan------------, S!ltro~c r.·.;:~o~ c!t• ¡;_<. ,~,.:.;~:-~
tJc ·~1 ~ .. ' '1'5
O Ermr t' fl ;ce :. ·;,¿;:' p;,CZ'll.fC ::!
O Q<:;Y .. .l~¿nté~·;¡j
Estilo de la barra: 1111 :Barras - 1 -J
( · . } [ Cerrar ) { Ayuda
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág. 73
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 111
Estadistica descriptiva
8. Vuelva al cuadro de diálogo Generador de gráficos y arrastre la variable Edad de la lista de variables a la zona de colocación del eje Y. Al ser la variable del eje Y escalar y la variable del eje X (ordinal es un tipo de nivel de medición categórico), en la zona de colocación del eje Y aparece deforma predeterminada el estadístico Media. Estas son las variables y los estadísticos que desea, por lo que no es necesario cambiar las propiedades de los elementos.
También puede añadir títulos y notas al pie al gráfico.
9. Pulse en la pestaña Títulos/notas al pie.
1 o. Seleccione Título 1.
El título aparecerá en el lienzo con la etiqueta T1
11. En la ventana Propiedades del elemento, seleccione Título 1 en la lista Editar propiedades de.
12. En el cuadro de texto Contenido, escriba Por sexo. Éste es el texto que mostrará el título.
13. Pulse en Aplicar para guardar el texto. Aunque el texto no se verá en el generador de gráficos, aparecerá al generar el gráfico.
14. Pulse en Aceptar para crear el gráfico de barras.
El gráfico de barras muestra que los encuestados que están más satisfechos con su trabajo suelen tener ingresos más altos.
La ruta se muestra en las siguientes dos líneas:
[Conjunto_de_datos1] 0:\Lucio\_Lucio\_ 4 Lucio12.1nv\Texto Completo\Archivos SPSS para demo\Coeficiente_de_lnteligencia.sav
La salida es el siguiente gráfico:
Pág. 74
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
e 4: e w fU
40-1
30-
CAPITULO 111
Estadistica descñptiva
l 20-:t
10•
0~----~--------r-,------~----~~-------~~------~~--~ Masculino Femenino
Sexo
3.1.6. Cálculo de nuevas variables
Es posible calcular nuevas variables basadas en ecuaciones muy complejas utilizando una amplia variedad de funciones matemáticas. En este ejemplo, sin embargo, sólo calcularemos una nueva variable que sea la diferencia entre los valores de dos variables existentes.
El archivo de datos Medidas de terapia.sav contiene las variables Día1, Día2 y Día3 la variable Trabajo debe contener la suma de estas tres variables.
Pág. 75
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 111
Estadistica descriptiva
1Ji¡1 Oia2 n!a3 Sexo 1 5,7 5,3 6,6 ~ 2 i 4,8 5,4 4,3 Honm
Mlltstertes ~lo ha reodo ~mpa Ha l!!dlido 1•ra¡.a IC ha reollido tm¡ia c:J Mitos No ha reciclo teta¡ia No ha redido teta¡la Ho ha recillido tera¡ia
( -• 7,6 1!>
- - .. 8,6 -~ -·-~--_..,.. - . -~--S • Ho ha reciclo tet~ Ho ha 1~ ~~~ _Ho ~ 1~ terap_a __ 5,7 6,0 6,7 Hornlra Adolmedes No ha OOdo tl!la¡ia No ha rectido tera¡U Ha retido lefa~Í3
" . 3,8 ~.6 4,9 Hombre Ad'Jitos No ha reei:l~ teta¡:ia Ho ha reei!Ji!o 1ern¡:ia Ho ha re~~o terapia
- -7,5 8,0 8,5 lfotr.!n JMJI!s No hmci® lqi¡l Ha l!!dlido teta¡la No ha OOiiiOO t!lllji¡
64 7,0 7.3 Hon-.m Adalestel'lles Ha ®ti® tera¡ia Ha l!!d:ido t~ IC ha retibilki tm¡ia
7,7 8.1 8,5 Mup.r ~s No ha reeido tenp¡ tlo huectido terapia No ha r.allodo tmpa 4,0 4.5 5.6 ~~ AüDs Ha rec.11do tera¡ia !-lo ha retibido tera¡ia He ha P.toliido tera¡ia
~~ !
5,7 6.1 6.6 llomln ' -· Í¡-- ¡ ~s Ha ret1bido tm¡ia llo ha redido ter¡pía .Ha r~ tm¡ia
Pasos:
1. Seleccione en los menús de la ventana Editor de datos: Transformar > Calcular variable ...
·r~ -- - --- ' _J
\'aklr!sdec::ambío .• !Xa1
~-..J-.---1 ~R!coiP::r!fll~ !lis'll3s'ó3ia!Rs_ 5,7 1:1 4.8 ~ Beti!OXaren&tr.asvaliables..
- ·:: · ·- ~Rero:l&ad:i.Htm,m_ 1,6 e -5,7 tl ,lg'.r,W lisuaL
~~:lSé~-
!!!: AsiQnar r&IICéH casos. - .
6,4
7) B ~~pararea.ar~m. ! 4.0 -57 ... -- (;]<P..aseñe!e!!JQaL
1'---=~i-- • (! Reem¡U¡.lr~s ~-
t ~!s ooncs aleatllíos_
(jr_-.. ·~ . . • u .
2. Para la Variable de destino introduzca la variable Trabajo.
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág. 76
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO 111
Estadistica descriptiva
3. Seleccione Día 1 en la lista de variables de origen y pulse el botón de flecha para copiarla en la Expresión numérica (Suma).
4. Pulse en el botón del símbolo más(+) de la calculadora en el cuadro de diálogo (o la tecla más del teclado).
5. Seleccione Día2 y pulse el botón de flecha para copiarla en la expresión.
6. Pulse en el botón del símbolo más(+) de la calculadora en el cuadro de diálogo (o la tecla más del teclado).
7. Seleccione la variable Día3 y pulse el botón de flecha para copiarla en la expresión.
tj Calcular variable -Variable de de!J!jno: Expresión numérica:
jtrabajo 1 = r., ...... o;.~ 1
(Tipo y etiqueta_.)
-' Dfa1 ., ;oia2
·Grupo de funciones: ::# Dfa3 • ·di sexo ¡seio¡---- ![]000001 Todo ... d Edad (Edad} Añ!méticas
d:l E.Siré s (Estrés¡ jDGBGJGJGJ FDAy FDAno centrada f.:-1
d Ansiedad {Ansiedad} Conversión
¿j Fobia [fobia] .ouEJGJ0GJ fecha/llora actual Cála.r!o de techas
IQGJGJ( JO IP<~"'-' ....
o ~ ~ 1
] tc:JOGl ~
,funciones yvañables especiales: Eliminar ,,.
1
! {S! la opdón .•. J<condldón de seÍecdón de casos opCional) · r- ~ L---~--------·---·-···~--·-.. -------·------·------~-.. -
( ~ptar H Pegar )1 !!establecer){ caooe1ar ){ Ayuda )
8. Pulse en Aceptar para calcular la nueva variable.
Pág. 77
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 111
Estadística descriptiva
;~~t@ ~ lt',. ~t•:IIJ aG fi¡¡) l~fi ~($' ~. ~~·-·: ...... ="=~~·--· ....... '<'"''"'" ., ........................... ............. &- ·--~----· ~~------¡1: lr:abaiO taso
Dial Día2 1 __ Oia3 ~ Sexo : Edad &!~. , Amiedad ,< Folia '~..!!.. ¡__1 --J_i-':5:::'.7'---'-6,3 6.8 Mujer .Adolescenles IJoharecidoter;poa Har:cbidol~pia tlohar<cibidoterapa L~ .. ~
2 ¡ U 5,4 &:J - .- lloharecidoterapi<l Noha.-teral"' tlo_ha~te<apia 14,5!!. __ ..... 3 ·· y· 7,6 7.9 8,6 :Mujer Jó•enes tloharecidoterapa Noh~<!Cilidotm¡>a tloharecibidoterapia ?4.10.,_
··4~-~ 5,7 6,0 5} ~ Adolescer.tes tlot.arecidote~ l!ohareciliidoterap2 Harecid<tempa 1~.~0
-.~ .. -..... :.6f .. -.- -~-· _
73,5,8 _ •· 4
8 •. 60
4,9 -· . •...wros - llo~artcirlot!!a~a Nchmcibidoterapia 'tloharecibiónÍerapia. tJJO -.. . 8,5 Hornlle · • .lóYer.M Nc ha recido tere~a Ha recbido terapia tlo ha f!Cfllodo tm¡ia ~ 24,00
7 ! 6.4 · 7,0 7,3 Homb-e .• Adtllescenles Hamcibi<lot..ap. ~recbi<lc!Oillpia .• Ho.ha~do!ool¡lia 20.1( ... -·L·.r-... 7.7 .. ~ -~ .. s.i _: __ s.s MtJier ,.!óo<:<• _ Noharecidoter"P"! tloba.-terapi~}tohare~~, 24.30 S . ~ 4,0 45 ., 5.0 :í,i,j., Adultos Har•cibidoterapa Hohare<:illidotera¡>a Hohare::il>d:lterapia IHO
10 f 5.7 6,1 ¡ .... u Homb-e- 'J.¡,.., ·Hareci!lodote<api:¡ ~oh .. ~t~a~Harecid<lerll¡ia _ : 18.6tl
' .. _ :~1-1 ~J ~- -·-- -- ~· -·t - -- -· - i--~-12 : _.L -- ~--- + . -
-. __ 1_3,. __ . ~.1 .~ ~-- - "t- - ¡ i
-."' ~-·· ' - ~ .... - - ~ -- .. . ~ - -~~· - -'·~- ·-
La nueva variable aparecerá en el Editor de datos. Puesto que la variable se añade al final de archivo, aparece en la columna que se encuentra más a la derecha en la Vista de datos y en la última fila de la Vista de variables.
Pág. 78
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 111
Estadistica descriptiva
1.3. 7. Ejemplo de aplicación
En el ejemplo se va a estudiar la hipertensión arterial, relacionándola con el hábito tabáquico, la obesidad y la dieta; además se recogerán las variables: sexo, edad, peso y talla. Para ello se procederá a digitar los datos correspondientes a 22 personas de una muestra que a continuación se indica: .. _l Sujeto Sexo Edad Peso Talla HTA Tabaco Obesidad Dieta '1 1 1 38 80 180 2 2 2 2 ¡,
1 50 70 171 2 2 3 3 ..
;t 2 1 64 64 160 3 3 2 3
. 'j 3 h '¡ 4 2 55 53 155 1 2 2 2 1' !l 5 1 62 80 180 2 2 2 .2 ,,
ll 6 2 48 73 175 1 1 3 3 1 66 62 158 2 1 3 2
·-
7 n 8 2 54 77 176 2 1 3 3 1· 9 2 60 78 175 1 2 1 3 ·'~
,J 10 2 70 58 160 1 1 3 3 ¡! ti 11 1 58 73 171 2 1 3 3 •· . !l 12 1 50 75 174 2 2 3 3 ~ . [1 13 2 65 74 175 1 1 3 3 ;¡ 14 2 52 60 161 2 2 3 3 n 15 1 45 88 188 2 2 3 3 r. 16 2 45 60 161 2 2 3 1 :·1 .. ~ i¡ 17 2 55 70 170 2 2 2 2 • 2 50 64 163 3 3 2 2 ti 18 1~ 19 2 70 68 169 1 3 1 1 ;¡ ,. !1 20 1 65 88 180 3 1 2 2 ,. 21 1 43 65 164 2 3 3 3 ¡!
2 60 70 169 3 2 2 2 .
!! 22 M
Cuadro: Datos de la Investigación sobre hipertensión.
Fuente: Pág. 169 del libro: Informática Aplicada a la Enfermerla, por Antonio Beneit
Donde
Las variables Edad, Peso y Talla son variables cuantitativas por que se pueden medir (No tienen etiquetas).
Las variables Sexo, HTA, Tabaco, Obesidad y Dieta, son variables cualitativas (Tienen etiquetas).
Pág. 79
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 111
Estadística descriptiva
A continuación se definen los valores (Etiquetas) de las variables cualitativas (categóricas):
Sexo: 1 = Hombre 2 = Mujer
HTA: 1 =Leve 2 = Moderada 3 = GRAVE
TABACO: 1 =Ninguno 2 =Menos de 20 3 =Mas de 20
OBESIDAD: 1 = Normal 2 = Obesidad Grado 1 3 = Obesidad Grado 11
DIETA: 1 =Adecuada 2 =Aceptable con transgresiones 3= Incorrecta
Para digitar los datos en el programa SPSS, se colocará el nombre de las variables: Sexo, Edad, Peso, Talla, HTA, Tabaco, Obesidad y Dieta. Todas del tipo numérico de ancho 8 con cero decimales y centrado.
Los datos ingresados en SPSS, tendrá el siguiente aspecto:
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
\
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 111
Estadistica descriptiva
El programa SPSS a diferencia del programa Ms Excel permite analizar los datos.
Antes de realizar los cálculos se analizan los datos, para lo cual se procede a utilizar uno de los tres casos siguientes:
1. Gráfico de cajas.- Para el gráfico de cajas se sigue la siguiente secuencia:
Analizar 1 Estadísticos descriptivos /Explorar, como en la siguiente figura: te:= ~ ~ __ H!&T~;otrii!!d)?le§t~~-!!!!MS!Stati&s@~tar#
·-:-~ t .... ,-~,
~5 - - "{ 1 -f_ -¡ 2-
• 1
-=l1-1 2 1
1
2
" ~.
•• -'-1 1
16 1 .. 2
17 ' 2
-··~i~ --·-t 2 -2
-_20~--l -~- i
., 2
so ... 55 62 .. 66 ... 60 10 58
50
65 52
•• •• .. so -- 10 65 ., 60
Reoes neuron~tn CtH~at
R~6n de dlmfllilot\K
R•s~&tln'l~ 2
B1 Aftjflsb c. vO:was etttrdiOtls.- 2
~t,4a(l6nm6tlllpte ~ 2
Muesns eompt•tu ~ 3 t:l:J Sfrld.eo6n.- 3 -
COfdr(lt!dtC31ih1.ad .. 1
r:a CUf!* coa... 1 --..,'C,~
;- r ...
3 3 :í 3
3 3 1 -2
., i 2 i 2
3 2
t
t .L
l ..
. .,. ¡
t-
-t-· -1
·~"t"'--·
t--
-+
Añada en lista de dependientes la variables escalar Peso y a lista de factores la variable categórica (cualitativa) Sexo y en visualización seleccione Gráficos.
L~ Ed~~--------' r::::::.1 1-' Peso 1 ': . -¿> Talla L.....:_j _ . L,<~~áflcos.. J ~HTA{Hta] L-----------J· ~~~ &>TABACO (Tabaco] Usta de fadores: [
ó?> OBESIDAD (Obesid... ( ......___ ] 1 ó!> Sexo (Sexo} 1 Bootstrap. - J &:, DIETA [Dieta} ~-. _ _
Usta de depencnentes:
( '"> J !Etiquetar .tos casos mediante:!
[
Visualizadón-- ------ --- --- --· ·---- -]
~-A.m~~~ _ ~-E~t~d!_s_tl_:<:s_~~~~::~~~:~~:=~~=:::~~~-::-.::=J_ ( Aceptar ) ( Pegar ) ( Restablecer) ( Cancelar ] ( Ayuda
Pág.81
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
90
80:
o ., Cl) 70
D..
60
CAPÍTULO 111
Estadistica descriptiva
Haga Clic en Aceptar, y se tiene la siguiente salida:
Sexo
Restrnen del proceSllliento de los casos
Casos ]Unto de datos adMl
Válidos Perdidos
sexo N Porcentaje N Porcentaje
Peso Hombre 10 100,0% o 0,0%
Mujer 12 100,0% o 0,0%
Mujer
Sexo
Total
N Portentaje
10 100,0%
12 100,0%
Gráfico de cajas para la variable Peso, según la categoría Sexo.
Ahora encuentre el gráfico de cajas para la variable Peso
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.82
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO 111
Estadistica descriptiva
9
8
7
S
Peso
Los gráficos de cajas nos indican la normalidad de las variables y nos indica
los datos atípicos. En el caso de la variable Peso, esta variable tiende a la
distribución normal y no hay datos atípicos.
2. Histogramas Para el histograma se sigue la siguiente secuencia:
Analizar 1 Estadísticos descriptivos /Frecuencia, como en la siguiente figura:
Pág.83
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 111
Estadistica descriptiva
ti frecuencias 131 Variables: ( E!tadfstlcos ... J
[~ sexo {sexo]· .~
l ,Peso [ Gfáfif(>·~ . 'Edad
#Ta!la ( Eormato ... ) &HTA(Hta] EJ { !!Ootstrap ... ] ~TABACO {Tabaco] <9::, OBESIDAD (Obesid .•.
~DIETA [Dieta}
~ Mostrar tablas de frecuencias
( Aceptar )( Eegar ) (Restablecer) ( Cancelar )( Ayuda )
Clic en el botón Gráficos, escoger la opción Histogramas y Mostrar curva normal en el histograma:
Pág.84
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO 111
Estadistica descriptiva
¡-Tipo de gráftca~~~---~~--~~-~~~1
j @Ninguna . ¡·
¡ @ Gráficos de ~arras · 1
1
@ Gráficos de sectores !1
@) tlístogramas: l ' ..--··~-··-···-·.·-····----···-··-_···"·~----··.······~···-··-··---···-····
! ~ !!~~-~~~~-~!.~E.!!!!~!..~.~!]..:~~~-~!!~3,
Haga Clic en el botón Continuar y Clic en el botón Aceptar:
Histograma
50 60 70 BO 90 100
Peso
Se observa que hay normalidad de datos
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Media= 7045 Desviación' tfpics = 9,293 N=22
Pág. SS
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPITULO 111
Estadistica descriptiva
3. Prueba Kolmogorov-Smirnov (K-S) de 1 muestra Secuencia: Prueba no paramétrica 1 Cuadro de diálogo antiguos
Seleccione la variable Peso, y haga Clic en la opción normal
'fj Prueba de Kolmogorov-Smimov para una muestra -Lis!<! Contrastarvanabtes: ( E!ada._ ]
~ sexorsexof. ..
l ;Peso ( Qpdones ... ) ,Edad
,Talla cS0 HTA[Hta]
EJ ~TABACO [Tabaco¡ 8::, OBESIDAD IObesid ... ó::> DIETA [Dieta]
Distribución de contraste
~ !;!ormat U yniforme
O Poisson O 5xJ~onencial
( Aceptar )( fegar ) (Restablecer) ( Cancelar )( Ayuda )
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.86
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO 111
Estadística descriptiva
Haga Clic en el botón Aceptar, se muestra lo siguiente:
p rueba deK 1 S . t o mogorov- m1mov para una mues ra
Peso
N 22
Media 70,45 Parámetros normalesa,b
Desviación típica 9,293
Absoluta ,085
Diferencias más extremas Positiva ,085
Negativa -,071
Z de Kolmogorov-Smimov ,399
Sig. asintót. (bilateral) ,997,
a. La distribución de contraste es la Normal.
b. Se han calculado a partir de los datos.
Explicación:
Si Sig. Asintót. (bilateral)< 0.051a distribución es no normal
Si Sig. Asintót. (bilateral)> 0.05 la distribución es normal
Como Sig. es 0.997 y es mayor que 0.05, entonces la variable Peso tiende a
la distribución normal.
Los tres métodos nos indican que la variable Peso tiende a la distribución normal y además nos indican que no hay datos atípicos, por lo que se procederá a calcular los estadísticos descriptivos
Estadísticos descriptivos para el ejemplo de aplicación
Para la estadística descriptiva se sigue la siguiente secuencia:
Analizar 1 Estadísticos descriptivos y luego se añade todas las variables cuantitativas (Peso, Edad y talla).
Pág.87
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 111
Estadistica descriptiva
M _ Rf-'hT~Iíi<;>~~·~ROíjíií!o.de~t>Síj ..,¿.,¡,g----i;,--Qd,.--r;nro.;;;o,~ ~ ~dilo<:IO ~i11co& !,!llidaOos v-.o -
'
1
2 50 .. J 6ol --4 2 55 . S 1 62
_L ~ 2 •a ··- i 1 66 8 2 54
~ 9_ 2 Gil 10 2 10 ,, 58
·-¡f- -_;.
50 13 --141 ¡
2 65
2 ·52 1
2 -~_,s·--· •s Ro..-¿os!o.-,
a-cit.-.. ootell<!oo
~d6nmúliplo
Yues1tM~
Q¡~dón
16- 45 -~·-17~-- 2 --
55
-
ti( ___ ~:· 50 '19 10
20_ G5 CodrOI ce e:eldtó
f:3Cfllr.lCO!<._ ~- 43 ... 22 60
~ Sexo [Sexo] ~IHTA{Hta] ~TABACO [Tabaco} ~ OBES!OAO (Obesid .... ~ OIETA[Oieta]
• 2
• J
• 1
Descríptivos
VariaD! es:
~IEdad ,Peso [ZTalla
D Guardar valores tipificados como variables
2
3
3 3.
2
-( Qpciones ... J
( ªootstrap ... J
( Aceptar ) ( Eegar ) {Restablecer) ( Cancelar J ( Ayuda J
En el botón Opciones seleccione: Media, Suma, Desviación típica, Varianza, Rango, Mínimo y Máximo, como en la siguiente pantalla:
Pág.88
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO 111
Estadistica descriptiva
;!i Descriptivos: Opciones
Dispersión.;.__-------,
Gíj Desviación !fpica ~ Mf!!imo
~ yarianza ~·;Máximo
~ ~ango CJ E. T. media
rDistribución . .
O Curtosis O Asimetría 1
Orden de presentación------.
@ Usta de varia~les
@ ~fabético
@ Medias asfendentes
@ Me_f!ias descendentes
(Continuar l( Cancelar J ( Ayuda
Haga Clic en el botón Continuar y finalmente haga Clic en el botón Aceptar. Se puede apreciar la siguiente salida:
Estadísticos descriptivos
N Ran Mínimo Máximo Suma Media Desv. típ. Varianza
go
Edad 22 32 38 70 1225 55,68 9,042 81,751
Peso 22 35 53 88 1550 70,45 9,293 86,355
Talla 22 33 155 188 3735 169,77 8,646 74,755
N válido (según lista) 22
Se aprecia claramente que aparece el número de observaciones, la Media, la suma, la Desviación típica, la varianza, el rango, el valor mínimo y el valor máximo.
Pág.89
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 111
Estadistica descriptiva
Algo más sobre los Estadísticos descriptivos
Para la estadística descriptiva se sigue la siguiente secuencia:
Analizar 1 Estadísticos descriptivos y luego se añade todas las variables cuantitativas (Peso, Edad y talla).
En el botón Bootstrap Opciones seleccione: Realizar muestreo bootstrap, como en la siguiente pantalla:
-t• ti Bootstrap ~ -:- ~·.b".o!<t
~ [~~~~~~i!i~~~tr~-~j)~~~~~a ~úmero de muestras: 1 10001
O E!tablecer semilla para Tomado de Mersenne
Se!T':''s 2::!J:l'l:l
Intervalos de confianza
Nive!(%): 1 ssj @PeTfeOtil
© ªias-cor:reded and aoce'lerated (8Ca) ----
,..Muestreo
@Simple
© Es!Jatificado
·~!..··::··j"9.~t~~<.- Y•:!':'t>:: '.!s e¿tra•:.. {;:;sen>:S~,;•o} ~
. . ..
t-: ~ E·~.a~ j ¿? Pe~o ~ ~ T:;:.a t-l ['.:; hT.:.:H!a' . ~ .
~ 8 r;.s;,.::o 'T:.tacc: '--
(Continuar J ( Cancelar ) ( Ayuda )
Haga Clic en el botón Continuar y finalmente haga Clic en el botón Aceptar. Se puede apreciar la siguiente salida:
Pág.90
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO 111
Estadistica descriptiva
Especificaciones de Bootstrap
Método de muestreo Simple
Número de muestras 1000
Nivel de intervalo de 95,0%
confianza
Tipo de intervalo de Percentil
confianza
E d' . d sta 1st1cos escrtptlvos
Estadístico Bootstrapa
Sesgo Error típico Intervalo de confianza al 95%
Inferior Superior
N 22 o o 22 22
Mínimo 38
Edad Máximo 70
Media 55,68 ,06 1,81 52,18 59,23
Desv. típ. 9,042 -,281 ,988 6,831 10,707
N 22 o o 22 22
Mínimo 53
Peso Máximo 88
Media 70,45 ,00 1,99 66,64 74,54
Desv. típ. 9,293 -,339 1,232 6,407 11,108
N 22 o o 22 22
Mínimo 155
Talla Máximo 188
Media 169,77 -,01 1,84 166,23 173,59
Desv. típ. 8,646 -,312 1,049 6,362 10,367
N válido (según lista) N 22 o o 22 22
a. A no ser que se indique lo contrario, los resultados autodocimantes se basan en 1 000 muestras de muestreo
bootstrap
Pág. 91
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO 111
Estadistica descriptiva
REFERENCIALES
1. DANIEL W. WAYNE, Bioestadística Base para el análisis deJas ciencias de la salud, México, Edit. Limusa S.A., Cuarta Edición, 2002.
2. FERRER PEÑARANDA LUCIO, Texto de Informática Aplicada en Salud, Facultad de Ciencias de la Salud, Universidad Nacional del Callao, Ref. Resolución Rectoral N ° 017-00-R, 2,009.
3. HERNÁNDEZ, R - FERNANDEZ, C - BAPTISTA, P Metodología de la Investigación, México: Edit. Me Graw-Hill lnteramaricana, Cuarta Edición, 2006.
4. QUEZADA NEL LUCIO, Metodología de la Investigación - Estadística aplicada en la Investigación, Edit. Empresa Editora Macro, 201 O.
5. QUEZADA NEL LUCIO, Estadística con SPSS 20, Edit. Empresa Editora Macro, 2012.
Pág.92
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
OBJETIVOS
• El objetivo del presente capítulo, es proporcionar al lector la
información sobre Test·de Hipótesis básicamente en lo referente a
comparación de medias en SPSS.
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
4.1. Test de hipótesis La hipótesis se define simplemente como una proposición acerca de una o más poblaciones. Se refiere a los parámetros de las poblaciones para las cuales se hace la proposición.
Hipótesis nula: Se designa por el símbolo Ho. Se conoce como hipótesis de no diferencia, ya que es una proposición de conformidad con condiciones que se suponen ciertas en la población de interés. Esta se establece con el propósito ser rechazada. Si la hipótesis nula no se rechaza, se dirá que los datos sobre los cuales se basa la prueba no proporcionan evidencia suficiente que cause el rechazo. Si el procedimiento de prueba conduce al rechazo; se concluye que los datos disponibles no son compatibles con la hipótesis nula, pero sirven como apoyo a alguna otra hipótesis.
Hipótesis alternativa: Se identificada mediante el símbolo HA, es una proposición que se creerá cierta si los datos de la muestra llevan al rechazo de la hipótesis nula. Por lo general, la hipótesis alternativa y la hipótesis de investigación son la misma, y de hecho, se utilizan los dos términos indistintamente.
Reglas para establecer la hipótesis estadística
El indicador de igualdad (=, :::; ó ~) debe aparecer en la hipótesis nula. Por ejemplo, suponga que se requiere responder a la pregunta: ¿Se puede concluir que la media de una población es diferente de 50?
La hipótesis nula es: Ho: J.J = 50 La hipótesis alternativa es: HA '* 50 . La hipótesis nula debe contener un signo de igualdad, como=,:::;, ~.
La hipótesis nula es la que debe ser comprobada. La hipótesis secundaria de la investigación se considera en la hipótesis alternativa.
Las hipótesis nula y alternativa son complementarias. Es decir, las dos contemplan de manera exhaustiva todos los valores posibles que los parámetros de suposición pueden asumir.
93
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
Precaución "Cuando no es posible rechazar una hipótesis nula, no se dice que es verdadera, sino que probablemente es verdadera".
Estadística de prueba La estadística de prueba es alguna estadística que se puede calcular a partir de los datos de la muestra. La estadística de prueba sirve como un productor de decisiones, ya que la decisión de rechazar o no la hipótesis nula depende de la magnitud de la estadística de prueba. Un ejemplo de estadística de prueba es la cantidad.
(1)
Donde f.lo es un valor supuesto de la media de una población. Esta estadística
de prueba está relacionada con la estadística.
Fórmula general para la estadística de prueba (2)
En la ecuación 1 x es la estadística relevante, P-o es el parámetro supuesto, y a l.Jñ el
error estándar de x.
Regla de decisión Todos los valores posibles que la estadística de prueba puede asumir son puntos sobre el eje horizontal de la gráfica de la distribución para esta estadística y se dividen en dos grupos denominados región de rechazo y región de no rechazo. Región de rechazo: Son aquellos que tienen la menor probabilidad de ocurrir. Región de no rechazo: Son aquellos tienen la mayor probabilidad de ocurrir.
94
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
La regla de decisión señala que "se debe rechazar la hipótesis nula si el valor de la estadística de prueba que se calcula a partir de la muestra es uno de los valores de la región de rechazo, y que no se debe rechazar la hipótesis nula si el valor calculado de la estadística de prueba es uno de los valores de la región de no rechazo.
El nivel de significación a: designa el área bajo la curva de la distribución de la
estadística de prueba que está por encima de los valores, sobre el eje horizontal, que constituyen la región de rechazo.
Designa el área bajo la curva de la distribución de la estadística de prueba que está por encima de los valores, sobre el eje horizontal, que constituyen la región de rechazo. Para el nivel de significación se debe utilizar la siguiente tabla:
y 0.90 p. S)_~ 0.98 0.99
Za 1.28 11.64 . ·- ~ 2.05 2.33
Zat2 1.64 11.96 ~-- ~- .. 2.33 2.57
Cálculo de la estadística de prueba A partir de los datos contenidos en la muestra, se calcula un valor de la estadística de prueba y se compara contra las regiones dé no rechazo y rechazo que ya fueron especificadas.
Decisión estadística La decisión estadística consiste en el rechazo o no rechazo de la hipótesis nula. Se rechaza si el valor calculado de la estadística de prueba cae en la región de rechazo, y no se rechaza si el valor calculado de la estadística de prueba cae en la región de no rechazo.
Conclusión Si Ho se rechaza, se concluye que HA es verdadera. Si HA no se rechaza, se concluye que Ho puede ser verdadera.
95
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
Valor de p El valor de p es una cantidad que indica qué tan insólitos son los resultados de la muestra considerando que la hipótesis nula sea verdadera. Un valor de p indica que no es muy probable que los resultados de la muestra hayan ocurrido; ofrece la justificación para dudar de la certeza de la hipótesis nula, si esta es verdadera.
Propósito de probar la hipótesis
Uno de los propósitos de la prueba de hipótesis es ayudar a los investigadores del área de salud como enfermeros y médicos en la toma de decisiones.
La decisión clínica depende de la decisión estadística, se rechaza la hipótesis nula, la decisión clínica refleja, por lo general, el hecho de que la decisión es compatible con la hipótesis alternativa. Se cumple lo opuesto si no se rechaza la hipótesis nula.
Sin embargo, en este punto es necesario destacar que el resultado de la estadística de prueba sólo es una parte de la evidencia que influye sobre la decisión clínica. La decisión estadística no debe interpretarse como definitiva, sino considerarse junto con toda la demás información importante de que disponga el experimentador.
4.2. Comparación de medias de una población Para esta prueba se debe tener 3 condiciones:
1. Cuando el muestreo se realiza a partir de una población de valores que siguen una distribución normal con variancia conocida.
2. Cuando el muestreo se realiza a partir de una población con distribución normal y con variancia desconocida.
3. Cuando el muestreo se realiza a partir de una población que no presenta una distribución normal.
96
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
Cuando el muestreo se realiza a partir de una población que sigue una distribución normal y se conoce la variancia de la población, la estadística de prueba para
Ho= ll = llo es:
(1)
La cual, cuando Hf! es verdadera, tiene una distribución normal estándar.
Muestreo a partir de poblaciones con distribución normal y varianzas conocidas Las situaciones en las que la variable de interés sigue una distribución normal con variancia conocida son casos poco comunes. El siguiente ejemplo, sin embargo sirve para ilustrar el procedimiento.
Ejemplo Un grupo de investigadores está interesado en conocer la edad media de cierta población. Se preguntan lo siguiente: ¿Se puede concluir que la edad media de la población es diferente de 30 años?
Solución: Con base en el conocimiento de pruebas de hipótesis, se puede comentar que es posible concluir que la edad media de la población es diferente de 30, sólo si se puede rechazar la hipótesis nula que indica que la media es igual a 30. A partir de la muestra se calcula media que es igual a 27.
Pasos: 1. Datos: Son las edades de una muestra aleatoria simple de 1 O individuos, extraída
de la población de interés. n = 10 x-27.
97
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
2. Supuestos: Supongamos que la población tiene una variancia conocida de a 2 = 20.
3. Hipótesis. La hipótesis nula, es la siguiente: la edad media de la población es igual a 30: Ho:f.l- 3Ct
H. A: fl =fo 30
4. Estadística de prueba: Se obtiene mediante la ecuación 1.
5. Distribución de la estadística de prueba: Se sabe que la estadística de prueba tiene una distribución normal, con una media de O y una varianza de 1, si H0 es
Verdadera.
6. Regla de decisión: La regla de decisión indica que H0 se ha de rechazar si el
valor calculado de la estadística de prueba cae en la región de rechazo, y no se ha de rechazar si cae en la región de no rechazo.
Si la hipótesis nula es falsa, puede ser porque la, media real es menor que 30 o mayor que 30. Por lo tanto, los valores de la estadística de prueba suficientemente pequeños o suficientemente grandes causarán el rechazo de la hipótesis nula. Estos valores extremos constituyen la región de rechazo.
Suponga que se quiere que la probabilidad de rechazar una hipótesis nula verdadera sea 7. = .05. Dado que la región de rechazo está formada por dos partes, los
valores suficientemente pequeños y los suficientemente grandes de la estadística de prueba, una parte de a está asociada con los valores grandes y la otra parte con los
valores pequeños. Parece lógico que se pueda dividir a a en partes iguales, que
a¡2 = .o:zs esté asociada con valores pequeños y que la otra (mitad de) aí2 = .025
se asocie con valores grandes.
98
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
0.95
al" =0?5 1.: 1 ...
--•2·1~ Región de
Región de Aceptación Rechazo
Valor crítico
ar -o .... s 12- ,.r,
Se puede establecer la regla de decisión para esta prueba como sigue: Rechazar Hr,
si el valor calculado de la estadística de prueba es ~1.96 o< 1.96. De otra forma
no se rechaza He . Las regiones de rechazo y no rechazo se muestran en la figura.
A los valores de la estadística de prueba que separan las regiones de rechazo y no rechazo se les llama valores críticos de la estadística de prueba, y a la región rechazo se le conoce también como región crítica.
La regla de decisión indica que se calcule un valor para la estadística de prueba a partir de los datos de la muestra y que se rechace H0 si se obtiene un valor mayor o
igual que 1.96 o menor o igual que -1.96 que no se rechace lf(J si se obtiene
cualquier otro valor.
7. Cálculo de la estadística de prueba. A partir de la muestra se calcula:
27-30 -l = -212
1,4241 , .
99
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
Valor Calculad<
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
8. Decisión estadística. Con base en la regla de decisión, se puede rechazar la hipótesis nula porque -2.12 está en la región de rechazo. Se puede decir que el valor calculado de la prueba estadística tiene un nivel de significación de .05.
9. Conclusión. Se concluye que lA no es igual que 30.
1 o. Valor de p. El valor p para la prueba de una hipótesis es la probabilidad de obtener, cuando H0 es verdadera, un valor de la estadística de prueba tan
extremo o más (en la dirección adecuada para Hpj que el valor calculado en
realidad.
Prueba de hipótesis unilateral Una prueba de hipótesis puede ser unilateral, en cuyo caso toda la región de rechazo está en una u otra cola de la distribución. La prueba bilateral es llamada así porque la región rechazo se divide entre los dos lados o colas de la distribución de la estadística de prueba.
Cuando únicamente los valores suficientemente "pequeños" o suficientemente "grandes" causan el rechazo de la hipótesis nula, lo indicado es utilizar una prueba unilateral.
Ejemplo
Con base en el ejercicio anterior en lugar de preguntarse la posibilidad de concluir que !.1 -:- 30 suponga que los investigadores se hubieran preguntado: ¿Es posible
concluir que 11 < 30?
La respuesta a esta pregunta es que puede llegarse a esta conclusión si es posible rechazar la hipótesis nula !-l > 30
Solución Mediante el uso del procedimiento de los diez pasos y con base en una prueba unilateral se llega a una decisión.
100
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
1. Datos. Datos: Son las edades de una muestra aleatoria simple de 1 O individuos, extraída de la población de interés. n = 10 x=27.
2. Suposiciones. Ver el ejemplo anterior.
Formulación de la hipótesis. Ho: 1J ~ 30 HA: IJ < 30 La desigualdad en la hipótesis nula implica que ésta comprende un número infinito de hipótesis. La prueba se hace sólo para el punto de igualdad, porque puede mostrase que si Ho se rechaza cuando la prueba se hace en el punto de igualdad, ésta sería rechazada si la prueba se hiciera para cualquier otro valor de H0 indicado en la hipótesis nula.
3. Estadística de prueba. X-Jlo
Z= . rr/-Jn.
4. Distribución de la estadística de prueba. Ver el ejemplo anterior.
5. Regla de decisión. La regla de decisión señala que se rechaza H0 si el valor
calculado de la estadística de prueba es menor o igual que -1.645.
6. Cálculo de la estadística de prueba. A partir de los datos se calcula que:
101
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
a= 0.05
-2.12 1.64 z L-y--J ,..___ ___ ....,'Y"'.,.... ___ ,J
Región de Región de Aceptación Rechazo
7. Decisión estadistica. No se puede rechazar la hipótesis nula dado a que -2.12 < -1.64.
8. Conclusión. Se concluye que la media de la población es menor a 30.
9. El valor de p. El valor de p para esta prueba es .0170.
Muestreo a partir de una población con distribución normal y varianza desconocida Cuando el muestreo se realiza a partir de una población que sigue una distribución normal con una variancia desconocida la estadística de prueba H0 ; JL = F·o es
] ' ., _. .... ~~-~J
102
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda a
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
La cual cuando H0 es verdadera, sigue una distribución t de Suden con n -1 grados
de libertad.
EJEMPLO Los investigadores Castillo y Lillioja (A-l) describieron una técnica, desarrollada por ellos, para la canulación linfática periférica en seres humanos. Los autores afirman, que su técnica simplifica el procedimiento y permite la recolección de volúmenes convenientes de linfa para estudios metabólicos y cinéticos. Los individuos estudiados fueron 14 adultos varones sanos representativos de un rango amplio de pesos corporales. Una de las variables de medición fue el índice de masa corporal (IMC) = peso (kg)/estatura2 (m2). Los resultados se muestran en la tabla en la siguiente tabla:
Individuo 1 IMC 23
Índice de masa corporal (IMC), Mediciones para los individuos varones
2 3 4 5 6 7 8 9 10 11 25 21 37 39 21 23 24 32 57 23
12 13 14 26 31 45
. . . "
.. Fuente. Charles E. Castillo y Stephen Llllloja, Penpheral Lymphat1c Cannulation for Phys1olog1cal Analys1s of lnterstítlal Fluid Compartment in Humans"
Se pretende saber si es posible concluir que la media del IMC para la población de la que se extrajo la muestra no es 35.
Solución Se logrará concluir que la media de la población no es 35 si los investigadores pueden rechazar la hipótesis nula que dice que la media de la población es igual a 35.
1. Datos. Los datos consisten en las mediciones del IMC de los 14 individuos.
2. Supuestos. Los 14 individuos constituyen una muestra aleatoria.
3. Hipótesis. li0 :~-t = 35
H0 :p.. =!= 35
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
103
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
4. Estadística de prueba. La estadística de prueba se obtiene mediante la ecuación.
5. Distribución de la estadística de prueba. La estadística de prueba sigue una distribución t de Student con n - 1 = 14 - 1= 13 grados de libertad, si H0 es
verdadera.
6. Regla de decisión. Sea a = .05, Dado que se tiene una prueba unilateral, se
pone "/2 = .025 en cada cola de la distribución de la estadística de prueba. Los
valores de tala derecha e izquierda de los cuales está .025 del área son 2.1604, y -2.1604.
\ -2.16~ ...... 4---o .------'2~16~4 J X -y-- y ----v----
Región de rechazo Región de aceptación Región de rechazo
7. Cálculo de la estadística de prueba. A partir de los datos de una muestra se calcula una media igual a 30.5 y una desviación estándar de 10.6392. Al sustituir estos datos en la ecuación se tiene:
30.5- 35 -1.5 t== - = -1_58
10.6396/JiA 2.8434
104
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
8. Decisión estadística. No se rechaza H1 ya que -1.58 cae en la región de no
rechazo.
9. Conclusión. La media de la población de la cual se extrajo la muestra puede ser 35.
1 O. El valor de p. Cuando n0 es verdadera, la probabilidad de obtener un valor de t
menor o igual que -1.58 es menor que .1 O, pero mayor que .05. Es decir, .05 < P (t-1.58) < .10.
Muestreo a partir de una población que no presenta una distribución normal Si la población proviene de una población que no presenta una distribución normal y la muestra es grande, es posible utilizar el teorema del límite central la estadística de prueba para la prueba de la hipótesis nula J/0 : ¡.L = J.' e·• es:
Ejemplo Los objetivos de un estudio de los investigadores eran descubrir los estados menopáusicos, los síntomas, la energía utilizada y la condición aeróbica en mujeres de edad madura y, además, determinar las relaciones entre estos factores. Entre las variables medidas estaba el consumo máximo de oxígeno {V02máx). La calificación media de (V02máx) para una muestra de 242 mujeres fu 33.3 con una desviación estándar de 12.14. Se pretende saber si, con base en esos datos, es posible concluir que la calificación media para una población de mujeres con estas características es mayor que 30.
Solución Se dice que los datos proporcionan suficiente evidencia para concluir que la media de la población es mayor que 30 si puede rechazar la hipótesis nula que dice que la
105
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
media es menor o igual que 30. Para tal fin, puede llevarse a cabo la siguiente prueba:
1. Datos. Los datos son las puntuaciones de Vo2mAx para las 24,2 mujeres con i = 33.3 y S = 12.14.
2. Supuestos. Se considera que las condiciones de (Vo2méx) siguen una distribución normal en tal población.
3. Hipótesis.
Hc:/J.t > 30
4. Estadística de prueba. La estadística de prueba está dada la ecuación, dado que q se desconoce.
5. Distribución de la estadística de prueba. La estadística de prueba sigue una distribución aproximadamente normal con 1" =O si es verdadera.
6. Regla de decisión. Sea a= .05. El valor crítico de la estadística de prueba es de
1.645. Las regiones de rechazo y de no recha ilustran en la siguiente. Se rechaza H0 si se calcula z >1.645.
"----------y o 1.645 4.23 z
Región de aceptación Región de rechazo 106
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
7. Cálculo de la estadística de prueba.
33.3-30 3.3 z= =--=4.23
1:l.14/-if242 . 7804
8. Decisión estadística. Se rechaza H0 porque 4.23 >1.645.
9. Conclusión. Se concluye que el valor medio VOzmáx para la población muestreada es mayor 30.
10. El valor de p. El valor de p para esta prueba es< .001, porque 4.23 es mayor que 3.89.
Ejemplos desarrollados 1. Los ingresos promedio por mes para mujeres en puestos directivos y
profesionales son de $1200. Una muestra aleatoria de 60 hombres en puestos directivos y profesionales mostró una media de ingresos de $1400 y una desviación estándar de $180. a) ¿Tienen los hombres en los mismos puestos ingresos promedio por mes
superiores a los de las mujeres? Pruebe la hipótesis apropiada con un nivel de significación de O. 02.
b) ¿Para qué valores del estimador se rechaza la Ho?
Solución 1. Datos n = 60, x = 1400, s = 180
2. Supuestos. Se considera que las condiciones siguen una distribución normal en tal población.
3. Hipótesis: Ho: f! s 1200
HA: J! > 1200
4. Nivel de significación: a = 0.02
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
107
q
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
5. Estadística de prueba: No se conoce la desviación estándar poblacional; perO n = 60 > 30, por lo tanto se usa la ecuación:
6. Regla de decisión: El valor crítico es =DISTRI.NORM.ESTAND.INV(0.98) = 2.054 (con Excel), con la tabla "D" 0.98 es aproximado a 0.9798, que corresponde a 2.05
a= 0.02
2.054
Si z calculado > 2.054, se rechaza la Ho, si z < 20.054, no se rechaza la Ho
7. Cálculo del estadístico de prueba y toma de decisión:
11·00-1200 Z= UHJ = 7.0273
J60 Como Z = 7.0273 > 2.054, se rechaza Ho.
108
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
8. Conclusión. Existen suficientes evidencias estadísticas con un nivel de significación a= 0.02, para afirmar que los hombres tienen ingresos promedio por mes superiores a los de las mujeres en los mismos puestos de gerencia.
9. Cálculo de p-valor. Se usa la siguiente regla de decisión, si p-valor s; a= 0.02, se rechaza la Ho, si pvalor >a= 0.02, no se rechaza la Ho. Para calcular el p-valor ingresar los datos en una hoja de cálculo como se muestra a continuación:
• 1_ ¡Ho . . ~S 2. j.HA . !1> 3 !
4; - . f-.
.. ?~ ¡'-~ 6.
- 7 1
~!
Media
Desviación
estándar
n z P-valor
o E F ·-- ~--~ _..;...._ ~ -- - .. -~-- ---- ~-·
1200 ·~ .............. -~- ·- ' ~- ~··-· . - . ·~.,... . -..
1200
1400
180
60 (C3 -C1)*RAIZ{C5)/C4 ~
.1- DISTR.NORM.ESTAND(C6}
El resultado de p-valor se observa en la siguiente pantalla:
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
109
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
; . 1
¡ .· A
1 lHo .. ¡· .. 2 tHA
.3
4
5
B
. -~ ~ ~
11 .> 'Media
. --1 . • . . . - - . - -
' ¡Desviación
. _ Je~t~nd~r i :n
6 ¡Z .... --- -- _ .. ~ - ·r '"" -·- - - .... - -71 ,P-valor ........... --""····-~-~~--~- --- - -8 :
e o
1200
1200: ;
' 1400 ., - - '-- -· ~ ,- ··- - .. --
1801
E
. ' . i -- -· -- . 1
_¡
' ..;.. __ --- ....¡
' i ~~ --~-.,...... -- -~ ~ ~-. ----·· -~
60. ·~ - ~-- ---_,J._. - .. -1 8 6066'
-~-~- , . -~ --· ~ ~--··-- -- -- __.. ' 0,0000' !
- ·l- -~' -- -·- .. ~ -- ~-t~-· ---- l 1 1
Se obtiene que el p-valor = 0.0000; luego como p-valor = 0.0000 < 0.02 se rechaza la hipótesis nula Ho
Observación:
Para el p-valor se ha usado la fórmula:
=1-DISTR.NORM.ESTAND(z) (Excel), porque z se encuentra en la cola derecha.
Con la tabla "O" el p-valor se calcula con: 1-F (z)
Ahora bien, la prueba de hipótesis comparación de medias lo desarrollaré con el programa estadístico SPSS.
Test de hipótesis comparación de medias con SPSS Secuencia: Analizar 1 Comparar medias
~alizar fnformes
~stadísticos descriptivos •
Ta~Jas • ,.. - ·~-- .......... --· -- -·- - . .- ·- --· -------
comparar medías
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
110
a
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
El cuadro Comparar medias contiene:
. . .,
~Medias_.
~ Prueba r para una mue~tra ...
Contraste sobre 1 media (¡.¡)
Contraste sobre 1 media (¡.¡1- 1-12) Con muestras independientes
l1t] Prueba! para muestras independientes ... _.,....,.. __ ~ Contraste sobre 2 media (IJ1-IJ2) - Con muestras independientes m ;e_rueba T para muestras relaCionadas ...
[ID A:r'<lQVA ·de un 'factor ... Contraste sobre j media (¡.¡1- 1-12 •. IJj) Con muestras independientes
Descripción del contenido de cuadro Comparar medias
Medias El proceso de medias nos permite calcular una serie de estadísticos (media, mediana, número de casos, desviación estándar, etc.) de una o más variables (dependientes) para los distintos valores, niveles o categorías de una o más variables (independientes). Permite mejorar la creación de medias armónicas y geométricas. Pueden obtenerse el análisis de varianza de un factor, la eta, eta2. Prueba de linealidad con r y r2. Cálculo de estadísticas para la muestra total.
Prueba T para una muestra Prueba t de Student de una muestra para comparar su media con la media de referencia de su elección, dicho de manera contrasta si la media de una sola variable difiere de una constante especificada.
Prueba T para muestras independientes Compara las medias de dos grupos de casos. Los sujetos deben ser asignados aleatoriamente a dos grupos de forma que cualquier diferencia en la respuesta sea debida al tratamiento o falta de tratamiento y no a otros factores. Cuando esto no es posible (como por ejemplo comparando una variable entre hombres y mujeres dado que el sexo de una persona no se asigna aleatoriamente), debemos estar seguros de que las diferencias en otros factores no destaquen una diferencia significativa entre las medias, por ejemplo los estudios respecto al sexo.
111
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
Prueba T para muestras relacionadas Permite comparar las medias de dos variables de un solo grupo. Calcula las diferencias entre los valores de las dos variables de cada caso y contrasta si la media difiere de cero. Compara estadísticas de muestras relacionadas: correlación entre pares, diferencia entre medias, probabilidad bilateral para prueba de no diferencia y para prueba de correlación cero entre pares.
ANOVA de un factor Reporta un análisis de varianza de un factor para una variable dependiente cuantitativa respecto a una única variable de factor (independiente). El análisis de varianza se usa para contrastar la hipótesis de que varias medias son iguales. Es una extensión de la prueba T para dos muestras.
Existen dos tipos de contraste para comparar medias:
1. Los contrastes a priori.- Se plantean antes de ejecutar el experimento.
2. Los contrastes post hoc.- Se realizan después de haber llevado a cabo el experimento.
Contrastes a priori: Lineal, cuadrática, cúbica, de orden superior, definido por el usuario.
Pruebas post hoc: Duncan, LSD, Bonferroni, , Student-Newman_Keuls, Scheffe, prueba alterna de Tukey, Tukey_HSD, Sidak, Hochberg, Tamhane, Dunnett T3, Waller-Duncan, etc.
112
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
Ejemplo: Al abrir el archivo Ténicos.sav se tiene la siguiente pantalla:
Medias Secuencia: Analizar 1 Comparar media 1 Medias
El cuadro de diálogo de la herramienta estadística Medias presenta el siguiente aspecto:
113
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
[~5 -~- ~-~~--~~---·
lfi Nombre del técnL ,...._
~Estado civil [ecivil}
, Edad del técnico .. . ~ Antigüedad en la .. .
~ Salario del año 2 .. . ~ Salano del año 2 .. . , Evaluadon anuaL J> Di as trabajados ... , Total visitas efe eL J> Valor en Euros d_. ·-
L> .__ H Tiemoo medio D... ....
( - \ . )
Medias
B r·la ge dependientes:
~Capa•1 de 1
1 1 Lfsta de independientes:
jsl li
[Qpdones ... )
( !!ootstrap ... )
Añadir al casillero Lista de dependientes las variables Días trabajados en.... y Total visitas efectu ... ; también añadir la variable Zona de trabajo en Lista de independientes, como en la siguiente pantalla:
óJ¡ Nombre del técnico ••. &:.> Estado civil [ecMl] # Edad del técnico {e d ... # An1igüedad en la e .. . ~ Salario del año 200 .. . , Salario del año 200 .. . , Evaluadon anual de ... , Valor en Euros de 11a .. .
, Tiempo medio por a .. .
~------------~
Medias
!Capa ·1.-de 1 j { Siguierrte ] :
1 1
L{sta de independientes: 1
lr;:l ILJ
IJ> zona a e trabajo [zon ... ll ; 1 1 :
1
-(Qpáones ... ]
( Bootstrap ... )
( Aceptar ) ( Eegar ) [Restablecer) { Cancelar ) [.._____A_~_da_
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
114
Q
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
Hacer Clic en el botón Opciones, aparece el siguiente cuadro:
ti. -- ....... Estadísticos:
Mediana agrupada Desv. Error de :la media Suma
, Mfnlmo ·MáXimo Rango Pnmero Último
·vañanza CUrtosis Desv. Error de curtosis Asimetría Oesv. Error de as'lmetrí:P: ~ ~~
.Estadísticos de casilla:
Media Número de casos Oesviadón típica
Estadísticos para la .primera capa------.----~·-·-J O T!!I:Jia de Anova y eta . O Con!fastes de linealidad
(Continuar} [ Cancelar ) ( AYuda }
1
Por el momento se deja tal como está, que viene definido por defecto. Clic Continar y Clic en Aceptar, se tiene el siguiente resultado:
Medias R esumen deiJ>rocesamiento d e los casos
Casos
Incluidos Excluidos
N Porcentaje N Porcentaje N
Dias trabajados en el 64 100,0% o 0,0%
semestre * Zona de
trabajo
Total visitas efectuadas • 64 100,0% o 0,0%
Zona de trabajo
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Total
Porcentaje
64 100,0%
64 100,0%
115
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
Informe
Zona de trabajo Dias trabajados Total visitas
en el semestre efectuadas
Media 114,44 547,61
Norte N 18 18
Desv. típ. 7,868 63,135
Media 104,58 484,84
Levante N 19 19
Desv. típ. 11,539 70,522
Media 115,75 576,38
Centro N 16 16
Desv. típ. 7,271 92,118
Media 113,82 519,09
Sur N 11 11
Desv. típ. 7,587 62,287
Media 111,73 531,27
Total N 64 64
Desv. típ_. 9,943 80,011
Se puede observar que el promedio más alto de Días trabajados por el grupo de
técnicos corresponde a la zona Centro, con una media de 115,75 días, mientras que
la media más baja es de los técnicos de la zona levante.
Con respecto a Total de visitas efectuadas también los técnicos de la zona Centro
cuentan con promedio más alto, en tanto que los de la zona Levante son los que
tienen promedio más bajo.
En Opciones añadir los estadísticos Media armónica, Media geométrica y
Mediana como en la siguiente pantalla:
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
116
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
~ Medias.: Opciones 1:1 Estadísticos: Estadísticos de casilla:
Mediana agrupada .A. Media , . ., Oesv. !Error de la media Número de casos Suma Desviación típica Mínimo Media armónica Máximo Media geométrica Rango ~~ediana l Primero
G Último ,
Varianza j
curtosis
J Desv. :Error de curtosis Asimetría Desv. Error de asimetrí Porcentaje de la suma f;: .. . .. ll-
r-Es1adísticos para la primera capa
D T2bladeAnovayeta
D Con!fastes de llinealielad
(Continuar} ( Caru:e1ar ) ( Ayuda )
Clic Continar y Clic en Aceptar, se tiene el siguiente resultado:
Informe
Zona de trabajo Dias trabajados Total visitas
en el semestre efectuadas
Media 114,44 547,61
N 18 18
Desv. típ. 7,868 63,135 Norte
Media armónica 113,90 540,76
Media geométrica 114,18 544,19
Mediana 118,00 558,50
117
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
Media 104,58 484,84
N 19 19
Levante Desv. típ. 11,539 70,522
Media armónica 103,34 473,26
Media geométrica 103,97 479,40
Mediana 103,00 500,00
Media 115,75 576,38
N 16 16
Centro Desv. típ. 7,271 92,118
Media armónica 115,28 558,06
Media geométrica 115,52 568,08
Mediana 117,00 605,00
Media 113,82 519,09
N 11 11
Sur Desv. típ. 7,587 62,287
Media armónica 113,33 512,43
Media geométrica 113,58 515,74
Mediana 116,00 523,00
Media 111,73 531,27
N 64 64
Desv. típ. 9,943 80,011 Total
Media armónica 110,77 517,92
Media geométrica 111,27 524,88
Mediana 115,00 548,00
Prueba T para una muestra L a prueba T para una muetra se usa para comprobar la hipótesis nula Ho la no existencia de diferencias significativas entre la media de una muetra (en el ejemplo n = 64 técnicos) y un parámetro poblacional. La empresa a la pertenecen dichos técnicos puede_ tener establecido 125 días laborables para el semestre al que hacen referencia los datos y cuatro visitas de visitas en promedio por cada técnico, es decir 500 visitas al semestre. La prueba tendría como finalidad contrastar hasta qué punto se cumplen o no en este periodo las previsiones de la misma.
118
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
Secuencia: Analizar 1 Comparar media 1 Prueba T para una muestra
El cuadro de diálogo de la herramienta estadística Prueba para una muestra tiene el siguiente aspecto:
t¡ Prueba T para una muestra lfs'C
~estado Civn {ecMIJ -.. ...:.: <P !Edad del técnico .. . ~ Antigüedad en la .. . <P Salario del año 2 .. . 4?' Salario del año 2 ... . ,¡? Evatuaeion anuaL 4P !Oías trabajados __ , Total visitas efed. •. f.# \f:>lnr <>n .l=nrn~ 11 .,..
( ;_ - . '. ) - ~' -
Variables para con!rastar: l ~ Qpci<!_O.!S.:.:.:J
(!!ootstrap ..• )
yalor de :prueba: lo 1 [ Restablecer J ( Cancelar J [ Ayuda
Añadir en Variables para contrastar la variable Díastrabajados .•. en Valor de prueba ingresar 125, como en la siguiente pantalla:
Prueba T para una muestra
~-Estado cNi1 fedViiJJ:--=
' Edad aet técnico ... ·· , Antigüedad en la .. . ¿> Salario del año 2_. , Salario del año 2... , Evaluacíon anuaL
. .# Total visitas efect.. , Valor en Euros d... '-,.¿> TiPmnn mPrlin .n •
Variabtes para con!f"astar: ~ :Oías trabajados en ...
yaror de prueba: j-.25 1
[ Qpáones ... J
( ªootstrap ... J
( Aceptar ) [ fegar ) {Restablecer) { cancelar J [f"'"'"-A-~-da----.J
Clic en Aceptar, se tiene el siguiente resultado:
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
119
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
Prueba T
S s 1cos para una mues ra E tadi f t
N Media Desviación típ. Error tí p. de la
media
Dias trabajados en el 64 111,73 9,943 1,243
semestre
Prueba para una muestra
Valor de J)rueba = 125
95% Intervalo de confianza
Diferencia de medias para la diferencia
T Gl Sig. (bilateral) Inferior Superior
Días trabajados en
el semestre -10,673 63 ,000 -13,266 -15,75 -10,78
Se observa que los 64 técnicos de la muestra han trabajado un promedio de 111,73 días, con una desviación estándar de 9,943, que significa que existe una amplia variación en el número de días trabajados por unos y otros. El error estándar de la muestra (desviación estándar dividida entre la raíz cuadrad del número de casos) de 1,243 puntos. La media de días trabajados por los técnicos está 13,27 horas por debajo del valor teórico establecido para este semestre del año, que es el parámetro poblacional, es decir 125 días laborables. Esta diferencia entre el estadístico y el parámetro, en este caso negativa, dividida entre el error estándar, es el cociente t de Student-Fisher, cuyo valor es -10,673. Obviamente este valor será cero cuando el estadístico coincida con el valor del parámetro y tanto mayor en valores absolutos cuanto mayor sea la diferencia entre uno y otro. Para 63 grados de libertad, el nivel de significación de la prueba es 0,000 (inferior a una milésima) por lo que con un pequeño margen de error se puede concluir en la existencia de una diferencia significativa entre el estadístico (en este caso la media de 111,73 días trabajados) y el parámetro (en el ejemplo 125 días teóricos). Recordar de la misma manera que este nivel de significación oscila entre O y 1, siendo 1 si la t de Student -Fisher tiene un valor igual a o y por el contrario teniendo un nivel de significación que tiende a O, como es el caso, en la medida en que la t
120
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
tiende a infinito, en la práctica, y trabajando con el riesgo habitual a = 5%, se concluye: 1. Aceptando la hipótesis nula Ho, es decir, la no existencia de diferencia
significativa entre el estadístico y el parámetro, siempre que el nivel de significación de la prueba sea inferior a 0,05, es decir el 5% del riesgo a.
2. Aceptando la hipótesis alternativa HA, es decir, la diferencia significativa entre el estadístico y el parámetro, siempre que el nivel de significación de la prueba sea inferior a 0,05 como es el caso del ejemplo que se acaba de analizar.
Si se realiza la misma prueba para la variable Total visitas efectua ... , considerar para Valor de la prueba 500, como se muestra a continuación:
~ Prueba T para una muestra ¡--- -~-~----, --~--~----~-- ---------~-- ~-- ----- --~------.
f [-'5 EStidO CMí¡OCMj~ ~ v;~~~ ::::.;.,;:: (QIJ~oCI§;-)1 ~ Edad del témico ... (gg,oJ;!f~t::J l # ,Antigüedad en la... r:.:l ¡ , Salario del año 2... L.:!J l , Salario del año 2...
1 ¿> Evaluation anuaL. # Oias trabajados ... -' Valor en !Euros d... l
~.....u:::.=.!!.!..U.!..!::.!..!.!~---.!:: .... ~ yalor de prueba: Lso_o_-___J
(._~r._] L.,. P!2~f*J ~e.&~~~~re!J L r'mf.~~a!. J [,..s~---!L-~-~-a.-_.--j
Se obtiene el siguiente resultado:
Prueba T
sta stacos para una muestra E di .
N Media Desviación tí p. Error tí p. de la
media
Total visitas efectuadas 64 531 27 80,011 10 001
121
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
p ba rue t para una mues ra
Valor de prueba = 500
95% Intervalo de confianza para la
Diferencia de diferencia
t gl Sig. (bilateral) medias Inferior Superior
Total visitas efectuadas 3,126 63 ,003 31,266 11,28 51,25
Se observa que el número de visitas supera notoriamente el valor teórico establecido
de 500 para el semestre, la variabilidad de la variable es mucho mayor (400%), que
el caso anterior, la t de Student tiene un valor de 3,126 puntos, por lo que también
igual que en el caso anterior se acepta la hipótesis alternativa HA, es decir, la
existencia de diferencia significativa entre el estadístico y el parámetro.
Al 95% de intervalo de confianza la diferencia entre el estadístico y el parámetro es
de 31,266 que es la diferencia entre ambos. Si el estadístico llega a coincidir con el
parámetro, la diferencia sería O y no se aceptaría la hipótesis nula Ho.
Prueba T para muestras independientes (con datos independientes) En esta prueba se contrasta la hipótesis nula Ho de no exitencia de diferencia sinificativa entre las medias de dos muestras diferentes de sujetos. En la muestra de técnicos que tiene 64 individuos que conforman la plantilla de la empresa, per se tiene alguna variable que nos permite clasificarlos en 2 submuetras fiferentes, que puede ser el estad civil, que puede ser solteros o casados La prueba tiene como finalidad contrastar hasta qué punto las medias en una o más variables (Test variable) de los grupos de individuos (casados-solteros en el ejemplo) pueden diferir o no significativamente,
Secuencia: Analizar 1 Comparar media 1 Prueba T para muestras independientes
El cuadro de diálogo de la herramienta estadística Prueba T para muestras independientes tiene el siguiente aspecto:
122
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
Prueba T para muestras independientes
{m.. Nombre del técni ... ~ ..-. ~ 'Estado cMI {edvfl]
~ Edad del técnico .. . ~ Antigüedad en la .. . , Salario del año 2. .. # Salario del afio 2 ... ~ Eva'Juaaon anuaL ~ iDias trabajados... ¡-
~ Total visitas efeoL ~ Valor en Euros d... ~
Variables para oon!fastar.
r.:::::-1 variable de agrupación:
~
{QPCiones .. .J ( ªootstrap ... J
( • · .- : " · . . [Restablecer) { Cance1ar ) [..__A.:.-yu_d_a --.J
Añadir en Variables para contrastar la variable Salario del año 2001 en euros en Variable de agrupación la variable Estado civil, como en la siguiente pantalla:
Prueba T para mtrestJas independientes
&. Nombre del técnico ... <P Edad del técnico [e d ... , Antigüedad en la e ...
4P Salario del año 200 ... <P Evaluacion anual de ... . , Días trabajados en .. . ~ Total visitas ,efeotua .. . , Valor en Euros de la .. . ~ Tiempo medio por a .. . , Zona de trabajo (zon ...
Variables para conp-astar: [ J ,---,,----=---__,,___, __ ..., ~pdones ... IL__ ?al arlo_ del ailo 200 ... ~ [ J
~otstrap .. :
r::::l variable de agrupaCión:
~ l:ecivil(? ?) • 1
( Qefinir grupos ... J
""• -.'- . (Restablecer)[ Cancelar ]{ Ayuda J
Se observa que aparece dos signo de interrogación para se le indique los dos grupos que se desea comparar. En el ejemplo son dos Casados (1) y Soleros (2), por lo que se pulsa el botón Definir grupos y se digita un 1 para casados y un 2 para solteros, como en la siguiente pantalla:
123
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
~ Definir grupos
@ !,!Sarvalores especificados
,Gmpo!: !1 1 ~-===~·-
·Grupo~: l2 1
@ Punto de Qorte:
.[Continuar} ( Cancelar ) [ Ayuda
Clic en Continuar y Clic en Aceptar y se tiene el siguiente resultado:
Prueba T
Estadfsticos de grupo
Estado civil N Media Desviación típ. Error tí p. de la
media
Salario del año 2001 en Casado 37 21.528,09 2.192,992 360,526
euros Soltero 27 20.577,32 1.895,276 364 746
p rue b d a t . d e mues ras m epen d" t 1en es Prueba de
Levene para Prueba T para la igualdad de medias la igualdad de
varianzas 95% intervalo de Confianza para la
diferencia
Diferencia Erdror Sig. de trp .•
F Sig. t Gl (Bilateral) medias de la Inferior Superior diferencia
Se han asumido 0,975 0,327 Salario varianzas iguales 1,812 62 0,075 950,772 524,784 -98,257 1.999,801 del año 2001 en Se han asumido euros varianzas iguales 1,854 60,153 0,069 950,772 512,853 -75,033 1.976,578
124
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
Se tiene los estadísticos de las dos muestras de csasdos y solteros en la variable
Salario1 cuya etiquetas es Salario del año 2001 en euros, con medias de
21.528,09 y 20.577,32 euros respectivamente. La diferencia entre ambas medias
medias es 950,772 euros y la t de Student-Fisher 1,812y 1,854 para varianzas
iguales y no iguales respectivamente. Se concluye que no existe diferencia
significativa con riesgo a del 5%, dado que el nivel de significación (Sig, Bilateral) en
los dos casos es mayor que 0,05, más concretamente 0,075 y 0,069
respectivamente. El valor O se encuentra en efecto dentro del intervalo de confianza
al 95% de ladiferencia entre medias. La t de Studen-Fisher se obtiene como cociente
entre la diferencia de medias y el errer estándar de estas diferencias, es decir como
cociente entre 950,772 y 524,784 y 512,853 respectivamente.
El test de Levenes nos concluye en la existencia de una diferencia significativa de la
variabilidad de los salarios de ambos grupos (casados y solteros) dado que el nivel
de significación es 0,327 y por tanto mayor que 0,05.
Prueba T para muestras relacionadas (con datos apareados) Se utiliza para contrastar la hipótesis nula Ho de la no existencia de dfiferencias significativas entrte las medias de dos muestras, pero con datos apareados. Hay dos tipos aspectos: 1. O que sean los mismos sujetos en dos situaciones diferentes (en el archivo
Técnicos.sav, por ejemplo SalarioOO y Salario01, es decir los salarios de éstos técnicos en dos ejercicios diferentes)
2. O que sean sujetos distintos en ambos grupos, pero que sean comparables par a par respecto a una serie de características o circunstancias de investigación o experimentación. Es en este último caso, el de la experimentación, en donde puede resultar más propio un diseño de estas caraterísticas.
125
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
Evidentemente, se trata de un diseno distinto al anterior, de datos independientes, que entre otras cosas exige el mismo número de sujetos en ambas situaciones.
Secuencia: Analizar 1 Comparar media 1 Prueba T para muestras relacionadas
El cuadro de diálogo de la herramienta estadística Prueba T para muestras relacionadas tiene el siguiente aspecto:
Prueba T para muestr-as relacionadas
1~ -estacio ·Civ~1 íeclV!IJ · ·· l # JEdad á el técnico [ed ... ¡j> Antigüedad en la e .. . ; Salario del año 200 .. . ~ Salario del año 200 .. . ~ iEvaluac:ion anual de ... · G;") ¿> iOias trabajados en .... l:::J ; Total visit~s efectua ... · , Valor en Euros de la .. . ; Tiempo medio por a .. . .? Zona de trabajo (zon .. .
Variables emparejadas:.
Par lvariable1 lvariable2 1 !
( f!establecer) ( Cancelar ) ( . . Ayuda
-{ §ootstrap ... J
Añadir a los casilleros de Variables emparejadas las variables SalarioOO y Salario01 (cuyas etiquetas son Salario del año 2000 en euros y Salario de año 2001 en euros, respectivamente, como en la siguiente pantalla:
126
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
Prueba T pata muestras relacionadas
~ Estado c.M1 [e ciVil}
# Edad del técnico [e d ...
# Antigüedad en la e .. . J> Salario del año 200 .. .
~~ sa.iárto detafio )_oo.~.J " Evatuacion anual de... r:::l , Oias trabajados en ... . O , Total visitas .efectua .. . , Valor en Euros de la .. . , Tiempo medio por a .. . , Zona de .trabajo (zon .. .
~ariables emparejadas: Par lvartable1 lvartable2 ___ 1 __
11: _Sal~o d.:··:~- S~_laJio d ....
2 ·.. . ;
(Qpáones •.. )
( ªootstrap ... J
( Aceptar ] ( fegar ] (Restablecer] ( cancelar J ( Ayuda
Clic en el botón Aceptar, se tiene los siguientes resultados:
Prueba T Estadísticos de muestras relacionadas
Media N Desviación típ. Error tí p. de la
media
Salario del año 2000 en 20.444,55 64 2.162,065 270,258
euros Par1
Salario del año 2001 en 21.126,98 64 2.110,578 263,822
euros
Correlaciones de muestras relacionadas
N Correlación Sig.
Salario del año 2000 en 64 ,982 ,000
Par1 euros y Salario del año
2001 en euros
127
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
Prueba de muestras relacionadas ~-------~~--~--- --- ---- - - - & -- - --------~---
1 Pmeba de muestras relacionadas
' i Diferencias relacionadas
1
' 95% Intervalo de confianza para
Desviación Errortíp. de la la diferencia
Media típ. media Inferior Superior 1 gl Sig. (bilateral)
Par1 Salario del año 2000 en euros- Salario del año -682,430 408,118 51,015 -784,375 -580.486 -13,377 63 2001 en euros
!_ ______ ~-----. ---- - -- -- .. - --Nota.- Los salarios de la muestra de Técnicos en el ejercicio del año 2001 tienen
incorporado el incremento que corresponde al convenio de dicho año, por lo que en
buena lógica debe darnos una diferencia significativa al comparar ambos ejercicios.
Si lo que se pretende es contrastar la diferencia salarial real entre ambos ejercicios,
deberíamos detraer del 2001 el porcentaje correspondiente al incremento de
convenio de acuerdo a la inflación, en definitiva al criterio tenido en cuenta para el
aumento salarial de un ejercicio con respecto a otro.
Se observa en la primera tabla de los resultados los estadísticos de ambas variables
(SalariOO y Salari01) y el nivel de significación del mismo. Los trabajadores que han
tenido emolumentos más altos en un ejercicio, son también los que han tenido altos
en el siguiente y lo mismo respecto a los que tuvieron más bajos en uno, que son
también los que los tuvieron bajos en el siguiente. El nivel de significación es 0,000,
concluyendo por lo tanto que cuanto más tiende a O el nivel de significación del
coeficiente, más significativa es la relación entre ambas variables.
En el resultado, el coeficiente 0,982 con un nivel de significación inferior a 0,000 es
un claro indicio de una relación positiva muy significativa en los salarios de la
muestra en ambos ejercicios.
La media, desviación estándar y error estándar de la muestra de técnicos en ambos
ejercicios aparecen en el último cuadro, hacen referencia a la variable diferencias,
es decir la variable que genera el sistema restando uno a uno los salarios de los 64
técnicos en los años 2000 y 2001. El valor -682,430 corresponde a la media de esta
128
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
,000 1
J
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
variable diferencias es el incremento de sueldo promedio, en euros de trabajadores
de la muestra, la desviación estándar es 408,118 euros nos mide la variabilidad de
estos incrementos brutos anuales. La t negativa de -13,377 puntos con nivel de
significación 0,000, permite concluir con pequeño margen de error que la diferencia
de salarios de un año a otro es en efecto claramente significativa (se acepta la
hipótesis alternativa HA), además se concluye en la existencia de una relación
también muy significativa entre los sueldos en ambos ejercicios.
ANOVA de un factor (Análisis de varianza: un solo factor)
La prueba ANOV A de un factor es una generalización del contraste de medias para
muestras independientes _(Prueba T para muestras independientes) es aplicable a
situaciones en las que en lugar de dos sean tres o más muestras o grupos.
Ejemplo
Abrir el archivo Encuesta.sav cuyas variables tienen el siguiente diseño:
¡ Archli'O !;<fición '!er Qatos Iranslormar 6flaHzar ~arteilng 4lredo GrMicos Ublillades Ventana A}'UIIa
La hoja electrónica conteniendo los datos, se muestra a continuación:
129
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
P!;"~~-~~""c~~"'"~"'=~c '"~'~-~.o =-...o.=~"'""~,=~-~ .. ;c_~~=---"'Encuesta.sav-{Conjunto.,.de~..datos21,~JBM.SP.SS;Statistic;! ¡ArChivo §dlción, y:er . Qatos .!ranstormar ~~tizar Maikelingdi~o .Qráfices ~lidaiies veníana AYUda , . . .
:j;Eil [] r~f .~ ~ ~ D. L :1 f3J liD:· 11 e ·1!1 ~· = f!J! é0 i .· ... ·· .. ''.·:~L--.- . .. . . ·---·------- ................... -.... .. ..... ... . .................. .
Secuencia: Analizar 1 Comparar media 1 ANOVA de un factor
El cuadro de diálogo de la herramienta estadística ANOVA de un factor tiene el siguiente aspecto:
130
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
¡~ Etiáci iX1J · · · ~¡r• ~Sexo{X2j &, Grado lnstrucció ....
cR> Estado CMI (X4j
~ Tumo(X5J d:Q Venta de artículo .. .
~ Venta de verdura .. . tfU Venta de abarroL ~ ..rfl \l~nt::a tfp hPhirb~ ...-
ANOVA de un factor
lista de dependientes:
r::l factor:
L.:J :¡ ===========!
[ Co!!,trastes ... }
[ Post !!OC... )
[ Qpciones... )
{ ~otstrap ... )
[Restablecer] (,......c-a-nc-et-ar--..)[..---A-~-da---..)
Para contrastar la hipótesis de igualdad de la variable Venta de bebidas en tres
grupos de la vaariable Edad (Adolescente, Joven y Adulto), se añade en el cuadro
de Lista de dependientes la variable Venta de bebidas y en la casilla Factor
añadir la variable Edad, como en la siguiente pantalla:
ti ANOVA de un factor -Usta de dependientes:
{ Co!!trastes ... J ~Sexo(X2] 1 . [di ~e._!!ta ~~~eblda~~} ( Postn_oc. .. J ~ Grado :ln:strucción (X3]
&:, Estado Cfvil (X41 G { Qpdones .•. ) &, Tumo(X5J
. { ªootstrap ... ) r;{j Venta de artículos d ...
di Venta de verduras ( ...
cl}l Venta de abarrotes [ .... G factor: f~Edad[X1J 1
( Aceptar ),{ e_egar } { fiestablecer) ( Cancelar )( Ayuda )
Pulsar el botón Opciones que contiene los siguientes estadísticos:
131
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
ti ANOVA de un factor: Opciones· == Estaaístlcos
o!Q~~~Ei~~ O E!edos fijos y ateatoños
tJ Prueba de !}omogeneldad de las vañanzas
O ª-rown...forsythe
0Welch
O Gráfico de las medias
Valores perdidos
@ Exdulr <:2sos según análisis
@ Ex<;!uir casos según lista ---.r- --------. ·-(Continuar) ( Cancelar ) ( Ayuda J
Seleccionar los estadísticos Descriptivos y Efectos fijos y aleatorios, como en el
siguiente:
tt¡• ANOVA de un factor: Opciones -Estadísticos
~ QescriptiVos l" .. ,_ .. __ , _________ .. ,_,.,_,,_,_,,,""l
~lEfedos fijos y aleatoñosi •--~"':-·--····-----···--············· .. ····· ....... ······'
O Prueba de homogeneidad de las varianzas
O §.rown-Forsythe
0Weldl
O Gráfico de 'las medias
Valores perdldos --
@ Exdulr qsos .según análisis
@ Exquir casos según lista
( Ccntinuar) ( Cancelar ) ( Ayuda }
132
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
Clic en Continuar y Clic e Aceptar, se tiene los resultados:
ANOVA de un factor Descriptivos
Venta de bebidas
Intervalo de
Oesvíac confianza para la ...
ión Error Umite Umile Varianza entre N Media típica típico inferior superior Mínimo MáXimo componentes
Adolescente 3 5.000 1,73205 1,0000 ,6973 9,3027 3,00 6,00
' Joven 5 4,400 2,30217 1,0296 1,5415 7.2585 1,00 6,00
Adulto 22 4,000 1,69031 ,36037 3,2506 4,7494 1.00 6,00 Total JO 4,167 1,76329 ,32193 3,5082 4,8251 1,00 6,00
Modelo Efectos fúos 1,79712 ,32811 3,4934 4,8399 Efectos aleatorios ,3281. 2,7549. 5,5784. -,27429
a. Advertencia: La varianza entre componentes es negativa. Ha sido reemplazada por O, O al calcular esta medida para tos efectos aleatorios.
ANOVA de un factor
Venta de bebidas
Suma de gl Media F Sig.
cuadrados cuadrática
lnter-grupos 2,967 2 1,483 ,459 ,637
lntra-grupos 87,200 27 3,230
Total 90,167 29
Se observa que el grupo que más gasta en bebidas es el grupo de Adolescente y el
que más gasta en bebidas es el grupo Adulto.
Comparación de múltiples medias
Comparaciones de tendencia y F planeadas
Para este caso es necesario utilizar el botón Contrastes de la prueba AVOVA de un
factor, dicho botón consta de:
133
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
ti ANOVA de un factor: Contras~.
~~~~~-~::c~~~-l Contraste 1 de 1 1
- ~- - .... ·- ~.
C~eficientes: 1 ~::::::..---...
Total de coefiCientes: 0,000
[Continuar) ( Can1:e1ar ] ( Ayuda
Para lleva a cabo las comparaciones planteadas es necesario introducir los
coeficientes directamente. Por ejemplo para comparar la media en Venta de
bebidas del grupo 3 (Adulto) de Edad con la media de los grupos 1 (Adolescente) y
2 (Joven) tomados juntos, la hipótesis planteada sería:
Ho: ( -1) IJ1 + ( -1) IJ2 + (2) IJ3 = O
HA (-1) IJ1 + {-1) jJ2 + (2) IJ3 *O
Los coeficientes son -1, -1 y 2.
En SPSS se indica escribiendo los valores de cada coeficiente, como en el siguiente
cuadro:
134
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
& ANOVA de un factor. Cootras.JAI:m
~ Polinómico orgen: !cuadrático ....- l Contraste 1 de 1--------,
{ Slguie~·· )
C2_efidentes: j ~~========n .:..;;; .. ~.,. ,F ... _1 ______ ... ,
' ..... " . • ·1 . ;e ·LJ'-c'
2
lota1 de coefidentes: o,ooo
(Continuar] ( cancelar J ( Ayuda
Pulsar Continuar y Clic en Aceptar, se tiene el siguiente resultado:
ANOVA de un factor
Venta de bebidas
Suma de gl Media
cuadrados cuadrática
(Combinados) 2,967 2 1,483
No ponderado 2,640 1 2,640
Término lineal Ponderado 2,933 1 2,933 lnter-grupos
Desviación ,034 1 ,034
Término cuadrático No ponderado ,034 1 ,034
Ponderado ,034 1 ,034
lntra-grupos 87,200 27 3,230
Total 90167 29
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
F Sig.
,459 ,637
,817 ,374
,908 ,349
,011 ,919
,011 ,919
,011 ,919
135
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
la tabla de resultados muestra la F del ANOVA. Se puede ver que su valor es 0,459.
También proporciona la F del componente lineal llamada No ponderado, que toma
el valor 0,817 y la del componente cuadrático, cuyo valor es 0,011.
la columna Sig. se refiere a la hipótesis sobre cada tendencia, que se acepta en
ambos casos con p < 0,05 en la tendencia lineal y p < 0,01 en la tendencia
cuadrática; por lo tanto la relación sobre ambas variables es lineal.
Coeficientes de los contrastes
Contraste Edad
Adolescente Joven Adulto
1 -1 -1 2
Pruebas para los contrastes
Valor del Sig.
Contraste contraste Error tipico T gl (bilateral)
Asumiendo igualdad de 1
-1,4000 1,51976 -,921 27 ,365
varianzas Venta de bebidas
No asumiendo igualdad de -1,4000 1,60608 -,872 8,383 ,408 1
varianzas
la salida de los resultados incluye los coeficientes que se han utilizado en la
comparación, lo cual permite comprobar si han sido signados correctamente a los
grupos. También se incluye el estadístico t del contraste de medias, en sus dos
versiones: asumiendo varianzas iguales y varianzas diferentes.
Dado que la prueba de levene mostró la igualdad de varianzas, el estadístico de la
prueba tes -0,921 y su nivel crítico 0,365 por lo que se mantiene la hipótesis nula Ho
136
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
y no se puede concluir que existen diferencias significativamente los sujetos del
grupo de Adolescentes, Jóvenes frente a los Adultos.
Comparación a posteriori
.Para realizar las comparaciones a posteriori se hace uso de la opción ([P.oSijiot:;J]
de ANOVA de un factor, el cuadro de diálogo de la herramienta estadística Post hoc tiene el siguiente aspecto:
ti: ANOVA de un factor. Comparaciones múltiples post hoc _-1:{-
rM~~Mo varianzas iguales
LJ !Q.~~ o §-N-'K [] waner-Ouncan
O Bonferroni O Tukey T?:JB ~ll ~rrrrt-s t ~~ ~-"·~t.lll DJ - -O Sidak O Tukey-b O Dunnett . -
1 O S.Qheffe ~---·- -··· -·- ··--~-• •ro---
DQuncan Ga!~r:<a de :cr~,:.'. :~ ~ .... . - - -
. 0 R-E-G-WF O GT2 de Hochberg
[;":~:,,. ~ 0 ~-E--G-W Q O Gabñel (':) • r,.,.~.,.n~ O -..e~r:-!:'"c~ 1 t - ......, -.::..···-..,..·
rNo asumiendo varianzas iguales 1 1 D T2 de Tamhane EJ T3 de Ounnett O Gªmes-Howen 0 C de Dgnnett
Nivel ·de signi!icación: lo. os 1
{Continuar) ( Cancelar ) ( Ayuda )
Se puede seleccionar diferentes pruebas como: DMS, Bonferroni, Sidak, Scheffe,
Tukey, Cunean, Gabriel, Dunnett, etc., para el ejemplo se selecciona la prueba de
Tukey, como se indica a continuación:
137
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
~ ANOVA de un factor. Comparaciones múltiples post hoc EJ:tf-c
r-~>.sumienelo vañanzas iguales 1 i [] DMS 0 §-N-K u Waller-Duncan l O !lonferroni
¡----, ~¡fuke~ Ta:ra Ce erre :ez ~¡:::, '~tp:l ':. 1\i:i ::n:: .......... ..;
O Sidak D Tu~ey-b [J Dunn!!;tt ¡ -
i ~-'- • "" < .. - ·- - --1 O~effe O ºuncan Cate~:~.;~ ae xn~:ct '
,. ""' ...
1 ü B~E-G-"WF L1 GT2 <le t!.odlberg
r:::~:!eral ~-. :fr.~c~O ~~~ntrcl--J 1 O Qabriel 1 OR·E-G-WO
1 -L-
rNo asumiendo varianzas iguales-· ---
1 Í D T2 de Tamhane O T3 de Dunnett O Games-Howen [] C de Ounnett
Nivel de signi~cadón: jo.os 1
(Continuar); ( Cancelar ) ( Ayuda )
Pulsar Continuar y Clic en Aceptar, se tiene el siguiente resultado:
Pruebas post hoc
Comparaciones múltiples
Variable dependiente: Venta de bebidas
HSO d T k e u ev
(1) Edad (J) Edad Diferencia de Error típico Sig. Intervalo de confianza al 95%
medias (1-J) Límite inferior Límite superior
Joven ,60000 1,31243 ,892 -2,6541 3,8541 Adolescente
Adulto 1,00000 1,10605 ,642 -1,7424 3,7424
Adolescente -,60000 1,31243 ,892 -3,8541 2,6541 Joven
Adulto ,40000 ,89035 ,895 -1,8076 2,6076
Adolescente -1,00000 1,10605 Adulto
,642 -3,7424 1,7424
Joven -,40000 ,89035 895 -2,6076 1,8076
138
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
En los resultados se observa la diferencia entre las medias de la variable Venta de bebidas (independiente) en cada uno de los pares de grupos definidos por la variable Edad. También aparece el Error típico de la diferencia de medias, el nivel crítico a dicha diferencia (Sig.) y los límites del intervalo de confianza. Como se observa, los resultados indican que No existen diferencias significativas entre el grupo de Adolescente y Joven (p < 0,05) y Adolescente y Adulto (p < 0,05).
Como salida de este procedimiento, también se tiene la siguiente salida:
Subconjuntos homogéneos
Venta de bebidas
HSD de Tukeya.b
Edad N Subconjunto
para alfa= 0.05
1
Adulto 22 4,0000
Joven 5 4,4000
Adolescente 3 5,0000
Sig. ,648
Se muestran las medias para los grupos en
los subconjuntos homogéneos.
a. Usa el tamaño muestra! de la media
armónica= 5, 183.
b. Los tamaños de los grupos no son iguales.
Se utilizará la media armónica de los
tamaños de los grupos. Los niveles de error
de tipo 1 no están garantizados.
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
139
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO IV
Test de Hipótesis: Comparación de medias
REFERENCIALES
1. DANIEL W. WAYNE, Bioestadística Base para el análisis deJas ciencias de la salud, México, Edit. Limusa S.A., Cuarta Edición, 2002.
2. FERRER PEÑARANDA LUCIO, Texto de Informática Aplicada en Salud, Facultad de Ciencias de la Salud, Universidad Nacional del Callao, Ref. Resolución Rectoral N o 017-00-R, 2,009.
3. HERNÁNDEZ, R - FERNANDEZ, C - BAPTISTA, P Metodología de la Investigación, México: Edit. Me Graw-Hill lnteramaricana, Cuarta Edición, 2006.
4. QUEZADA NEL LUCIO, Metodología de la Investigación - Estadística aplicada en la Investigación, Edit. Empresa Editora Macro, 2010.
5. QUEZADA NEL LUCIO, Estadística con SPSS 20, Edit. Empresa Editora Macro, 2012.
140
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
OBJETIVOS
• El objetivo del presente capítulo, es proporcionar al lector la información
sobre análisis de datos categóricos básicamente en lo referente a
respuesta múltiple en SPSS.
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPITULO V
Análisis de datos categóricos: Respuesta múltiple
5. Análisis de datos categóricos: Respuesta múltiple
5.1. Análisis de datos categóricos En este capítulo se discutirán técnicas estadísticas para analizar datos categóricos, los cuales representan atributos o categorías. Primero se discuten la relación entre las variables que definen las filas y las columnas de las tablas y luego se estudian medidas que dan una medida del grado de asociación entre las dos variables categóricas.
Finalmente se estudia la prueba de bondad de ajuste que permite ver si un conjunto de datos sigue una distribución conocida agrupando previamente los datos en categorías.
Pruebas de Independencia y Homegeneidad Consideremos datos de dos variables cualitativas A y B como por ejemplo, nivel económico y partido político al cual pertenece una persona. También podrían ser dos variables cuantitativas que han sido categorizadas, como por ejemplo, Nivel de Educación y Nivel de salario. Como ya se había visto, en la sección 3. 7.1 de este texto, los datos se organizan en una tabla de doble entrada, llamada Tabla de contingencia, cuya forma general es la siguiente:
VarA
A1 A2 A3 .... A e Total
81 011 012 013 Ü1c R1
82 021 022 023 Ü2C R2
Var8 83 031 032 033 03c R3
.... ...... . .....
!BR ÜR1 ÜR2 ÜR3 ...... ORe RR
Total C1 C2 C3 ...... Ce n
Aquí Üij es el número de sujetos que tienen las características Ai y Bi a la vez. Pág.141
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPITULO V
Análisis de datos categóricos: Respuesta múltiple
Ri (i = 1, ... ,r) es la suma de la i-ésima fila de la tabla. Es decir, es el total de sujetos que poseen la característica 8¡. Ci {¡ = 1, ... ,e) es la suma de la j-ésima columna de la tabla. Es decir, es el total de sujetos que poseen la característica Ai. n representa el total de observaciones tomadas.
La tabla anterior es llamada una tabla de contingencia r x e, porque tiene r filas y e columnas.
Las tablas más elementales son aquellas con dos variables, donde cada una de ellas asume sólo dos valores distintos, ésta es llamada una tabla 2 x 2. Consideremos la siguiente tabla:
A1 A2 Total
81 8 6 14
82 12 9 21
Total 20 15 35
La primera pregunta que uno se hace es si existirá o no relación entre las variables A y 8, es decir si A y 8 son o no independientes. A y 8 serán independientes si cada entrada de la tabla es igual al producto de los totales marginales dividido entre el número de datos. Esto es si cumple,
Para cada celda (i, J). Claramente, esto se cumple para la tabla anterior. Por ejemplo:
La casilla 82A1, es 12 = 20x21/35. En consecuencia, no hay relación entre las variables A y B.
Pág.l42
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Otra pregunta que se puede tratar de responder es sí las proporciones de los valores de la variable B en cada columna son iguales. Por ejemplo si A: El estudiante graduando consigue trabajo, B: Sexo del graduando. Uno puede estar interesado en comparar la proporción de mujeres graduandas que consiguen trabajo con la proporción de mujeres graduandas que no consiguen trabajo. Consideremos ahora la tabla:
A1 A2 Total
81 10 6 16
82 5 16 21
Total 15 22 37
Notar que los valores de la segunda fila están en sentido contrario a los de la primera fila. O sea hay un efecto en la variable A al cambiar los valores de B, en consecuencia aquí si hay relación entre las variables. Es bien obvio, también que la fórmula de independencia no se cumple para ninguna de las entradas. Por otro lado las proporciones de los valores de la variable B no son los mismos en cada columna. Por ejemplo para B21as proporciones son 5/15 versus 16/22.
Cuando consideramos que los valores de nuestra tabla han sido extraídos de una población, entonces nos interesaría probar las siguientes dos hipótesis:
i) La prueba de Independencia, que se efectúa para probar si hay asociación entre la variables categóricas A y B, y
ii) La prueba de Homogeneidad, que es una generalización de la prueba de igualdad de dos proporciones, que se discutió en la sección 7.8. En este caso se trata de probar si para cada nivel de la variable B, la proporción con respecto a cada nivel de la variable A es la misma. Si A tiene 3 niveles y B tiene 2 niveles entonces Ho: p
Por ejemplo, nos gustaría saber si hay o no relación entre el nivel económico de una persona y su afiliación política. También podríamos estar interesados en determinar si hay relación entre el nivel de educación y el nivel de salario. En ambos casos se usaría una prueba de independencia. Por otro lado, también podríamos estar interesados en probar si para cada nivel económico hay igual proporción de personas en cada partido político, o si para
Pág.l43
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
cada nivel de educación hay igual proporción de personas en cada nivel de salario. En estos casos se usaría una prueba de homogeneidad.
Sin embargo; ambos tipos de hipótesis se pueden probar de la misma manera y el procedimiento se resume en el recuadro que sigue:
Las hipótesis de independencia son:
Hipótesis nula
Ho: No hay asociación entre las variables A y B, mejor dicho no hay independencia.
Hipótesis alternativa
HA: Sí hay relación entre las variables A y B
Las hipótesis de homogeneidad son:
Hipótesis nula
Ho: Las proporciones de cada valor de la variable son iguales en cada columna.
Hipótesis alternativa
HA: Al menos uno de las proporciones para cada valor de la variable B no son iguales en cada columna
Ambas hipótesis se prueban usando la prueba de Ji-cuadrado:
k l 2 ¿¿(0··- E··) 2 - t} t} X - E ..
. 1 . l] t= ]=1
Donde:
Üij es la frecuencia observada de la celda que está en la fila i, columna j y
Pág.144
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPITULO V
Análisis de datos categóricos: Respuesta múltiple
E .. _ RiCj lJ - n , es la frecuencia esperada de la celda (i, j). La frecuencia
esperada es aquella que debe ocurrir para que la hipótesis nula sea aceptada.
La prueba estadística se distribuye como una Ji-cuadrado con (r-1)(c-1) grados de libertad.
La hipótesis nula se recha si x 2 Calculado > x 21-a' donde a es el nivel de
significación o equivalentemente si ei·"P-vale" es menor que 0,5.
Nota.-x2 1_a se obtiene de la tabla Chi Cuadrado.
Si la tabla de contingencia presenta pocas observaciones en algunas celdas (digamos menos de 5), entonces la prueba no es confiable. Existen pruebas exactas para tablas de contingencia, pero no se han considerado en este texto.
Pasos para la prueba de Hipótesis mediante la prueba Ji-Cuadrado
1. Formulación de la hipótesis: Se formula la hipótesis nula y la hipótesis alternativa. Nota.- Una de las hipótesis específicas de la investigación es la hipótesis
alternativa (exactamente igual)
2. Suposiciones: La muestra es una muestra aleatoria simple.
3. Estadística de prueba: La estadística de prueba es:
i 2
·i = L (O¡- Ei)
k=1 Ei
4. Distribución de la estadística de prueba: cuando Ho es verdadera, 12 sigue una distribución aproximada de ji-cuadrada con (r-1) (c-1) grados de libertad. Se busca en la tabla 12, para a= 0.05 y (r-1) (c-1) grados de libertad.
5. Regla de decisión: Rechazar hipótesis nula (Ho) si el valor calculado de 12 es mayor o igual que x 2 1-a<valor obtenido de la tabla).
Pág.145
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
6. Cálculo de la estadística de prueba: El valor 7} se obtiene al calcular primero las frecuencias esperadas de las celdas. Al desarrollar la fórmula:
k l 2 LL(O··- E··) 2 - t} l.} 1 - E ..
. . 1 l) 1.=1 ]=
7. Decisión estadística: Si 12 calculado > 12
1_a, se rechaza Ho.
8. Conclusión:
Ejemplo Como ejemplo de aplicación de éste capítulo consideraré mi tesis que me permitió obtener el grado académico de Doctor en Ingeniería de Sistemas:
Título de mi tesis doctoral
"Liderazgo de clase mundial sistémico del potencial intelectual en pequeñas y medianas empresas de Lima Metropolitana"
Tomaré en cuenta sólo dos hipótesis específicas
Hipótesis a)
Las características del líder de clase mundial sistémico influirá en el análisis de
los modelos mentales concerniente al sector empresarial.
Prueba de la Hipótesis
Pasos: 1. Formulación de la hipótesis: Se formula la hipótesis nula y la hipótesis
alternativa: Ho: Las características dellíder.de clase mundial sistémico es independiente en el
análisis de los modelos mentales concerniente al sector empresarial. La hipótesis nula también puede plantear de la siguiente manera:
Ho: Las características del líder de clase mundial sistémico no influirá en el análisis de los modelos mentales concerniente al sector empresarial.
H1: Las características del líder de clase mundial sistémico influirá en el análisis
Pág.146
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
de los modelos mentales concerniente al sector empresarial. Características del líder de clase mundial sistémico (P4 vs P13)
Análisis situacional de la empresa
Casi Algunas Casi Total
Siempre Siempre veces Nunca
Tener el poder formal 3 6 6 8 23
(9.1132) (5.6415) (4.4843) (3.7610)
Liderazgo servidor 6 10 13 9 38
(15.0566) (9.3208) (7.4088) (6.2138)
Humildad para servir 45 19 8 6 78
(30.9057) (19.1321) (15.2075) (12.7547)
Explotar iniciativas del 8 2 1 1 12 personal (4.7547) (2.9434) (2.3396) (1.9623)
Ser tolerante 1 2 3 2 8 (3.1698) (1.9623) (1.5597) (1.3082)
Total 63 39 31 26 159
Esta tabla se ha obtenido cruzando las preguntas 4 y 13 de la tesis, dichas preguntas fueron:
Pregunta 4. Característica del líder de clase mundial sistémico
¿Qué característica debe tener un líder de clase mundial sistémico?
{a) Tener el poder formal { )
(b) Liderazgo servidor { )
{e) Humildad para servir { )
(d) Explotar iniciativas del personal { )
)
Pregunta 13. Análisis situacional de la empresa
(e) Ser tolerante {
¿Analiza profundamente un problema concerniente a la empresa?
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.147
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO V
Análisis de datos categóricos: Respuesta múltiple
(a) Siempre ( )
(b) Casi siempre ( )
(e) Algunas veces ( )
(d) Casi nunca ( )
(e) Nunca ( )
La frecuencia esperada de la primera casilla es (63 x 23) /159 = 9. 1132. Las frecuencias esperadas de las demás casillas, se obtienen multiplicando los respectivos totales marginales y, luego dividiendo por el total que es 159.
Para probar la hipótesis planteada he seguido el siguiente procedimiento:
2. Suposiciones: La muestra es una muestra aleatoria simple.
3. Estadística de prueba: La estadística de prueba es: i 2
"1! = '(Oi- Eo 61 Ei
4. Distribución de la estadística de prueba: cuando Ho es verdadera, 7} sigue una distribución aproximada de ji-cuadrada con (5-1) (4-1) = 12 grados de libertad. En la tabla 7}, para a= 0.05 y 12 grados de libertad se tiene: 21.026.
5. Regla de decisión: Rechazar hipótesis nula (Ho) si el valor calculado de 1! es mayor o igual a 21.026.
6. Cálculo de la estadística de prueba: El valor 1! se obtiene al calcular primero las frecuencias esperadas de las celdas. Al desarrollar la fórmula tenemos:
k l 2 II(O··- E··) 2 - t} t} l - E ..
. . l) t=1 ]=1
Pág.148
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
2 = (3-9.1132)2 + (6-5.6415)2 + (6-4.4843)2 + (8-3.7610)2 + (6-15.0566)2 + (10-9.3208)2 + X 9.1132 5.6415 4.4843 3.7610 15.0566 9.3208 (13-7.4088)2 + (9-6.2138)2 + (45-30.9057)2 + (19-19.1321)2 + (8-15.2075)2 +
7.4088 6.2138 30.9057 19.1321 15.2075 (6-12.7547)2 + (8-4.7547l + (2-2.9434)2 + (1-2.3396)2 + (1-1.9623)2 + (1-3.1698)2 +
12.7547 4.7547 2.9434 2.3396 1.9623 3.1698
(2-1.9623)2 + (3-1.5597)2 + (2-1.3082)
2 = 40.739 1.9623 1.5597 1.3082
7. Decisión estadística: Dado que 40.739 > 21.026, se rechaza Ho.
8. Conclusión: Las características del líder de clase mundial sistémico influyen en el profundo análisis de los modelos mentales.
Hipótesis b) 1. Formulación de hipótesis
Ho: El estilo de liderazgo de clase mundial sistémico es independiente en el aprendizaje continuo y visión compartida del sector empresarial.
H1: El estilo de liderazgo de clase mundial sistémico influye en el aprendizaje continuo y visión compartida del sector empresarial.
Estilos de liderazgo en actividad empresarial (P6 vs P15)
Desarrollo de nuevos productos
Total
Si No
Gerentes que se orientación 12 28 40 a las tareas (25.4088) (14.5912)
Gerentes que se orientan a 11 19 30 los empleados (19.0566) (10.9434)
Gerentes que combinación 78 11 89 de estilos anteriores (56.5346) (32.4654)
Total 101 58 159
Pág.l49
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Esta tabla se ha obtenido cruzando las preguntas 6 y 15 de la tesis, dichas preguntas fueron:
Pregunta 6. Estilos del liderazgo en actividad empresarial
¿Cuál de Jos estilos de liderazgo de clase mundial es el más adecuado para ser
aplicado en el sector empresarial?
(a) Gerentes que se orientan a las tareas ( ) (b) Gerentes que se orientan a empleados ( ) (e) Gerentes combinen estilos anteriores ( ) Preguntas 15. El desarrollo de nuevos productos
¿Actualmente la empresa está desarrollando nuevos productos?
(a) Si ( )
(b) No ( )
La frecuencia esperada de la primera casilla es (101 x 40)/159 = 25.4088.
Las frecuencias esperadas de las demás casillas, se obtienen multiplicando los respectivos totales marginales y, luego dividiendo por el total que es 159.
Para probar las hipótesis planteadas seguiremos los siguientes pasos:
2. Suposiciones: La muestra es una muestra aleatoria simple.
3. Estadística de prueba: La estadística de prueba es:
i 2 '(Di- Eo xz= ¿ k=l Ei
4. Distribución de la estadística de prueba: cuando Ho es verdadera, x2 sigue una distribución aproximada de ji-cuadrada con (3-1) (2-1) = 2 grados de libertad.
Pág.lSO
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
En la Tabla 1..2. para a= 0.05 y 2 grados de libertad se tiene 5.991.
5. Regla de decisión: Rechazar hipótesis nula (Ho) si el valor calculado de x2 es mayor o igual a 5.991.
6. Cálculo de la estadística de prueba: El valor x2 se obtiene al calcular primero las frecuencias esperadas de las casillas. Al desarrollar la fórmula tenemos:
k l 2 LL(O··- E··) 2- t] '-1 X - E ..
. 1 . 1 l] t= ]=
2 = (12-25.4088)2 + (28-14.5912)2 +
X 25.4088 14.5912
(11-19.0566)2 + (19-10.9434)2 + (78-56.5346)2 + 19.0566 10.9434 56.5346
(11-32.4654)2 = 51.078
32.4654
7. Decisión estadística: Dado que 51.078 >5.991, se rechaza Ho.
8. Conclusión: El estilo de liderazgo de clase mundial sistémico influye en el aprendizaje continuo y visión compartida del sector empresarial.
Pág.lSl
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPITULO V
Análisis de datos categóricos: Respuesta múltiple
Ahora probaré las dos hipótesis anteriores con el programa SPSS
Los datos de la encueta de mi tesis doctoral se encuentran registradas en el archivo Q Encuesta Tesis Doctorado lucio (Encuesta Tesis Doctorado.sav). La primera pantalla de dicha encuesta se indica a continuación:
~u • _, •• • __ .·- &laJesta_Tes~Ooctoradoludo.sav!Coojunto_de_dat~li-.IBM~SSta:istics_{ditordedato; __ ikdt.'o ~didón yer ~os Iran;foonar b1alizai ~aike:ing mreda ~,ros !:!llidad;; Ventano A¡'uda
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
.J J
Pág. 152
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Hipótesis a)
Pasos: 1. Secuencia: Analizar 1 Tablas de contingencia ...
tnw..to res;. Doc\or.SO ..._..... ~-de..dlltostF ISMsPS>SiOiJSiiOr,¡¡-torc;;d.tos ---~-~ ~~-MsB..MinCI ... cm i.dlcal ywactn v.nna ~
·.~--~ ... ~-e --·~'b <::> ~: .r ~.díiiiC..dta~ ['Jfrecu.:ndas.. ~~..- ~ ....... ,,., . -L
Ta,QtU • ~QtSQ'IPIII'Oe.- tV!dlt•.11M1D~s
'· 2
P1 P2 P3 ComD-tnecin .e,~-
r.ttoelolneatgtnttal • !l'·,:,c¡~~~---,--"p:;'"'---''-'P':1.2~~,- ~3--~~~ -~ T~--~ P;L.._!!:_
Moct!tO§JN»nc~ • Caazoo- i 1 • 1 2
3 -.
•• 11 .. ,;-~-, 13 ,. 15
"' 17 18
' ' 3
3
ft. 3 ... .3
21
1 1
2 1
1
·: ~ 1 ~ -~~-·-e~-~ ~--v-..,... .. .._\Mie~.,.....
--2 2
2
U&dl~ml!fnS
~moone·
BeQrMt6tt .._ .. R-.-. .,..,_ R~Ot~ .. .... f"ruMm·(!lt~ .... -.. §U ......
RHP!:!ubtnt;1ípla IIIM»sts .. -.. __ -~COfnP!:tJ2S
O¡._-._ C~dl~
C-e<>' lilOñbs!!<l-
'-;::C::_""'t".-:-CO!L~,-.~
1 2
2 2 1 ' . . ' 2 l • S
' ' .. ' 2 • 1 •
3 1 2
' ' ' -'1"' -.2 3 2 • 1 3 '
1.
-. 2
~ra:t~tna~------------·------------------------------.iii'iiiS~~¡;¡;~---¡-.,-1
2. Añadir las filas y columnas; en filas considerar la pregunta 4 y en columnas, la pregunta 13
Te bias de contingencia
~ Situación en las -pequeñas y media ... cQ, EJ gerente y elllderrazgo eficaz[P2) ~ Esencia del liderazgo de ciase mun .. . A Acciones de los gerentes en la.s e m .. . óO :Estilos del liderazgo en ac!Mdad e .. . A Estilo de liderazgo en las emp.-esas ... A ACeptación de estiolos de !liderazgo ..• ~ SitUaCión influyente en el lfder (P91 A Uderazoo de clase mundial más ad ... A El líder y el cambio empresañal (P11]
A Toma ere decisiones empresañales .. . A Técnica de IIU'\IIa de Ideas en empre .. . A E:l desarrollo de nuevos productos (... · -' .,_, Part!Cipadón del personal en nuevo __ f;--;;..; -· . .
~-_j Mostrar los grá11eos ae !!arras agrupadas
[J Suprtmlf!abtas
Aceptar ) ( Pegar
Filas:
.,. !".;.,;.._ 9l~~r[sU~_s_del!f~r ct~~--~¡
Columnas:
t Capa 1 de 1·
l ' ! l
J {Restablecer J [ Cancelar ] ~--=:!:=J
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
( ~---) (~adistlcos."' J (-6;~iita~ ... - J ( !:ormato__ J ( Bootstr~P . .=-]
Pág.153
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO V
Análisis de datos categóricos: Respuesta múltiple
3. Clic en el botón Estadísticos, seleccionar el estadístico Chi-cuadrado
~·· .. Tablas-de contingeoda: €stadfstkos -· .... r----················-··-·--····-·······-··--·-······-·-······--···--·-··
~¡Chi-cuadrado lO Correlaciones ·-·..r.'r.' ...... --···----.. ·····-·····~····-········-.. ··-·-···------ -
Nomina1 ~Ordinal j D ~eficiente de 'contingencia
0Gamma J O .Eni y V de Cramer O dde Somers
Dbambda lli Ta..; de Kendan O Coeficiente de inoer'tidgmbre O Tau~ de Kendall
'------ ----- -----¡-Nominal por intervalo O !5appa
IOgta O Rfesgo
O MCNemar
O Es'ª dísticos de Cochran y Mantei-Haenszet
P.o:.zr :...:e ·_.1~:1 e:~ .e~.!3 3':'! c~mL • c':t- ·.a·~.: a 1
{Continuar) { cancelar ) ( Ayuda )
4. Clic en Continuar y Clic en el botón Aceptar, se tiene el siguiente resultado:
Tablas de contingencia Tabla de contingencia Características dellfder de clase mundial sistémico * Análisis situacional de la empresa
Recuento
Análisis situacional de la empresa Total
Siempre Casi Siempre Algunas veces Casi Nunca
TenerelpoderFormal 3 6 6 8 23
Liderazgo servidor 6 10 13 9 38
características Humildad para servir 45 19 8 6 78
del líder de clase
mundial sistémico Explotar iniciativas del 8 2 1 1 12
personal
Ser tolerante 1 2 3 2 8
Total 63 39 31 26 159
Pág.154
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Pruebas de chi-cuadrado
Valor Gl Sig. asintótica
_ibilateraJl
Chi-cuadrado de Pearson 40,7398 12 ,000
Razón de verosimilitudes 42,643 12 ,000
Asociación lineal por lineal 12,556 1 ,000
N de casos válidos 159
a. 10 casillas (50,0%) tienen una frecuencia esperada inferior a 5. La
frecuencia mínima esperada es 1,31.
Dado que 40.739 > 21.026, se rechaza Ho El valor 21.026 se obtiene de la tabla Chi-cuadrado con a= 0.05 y 12 grados de libertad
Hipótesis b) Pasos: 1. Secuencia: Analizar 1 Tablas de contingencia ... 2. Añadir las filas y columnas; en filas considerar la pregunta 6 y en columnas, la
pregunta 15 Se obtiene el resultado:
Tablas de contingencia Tabla de contingencia Estilos del liderazgo en actividad empresarial * El desarrollo de nuevos
productos
Recuento
El desarrollo de nuevos productos Total
Sí No
Gerentes que se orientan a 12 28 40
las tareas
Estilos del liderazgo en Gerentes que se orientan a 11 19 30
actividad empresarial empleados
Gerentes que combinan 78 11 89
estilos anteriores
Total 101 58 159
Pág.155
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Pruebas de chi-cuadrado
Valor Gl Sig. asintótica
(bilateral)
Chi-cuadrado de Pearson 51,0788 2 ,000
Razón de verosimilitudes 53,770 2 ,000
Asociación lineal por lineal 45,792 1 ,000
N de casos válidos 159
a. O casillas (0,0%) tienen una frecuencia esperada inferior a 5. La
frecuencia mínima esperada es 10,94.
Como 51.078 > 5.991, se rechaza Ho
El valor 5.991 se encuentra en la tabla Chi-cuadrado con a= 0.05 y 2 grados de libertad
5.2. Análisis de respuesta múltiple
Menú Analizar 1 Respuestas Múltiples
A la opción Analizar de la barra de menús se denomina Estadística.
Concepto Respuestas Múltiples: Entre los tipos de preguntas que se pueden utilizar en un cuestionario figuran las preguntas cerradas que pueden ser dicotómicas, de opción múltiple o de respuesta múltiple. La pregunta cerrada dicotómica es aquella que ofrece dos alternativas de respuesta, que son mutuamente excluyentes. Es decir, la elección de una categoría de respuesta excluye la posibilidad de dar otra respuesta a la misma pregunta. La pregunta cerrada de opción múltiple es aquella que contempla más de dos alternativas de respuesta, pero con carácter excluyente. La pregunta cerrada de respuesta múltiple le ofrece al entrevistado distintas opciones de alternativas de respuestas, pero estas no son de carácter excluyente: el entrevistado puede seleccionar varias. El concepto de respuestas múltiples se refiere a éste último tipo de respuestas donde el entrevistado puede optar por tildar o responder a varias de las categorías de la variable. Ejemplo de este tipo son "razones de preferencias", "razones de elección", "marcas conocidas", "marcas probadas", etc.
Pág.156
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Ejemplo de Respuesta Múltiple
C1 Incentivos extra salariales
¿Podría indicarnos cuál o cuáles de los siguientes incentivos extra salariales tiene usted actualmente establecidos en su empresa?
o Por resultados de empresa o Comisiones
o Por resultados de unidad de negocio o Participación en beneficios
o Por objetivos individuales o Otros .......
o Colectivos
01 Sectores más interesantes para invertir a medio-largo plazo
¿Podría indicarnos, en su opinión, cuál o cuáles son los sectores más interesantes para invertir a medio-largo plazo? (Elija un máximo de tres opciones).
o Telecomunicaciones o Químicas
o Inmobiliario o Distribución
o Banca o Sector industrial
o Servicios o Biotecnología
o Energía o Otros ...
La codificación de este tipo de información puede realizarse en una doble dirección:
1. Método de dicotomías múltiples 2. Método de categorías múltiples
1. Método de dicotomías múltiples.- Es cuando se ingresa información de la pregunta C1 a la base de datos, las variables serán definidas por los distintos atributos, productos o servicios de una marca, diferentes anuncios, programas,
Pág.l57
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
proveedores, diferentes incentivos. Si se carga el archivo directivos.sav contenido en el libro "Análisis estadístico con SPSS 14, Tercera Edición" del . autor Bienvenido Visauta Vinacua, veremos que la misma tiene once columnas reservadas para la pregunta e 1, desde e 1.1 hasta e 1.11 columnas que corresponden a las diferentes respuestas dadas por los individuos a esta pregunta, ocho de las cuales ya están concretadas en ocho categorías específicas de respuesta y tres que se ha añadido como respuestas diferentes dadas por los sujetos en la categoría "Otros", más concretamente, Coche de empresa, Stock, Options y planes de pensiones. Si se observa la base de datos se ve que se ha entrado un 1 (Si) en el supuesto de que el directivo que ha contestado la encuesta haya seleccionado la categoría correspondiente y un 2 (No) en el supuesto de que no sea así. Esta es la razón por la que el procedimiento se denomina de dicotomías múltiples, entramos la información de forma dicotómica para las diferentes variables a que dan lugar las opciones de respuesta múltiple.
En resumen: Con el método de dicotomías múltiples deberemos definir tantas variables como respuestas diferentes tengamos a la pregunta planteada, en el ejemplo 11 diferentes, y para individuo encuestado y en cada columna entrar, por ejemplo un 1 en el supuesto de que la haya seleccionado y un O o un 2, como en el ejemplo, en el supuesto de que no sea así. Posteriormente a cada uno de estos valores le podemos poner la etiqueta que consideremos oportuna, en el ejemplo sencillamente Sí y No.
2. Método de categorías múltiples.- La pregunta 01 está planteada en términos. Observar cómo en la misma pregunta ya se pide a los individuos que responden que "Elijan un máximo de tres opciones" Se ha generado por tanto en la base de datos tres columnas para las tres variables que corresponden a cada una de las opciones de los sujetos. El orden en este caso no se tiene en consideración, por lo que entramos cada respuesta en el orden que estimemos oportuno. Observar que en este caso, cada una de las tres variables, sectores a invertir mencionados en la respuesta, tiene tantas categorías de respuesta como incluimos en la pregunta, es decir 1 O, por lo que estos son los valores de cada una de las tres variables con su etiqueta correspondiente y es a su vez la razón por lo se le denomina procedimiento de categorías múltiples.
Pág.lSS
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Veamos ambos procedimientos con el mismo archivo Directivo.sav y estas mismas dos preguntas. 1. Analizar 1 Respuesta múltiple 1 definir conjunto de variables r:te=:: mtW!Ni+4!&H -IMwrmnnae .... - ----J!JI!I!I!!!II
~ [) f!i;b a;g ~ "tl J- ,e~---
~ ~t:1 -~~ e1.2 J.
2 J 6 -- -f·~ f 6 -,. .· 4""- •.. ~-- ~{·
.--1
- ~ 8~" ~
.
~g - -·of
10
'' 1 1f , 14
-~~- --1
" ---~..11--- _[ " ,;
~ ~ 21
-~:!2 --
-~~ ....
2 3
•. • 1 1 5 r·
~~~-~~~·\I'IJtiOio'Mf!HtH rDeanir~-Oe~- ---
Se tiene:
,,
' 2
• •
" ~1;1 b12 bll 'b14. ,i b_15 .l b2
......
--~R~ .. -~-- t
a~tt<MnJCWnp..-drc!OS_ _ ... _ Muestra~ conqt)n
C'JJ BlfnUitU:lón.
Corhlc:t~
f:iCOo!>COR. ..
• • 2
• 5 5
• 2'
3 .--3
.-2
! • 1
5 •
2
• • • • 5
' ·-' 2 2
•
,--5 • 2 •
Defillf.- <:OrYuntos de respuestas mOit~es
,- c11 j __ cU t
cl3
2 2
• 1 -- "
1 1 1 1
2 2
1 1
-.- --2
• .- - '.2' 1
1 1 2 2 i 1 2 2 --·2-- 2
1 2
1 1 2 2' ., 1
" • 2 1 ; 1
2 2¿. 2 1 - t
1 1 2 1
2 1 1
·r - - 1
Delinldón del conjunto
YMao"• ••• .:.,:;,: -1 1
Conjuntos de res-p. múHiples:
[di VatoradÓn-dt!l e.. ,...._ o:l:i Valoración de la L. .di ValoraCión de la ... 1-.dl valoraCión de la __ ..di Valoración de :1a _ .,di Telecomunlcacío __ ..dJ Telecomuntcacio ... d Rapidez acceso 1... i= :;¡;j l"',.ll,i<>ti -n<Snln<>"' ~
¡-Las variables están codificadas como
¡ @ Qieotomfas Valor contado: 0 1 -
1 O Categ_orias h.:,··, .• lL ~:'~
. -- ] --~--·---.
~ombre: 1 1 P===========================~
a~~~ 1
1
Nota: Los conJuntos que se definan aquf sólo estarán dlsponiDies en los procedimientos de Tablas de contingencia y Frecuencias de respuestas múHiples. Utilice la opdón Definir conjuntos de .--espuestas niúlflples del menú Datos para utilizar los conjuntos en cualquier otro sitio_
Pág.159
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
2. Seleccionar las etiquetas de las variables desde C1 hasta C11 (Incentivos:? ... ), en "Las variables están codificadas como" seleccionar la opción Dicotomías; en "Valor contado" digitar 1, en "Nombre" escribir incent, se observa en el recuadro "Conjunto de respuestas múltiples" $incent .
Definir conjuntos de respuestas múltiples
¡Definición del conjunto---· ·--- --·-- -·--- ·------,
1 1 1 .---------.,...., yariables del conjunto:
jO Sectores a invertí ... ~ :~IncentivOs: por te ... ~~- ' ~.¿La bolsa estás... :~Incentivos: por re .•. i ~Tamaño de su e... i~ Incentivos: por ob ... l ~Facturación anua... r:::l i~ Incentivos: porob ... ¡ 10 kea funcional en... ~ • «:.- Incentivos: por w ... :
~ , Número de subo... ~ IncentiVOs: coledi ... f ~ AntigOedad en la... . .~Incentivos: comls ...
10 Estudios de proc__ ~~Incentivos: partid ... ,_ ~ .lltf~>nlnnÍl) 1~>71 • . .iJ..Jnr~>ntivl\<t· rn.t'h" •
1 rlas variables están codificadas como
l1 @ Qicotomias Val!!r ·contado: EJ Jl ~ Catego~as R~-:;:~ _ ~. ~.~<1
: j
i. 1' ¡ 1
j
1 ..
1 1 ¡1_. : ~ombre: .__ln=ce=n=t======:===========l·
1¡- 1 1 1¡ ¡ iEtiqueta:lncentiVos extrasalaríales .
L---- ------.J
Conjunto§_ de resp. múltiples:
.Nota: Los conjuntos que se de1inan aquí sólo estarán disponibles en los procedimientos de Tablas de contingencia y Frecuencias de respuestas múltiples. utilice la opción Definir conjuntos de respuestas múltiples del menú Datos para utilizar los conjuntos en cualquier otro sitio.
3. Clic en el botón Añadir, se tiene la siguiente pantalla:
Pág.160
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Definir conjuntos de respuestas múltiples
roefinición del conjunto----·-··-··--·----1 ' 1 r-.P.,-:--¿-E-s-in-te_m_e_t s-e-g.-.. ·~=~~
~ Incentivos: por 1re... ' ~ Incentivos: por re... : i:, Incentivos: por ob ... iJ G:, llncentivos: por ob ... ~ ~ Incentivos: por ev .. . B., 11ncentiv0s: coledL. ~ !Incentivos: ~comis ... ._ JJ.. 11n,.<>ntivnc:· n::utif"i .....
Variables del conjunto:
l :las variabl~s están codificadas como 1
,
ll @ QicotomJas VaiQr contado: O ¡ ~ © . 1' l c~~~~o~~-~~~g~ __ tca2~~ ·-- ______ _j :
!~~~ ! j Etiqueta: 1 1 .
. ·· ... -'·
Conjuntos de resp. múltiples:
Slncent
Nota: Los conjuntos que se definan aquí sólo estarán disponibles en los procedimientos de Tablas de ~contingencia y Frecuencias de respuestas múltiples. Utilice la opción Definir conjuntos de respuestas múltiples del menú Datos para utilizar los conjuntos en rualquier otro sitio.
4. Clic en el botón Cerrar
Procedemos del mismo modo para la segunda serie del ejemplo, es decir los sectores a invertir.
1. A diferencia del anterior, Seleccionar las etiquetas de las variables desde 01 hasta 03 (Invertir:? ... ). En "Las variables están codificadas como" la opción categóricas; en "Rango" digitar 1, en "hasta", digitar 10, "Nombre" escribir invert, se observa en el recuadro "Conjunto de respuestas múltiples" aparece $incent y $invert.
Pág.161
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Definir conjuntos de respuestas múltiples
Definición del conjunto-----------------
' ~ Incentivos: co~is ... .::. &, 11ncent1v0s: partici .. . 6!, !IncentivOs: codle .. . 6!, •IncentivOs: stOCk .. . éb Incentivos: plan d .. . ~ ¿Son las stoct: o... ~
' ~ ¿;La bOlsa está s... _1 -' Tamaño de su e... f:::-1 # Facturación anua ... .,..
~aliables del conjunto:
¿p sectcn-es a Invertir 1 ... , 1c:;:_, Sectores a invertir 2 .. . ! V-t. SeptO!e~ ~ ~Jnyerll!_3_:c;
¡;:;:;: .. ;~~~~":":~:·1 .• -~. -~-~-J ~omtlre: llnvert
~======~================9 Etiqueta: !sectores a inverti~
M:acllr
Conjuntos de resp. múltiples:
$1ncent
Nota: Los conjuntos que se definan aquf sólo estarán disponibles en los procedimientos -de Tablas de -contingencia y Freeuendas de .respuestas múltiples. Utilice la opción Definir conjuntos de respuestas múltiples del menú Datos para utllizafllos conjuntos en -eualquler otro si1io.
Clic en el botón Añadir, se tiene: Definir conjuntos de f"espuestas múltiples
DefiniCión del conjunto'"-------- --- ~--·· --- ·---------·----· ·
c2, :Incentivos: ,partici ... ~ 6?:, IncentiVos: coChe .. . ~:Incentivos: stock .. . &, IncentivOs: plan d .. . ~ ¿Sen las stoCk o... "'""i 6?:, .Sectores a invertí... 1 ~Sectores a_,inverli ... '1 6!, Sectores a invertí ... d .:0:. 11 ~ 1->nl<:~ o<:t-!> " ~
yartables ael conjunto:
f Las variables están cod!ficadas como·¡ ' ® Qlcotomfas vat2 r.contado: 0 1 @ c~~~:~~s- ~~ ----- ~:··~~-- _ f::!ombre: 1 1
l====== Etiqueta: J.__ _________________ ___,l ~---·-~ ••---~ -~---~-~-~--~·-··-·~-~ ~~--x ·-~------~-·-------~· -•• ---
Conjuntos de resp. múltiples:
Slncent Slnvert
Nota: ~Los conjuntos que se definan aquf sólo estarán disponibles en los procedimiento-s de Tablas de contingenda y 'Frecuencias -de -resptJestas múntples. Utilice la opción Deflnlrcof1juntos de respuestas múltiples ae1 menú Datos para utilizar :los conjuntos en -cualquier otro sitio.
( cerr:ar) [ Ayuaa }
Pág.162
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
1
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO V
Análisis de datos categóricos: Respuesta múltiple
2. Si se pulsa el botón Close ya se pude proceder a realizar los análisis de las mismas.
Tablas de frecuencias con variable de respuesta múltiple
Secuencia: Analizar 1 Respuesta múltiple 1 Frecuencias. tr ---- -· - -- - -- -~s..vrc<>i>ñto.JO~JO.oiil ·,a..SPs:~SiaihíiéSE<iiiiiéieaao.·- ---------- --::--·..-~
AI'CNIO ~<~dan r:• u-. ~tnar ~ ~andel ~ -,;~;;;--::::;;;-~·;:""""':==-:;-~:;;;;---;;-:::;-=-------------------
~ H ~ ~-U"' -~-~ t:: .-..:~:..:_ -~~ ~f,.,-,-~ .... --~.,.,.---,..~-~.,.,.·--,....,..A __ ~,.,.,-,...-'0 .... -....,-'""'~,...-----,.,....-...--,..,.....-~-,.,...::.:r;...;;:;;;o;.:;;"":..:: .. .:::.""-="""'=,'' ·~ 1_
1 a1 2
7 :::.:.::.:.. ,. -'-11_ 1.1 b1! b~ S
31 b1"
1 tl15 tQ l bl c1 1
1 c12
1t c1 3
1 --,-· E lilldltM ... dtiOIMf'1llt;ldOS • 15 5 2
• • • ·~ 7 --~
,. ---u~
13
- ... ,,¡
-·" -1 11 '
"
• -• 2
• o •
1 ---Btgn~On ._, .. ftlte)tfinl~ ..... • • - oa•-Rt~6n eh .-.rutm*'•• ...... P•runu [10 P*ftffW41ic .. ..... _
.. --3 Alt~-~ IIMMtildevalofaaPHdldOI----...... ~-a.--
. •
. _ _. .. __ t -.... ..
.. ; ..... d.~L. . .---.--,---., . '
1 ;· 2
-~---1 1 ""*" ........ 1. . 1
22 2l
I!]O..,.COOI. '
w.a•-- ,Vt«aáe~lliiU~
Ft~M-::.-
Se tiene la siguiente pantalla:
Frecuencias de respuestas rmlltiptes
Conjuntos de res p. múltiples: Tablas para:
f9 Sinvert (P1 Slncent ]
Valores perdidos - - · -· - - - - ·
Exduir tos casos según lista 9_entro de las dicotomías
Exduir los casos se_5lún lista dentro de las categorías
• •
• ' ' -3 2
2
I ¡- ) { Restablecer ] { Cancelar ] [L_A..:..yu_d_a_ .....
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
1
2
i
2 2
1
2
' 1 2 1 2
, 2
2
2 2
Pág.163
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Cargar al cuadro "Tablas para" $inert y $incent
~ Frecuencias de respuestas múltiples ~ ·~
Conjuntos de resp. múltiples: Tablas para:
t] $1ncent [El $lnvert ]
G
•..
rValores perdidoS· . ·
E1 Exduir los casos según lista gentro de las dicotomías
j [] Exduir los :casos .según ~ista ·dentro de fas categorías
..
( Aceptar H _Eegar )(Restablecer)( Cancelar ){ Ayuda l Clic en el botón Aceptar, tiene los siguientes resultados:
Respuesta múltiple
Resumen de los casos
Casos
Válidos Perdidos Total
NO Porcentaje NO Porcentaje NO Porcentaje
$1ncent8 40 93,0% 3 7,0% 43 100,0%
$invertb 43 100,0% o 0,0% 43 100,0%
a. Agrupación de dicotomías. Tabulado el valor 1.
b. Agrupación
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág. 164
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Frecuencias $1ncent
Respuestas Porcentaje de
NO Porcentaje casos
Incentivos: por resultados 27 23,1% 67,5%
Incentivos: por resultados 15 12,8% 37,5%
unidad negocio
Incentivos: por objetivos 23 19,7% 57,5%
individuales
Incentivos: por objetivos de 8 6,8% 20,0%
equipo
Incentivos: por evaluación 12 10,3% 30,0%
de cumplimiento Incentivos extrasalarialesa
Incentivos: colectivos 3 2,6% 7,5%
Incentivos: comisiones 5 4,3% 12,5%
Incentivos: participación en 12 10,3% 30,0%
beneficios
Incentivos: coche de 6 5,1% 15,0%
empresa
Incentivos: stock options 4 3,4% 10,0%
Incentivos: plan de 2 1,7% 5,0%
pensiones
Total 117 100,0% 292,5%
a. Agrupación de dicotomías. Tabulado el valor 1.
Tablas cruzadas con variable de respuesta múltiple
Secuencia: Analizar 1 Respuesta múltiple 1 Tabla de contingencia.
Pág.165
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
1:.. • "- ..._- :.. .. ~ ""\> • • • " .... _, .¡ ,.
IG
11
12 13 .. -15 16 11 18
1! 20 21 22
23
"""' ... .,.. ...... 1111b111H
Btorn'"'
l-~ RedfiMUI'CJMtt-S
""'""' ~CieellrniMIOnH
~C!'I
PMDn[!Gt:aramírk:al -· -~-iWAt~G~tsts~'411!0rtsSJtn'idOS_ ---........ _ Q¡_.....,_
CorS'GfdeCIIIcbd
I!:I~COIL
• i
• i 5
3 3 2- •
• 3 • t L.:_s__s____;¡ ==-"'-·- .,
· race .. c:te~- t
-~1.~ - _.t.. ~~5-1
5
2 i 3
,· 1
2-
1
5 1
• .' . 2-
E 1 2 2
• 1 2 2 -5 2 2 1
2 .. 2 1
4 1 2 2 5 1 1 1
2 1
• 1 2
2 1
L.~-.. -"" .:. ·.·
¡T~~~==L~·------------------------------------------------------------------~EU=c~~~~~~~~~~~-~~~=·=~~~~--_L __ _J
En Filas cargar $invert
Pág.166
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Tablas de contingencia de respuestas múltiples -ó!, IncentiVos: partidpa ... ::
,....Fi_la_s_: --------. ( Qpdones ... J
~ ~~nwrt 1 ~ Incentivos: cocne d .. . &, Incentivos: stock opt..
eS!:, Incentivos: plan de ... &:, ¿Son las stoCk optL ....._
&, Sectores a invertir 1... ! ó!> Sectores a invertir 3.... -c2> ¿La bolsa está sobL. ..._ ,/) T~m::añn .r1~ ~~~ Pmn ...,.
( J :: :":. ""'.
Columnas:
1 o ],~12~-?) '1
Capas:
{ Definir rangos ... J
(Restablecer J ( Cancelar J ( Ayuda J
Clic en Definir rangos digitar en Mínimo 1 y en Máximo, 2
ti Tablas de contingencia d-
Mf!!imo: O Má!imo: EJ (Continuar J {,....c-a-nc_e_lar"""')( Ayuda )
Clic en Continuar:
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.167
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Tablas de contingencia de respuestas múltiples
O!> ~eaores a mvemr .l... ....
<2> Sectores a invertir 3... -, Tamaño de su emp .. . , Facturación anual e .. . c2, kea funcional en la .. . .? Número de subordL , Antigüedad en la e... -~ Estudios de proced ... &>~Ideología {e7j
.r-F_ila_s_: ------.., ( QPdones ... )
¡~~ 1
Capas:
E~:·~P::~']_ ~ ~~~J ( Aceptar ) [ Eegar J (Restablecer) ( cancelar ) {.__A_yu_aa____,)
Clic en Opciones, seleccionar Fila, columna, total y Respuestas
f:i Tablas de contingencia de respuestas múttipl._ ~f¡
[~orcentajes de casilla-----
~ Fila ~ ~alumna ~Iota! ----l.
O Emparejar las variables entre los conjuntos de respuesta
rPorcentajes basados en
1 1 @casos @ R;s·p~e-;t35i
- -i..=: ....................... ...;
Valores perdidos---- -----~-·--- ·--- -·------ ----O gxeluir los casos según lista dentro de las dicotomías
O Excluir ~os casos según lista dentro de las categorías
(Continuar) ( Cancelar ) ( Ayuda )
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.l68
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Clic en Continuar y Clic en Aceptar, se tiene el siguiente resultado:
Respuesta múltiple
Resumen de los casos
Casos
Válidos Perdidos Total
NO Porcentaje NO Porcentaje NO Porcentaje
$invert*d2 41 95,3% 2 4,7% 43 100,0%
Tabla de contingencia $ invert"d2
¿La bolsa está sobrevalorada?
sí no
Recuento 14 15
% dentro de $invert 48,3% 51,7% Telecomunicaciones
% dentro de d2 26,4% 27,8%
%del total 13,1% 14,0%
Recuento 9 7
% dentro de $invert 56,3% 43,8% Inmobiliario
o/o dentro de d2 17,0% 13,0%
%del total 8,4% 6,5% Sectores a invertir<a
Recuento 6 9
o/o dentro de $invert 40,0% 60,0% Banca
% dentro de d2 11,3% 16,7%
%del total 5,6% 8,4%
Recuento 8 9
% dentro de $invert 47,1% 52,9% Servicios
% dentro de d2 15,1% 16,7%
%del total 7,5% 8,4%
Pág.l69
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
Total
29
27,1%
16
15,0%
15
14,0%
17
15,9%
UNIVERSIDAD NACIONAL DEL CALLAO
B FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Recuento 8 2 10
% dentro de $invert Energía
80,0% 20,0%
% dentro de d2 15,1% 3,7%
%del total 7,5% 1,9% 9,3%
Recuento 3 4
% dentro de $invert Químicas
25,0% 75,0%
% dentro de d2 1,9% 5,6%
%del total 0,9% 2,8% 3,7%
Recuento 4 5 9
% dentro de $invert Distribución
44,4% 55,6%
% dentro de d2 7,5% 9,3%
%del total 3,7% 4,7% 8,4%
Recuento 2 2 4
% dentro de $invert Sector industrial
50,0% 50,0%
% dentro de d2 3,8% 3,7%
%del total 1,9% 1,9% 3,7%
Recuento 1 2
% dentro de $invert Biotecnología
50,0% 50,0%
% dentro de d2 1,9% 1,9%
%del total 0,9% 0,9% 1,9%
Recuento o 1 1
% dentro de $invert Otros
0,0% 100,0%
% dentro de d2 0,0% 1,9%
%del total 0,0% 0,9% 0,9%
Recuento 53 54 107 Total
%del total 49,5% 50,5% 100,0%
Los porcentajes y los totales se basan en las respuestas.
a. Agrupación
Pág.l70
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Frecuencias $invert
Res¡ uestas Porcentaje de
NO Porcentaje casos
telecomunicaciones 31 27,4% 72,1%
Inmobiliario 17 15,0% 39,5%
Banca 16 14,2% 37,2%
Servicios 17 15,0% 39,5%
Energía 10 8,8% 23,3% Sectores a invertire
Químicas 4 3,5% 9,3%
Distribución 10 8,8% 23,3%
Sector industrial 4 3,5% 9,3%
Biotecnología 3 2,7% 7,0%
Otros 1 0,9% 2,3%
Total 113 1000% 262,8%
a. Agrupación
Se observa que los resultados coinciden con los resultados que se encuentran en la página 128 del libro "Análisis estadístico con SPSS 14, tercera edición" del autor Bienvenido Visauta Vinacua.
El Tratamiento de la respuesta múltiple con SPSS
Todas las opciones que brindan los menús de SPSS: Datos, Transformar, Analizar, etc. gestionan variables o casos, o aplican a los datos diversos procedimientos estadísticos, pero se refieren exclusivamente a variables con categorizaciones excluyentes, ya sean dicotómicas o múltiples, pero excluyentes. Por ello, en el menú Analizar existe una opción específica para el tratamiento de las Respuestas Múltiples. En la Ayuda que aparece al abrirse la opción Respuestas Múltiples se llama: El procedimiento Frecuencias de respuestas múltiples produce tablas de frecuencias para conjuntos de respuestas múltiples. En primer lugar es necesario definir uno o más conjuntos de respuestas múltiples.
Pág.l71
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
En los conjuntos de dicotomías múltiples, los nombres de categoría que se muestran en los resultados proceden de las etiquetas de variable definidas para las variables elementales del grupo. Si las etiquetas de variable no están definidas, los nombres de variable se utilizarán como etiquetas.
Si lo desea, puede seleccionar una de las opciones siguientes o ambas: Excluir los casos según lista dentro de las dicotomías. Excluye de la tabulación del conjunto de dicotomías múltiples los casos con valores perdidos en cualquier variable de las dicotomías múltiples. Esto es aplicable sólo a los conjuntos de respuestas múltiples definidos como conjuntos de dicotomías. Por defecto, un caso se considera como perdido, en un conjunto de dicotomías múltiples, si ninguna de las variables que componen el conjunto contiene el valor contado. Los casos con valores perdidos en algunas variables, pero no en todas, se incluyen en las tabulaciones del grupo si al menos una variable contiene el valor contado. Excluir los casos según lista dentro de las categorías. Excluye de la tabulación del conjunto de categorías múltiples los casos con valores perdidos en cualquier variable del conjunto de categorías múltiples. Esto es aplicable sólo a los conjuntos de respuestas múltiples definidos como conjuntos de categorías. Por defecto, un caso se considera como perdido, en un conjunto de categorías múltiples, sólo si ninguno de sus componentes tiene valores válidos dentro del rango definido. Ejemplo. Cada variable creada a partir de una pregunta de una encuesta es una variable elemental. Para analizar un elemento de respuestas múltiples, deberá combinar las variables en uno o .dos tipos de conjuntos de respuestas múltiples: un conjunto de dicotomías múltiples o un conjunto de categorías múltiples.
En general cada variable de codificación en dicotomías puede tener dos o más valores, pero uno sólo puede ser válido. "Dicotomía: Una variable que sólo tiene dos categorías o dimensiones. Sistema. de clasificación en el que las divisiones y subdivisiones sucesivas se basan todas en la distinción de dos categorías, valores o modalidades. Dicotomizar: Transformar una variable de más de dos categorías o valores, mediante la agrupación de éstas en otras de sólo dos categorías o valores. Ejemplo: La edad se puede Dicotomizar en dos categorías: jóvenes y viejos, o de menos de 45 años y, de 45 años o más".
Pág.172
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Definir conjunto de respuestas múltiples
El procedimiento Definir conjuntos de respuestas múltiples agrupa variables elementales en conjuntos de categorías múltiples y de dicotomías múltiples, para los que se pueden obtener tablas de frecuencias y tablas de contingencia. Se pueden de- finir hasta 20 conjuntos de respuestas múltiples. Cada conjunto debe tener un nombre exclusivo. Para eliminar un conjunto, resáltelo en la lista de conjuntos de respuestas múltiples y pulse en Borrar. Para cambiar un conjunto, resáltelo en la lista modifique cualquier característica de la definición del conjunto y pulse en Cambiar. Las variables elementales se pueden codificar como dicotomías o categorías. Para utilizar variables dicotómicas, seleccione Dicotomías para crear un conjunto de dicotomías múltiples. Introduzca un valor entero en Valor contado. Cada variable que tenga al menos una aparición del valor contado se convierte en una categoría del conjunto de dicotomías múltiples. Seleccione Categorías para crear un conjunto de categorías múltiples con el mismo rango de valores que las variables que lo componen. Introduzca valores enteros para los valores máximo y mínimo del rango para las categorías del conjunto de categorías múltiples. El procedimiento suma cada valor entero distinto en el rango inclusivo para todas las variables que lo componen. Las categorías vacías no se tabulan. A cada conjunto de respuestas múltiples se le debe asignar un nombre exclusivo de hasta siete caracteres. El procedimiento coloca delante del nombre asignado un signo dólar ($). No se pueden utilizar los siguientes nombres reservados:
SENUM, SYSMIS, JDATE, DATE, TIME, LENGTH y WIDTH. El nombre del conjunto de respuestas múltiples sólo se encuentra disponible para su uso en los procedimientos de respuestas múltiples. No se puede hacer referencia a nombres de conjuntos de respuestas múltiples en otros procedimientos. Si lo desea, puede introducir una etiqueta de variable descriptiva para el conjunto de respuestas múltiples. La etiqueta puede tener hasta 40 caracteres. Pulse en Temas relacionados para obtener más información sobre la definición de conjuntos de respuestas múltiples, frecuencias de respuestas múltiples y tablas de contingencia de respuestas múltiples. Pulse con el botón derecho del ratón en un elemento del cuadro de diálogo para ver su descripción. Cómo?: Para definir conjuntos de respuestas múltiples Elija en los menús: Estadística Respuestas múltiples 1 Definir conjuntos... Seleccione dos o más variables. Si las variables están codificadas como dicotomías, indique qué valor desea contar. Si están codificadas
Pág.l73
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
como categorías, defina el rango de las categorías. Introduzca un nombre único para cada conjunto de respuestas múltiples. Pulse en Añadir para agregar el conjunto de respuestas múltiples a la lista de conjuntos definidos.
Tablas de contingencia de respuestas múltiples
El procedimiento Tablas de contingencia de respuestas múltiples presenta en forma de tabla de contingencia conjuntos de respuestas múltiples, variables elementa- les o una combinación. También puede obtener porcentajes de casilla basados en casos o respuestas, modificar la gestión de los valores perdidos u obtener tablas de contingencia emparejadas. Antes debe definir uno o varios conjuntos de respuestas múltiples (véase "Para definir conjuntos de respuestas múltiples"). Para los conjuntos de dicotomías múltiples, los nombres de categorías que se muestran en los resultados proceden de etiquetas de variable definidas para variables ele- mentales del grupo. Si las etiquetas de variable no están definidas, los nombres de las variables se utilizarán como etiquetas. Para los conjuntos de categorías múltiples, las etiquetas de categoría proceden de las etiquetas de valor de la primera variable del grupo. Si las categorías están perdidas para la primera variable están presentes para otras variables del grupo, defina una etiqueta de valor para las categorías perdidas. El procedimiento muestra las etiquetas de categoría por columnas en tres líneas, con un máximo de ocho caracteres por línea. Para evitar la división de palabras, puede invertir los elementos de las filas y las columnas o volver a definir las etiquetas.
Por defecto, cuando se presentan dos conjuntos de categorías múltiples en forma de tabla de contingencia, el procedimiento tabula cada variable del primer grupo con cada variable del segundo y suma las frecuencias de cada casilla; de esta forma, algunas respuestas pueden aparecer más de una vez en una tabla. Puede seleccionar la opción siguiente: Emparejar las variables entre los conjuntos de respuesta. Empareja la primera variable del primer grupo con la primera variable del segundo, y así sucesivamente. Si selecciona esta opción, el procedimiento basará los porcentajes de casilla en las respuestas en lugar de hacerlo en los encuestados. El emparejamiento no está disponible para conjuntos de dicotomías múltiples o variables elementales. Pulse con el botón derecho del ratón en un elemento del cuadro de diálogo para ver su descripción. Cómo ?: Para
Pág.174
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
especificar las opciones de las tablas de contingencia de respuestas múltiples Elija en los menús: Estadística Respuestas múltiples Tablas de contingencia ...
Tablas de respuestas múltiples: Definir rangos de las variables
Los rangos de valores deben definirse para cualquier variable elemental de la tabla de contingencia. Introduzca los valores enteros de categorías máximas y mínimas que desea presentar en forma de tabla. Las categorías que estén fuera del rango se excluyen del análisis. Se entiende que los valores que estén dentro del rango inclusivo son enteros (los no enteros quedan truncados). Pulse con el botón derecho del ratón en un elemento del cuadro de diálogo para ver su descripción. Cómo?: Para definir rangos en las tablas de respuestas múltiples Elija en los menús: Estadística Respuestas múltiples Tablas de contingencia ... Seleccione una variable y pulse en Definir rangos. Introduzca los valores enteros para el Mínimo y el Máximo que correspondan a las categorías menor y mayor de la variable. Repita este proceso para cada variable.
Para trabajar con respuestas múltiples primero hay que definir conjuntos de respuesta múltiple, hay que elegir Estadísticos 1 Respuestas múltiples 1 Definir conjuntos. El cuadro de diálogo se llama "Definir conjuntos de respuestas múltiples". El proceso es el siguiente:
1. Selecciones y transfiera las variables a la ventana Variables del conjunto.
2. En Valor contado escriba un 1.
3. En Nombre escriba P1.
Opcionalmente se puede escribir una etiqueta para la variable.
4. Pulse el botón Añadir. Con ello se añadirá en la ventana Conjunto de res-puestas múltiples la variable $P1.
5. Pulse el botón Cerrar.
Definición de respuestas múltiples codificadas en categorías Para definir una variable de respuesta múltiple codificada en categorías el proceso es igual al anterior cambiando los pasos 2 y 3.
Pág.l75
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
Obtención de distribución de frecuencias Una vez definidas las dos variables de respuesta múltiple se puede hallar la distribución de frecuencias para cada una de ellas. Hay que elegir Estadística 1 Respuestas Múltiples 1 Frecuencias. Seleccionar las dos variables y transferirlas a la ventana "Tablas para" y hacer clic en el botón Aceptar. SPSS produce el resultado en modo texto, no en formato de tabla pivote.
El Visor de Resultados o Navegador de Resultados En el panel izquierdo de la ventana del Visor de SPSS aparece un índice con los titulares jerárquicamente organizados de cada uno de los elementos que se muestran en el panel derecho: Título, Notas y Resultados de texto, además pueden aparecer: Gráficos, Tablas Pivote y Advertencias. Haciendo doble clic el titular del índice deseado se lo despliega en el panel derecho del visor o navegador de resulta- dos.
El signo (-) significa que las carpetas de Resultados y de Respuestas múltiples están expandidas. Si se pulsa sobre ellas se contrae. El primer elemento que aparece en el índice son los Resultados de SPSS, que incluye a Respuestas Múltiple, que incluye a todos los titulares: Título, Notas, y Resultados de Texto (Tabla de continencia, en este caso). Haciendo clic en Titulo, aparece el título enmarcado y con una flecha roja que indica que ha sido seleccionado el título para su edición (modificación de atributos de formato de fuentes).
Haciendo doble clic en Notas, se abre un cuadro con información (que por defecto permanece oculto en el visor) útil si queremos volver a ejecutar un procedimiento, o simplemente ver los pasos que se han seguido.
Pág.176
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO V
Análisis de datos categóricos: Respuesta múltiple
REFERENCIALES
1. DANIEL W. WAYNE, Bioestadística Base para el análisis delas ciencias de la salud, México, Edit. Limusa S.A., Cuarta Edición, 2002.
2. FERRER PEÑARANDA LUCIO, Texto de Informática Aplicada en Salud, Facultad de Ciencias de la Salud, Universidad Nacional del Callao, Ref. Resolución Rectoral N ° 017-00-R, 2,009.
3. HERNÁNDEZ, R - FERNANDEZ, C - BAPTISTA, P Metodología de la Investigación, México: Edit. Me Graw-Hill lnteramaricana, Cuarta Edición, 2006.
4. QUEZADA NEL LUCIO, Metodología de la Investigación - Estadística aplicada en la Investigación, Edit. Empresa Editora Macro, 2010.
5. QUEZADA NEL LUCIO, Estadística con SPSS 20, Edit. Empresa Editora Macro, 2012.
Pág.177
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
CAPÍTULO VI
Correlación y Regresión
OBJETIVOS
• El objetivo del presente capítulo, es proporcionar al lector la información
sobre correlación y regresión en SPSS.
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO VI
Correlación y regresión
6. Correlación y Regresión.- Se trata de estudiar la asociación entre dos
variables medibles x e y. Por ejemplo, peso y altura.
La primera forma de estudio de la asociación de las variables x e y es la
correlación.
La segunda forma de estudio de la asociación de las variables x e y es la
regresión.
6.1. Regresión
La regresión consiste en determinar una relación funcional entre las variables x e
y, con el fin de que se pueda predecir el valor de una variable en base de la otra.
La variable que se va predecir se denomina variable dependiente y la variable en
base de la otra. La variable que es la base de la predicción se denomina variable
independiente.
y= a+ bx y r--------------------,
a y b se denominan
--~---: coeficientes de regresión.
a b=m
X
a es la intersección con el eje y, bes la pendiente (inclinación)
Pág.178
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VI
Correlación y regresión
6.2. Correlación
La correlación consiste en determinar la variación conjunta de las variables x e y,
su grado de relación, y su sentido (positivo o negativo)
res el coeficiente de correlación.
-1 :::; r:::; 1
Diagrama de dispersión.- Se denomina diagrama de dispersión o nube de
puntos, a la gráfica de los valores (Xi, y¡) de las variables x e y en el sistema
cartesiano.
y y
Lineal positiva Lineal negativa
y y
No hay relación
Hay relación
,_----------------•x 4-----------------•x No lineal
Pág. 179
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VI
Correlación y regresión
Regresión lineal simple
Dados n pares de valores (x1, y1), (X2, yz), (X3, Y3), ... (Xn, Yn) de dos variables x e y. la regresión lineal simple de y con respecto a x, consiste en determinar la ecuación de la recta:
" y a + bx Que mejor se ajusta a los valores de la muestra con la finalidad de predecir o estimar y (variable dependiente) a partir de x (variable independiente).
Consiste en determinar los coeficientes a y b.
El coeficiente a es la intersección con el eje y.
El coeficiente b es la pendiente.
y
X¡
Tg a= L\y = b Llx
5' 1 =a+ bxt
X
Al valor 5' ¡ se le denomina valor estimado o ajustado de la variable y.
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.180
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VI
Correlación y regresión
Recta de regresión de mínimos cuadrados
La recta de regresión de mínimos cuadrados de y sobre x es aquella que hace mínima la suma de los cuadrados de errores (SCE).
n n
SCE = LdP = L{y1 - JJ2
i=l i=l
SCE = I(Y;- }'¡f =¿(y¡- }'¡f i=l
=> Para que la suma de los cuadrados de errores (SCE) sea mínimo, se
debe hacer:
dSCE = O 1\ dSCE = O da db
dSCE :. --=0-2Ly1 -0+2an+2bL:X1 +0=0
da .
(1)
Pág.l81
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO VI
Correlación y regresión
dSCE =O- O- 2"" x.y. +O+ 2a"" x. + 2b"" X 2 =O db L.,¡ 1 1 L.,¡ 1 L.,¡ 1
(2)
Se tiene 2 sistemas de ecuaciones normales:
Despejando a en (1):
a= LYi -bLX¡ (3) n n
Reemplazando (3) en (2) se tiene:
Análisis de regresión lineal Para ejemplificar este método de análisis de datos, se plantea el siguiente ejemplo:
El gerente de un Hospital de las ciudad APQ realizo una investigación con el propósito de analizar entre el número de Pacientes atendidos y el número de quejas recibidas en cada uno de los últimos 6 meses de año en curso.
Pág. 182
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VI
Correlación y regresión
Los datos de clientes y quejas de los seis meses objeto del estudio de muestran en la tabla:.
Tabla Número de pacientes atendidos
y quejas recibidas por el Hospital
Número de pacientes Número de Quejas
Mes de actividad atendidos por mes ' recibidas por mes
(miles)
1 6,6 75
2 5,3 69
3 4,9 71
4 7,4 86
5 7,1 78
6 5,6 73
A. El primer paso en el análisis de regresión es recurrir al método de mínimos cuadrados, que es una técnica matemática que permite construir con los datos X y Y la línea que representa mejor la relación entre las dos variables .
La ecuación general del método de los mínimos cuadrados que se emplea en el análisis de regresión es:
Y= a + bx
Donde:
Pág. 183
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO VI
Correlación y regresión
Y: variable dependiente (para este caso, número de quejas)
a: intersección estimada de la línea de regresión con el eje Y .
b: pendiente estimada de la línea de regresión : coeficiente de regresión
X: variable independiente, número de Paciente que reciben atención médica.
El siguiente paso en el análisis de regresión es calcular los valores apropiados de a y b para sustituirlos en la ecuación de mínimos cuadrados;
Entonces: xy)
a = (n)(l:x2)- <l:x)2
b = (n)l: (xy) (2: x) I (y)
(n) I (x2)- <I x)2
Donde:
n :Número de datos
: Suma de los valores X
: Suma de los valores Y
: Suma de los valores
: Suma de los productos de X por Y
a es la Intersección Y, bes el coeficiente de regresión.
Pág. 184
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO VI
Correlación y regresión
Cálculos:
Cálculo de regresión lineal para el número de pacientes atendidos
y quejas recibidas en el hospital
Mes de X y X2 XV y2
actividad
1 6,6 75 43,56 495,0 5625
2 5,3 69 28,09 365,7 4 761
3 4,9 71 24,01 347,9 5 041
4 7,4 86 54,76 636,4 7 396
5 7,1 78 50,41 553,8 6 084
6 5,6 73 31,36 408,8 5 329
N=6 36,9 452 232,19 2 807,6 34 236
Se reemplaza los datos en la ecuación de mínimos cuadrados y se obtiene la ecuación de regresión lineal:
Y= a + bx
Donde:
a= e¿ y) cL:x2) - cL:x) c¿xy) = e 452) (232,19) - (36,9) (2807,6) =
42 8 (n) cL:x2
)- cL:x)2 (6)232,19- (36,9) 2 '
b = (n)¿(xy) - cL:x) L(Y) = (6) 2807,6 - (36,9) (452)
(n) L:Cx2)- c¿x)2 (6)232,19- (36,9)2
y == 42,8 + 5,29 X
Pág.l85
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO VI
Correlación y regresión
La grafica para esta ecuación es la siguiente:
Relación entre pacientes atendidos
Y quejas recibidas.
y
80 75 70 65 60 55 50
------.......... y = 42,8 + 5,29 X
Número 45 50 55 60 65 70 75 X
De quejas número de clientes atendidos (miles)
Recibidas
Los datos de la grafica indican que existe una relación directa (positiva) entre el número de pacientes atendidos y el número de quejas recibidas, es decir, que a medida que aumenta el número de pacientes atendidos en el hospital, aumenta el número de quejas recibidas por el servicio prestado a los pacientes.
Coeficiente de correlación El análisis de correlación sirve para medir la fuerza o el grado de correlación entre las variables objeto de estudio en el análisis de regresión.
La ecuación para medir el coeficiente de correlación es la siguiente:
n n n
n :¿ X i Y¡ - L X¡ :¿ Y¡ r = i=l i=l i=l
Pág.l86
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VI
Correlación y regresión
En la forma más simple:
n¿ X Y -¿X ¿Y r =
Donde:
r = Coeficiente de correlación
El coeficiente de correlación es un número que, en determinado conjunto de datos, se encontrara entre -1 y +1 y que indica:
Dirección de correlación Si es positiva, significa que X y Y aumentaran y disminuirán simultáneamente; por
ejemplo, si X se incrementa, y tenderá entonces a aumentar también. Si r es
negativa, las variables tenderán a moverse en direcciones opuestas; por ejemplo, si X se incrementa, Y tenderá a decrecer, o viceversa.
Fuerza de la relación Cuanto mayor sea el valor absoluto de r, más estrecha será la relación de las dos variables y mejor ajustara los datos el diagrama de dispersión la ecuación de mínimos cuadrados. En los extremos (esto es, si r es +1 ó -1), la ecuación contendrá todos los puntos de datos. Esto es, que cuanto más se aproxime r a +1, mayor será la relación directa entre las variables, y cuanto más se aproxime r a -1, mas inverso es el grado de relación entre las variables. Cuando r = O, no hay relación lineal entre las variables. Se calcula entonces el valor de r para el caso de la relación entre el número de pacientes atendidos y número de quejas recibidas en el hospital objeto de estudio:
6(2807 ,6)- (36 ,9)( 452) = 166,8 = o 89
r = -J[6(232 ,19)- (36 ,9 )2 16(34236 ) - (452 Y] 187,24 1
Pág. 187
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO VI
Correlación y regresión
Interpretación
Como el valor de r calculado (0,89) es positivo, entonces la relación entre el número de pacientes atendidos y el número de quejas recibidas es directa, es decir, que cuando aumenta el número de pacientes atendidos en el hospital aumenta el número de quejas recibidas.
También, como el valor de r (0,89) se acerca al valor +1, significa que hay una relación muy estrecha entre el número de pacientes y el número de quejas en el hospital.
Coeficiente de determinación El coeficiente de determinación es el cuadrado del coeficiente de correlación y asume un significado especial porque su valor representa la proporción de la variación de Y que es explicado por la variable independiente X por medio de la ecuación e regresión.
Siguiendo el caso del hospital:
r2 = r x r = 0,89 x 0,89
Donde:
r = Coeficiente de correlación
r2 = Coeficiente de determinación
Interpretación del valor de 0,7921:
0,7921
El valor 0,7921 significa que 79,21% de la varianza en las quejas recibidas por el hospital se explican por los cambios en el número de pacientes atendidos mensualmente en el hospital.
Otra fórmula para calcular r2 es:
var ianza en Y exp licada por X
Variación total en Y
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
Pág. 188
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VI
Correlación y regresión
Como se puede observar realizar los cálculos manualmente en muy laborioso y se requiere tener conocimiento de las fórmulas estadísticas, por lo que con el manejo de SPSS no requiere tener mucho conocimiento, los cálculos son seguros exactos y rápidos.
6.3. Correlación con SPSS.- Se utilizará la misma tabla del ejemplo aanterior:
Tabla Número de pacientes atendidos y quejas recibidas por el Hospital
Número de pacientes Número de Quejas
Mes de actividad atendidos por mes recibidas por mes
(miles)
1 6,6 75
2 5,3 69
3 4,9 71
4 7,4 86
5 7,1 78
6 5,6 73
Las variables son X e Y, con etiquetas "Número de pacientes atendidos por mes (miles) y Número de quejas recibidas por mes (miles)", respectivamente.
El diseño de las variables X e Y es el siguiente:
_ _!l_ol_l~~- __ ~--~Decimales. ___ -· ~-~ ________ Volorls _!'!dio!"' _Coiiii!JfiU' _ ,&;ino~ - __ ~ 1 X lbnérico 8 1 lünelo de pacimos atendidos PDI mes (mile&) Wingooa Ningom S • Cen1mdo 'Estala ' Enlr.lda
lMnérial 8 .'lüme<o el! quejas recibid.-. PDI mes(.,._.) . !<lllQ!JI'.a r~ e • ~ ·~Estala ' Ermda
Con los datos de la tabla ingresados a la hoja electrónica de SPSS, se tiene: Pág.189
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
1_ 2
- j" ~
: _j 6 i 7 - l ~ -- ·¡
X 16,6
5,3
4.9
7.4 7,1
5,6
CAPÍTULO VI
Correlación y regresión
y - - WH'_..-J...,.......v..,- ""' -----75 69
71
86 ..
78 73
Secuencia: Analizar 1 Correlación 1 Bivariadas ... , como se indica a continuación:
~w~~r- .... to: 1 - -
r---:---1_! ---.~~~ l 5,3 ...
~L1' ~:~ E ---r.----n... -,.
" \ ,. 1 .. \ .. 1' fl ' t "" ·¡ ..
!li*'-Cifslcos ck!-sO"'P&&Is
-.-.21 .. CO!!!fJaTa~u
Noct.toNn•lllg!Ht~
Mod••o• lne•l•• generall¡adGS • MDcl.IOA~ • -e:.-~..-~.. . ~-=..,:----------'-----1 owll'<•-•-· B•at-.'k5in lil P~es •• '-2011~al D Qf.tandn-R•ttot•n...,..~••
"'""'' Pru•bct•Qo~ ...... _ JlupetvN.
Aespy~-· mllt;ipte
IJI M .. st• 4fl 'illtofe• Jl•rnl~t _
~&n~ Mu•sn.~-..u
1121_ .. _
"""""' .. -s¡~·COR-
Añadir a la lista de variables, seleccionar Coeficiente de Pearson y la prueba de significación Bilateral, de tal manera que tenga el siguiente aspecto:
Fv~a~n~an~1~e~s~:-----------, fiQggiiesdl -' Número de pactent... 4? Número de Quejas r.__ {Jlootstrae,..J
t. Coeficientes de correlación -- --- - - - · ---
(:,Z Pearso.n U Tau-D de _!:Sendall O _§pearman -- - -- _,. .. - -- --~ -- - .. . - ' .. ~- ~ - .
f. PTUeba de significación -
O Bíla!eral O 'Unl!atera1
[~ Marcar las corretaaones slgnípcat!Vas
Añ•~~ .. J C::. PiOar :J [E.~staoi!a!J Gancelac ] GrncSa.:J
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
Pág.190
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO VI
Correlación y regresión
Clic en el botón Aceptar:
Correlaciones
Número de Número de
pacientes quejas recibidas
atendidos por por mes (miles)
mes (miles)
Correlación de Pearson 1 ,891" Número de pacientes
Sig. (bilateral) ,017 atendidos por mes (miles)
N 6 6
Correlación de Pearson ,891" 1 Número de quejas recibidas
Sig. (bilateral) ,017 por mes (miles)
N 6 6
*. La correlación es significante al nivel 0,05 (bilateral).
Se observa que el coeficiente de Pearson es 0.891, igual que el método manual.
6.4. Regresión con SPSS
Secuencia: Analizar 1 Regresión 1 Lineal ... , como se indica a continuación:
'Alairlo &.dl0Ct.'1 Y.tJ Qaes. !r~mmnar ~'lá:ar lrt-Cl~ -~~ !J:.t!OiOes Vt='tltla ~
·,.~w&J ~--... -~ =-... _ : ~~Uil~im A<b: Te~
RtSPYtn:tnxl:aplt
. t - .. ~ . ~~~~- .. - ........... --+ ·-· ··- . tmo><4<Ci6n~·
........ -.)U l:'h~-
Ccd'oldec:aiJdQd
~~COIL
• liitJo ....... (;ji e-..--..
" l;i1Mnimosw31i1t\1osendo:stases~
E-óoOmofCATREGI-
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
Pág. 191
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO VI
Correlación y regresión
Añadir a la lista de variables: en independiente Número de pacientes atendidos (miles) en dependiente Número de quejas recibidas (miles), Clic en el botón Gráficos, seleccione Histograma y Gráfico de prob. Normal, como se indica:
~ Regresión lineal: Gráficos ... ··-[DEPENDNT -- - l :""Ois.persíón 1 de 1
1
""'ZPRED •' -·-- '.....,.,·~.---
( Sigulerrte ) *ZRESIO . ;....~· .• ~ "'~14---
"ORESID - - -~ Y: "ADJPREO
' "+ rDEPENDNT 1 ".SRESID *SORESID
--p•~v- • X: ... [*ZP.REO I Gráficos de residuos lipfficadc O Generar todos los gráficos 2_ardates
~ t:!istograma
~ G!áfico de prob. normal
(Continuar) ( Cancelar ) ( Ayuda )
Clic en el botón Continuar y Clic en Aceptar:
Variables introducidas/eliminadasa
Modelo Variables Variables Método
introducidas eliminadas
Número de Introducir
1 pacientes
atendidos por
mes _(miles)b
a. Variable dependiente: Número de quejas recibidas por mes (miles)
b. Todas las variables solicitadas introducidas.
Resumen del modelob
Modelo R R cuadrado R cuadrado Error tí p. de la estimación
corregida
1 ,891a ,794 ,742 3 093
a. Variables predictoras: (Constante), Número de pacientes atendidos por mes (miles)
b. Variable dependiente: Número de quejas recibidas por mes (miles)
Pág.192
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPITULO VI
Correlación y regresión
Modelo Suma de Gl Media cuadrática F Sig.
cuadrados
Regresión 147,068 1 147,068 15,373 ,017b
1 Residual 38,266 4 9,566
Total 185,333 5
a. Variable dependiente: Número de quejas recibidas por mes (miles)
b. Variables predictoras: (Constante), Número de pacientes atendidos por mes (miles)
Coeficientesa
Modelo Coeficientes no Coeficientes Sig.
estandarizados tipificados
B Errortlp. Beta
(Constante) 42,799 8,393 5,099 ,007
1 Número de pacientes 5,290 1,349 ,891 3,921 ,017
atendidos por mes
{miles)
a. Variable dependiente: Número de quejas recibidas por mes (miles)
Estadísticos sobre los residuosa
Mínimo Máximo Media Desviación tíoica N
Valor pronosticado 68,72 81,95 75,33 5,423 6
Residual -2,714 4,054 ,000 2,766 6
Valor pronosticado tip. -1,219 1,219 ,000 1,000 6
Residuo típ. -877 1 311 ,000 ,894 6
a. Variable dependiente: Número de quejas recibidas por mes (miles)
Pág.193
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO VI
Correlación y regresión
Histograma
Variable dependiente: Número de quejas recibidas por mes (miles)
3
ca 2 -u e Cll :l u Cll ... IL
-1 ,O -0,5 0,0 0,5 1 ,o
Regresión Residuo tipificado
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
1,5
Media= 3,84E-15 Desviación típica= 0,894 N=6
Pág. 194
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
-¡¡;-CII ss-.5. en Cll E ... o D. ::; 80_; -a :a Q
~ en
"' "iD" :S 75-CJ" Cll -a o ... Cll E
•:::1 z 70-
CAPÍTULO VI
Correlación y regresión
Gráfico P-P normal de regresión Residuo tipificado
Variable dependiente: Número de quejas recibidas por mes (miles) 1,0 - - -
... -o :!
o.e
:. 0,6 ... • E :S .... ... .a 0,4
~
0,2
o
o,o,+------,.--------.-------..,.-------r------1 0,0 0,2 0,4 0,6 o.e 1 ;O
Prob acum observada
Gráfico de dispersión
Variable dependiente: Número de quejas recibidas por mes (miles)
o
o
o
o
o
o
• -1.5 -1 ,O -0,5 0,0 0,5 1 ,O
Regresión Valor pronosticado tipificado
1,5
Pág.195
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO VI
Correlación y regresión
REFERENCIALES
1. DANIEL W. WAYNE, Bioestadística Base para el análisis delas ciencias de la salud, México, Edit. U musa S.A., Cuarta Edición, 2002.
2. FERRER PEÑARANDA LUCIO, Texto de Informática Aplicada en Salud, Facultad de Ciencias de la Salud, Universidad Nacional del Callao, Ref. Resolución Rectoral N ° 017-00-R, 2,009.
3. HERNÁNDEZ, R - FERNANDEZ, C - BAPTISTA, P Metodología de la Investigación, México: Edit. Me Graw-Hill lnteramaricana, Cuarta Edición, 2006.
4. QUEZADA NEL LUCIO, Metodología de la Investigación - Estadística aplicada en la Investigación, Edit. Empresa Editora Macro, 201 O.
5. QUEZADA NEL LUCIO, Estadística con SPSS 20, Edit. Empresa Editora Macro, 2012.
Pág.196
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
OBJETIVOS
• El objetivo del presente capítulo, es proporcionar al lector la información
sobre pruebas no paramétricas y aplicaciones en Enfermería en SPSS.
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
7. Pruebas no paramétricas. Aplicaciones en Enfermería
7 .1. Pruebas no para métricas
Son procedimientos estadísticos para prueba de hipótesis que no requieren de la suposición de la normalidad de la población de la cual fue extraída la muestra y se pueden aplicar a datos de tipo cuantitativo y cualitativo.
Ventajas
• No se requiere de los supuestos paramétricos
• Se puede usar para variables no numéricas.
• Cálculos fáciles, originados por tamaños de muestra pequeños.
• Son convenientes cuando no se conoce la distribución de la población.
Desventajas
• Utilizan menor información de la variable.
• Es menos potente que los resultados obtenidos en los métodos paramétricos.
Procedimientos Clásicos
los procedimientos clásicos tienen cuatro características:
1. Nivel bastante complejo de medición, (datos continuos y cuantitativos)
2. Implican prueba de los parámetros hipotéticos
3. Suposiciones estrictas (normalidad, homogeneidad de varianzas).
4. Que las observaciones sean independientes entre sí.
¿Qué debería hacer el usuario cuando los Procedimientos Clásicos (Paramétricos) no son aplicables?
Respuesta.- Cuando los Procedimientos Clásicos (Paramétricos) no son aplicables, el usuario debe recurrir a los procedimientos No Paramétricos.
Pág.197
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Procedimientos No Paramétricos
No depende de la forma de la distribución subyacente de N.
Rachas
Se entiende por Rachas a una sucesión de símbolos idénticos que pueden estar separados o no por otro tipo de símbolos. Por ejemplo, sea una serie de mediciones de magnitudes dicotómicas identificadas con los símbolos de resultado positivo ( +) o negativo (-) a juicio del investigador.
Resultados: + + - - - + - - - - + + - +
N° de Rachas: 1 2 3 4 5 6 7
El número de rachas es r = 7. El número total de rachas indica si una muestra es o no aleatoria.
Prueba de Rachas con una muestra
Formulación de la hipótesis
Ho: Los elementos de la muestra están mesclados aleatoriamente
HA: Los elementos de la muestra no están mesclados aleatoriamente
Límites de la región de aceptación
a = nivel de significación
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
Pág. 198
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Procedimiento Rachas
1. Se calcula el número n1 de elementos de una clase identificadas por un símbolo y n2 la cantidad de elementos de la otra.
2. Se ordenan los n = n1 + n2 sucesos en el orden en que ocurrieron.
3. Se cuenta el número r de rachas.
4. Se determina la probabilidad que ocurran r rachas, usando Ho, y se compara con el nivel de significación a adoptado para aceptar o rechazar la Ho. También se puede probar con el número de rachas.
Símbolos
n1 = número de ocurrencias tipo 1
n2 = número de ocurrencias tipo 1
r = número de corridas
Media de la estadística de prueba
JJ = 2n1 n 2 + l (n1 +nz)
Cálculo del error estándar
.j2n1n 2 (2n1n 2 -n1 -n2) Or=~-=~~=-~~~~
(n1 + n 2) 2 (n1 + n 2 -1)
Elección de la distribución
La distribución de muestreo de r puede aproximarse mucho mediante la distribución normal si n1 o n2 es mayor que 20
Interpretación de los resultados
Si el estadístico muestra! r cae dentro de la región de aceptación es válida la hipótesis nula y se puede concluir que los elementos están siendo introducidos en modo aleatorio.
Pág. 199
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Prueba de racbas
Consumo Prueba de raChas
(11100Km) Tensi6n Puntuación Valo.r de pruetm 10.00 Valor de ¡prue:bd 1.50 10JJO
Casos <Valor de prueb< 169 Ceses < V:a'lor de prueba 24 22
Casos >= Valor de 229 prueba
Casos en total 398
Cases:>: Valar de 24 26 prueba Casos en total 48 48 Número de ,rachas 4 24
Número de .ractlas 80 z -S.982 -.098 z -11.862 Sta. asiltót. .fbilatetall .000 .922 Sig. asintót {bilateral) .000
a. r.feáiana
Ejemplo muestras pequeñas
12 niños y 12 niñas de 4 años de edad observados durante dos sesiones de juego de 15 minutos, el juego fue calificado por incidencia y grado de agresión. Con estos puntajes es posible probar la hipótesis que hay diferencias sexuales en la cantidad de agresión exhibida.
Niños(h) Niñas( m)
86 55
69 40
72 22
65 58
113 16
65 7
118 9
45 16
141 26
104 36
41 20
50 15
Pág.200
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermeria
1. Se colocan los puntajes n1+ n2 en una sola serie ordenada
7 9 15 16 16 20 22 26 36 40 55 58
m m m m m m m m m m m m
41 45 50 65 65 69 72 86 104 113 118 141
h h h h h h h m h h h h
2. Se determina el número de Rachas
3. Se formula la Hipótesis
Ho: La incidencia y el grado de agresión son los mismos en los niños de cuatro años de ambos sexos
HA: Los niños y niñas de cuatro años de edad muestran diferencias en la incidencia y el grado de agresión
4. Nivel de significación
a= o.o5
n1 = 12 número de niños
nz = 12 número de niñas
5. Regla de decisión
Si el valor observado de r es menor o igual que el valor tabulado de n1 = 12 y nz = 12 se rechaza Ho con a= 0.05 de nivel de significación
La tabla muestra que para los valores de n1=12 Y n2=12, una r de 7 es significativa al nivel 0.05.
En vista que el valor de r es menor que el tabulado, se puede rechazar la Ho, concluyendo que los niños y las niñas muestran diferencias en la agresión en la situación de juego libre.
Pág.201
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermeria
Prueba de suma de rangos
La Prueba U de Mann-Whitney
Se utiliza para saber si dos muestras independientes provienen de poblaciones que difieren en su ubicación (tendencia central).
Es la contraparte de la prueba t para muestras independientes. Prueba la hipótesis de que la mediana de las dos poblaciones es igual, contra que no lo son.
Si Ho es cierta, el promedio de los rangos para los dos grupos muestrales debe ser aproximadamente igual.
Ordenación por rango
Ordenar por rangos todos los elementos que deben probarse, en orden creciente.
Símbolos
n1 = número de elementos de la muestra 1
n2 = número de elementos de la muestra 2
R1 =suma de los rangos de los elementos de la muestra 1
R2 = suma de los rangos de los elementos de la muestra 2
Estadístico U
U + n 1 (n1 +1)
=ntnz - Rt 2
Una medida de la diferencia entre las observaciones obtenidas por rangos de las dos muestras
Media del estadístico
llu- n1n2 - 2
Cálculo del error estándar
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
Pág.202
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Formulación de la hipótesis
Ho: Me1 = Me2 Hipótesis nula, no hay diferencia entre las dos poblaciones, por lo cual tienen la misma mediana
HA: Me1 * Me2 Hipótesis alternativa, hay una diferencia entre las dos poblaciones, por lo cual tienen medianas diferentes.
Límites de la región de aceptación
a= 0.05 nivel de signifrcancia
Elección de la distribución
En el caso de que n sea mayor de 20, se puede aproximar con la distribución normal
Interpretación de resulatados
Si el estadístico muestra! U cae dentro de la región de aceptación es válida la hipótesis nula de que no hay diferencia y concluiremos que las distribuciones son iguales.
La Prueba de Wilcoxon con signo
Una prueba que utiliza dirección y magnitud, propuesta en 1945 por Frank Wilcoxon, se llama ahora comúnmente prueba de rango con signo de Wilcoxon.
Esta prueba se aplica en el caso de una distribución continua simétrica.
Utiliza las magnitudes de las diferencias entre las mediciones y un parámetro de ubicación según una hipótesis, en lugar de los signos de las diferencias.
Suposiciones
• La muestra es aleatoria
• La variable es continua
• La población se distribuye simétricamente alrededor de su media 1.!
• La escala de medición es al menos de intervalo
Pág.i03
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Formulación de la hipótesis
a) Ho: 1J =~o HA: 1J 1: ~o
b) Ho: 1J e:!: ~o HA: 1J <~o
e) Ho: 1J S ~o HA: 1J >~o
Estas son las hipótesis que pueden probarse para alguna media de población no conocida ~o
Pasos para la prueba de Wilcoxon con signo
1. Restar la media hipotética J.!O de cada observación
Di= xi- ¡..tO
Se elimina cualquier diferencia que de cómo resultado cero.
Tener en cuenta que se reduce el tamaño den.
2. Ordenar las diferencias de menor a mayor sin importar el signo (sólo el valor absoluto).
Si dos o más son iguales asignar a cada valor la media de la posición que ocupa en la lista.
3. Asignar:
• A las diferencias positivas se les asigna como W+
• A las diferencias negativas se les asigna como W-
• Sumar cada grupo
• El menor valor de los dos anteriores se asigna como W.
4. Comparar los valores obtenidos con los valores críticos en la tabla (0.05, 0.025 y 0.01)
Pág.204
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
N es el número de diferencias halladas, sin tomar en cuenta las que son iguales a cero.
Ejemplo
En un experimento para medir la efectividad de un medicamento para dormir, basándose en las horas de sueño de los pacientes, un sicólogo seleccionó aleatoriamente 1 O pacientes a los cuales se les suministró el medicamento y luego un placebo.
La siguiente tabla muestra las horas de sueño de cada paciente con la sustancia suministrada, así como las diferencias, rangos y conclusión.
Horas de sueño Rango
Paciente Droga Placebo Diferencia (ignorando el signo )
1 6.1 5.2 0.9 3.5*
2 7.0 7.9 -0.9 3.5*
3 8.2 3.9 4.3 10
4 7.6 4.7 2.9 7
5 6.5 5.3 1.2 5
6 8.4 5.4 3.0 8
7 6.9 4.2 2.7 6
8 6.7 6.1 0.6 2
9 7.4 3.8 3.6 9
10 5.8 6.3 -0.5 1
W+ = 50.5 W-=4.5 w =4.5
Ho: La efectividad de la droga es mayor que el placebo
HA: la efectividad de la droga es menor a la el placebo.
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.205
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
*Los rangos 3ro y 4to ha sido promediados
W+= 50.5 W-= 4.5 W=4.5
Como W = 4.5, con una significación de 0.025 se puede afirmar que el medicamento sí es efectivo.
Valores críticos de t en la prueba de rangos señalados en los pares igualados de Wilcoxon
Nivel de significación para prueba de una cola
0.025 0.1 0.005
N Nivel de significación para prueba de dos colas
0.05 0.02 0.01
6 o ----- -----7 2 o -----8 4 2 o 9 6 3 2
10 8 5 3
11 11 7 5
12 14 10 7
13 17 13 10
14 21 16 13
15 25 20 16
16 30 24 20
17 35 28 23
18 40 33 28
19 46 38 32
20 52 43 38
Pág.206
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
En el SPSS ...
Analizar~ Pruebas no para métricas~ 2 muestras relacionadas
Rangos
Rango Suma de N promedio rangos
horas de sueño con Rangos a
el placebo - horas de negativos 8 6.31 50.50
sueño con la droga Rangos b
positivos 2 2.25 4.50
Empates oc Total 10
a. horas de sueño con el placebo < horas de sueño con la droga
b. horas de sueño con el placebo > horas de sueño con la droga
c. horas de sueño con el placebo = horas de sueño con la droga
Estadísticos de contraste b
horas de sueño con el placebo - horas de sueño con la droga
z -2.346a
Asymp. Sig. (2-tailed) .019
a. Basado en los rangos positivos
b. Prueba de los rangos con signo de Wilcoxon
Prueba de la Suma de Rangos de Wilcoxon
• Para comparar dos grupos
• Equivalente no paramétrico de la prueba t.
Pág.207
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
• Consiste de 3 pasos básicos ...
Paso 1
• Asignar rangos ascendentemente para cada grupo
• Si se dan valores iguales promediar sus rangos.
Paso2
• Sume los rangos en el grupo con el tamaño de muestra más pequeño.
• Si los dos grupos tienen el mismo tamaño, se debe elegir uno.
• W = suma de todos los rangos en el grupo con el tamaño de muestra más pequeño.
Paso3
• Compare esta suma con el valor hallado en la tabla de Wilcoxon.
• Hallar la fila correspondiente al tamaño del grupo con la muestra más pequeña {n).
• Si el valor de W es menor que el hallado en la tabla, se rechaza la hipótesis nula, es decir, hay diferencias significativas.
Ho: No existen diferencias significativas entre medias
HA: Existen diferencias significativas entre medias
Ejemplo
Se afirma que un estudiante universitario de último año puede aumentar su · calificación en el área del campo de especialidad del examen de registro de graduados en al menos 50 puntos si de antemano se le proporcionan problemas de muestra. Para probar esta afirmación, se dividen 20 estudiantes del último año en 1 O pares de modo que cada par tenga casi el mismo promedio de puntos de calidad general en sus primeros años en la universidad. Los problemas y respuestas de muestra se proporcionan al azar a un miembro de cada par una semana antes del examen. Se registran las siguientes calificaciones del examen:
Pág.208
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermeria
Probar la hipótesis nula con nivel de significación de 0.05 de que los problemas aumentan las calificaciones en 50 puntos contra la hipótesis alternativa de que el aumento es menor a 50 puntos.
Con problemas de Sin problemas de
Par muestra muestra d¡ d¡-do Rangos
1 531 509 22 -28 5
2 621 540 81 31 6
3 663 688 -25 -75 9
4 579 502 77 27 3.5
5 451 424 27 -23 2
6 660 683 -23 -73 8
7 591 568 23 -27 3.5
8 719 748 -29 -79 10
9 543 530 13 -37 7
10 575 524 51 1 1
En este caso do = 50, por lo que se procede a calcular las diferencias entre las muestras y luego restarles el valor de 50.
Para n= 1 O la tabla muestra que la región crítica es w+ 11.
W+ = 6 + 3.5 + 1 = 10.5
Decisión y Conclusión:
Como 10.5 es menor que 11 se rechaza Hoy se concluye con un a= 0.05 que los problemas de muestra, en promedio, no aumentan las calificaciones de registro de graduados en 50 puntos.
La prueba de Wilcoxon para muestras grandes
Estadístico Z
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.209
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
w- n(n+l) 4 z = --;::::========
n(n+1)(2n+1) 24
Media del estadístico
~ _ n(n+l) W- 4
Cálculo del error estándar
O'w = n(n+1)(2n+1)
24
Prueba de Wilcoxon con muestras grandes
Se debe realizar una aproximación a la normal, con la media y la desviación típica definida por las siguientes expresiones:
n(n+1) Media 1J =
4
En la expresión anterior n es el tamaño de la muestra.
Deviación estándar O' = n(n+1)(2n+l) 24
A partir de las expresiones anteriores deducimos la expresión para Z curva normal tipificada para esta prueba y seria así:
w- n(n+l)
Valor tipificado Z = -;:::===4== n(n+1)(2n+1)
24
7.2. Aplicaciones en Enfermería sobre pruebas no paramétricas
La aplicación se desarrollará con los datos recopilados para las variables Estrés, Ansiedad y Fobia sobre terapias, que adquieren 1 si ha recibido y O si no ha
Pág.210
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
recibido la terapia, la variable Sexo adquiere el valor O para mujeres y 1 para hombres, la variable Edad toma el valor 1 para adolescentes, 2 para jóvenes y 3 para adultos; además se ha recopilado las variables Día1, Día2 y Día3 que almacenan el número de horas trabajadas en tres días.
Los datos corresponden a 1 O personas que han participado en un estudio de investigación y que se encuentran registrados en el archivo Terapia.sav plasmado en el libro "Metodología de la Investigación" del autor Nel Quezada Lucio, Edit. Macro, primera edición, 201 O.
Al abrir el archivo Terapia.sav se tiene la siguiente pantalla:
! ArchlvO. .Edición yer Datos transformar ~alizar l.!arteting directo Gráficos Utilidades Ventana . A)'Uda
Contrastes no paramétricos
Prueba de los signos o prueba binomial
Secuencia: Analizar 1 Pruebas no paramétricas 1 Cuadros de diálogo antiguo
En el cuadro de diálogo antiguo se tiene las siguientes opciones:
' . '
Pág.211
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermeria
r9 ~hi-cuadrado .•. liJ ª-inomiaL
~Bachas ...
~ K-'S de 1 muestra ...
EJ ~muestras independientes .. .
L:] .~ muestras independientes ... .
[EJ2 muestras re.!acionadas .. , ·
ES K mue~tras relacionadas ...
Ejemplo:
Contrastar la hipótesis de que la mediana de la variable Día1 es 6,5.
Secuencia: Analizar 1 Pruebas no paramétricas 1 Cuadros de diálogo antiguo 1 Binomial.
Añadir la variable de prueba Día1.
En Punto de corte digitar el valor 6,5.
luego en Proporción de la prueba por defecto se tiene 0,50 para la mediana como en la siguiente pantalla:
Pág.212
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Prueba binomial
d:IJ Estrés (Estrés} di Ansiedad (Ansiedad] diJ Fobia [Fobia] ~ Sexo [Sexo] cill Edad [Edad] ~Día2 <Poía3
·#Trabajo
Definir dicotomía-------, ¡ ©Obtener de 11os datos 1
...... @_o _P...,..un_to_,CI_e_f~ort_e_: __ L=ü=~ ::tJ ( Aceptar ) [ f.egar
riao~;~:~~~~~abl~~~-. ( E!ada... ) {Qpaones ... ]
ProporCión d~ prueba: jo,50 ·¡
) ( B_establecer] ( Cancelar ) ( Ayuda
Pulsar el botón Aceptar, se tiene el siguiente resultado:
Pruebas no paramétricas
Prueba binomial
Categoría N Proporción Prop. de prueba Sig. exacta
observada (bilateral)
Grupo 1 <= 6,5 7 ,70 ,50 ,344
Dia1 Grupo 2 > 6,5 3 ,30
Total 10 1,00
Se observa que 7 sujetos han obtenido puntuaciones menores o iguales que 6,5 que corresponde al 70% de la muestra en tanto que el porcentaje esperado bajo la hipótesis nula Ho es el 50%.
Pág. 213
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermeria
El valor del nivel crítico bilateral es 0,344 que se utiliza para tomar una decisión con respecto a la hipótesis nula Ho.
Contrastes para dos muestras
Dos muestras independientes, prueba de Mann-Whitney
Secuencia: Analizar 1 Pruebas no paramétricas 1 Cuadros de diálogo antiguo 1 2 muestras independientes.
Ejemplo
Contrastar la hipótesis de que el valor esperado de la variable Día2 es igual en los dos grupos de la variable Estrés.
En Lista Contrastar variables añadir la variable Día2.
En Variable de agrupación añadir la variable Estrés, como en la siguiente pantalla:
~ Pruebas para dos muestras independientes -Lis!a Contrastar variables: ( E!3cta ... )
~ Ansiedad (Ansiedad) ·~ _()í~2 - --- ··-- - ~ ' !
( Opdones ... ) ~ Fobia (Fobia] G d:IJ Sexo (Sexo] ~ Edad {Edad} <P Día1 #oía3 EJ Variable de agrupación: #Trabajo l~strés(? ?) 11
(Definir grupas_. )
Tipo de prueba.
~ U de gann·Whitney O Z de !Solmogorov-Smimov
IJ Reaccione~ extremas de Mases O RaChas de Wald-Wolfowitz
( - -' •; ..,,~ r ) !" ·~ .. ~ ~ {Restablecer) ( cancelar )( Ayuda )
Pág.214
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermeria
En el botón Definir grupos indicar que los grupos de la variable Estrés son los correspondientes a los valores O y 1.
!~ Dos muestras independie ... ~~------------'~--' ---1 Grupo 1: Jo 1
j Grupo ~ j11 j
! (Continuar) [ Canc::tar J (__Ayuda l 1
Clic en el botón Continuar y Clic en el botón Aceptar se tiene el siguiente resultado:
Pruebas no paramétricas
Prueba de Mann-Whitney
Ra ngos
Estrés N
No ha recibido terapia 7
Día2 Ha recibido terapia 3
Total 10
Estadísticos de contrastea
Día2
U de Mann-Whitney 7,000
W de Wilcoxon 13,000
z -,798
Sig. asintót. (bilateral) ,425
Sig. exacta [2*(Sig. ,517b
unilateral)]
a. Variable de agrupación: Estrés
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Rango Suma de
promedio rangos
6,00 42,00
4,33 13,00
Pág.215
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
b. No corregidos para los empates.
Dos muestra relacionadas, prueba de Wilconxon
Secuencia: Analizar 1 Pruebas no paramétricas 1 Cuadros de diálogo antiguo 1 2 muestras relacionadas.
Ejemplo
Los sujetos del grupo Día1 son los mismos que los de Día2, por lo que ambos son muestras relacionadas.
En Contrastar pares añadir las variables Día1 y Día2.
Para comparar que sus medianas son iguales se indica, como en la siguiente pantalla:
Pruebas para dos muestras relacionadas
d:l Estrés (Estrés] dJ Msied"ad [Ansiedad]
dJ Fobia {Fobia) ~ d.1 Sexo [Sexo) ~ di Edad [Edad]
.Poia1 ~J>-Oia2 -~-----·~
-, [)~3--~-- ·---- --·
., Trabajo
Tipo de prueba------..
~ Wilcoxon
O §.igno
Ot14cNemar
O t!omogeneidad marginal
( . Aceptar . ] [ Pegar ,. ) ( Restab~~cer J ( , ca.n.celar ) [ .. Ayud~. J
Clic en el botón Continuar se tiene el siguiente resultado:
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
L~.S~w:,.J [ <?,r,¡iC>f)e~.J
Pág.216
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Pruebas no paramétricas
Prueba de los rangos con signo de Wilcoxon
Ra
Rangos negativos
Día2- Día1 Rangos positivos
Empates
Total
a. Día2 < Día1
b. Día2 > Día1
c. Día2 = Día1
Estadísticos de contrastea
Día2- Día1
z -2,816b
Sig. asintót. (bilateral) ,005
a. Prueba de los rangos con signo de
Wilcoxon
b. Basado en los rangos negativos.
ngos
N
o a
1Qb
oc
10
Contraste para más de dos muestras
Rango
promedio
,00
5,50
Suma de
rangos
,00
55,00
Más de dos muestras independientes, prueba de Kruskal Wallis
Secuencia: Analizar 1 Pruebas no paramétricas 1 Cuadros de diálogo antiguo 1 k muestras independientes
Pág.217
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Ejemplo
Contrastar la hipótesis de que la mediana grupo Día3 es la misma en los tres grupos de la variable Edad.
En Lista Contrastar variables añadir la variable Día3.
En Variable de agrupación añadir la variable Edad.
Para contrasta la hipótesis de que la mediana de la variable Día3 es la misma en los tres grupos de la variable Edad, se indica, como en la siguiente pantalla:
~ Pruebas para varias muestras independientes _J~.--
Us!a Contrastarvañables: ( E!3cta ... ) d:fl Estrés [Estrés] ·r~oraa ·· : dÍ) Ansiedad {AnsieelaCIJ
.... --~.,_. __ . ......,,,~~ .... ---~~·~-'-~-' (Qpdones ... )
EJ dÍ] Fobia [Fobia] 1
dí! Sexo [Sexo)
J ~Día1 ~Dia2
Variable de agrupación: <f Trabajo ' 0 . --· ~-~- ···~ . .. . -
Edad(??}
{ Q.efinir rango ... }
[Topo de prueba
~ H ·de !Sruskal-Wallís D {!ecfiana
¡ O :i!_onckheere-Terpstra
- .. <··-·- ---
( -, _:w· ,,·1' ) 1
;:-, _, ( B.estabtecer) ( Cancelar )( Ayuda ) -
En Definir rango se indica que los grupos de Edad están definidos con los valores 1 al 3.
Pág.218
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería y.-·•;·-·,,::·
~ Varías muestras independ ... {t~f;
Rango :para vanable de agrupación
Mfn_imo: D Má!Jmo: U (Continuar] (._c-an_ce_la__,r )( Ayuda J .
Clic en el botón Continuar y Clic en el botón Aceptar se tiene el siguiente resultado:
Pruebas no paramétricas
Prueba de Kruskai-Wallis
Ra ngos
Día3
Edad
Adolescentes
Jóvenes
Adultos
Total
Estadísticos de
contrastea,b
Día3
Chi-cuadrado 7,102
Gl 2
Sig. asintót. 029
a. Prueba de Kruskai-Wallis
b. Variable de agrupación:
Edad
N
3
4
3
10
Rango
promedio
5,50
8,13
2,00
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.219
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Más de dos muestras relacionadas, prueba de Friedman
Secuencia: Analizar 1 Pruebas no paramétricas 1 Cuadros de diálogo antiguo 1 k muestras relacionadas
Ejemplo
Las variables de los tres días (Día1, Día2 y Día3) están formadas por los mismos sujetos, por lo que están relacionadas.
En Variables de contraste añadir las variables Día1, Día2 y Día3, como en la siguiente pantalla:
Pruebas para varias muestras relaQonadas
d:D Estrés [Estrés) cdJ Ans!e.dad (Ansiedad] dil Fobia {Fobia! d:fJ Sexo (Sexo]' diJ 'Edad {Edad] ~TrabaJo
Variables de ·contraste: ..o .0 - 1 [ Exa.-cta... J
<T ' •a -r"~~~D~ía"-::2:------,l ( Estadistlcos._) ¡;¡?> Dfa3
[
il,po de pruena . -~-. -~
{;1¡ Friedmao o w de Kendall D a de Cochran ,::__~ ":':...----·-·- ~-·-~•·•---=------.~-~--.~·---::.-~---~- ~--.-·~---.~-w
( Aceptar ] ( Pegar ] ( Restablecer ) { Cancelar ] ( Ayuda
Clic en el botón Aceptar se tiene el siguiente resultado:
Pruebas no paramétricas Prueba de Friedman
Rangos
Rango
promedio
Día1 1,10
Día2 2,10
Día3 2,80
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.220
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Estadísticos de contraste8
N 10
Chi-cuadrado 14,600
Gl 2
Sig. asintót. ,001
a. Prueba de Friedman
El nivel crítico asociado al estadístico Chi-cuadrado nos permite rechazar la
hipótesis nula Ho de igualdad de medianas en las variables Día1, Día2 y Día3.
Contrastes sobre proporciones
Secuencia: Analizar 1 Pruebas no paramétricas 1 Cuadros de diálogo antiguo.
El proceso particular varía dependiendo del número de grupos y de si están
relacionados.
~ ~hkl.ladrado ...
r\\71 BinomiaL ~ . ~ _ _ _ C b e ~ - ~ - - - - - - - - - - - - - entraste so re ~flamas ....
[]K-S de 1 muestra~ .. - ___ ~- Contraste sobre e 1-e 2 independientes
6 g muestras independientes ... ~-- - - - - -
El !S muestras independientes... ___ -- Contraste sobre e 1 -e 2 relacionadas
IE]2 muestras relacionadas ... <- ---------¡::-:].K tr
1 .. d ./_ - - - - ----contraste sobre J. proporciones relacionadas · w mue§. as re aaona · as... ""-
Contraste sobre una proporción Pág.221
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Secuencia: Analizar 1 Pruebas no para métricas 1 Cuadros de diálogo antiguo 1 Binomial
Ejemplo:
Contrastar la hipótesis de que la proporción Estrés es de 0,65
Añadir la variable de prueba Estrés.
En Proporción de la prueba digitar la proporción 0,65 como en la siguiente pantalla:
Prueba binomial
d:l Ansiedad (Ansiedaáj d::l Fobia [Fobia] ¿j Sexo (Sexoj d:l Edad {Edad] ~ Día1
. ~1Dia2 ~Dfa3 ~Trabajo
Definir cficotomia-------, 1
@ Obtener de los datos ' ~-
@ Punto de gorte: ¡
ProporCión d! prueba: lo,,65 1
Clic en el botón Aceptar, se tiene el siguiente resultado:
Pruebas no paramétricas
!'utor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.222
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Prueba binomial
Categoría N Proporción Prop. de prueba Sig. exacta
observada (unilateral)
No ha recibido 7 ,70 ,65 ,514 Grupo 1
terapia
Estrés Ha recibido 3 ,30 Grupo 2
terapia
Total 10 1,00
El nivel crítico unilateral se muestra en la última columna de la tabla de resultados.
Usando a = 0.05 no se puede rechazar la hipótesis de que la verdadera proporción de sujetos que reciben la terapia de estrés es 0,65
Dos muestras relacionadas, prueba de McNemar
Secuencia: Analizar 1 Pruebas no paramétricas 1 Cuadros de diálogo antiguo 1 2 muestras relacionadas.
Ejemplo
Se sabe que los sujetos de la muestra pueden haber recibido terapia contra el estrés, así como otras terapias contra situaciones de ansiedades y fobias.
Se desea comprobar si Jos sujetos que reciben la segunda terapia es más probable que reciban también la tercera terapia. Esto indicaría que los individuos que presentan un trastorno tienen mayor probabilidad de presentar el otro.
El cuadro de diálogo permite escoger diferentes pruebas. Para realizar la prueba de McNemar sobre las variables Ansiedad y Fobia. Se desea estudiar si la proporción de sujetos en ambas es igual o no; entonces la prueba de hipótesis sería la siguiente:
Pág.223
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermeria
Ho: 81-82 =O
HA: 91-92 *o
En Contrastar pares añadir las variables Fobia y Ansiedad.
En Tipo de prueba seleccionar McNemar, como en la siguiente pantalla:
" Pruebas para dos muestras reladonadas
di Es_trés [Estrés] __ _ (di ~_siedad{~sie~~~ di Fobia {Fobia] ~ Sexo (Sexo} d:S Edad [Edad}
#Día1 ~Oía2 #oía3 #T1rabajo
.fnp~--~:~~~:.ba o ¡~~E.~~~-~ CJ §.igno
~McNemar
O Homogeneidad marginal
,+
( Aceptar J ( fegar J (Restablecer J ( ~:cancelar ) ( Ayuda
En Opciones escoger Descriptivos.
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
[ E!acta ... ) { Qpciones ... )
Pág.224
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
ti Dos muestras reladonada ...
Estadísticos-------.., :¡:···--···-····-·-·--·
w.l¡Q~~-~P.!i.Y..~.~ O Cuartlles
Valores perdidos------..
@ Exdüír casos según ,prueba
@ ExC!,uir casos según lista
(Continuar] ( cancelar J ( Ayuda
Clic en el botón Continuar y Clic en Aceptar, el visor de resultado muestra la tabla de contingencia de las variables Fobia y Ansiedad; también muestra los estadísticos de contraste: ·
Pruebas no paramétricas
E f stadis 1cos descriptivos
N Media Desviación Mínimo Máximo
típica
Fobia 10 ,20 ,422 o 1
Ansiedad 10 30 ,483 o 1
Prueba de McNemar
Tablas de contingencia F b' A . d d o ta_y nste a
Fobia Ansiedad
No ha recibido Ha recibido
terapia terapia
No ha recibido terapia 5 3
Ha recibido terapia 2 o Estadisticos de contraste8
Pág.225
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Fobia y
Ansiedad
N 10
Sig. exacta (bilateral) 1,000b
a. Prueba de McNemar
b. Se ha usado la distribución binomial.
Conclusión Como p = 1.000b >a se mantiene Ho: es decir no existe diferencia significativa entre la proporción de sujetos que reciben las terapias de fobia y ansiedad.
Más de dos muestras relacionadas
Secuencia: Analizar 1 Pruebas no paramétricas 1 Cuadros de diálogo antiguo 1 K muestras relacionadas.
Ejemplo
Se quiere contrastar la hipótesis de que la proporción de sujetos que reciben alguna de las tres terapias es la misma.
Añadir las variables Estrés, Fobia y Ansiedad.
En Tipo de prueba seleccionar Q-Cochran, como se indica en la siguiente pantalla:
Pág.226
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermeria
Pruebas para varias muestras relacionadas
di) Sexo (Sexo] di] Edad [Edad]
.f ID.ía1
.f Oía2 ,Día3 4f l:rabajo
rTipo de prueba
Variables de conyaste:
diJ Estrés (Estrés] ~ Fobia {Fobia]
~d::D Ansiedad {Ansiedad] ' ~ -----------'-~----·------
L DI~~~:~~~~[] w de ~e~~~ a_de~~-o_ch_ra_n ____ --J
[ E!ada_. )
( E~tacJisticos ... )
I Aceptar ) ( eegar ) ( fiestablecer) [ Cancelar ) ( Ayuda
Clic en el botón Aceptar, se tiene el siguiente resultado:
Pruebas no paramétricas
Prueba de Cochran
Frecuencias
Valor
o 1
Estrés 7 3
Fobia 8 2
Ansiedad 7 3
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.227
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Estadlsticos de contraste
N 10
Q de Cochran ,3338
Gl 2
Sig. asintót. ,846
a. O se trata como un éxito.
Conclusión
Como p = 0.846 >a se mantiene Ho; es decir no existe diferencia significativa entre
la proporción de sujetos que reciben las terapias estrés, fobia y ansiedad.
Dos proporciones independientes
El contraste de dos proporciones independientes se realiza mediante la prueba x2
sobre igualdad de proporciones.
Prueba x2 de Pearson
x2 Sobre Bondad de ajuste
Secuencia: Analizar 1 Pruebas no paramétricas 1 Cuadros de diálogos antiguos 1 Prueba Chi-cuadrado.
·~ Qhi-cuadrado ...
WiJ ªinomiaL.. ·~ ~RaChas ... ·
t:J K-S de 1 muestra ...
El ~ muestras independientes .. .
E;3 ·!'S muestras independientes .. .
18] 2 muestras re!adionadas .. .
EJ K mue~tras relacionadas .. .
Pág.228
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPiTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
dJ Estrés (Estrés) di Ansiedaa.(Ansiedad]
¡ d:J Fobia [Fobia]
di Sexo (Sexo] ~Dia1 ~D.ia2 <P Día3
, \ A q trabajo
i ,,..__ _______ ___.
Prueba de chi-cuadrado .. ·- -¡
Us!a Contrastarvariables: [ J 1 ,.;;,~ .... ---__;;,.__ ___ ___, t ,f7:!;,~... 1
\d..I_~~~!!IE~adl ________ ~ [o J , . !l(l.dones... : f .. )' d "Hcrbril& ¡
rRango esperado Valores esperados 1 1
j @ Obtener ·de Jos datos Cif.!E.~~~j~~~~~º~I.~i:i~~~~~l 1 @ U_2ar rango espedficado © yatores: f
1
!:ower: D 1
yPper: 1' D -. , ~ . j
: ·~~· 1
,',' ¡:: "" . , , ,""'1 1
l. L_/ ,!;, i ' , 1
: / ( -:::1='·· · . ] e; .. ~ . ~Restabl~p[ Cancelar ][ Avttda ] J .· 1 \ . . - ~ · rts~ ,· · ¡ t · enee . .. tt· ee~:m "tt _
--'·----------~~---- -·---·· .. --·-··-·------1
1
Aquí se indica la categoría de la
variable. Por ejemplo O y 1
AqÚí se indica la frecuencia: m¡- n81 para cada categoría. Por
ejemplo adolescentes = 10*0.3 = 3; adultos = 10*0.2 = 2 y ióvenes = 10*0.5 = S
En el ejemplo el modelo a contrastar es el uniforme, se selecciona todas las categorías iguales.
Como la frecuencia esperada de todos los valores de Edad es la misma, por lo tanto se está comprobando el ajuste a una distribución uniforme:Ho f(x) = M(n = 10 y e= 1/3).
La salida de resultados muestra una tabla con las frecuencias esperadas, observadas y las residuales (la diferencia entre ambas) y otra con el valor del
estadístico de contraste x2 , los grados de libertad y el nivel crítico.
Pág.230
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
¡[J.Estrés [Estrés} di Ansie~ad'(Ansied'ad] d::l Fobia ¡Fobia] ¿j Sexo (Sexo] #Dia1 4f>Día2 .tP 'Oia3 ~ T1rabajo
rRango esperado--·-
1
@ Obtener de los datos
@ Usar rango especificado
k"ower: EJ ypper: U
[ ________ j
Prueba de chi-cuadrado
Usta Contrastar variables: e E!3cta._.. J tdJ.Ed~~ (Ed~~---- ______ __;
Valores esperados-----.
@ Todas las categorías !guaJes
©y:atores:
L ....
. ~- . . '
"--~---__ -_____ ~---
( Q_pdones __ )
( Aceptar J, ( eegar ] (Restablecer) ( Cancelar J [ Ayuda )
En Usar rango especificado digitar 1 en Lower y 3 en Upper, Clic en el botón Aceptar, se tiene el siguiente resultado:
Pruebas no paramétricas
Prueba de chi-cuadrado
Frecuencias
Edad
Categoría N observado N esperado Residual
1 Adolescentes 3 3,3 -,3
2 Jóvenes 4 3,3 ,7
3 Adultos 3 3,3 -,3
Total 10
Pág.231
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermeria
Estadísticos de contraste
Edad
Chi-cuadrado ,2008
Gl 2
Slg. asintót. ,905
a. 3 casillas (100,0%) tienen
frecuencias esperadas
menores que 5. La
frecuencia de casilla
esperada mínima es 3,3.
El procedimiento también permite el ajuste a cualquier otra distribución discreta.
Para lo cual se tiene que indicar directamente la frecuencia esperada para cada
valor.
Ejemplo:
Se desea comprobar que la frecuencia esperada de los niveles 1 , 2 y 3 de la
variable Edad es 4, 5 y 1 respectivamente, es decir:
Ho f(x) = M(n = 10, 81 = 0.40, 82 = 0.50, 83 = 0.10).
Por lo que en Valores de Valores esperados añadir 4, 5 y 1, como en la
siguiente pantalla:
Pág.232
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermeria
Prueba de chi-ruadrado -~d)iE~~ésJ~str_ésL ~-- -~~.dJ Ansiedad (Msiedadj dJ Fobia (Fobia) td Sexo [Sexo] ,Dia1 #Día2 ,Dia3 , Trabajo
¡Rango esperado-·---.
@ Obtener de 11os datos
1 ¡ \
@ Usar ·rango especificado
b"ower: O ![Pper: D
l '--------~ ___ _¡
Lis!a Contrastar variables: [ J r--;;;----------, E!acta .... _ di Edad [Edad}
Valores esperados----...,
©Todas las categotías iguales
@ yalores: !11 1 '-'--;::::=::::.__--,
(,--~-adi-. r--.J :
L ___ _:__. ___ _
(Qpáones ... J
( Aceptar ) ( fegar ) { f!establecer ] ( Cancelar J [ ___ A_yu_d_a---..
Clic en botón Aceptar, se tiene el siguiente resultado:
Pruebas no paramétricas
Prueba de chi-cuadrado Frecuencias
Edad
Categoría N observado N esperado Residual
1 Adolescentes 3 4,0 -1,0
2 Jóvenes 4 5,0 -1,0
3 Adultos 3 1,0 2,0
Total 10
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.233
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Estadfsticos de contraste
Edad
Chi-cuadrado 4,45()8
Gl 2
Sig. asintót. ,108
a. 2 casillas (66,7%) tienen
frecuencias esperadas
menores que 5. La
frecuencia de casilla
esperada mínima es 1 ,0.
Tablas de contingencia
Este tipo de contrastes también se pueden realizar mediante la prueba x2 de las
tablas de contingencia-
Las tablas de contingencia contienen la distribución "conjunta de dos o más
variables.
Secuencia: Analizar 1 Estadísticos descriptivos 1 Tablas de contingencia
Ejemplo
Se quiere obtener la tabla de contingencias para las variables Estrés y Edad. Añadir las variables Estrés y Edad, como se indica en la siguiente pantalla:
Pág.234
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Tablas de contingencia
Filas: [ f!ada... ::)
( E!1adísticos__ J Leasmai:'J
d:D Ansiedad (Ansiedad]
~Fobia [Fobia¡
~Sexo {Sexo] ,Dia1 ~Dfa2 ~Día3 ~Trabajo
Jll ( fonnato. . ) _ { Bootstf!P... }
Columnas:
G ll.ii Ed .. {Edad]
Capa 1 de 1------------,
,. - r •.-.
~l._____l O Mostrar los gráficos de !larras agrupadas
O Supñmir !a bias
[ Aceptar } ( f.egar ) (Restablecer] [ Cancelar J [ Ayuda
Clic en el botón Aceptar, se tiene el siguiente resultado:
Tablas de contingencia
Tabla de contingencia Estrés * Edad
Recuento
Edad Total
Adolescentes Jóvenes Adultos
No ha recibido terapia 2 3 2 Estrés
Ha recibido terapia 1 1 1
Total 3 4 3
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
7
3
10
Pág.235
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermeria
Cada casilla contiene el número observado de sujetos que obtienen un
determinado par de valores en Estrés y Edad
Se observa por ejemplo que hay 2 sujetos, el grupo adolescentes y que reciben la
Terapia de Estrés, el número total en la categoría adulto es 3, etc.
Para contrastar la hipótesis nula Ho: x e y son independientes se calcula el valor
de x,2
Secuencia: Analizar 1 Estadísticos descriptivos 1 Tablas de contingencia
Añadir la variable Estrés en la fila y la variable Edad en la columna, como en la siguiente pantalla:
:t~ - Tablas de contingencia
[di Ansiedad (Ansiedadj
dJ Fobia {Fobia! · cl:l Sexo {Sexo} 4f Día1 #Oia2 ~Día3 ,Trabajo
O Mostrarlos gráficos de ~arras agrupadas
O Supñmif!ablas
Filas:
A 1 di Estrés[Es>és]
Columnas:
G ¡di••••IECiadJ r-Capa 1 de, ________ _
1 ~ ~ ... ' - " . 1
iBI 1
( Aceptar ) [ Eegar ] (Restablecer) { Cancelar J ( Ayuda
Cf!acta_. 1 ( E!tadísticos_. )
~as ... ]
( formato ... )
[ BootstriD> ... )
Pulsar la opción Estadísticos y seleccionar Chi-cuadrado, como en el siguiente cuadro:
Pág.236
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermeria
tA Tablas de contingencia: Estadísticos ... ~ f~~~~~~~~ii~:==~~=::~~~:::~::=~~~=J 0 Correlaciones
Nominal Ordinal
O C:Q;efiCiente de •Conlingenda O§amma
O :e_hi y V de Cramer D d de -ª:omers
O ,bambda O Tau-!! de Kenda!l
O Coeficiente de incertidumbre O Tau-~ de Kendatl
comlnal i><>rlM!eMIO O ~appa
1
O Rfesgo OEta .
O lMcNemar
O Est~disticos de Cochran y Mantel-Haensze.l
Pro::ar q.;e !a ra::ó~ de \an!a~Bs c.omt!r: e.:t·.;· .• -a'e a. 1 ..
(Continuar} { cancelar ) ( Ayuda J
Clic en el botón Continuar y Clic en Aceptar, se tiene el siguiente resultado:
Tabla de contingencia Estrés * Edad
Recuento
Edad
Adolescentes Jóvenes Adultos
No ha recibido terapia 2 3 Estrés
Ha recibido terapia 1 1
Total 3 4
Pruebas de chi-cuadrado
Valor gl Sig. asintótica
(bilateral)
Chi-cuadrado de Pearson ,079a 2 ,961
Razón de verosimilitudes ,080 2 ,961
Asociación lineal por lineal ,000 1 1,000
N de casos válidos 10
a. 6 casillas (100,0%) tienen una frecuencia esperada inferior a 5. La
frecuencia mínima esperada es ,90.
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
Total
2 7
1 3
3 10
Pág.237
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPiTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Se puede interpretar como un contraste de igualdad de proporciones, en el que se compara la distribución de la variable Estrés (variable dicotómica) en cada grupo de la variable Edad G = 3).
El valor de X está en la primera línea del cuadro, junto con los grados de libertad y el nivel crítico (P(X s 0,833) = 0,361). Los índices de asociación basados en Chicuadrado aparecen en otra t6abla diferente. En este caso las variables son independientes, dicho índices adoptan valores muy pequeños.
Tabla de contingencia con más de dos variables
Se puede obtener tablas de contingencia con más de dos variables usando la casilla inferior del cuadro.
Ejemplo
Encontrar la tabla de contingencia con las variables Edad, Estrés y Sexo
Secuencia: Analizar 1 Estadísticos descriptivos 1 Tablas de contingencia
Añadir la variable Estrés en filas, la variable Edad en columnas y la variable Sexo en la casilla inferior, como en la siguiente pantalla:
.,¡J Ansiedad (Ansiedad] d:l Fobia [Fobia} 4'P Ofa1 ~oia2 #oia3 ~Trabajo
O Mostrar los gráficos de ~arras agrupadas
O Suprtmir !a bias
Filas:
.,. 1 vJ:I Estrés {Estrés!
Columnas:
[,.--&=-.!_llta __ ;;-r -.. .. ) L;;e!.Oarntl 'Bestablecei:J l;cancelar'J LwArgdawJ
Clic en el botón Aceptar, se tiene el siguiente resultado:
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
L;exactatwttJ ¡;&~tadfsticos;J bneaswas.~w~J ~Fonnato,.;J lyaootstrap."h]
Pág.238
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
Tablas de contingencia
Tabla de contingencia Estrés * Edad * Sexo
Recuento
Sexo Edad
Adolescentes Jóvenes Adultos
Estrés No ha recibido terapia 1 2 o
Mujer Ha recibido terapia o o 1
Total 1 2 1
No ha recibido terapia 1 1 2 Estrés
Hombre Ha recibido terapia 1 1 o Total 2 2 2
No ha recibido terapia 2 3 2 Estrés
Total Ha recibido terapia 1 1 1
Total 3 4 3
Pruebas de chi-cuadrado
Sexo Valor gl Sig. asintótica
(bilateral)
Chi-cuadrado de Pearson 4,000b 2 ,135
Razón de verosimilitudes 4,499 2 ,105 Mujer
Asociación lineal por lineal 2,000 1 ,157
N de casos válidos 4
Chi-cuadrado de Pearson 1,500C 2 ,472
Razón de verosimilitudes Hombre
2,093 2 ,351
Asociación lineal por lineal ,938 1 ,333
N de casos válidos 6
Chi-cuadrado de Pearson ,0793 2 ,961
Razón de verosimilitudes ,080 2 ,961 Total
Asociación lineal por lineal ,000 1 1,000
N de casos válidos 10
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
Total
3
1
4
4
2
6
7
3
10
Pág.239
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
CAPÍTULO VIl
Pruebas no paramétricas. Aplicaciones en Enfermería
a. 6 casillas (100,0%) tienen una frecuencia esperada inferior a 5. La frecuencia
mínima esperada es ,90.
b. 6 casillas (100,0%) tienen una frecuencia esperada inferior a 5. La frecuencia
mínima esperada es ,25.
c. 6 casillas (100,0%) tienen una frecuencia esperada inferior a 5. La frecuencia
mínima esperada es ,67.
REFERENCIALES
1. DANIEL W. WAYNE, Bioestadística Base para el análisis delas ciencias de la salud, México, Edit. Limusa S.A., Cuarta Edición, 2002.
2. FERRER PEÑARANDA LUCIO, Texto de Informática Aplicada en Salud, Facultad de Ciencias de la Salud, Universidad Nacional del Callao, Ref. Resolución Rectoral N o 017-00-R, 2,009.
3. HERNÁNDEZ, R - FERNANDEZ, C - BAPTISTA, P Metodología de la Investigación, México: Edit. Me Graw-Hill lnteramaricana, Cuarta Edición, 2006.
4. QUEZADA NEL LUCIO, Metodología de la Investigación - Estadística aplicada en la Investigación, Edit. Empresa Editora Macro, 2010.
5. QUEZADA NEL LUCIO, Estadística con SPSS 20, Edit. Empresa Editora Macro, 2012.
Pág.240
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
BIBLIOGRAFÍA
1. BENEIT MONTESINOS ANTONIO, Informática aplicada a la enfermería, España: Edit. Síntesis S.A., 1994.
2. DANIEL W. WA YNE, Bioestadística Base para el análisis delas ciencias de la salud, México, Edit. U musa S.A., Cuarta Edición, 2002.
3. DAZA PORTOCARRERO, Análisis Estadístico PASW 18; Editorial Grupo Megabyte.
4. FERRER PEÑARANDA LUCIO, Texto de Informática Aplicada en Salud, Facultad de Ciencias de la Salud, Universidad Nacional del Callao, Ref. Resolución Rectoral N o 017-00-R, 2,009.
5. GUTIÉRREZ, A- HERNÁNDEZ, R, Informática en Medicina. México: Edit. Trillas, primera edición, 1991.
6. HERNÁNDEZ, R - FERNANDEZ, C - BAPTISTA, P Metodología de la Investigación, México: Edit. Me Graw-Hill lnteramaricana, Cuarta Edición, 2006.
7. QUEZADA NEL LUCIO, Metodología de la Investigación - Estadística aplicada en la Investigación, Edit. Empresa Editora Macro, 2010.
8. QUEZADA NEL LUCIO, Estadística con SPSS 20, Edit. Empresa Editora Macro, 2012.
Pág.241
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
l.
Apéndice A "Silabo de la Asignatura: Informática Aplicada en Salud"
ESCUELA PROFESIONAL DE ENFERMERÍA
DATOS GENERALES 1. 1. Asignatura 1.2. Código 1.3. Carácter 1.4. Pre-requisito 1.5. N° Horas de Clase
Teoría Práctica
1.6. N° de Créditos 1.7. Ciclo 1.8. Semestre Académico 1.9. Duración 1.10. Profesor
SÍLABO
Informática Aplicada en Salud EN403 Obligatorio EN303 Bioestadística
02 Horas 03 Horas 03 VIl 2013-B 17 semanas Dr. Lucio A. Ferrer Peñaranda
11. SUMILLA La asignatura brinda conocimientos sobre: Visión sistemática de la Informática en salud; programación y bases de datos; Análisis y Algoritmos Matemáticos; Edición, Compilación y Ejecución de Programas con un lenguaje científico actualizado; Diseño de sistemas y aplicaciones en Salud.
111. OBJETIVOS 3.1 Objetivo General
El estudiante al finalizar el curso será capaz de comprender el uso de SOFTWARE aplicado a la Ciencias de la salud e informatizar procesos estadísticos aplicados a salud.
3.2 Objetivos Específicos - Desarrollar sistemas de numeración de base binaria y base
dieciséis. - Desarrollar la ética de la Informática
- Desarrollar temas sobre: Internet, Sistémica, Organizaciones inteligentes.
- Desarrollar algoritmos matemáticos. - Desarrollar el manejador de base de datos MS SQL SERVER,
y definir tablas y bases de datos. - Aplicar Software estadísticos en problemas de Enfermería.
IV. PROGRAMACIÓN ACADÉMICO
Prueba de entrada. Presentación discusión del sílabo.
Dr. Lucio Amulfo Ferrer Peñaranda r:¿ Pág. 243
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Apéndice A "Silabo de la Asignatura: Informática Aplicada en Salud"
1° Semana: 21/ Agosto/2013
2° Semana: 28/ Agosto /2013
3° Semana: 04/Setiembre/2013
4° Semana: 11/Setiembre/2013
5° Semana: 18/Setiembre/2013
6° Semana: 25/Setiembre/2013
7° Semana: 02/0ctubre/2013
8° Semana: 09/0ctubre/2013
9° Semana: 16/0ctubre/2013
10° Semana: 23/0ctubre/2013
Dr. Lucio Amulfo Ferrer Peñaranda
Código UNICODE. Sistema Operativo Windows Práctica de Laboratorio N° 01: Sistema Operativo Windows. Creación de archivos y carpetas. Manejo del mouse (ratón) y teclado. Informática, Bit, Byte, Múltiplos del byte (Kilobyte, Megabyte, Gigabyte, Terabyte, Peta byte, etc.). Práctica de Laboratorio N° 02: Creación de textos en MS Word sin uso del teclado. Creación de accesos directos Utilización adecuada de Internet. Prudencia y reserva en manejo de datos. La Ética en la Informática: Honestidad, derecho a confidencialidad, derecho a la intimidad en Internet. Práctica de Laboratorio N° 03: Búsqueda de información en Internet sobre temas de Enfermería: Cir~ías Robóticas. Algoritmos y Diagramas de flujo Práctica de Laboratorio N° 04: Desarrollar diagramas de flujo. Elaboración de diagramas de flujo en el programa Ms Excel. Organizaciones Inteligentes. Práctica de Laboratorio N° 05: Búsqueda de información en Internet sobre Organizaciones Inteligentes. Rizomas. Práctica de Laboratorio N° 06: Búsqueda de información en Internet sobre Rizomas. Gestión del Talento. Práctica de Laboratorio N° 07 y N° 08: Búsqueda de información en Internet sobre Gestión del Talento. Primer examen parcial. Examen de Laboratorio.
Manejador de base de datos SQL Server. Comandos y Consultas Práctica de Laboratorio N° 09: Ejercicios con comandos SQL Base de datos y tablas. Práctica de Laboratorio N° 1 O: Laboratorio sobre creación de base de datos y tablas.
~ Pág.244
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Apéndice A "Silabo de la Asignatura: Informática Aplicada en Salud"
Relacionamiento de tablas. 11° Semana: Registros y columnas, variables, tipos de
30/0ctubre/2013 variables Práctica de Laboratorio N° 11: Laboratorio con Consultas y sub Consultas en SQL. Programa estadístico SPSS Normalidad de datos
12° Semana: Análisis de confiabilidad 06/Noviembre/2013 Práctica de Laboratorio N° 12:
Ejercicios con SPSS Programa estadístico SPSS.
13° Semana: Variables, tipos de variables. Estadística 13/Noviembre/2013 descriptiva
Práctica de Laboratorio N° 13: Laboratorio sobre Variables. Análisis de datos. Programa estadístico SPSS.
14° Semana: Regresión y correlación. 20/Noviembre/2013 Práctica de Laboratorio N° 14:
Aplicaciones con sobre Regresión y correlación.
15° Semana: Cálculo del tamaño de una muestra. 27/Noviembre/2013 Práctica de Laboratorio N° 15:
Tareas Aplicadas. Cálculo del tamaño de una muestra.
16° Semana: Examen final. 04/Diciembre/2013 Examen de Laboratorio.
17° Semana: Examen sustitutorio. 11/Diciembre/2013
V. MÉTODOS Y TÉCNICAS DE LA METODOLOGÍA DE ENSEÑANZA En el desarrollo de la asignatura se empleará métodos que permitan la participación activa del alumno y que éste asuma un rol decisivo y principal en el proceso de enseñanza- aprendizaje donde el profesor es el orientador. Las clases serán teórico-prácticos, desarrollándose los temas de acuerdo a la programación de contenidos diseñado. El profesor propiciará y estimulará la participación de los alumnos en la clase. El alumno deberá asistir a clases, estudiando los temas tratados y repasando el tema que el profesor desarrollará Esto permitirá una mejor participación del alumno en clase. El profesor pondrá a disposición de los estudiantes: separatas y guías de prácticas de laboratorio, que deberán ser resueltos con la finalidad de analizar los conocimientos adquiridos. Las prácticas de laboratorios se realizarán en el Centro de Cómputo de la Facultad o de otra Facultad, previa coordinación con el Jefe del
Dr. Lucio Amulfo Ferrer Peñaranda r¿_ Pág. 245
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Apéndice A "Silabo de la Asignatura: Informática Aplicada en Salud"
Centro de Computación e Informática de la Facultad. Se desarrollará 15 Prácticas de Laboratorio. Se asignará trabajos de Investigación cuyo promedio tendrá valor de un examen parcial.
VI. SISTEMA DE EVALUACIÓN La evaluación de las actividades académicas es de carácter formativo y sumativo, de carácter permanente, y sujeta a los dispositivos legales vigentes de la Universidad Nacional del Callao y de la Facultad de Ciencias de la Salud. Se aplicará una evaluación de entrada a través de un pre-test a fin de valorar los conocimientos previos que trae el alumno.
La evaluación formativa se ejecutará durante el desarrollo de la teoría y prácticas. También se calificará dos trabajos de investigación y la participación del estudiante en las clases. La evaluación sumativa es periódica y comprende lo siguiente: + Exámenes Parciales (02) + Prácticas de Laboratorio (15). Se calculará el promedio (PPL) + Trabajos de Investigación (02 mínimo). Se calculará el promedio • Intervención en Clases Examen teórico parcial (EX1) Examen de laboratorio (EXL 1)
Examen teórico final (EX2)
Examen de laboratorio (EXL2) Promedio de Prácticas (PPL) Promedio de trabajos de investigación (PTI) Intervención en Clases, asistencia a clases (IC)
Promedio final (PF)
Fórmula para el cálculo del Promedio Final:
:Peso 1 :Peso 1
:Peso 1
:Peso 1 :Peso 2 (Doble) :Peso 1 :Peso 1
PF = (EXL 1+EX1+EXL2+EX2+2PPL+PTI+IC)/8
Observaciones: o IC es el número de asistencias a clases multiplicado por el factor
20/17 o Se tomará un examen sustitutorio correspondiente a cada examen
parcial. o Se calificará todas las prácticas de los laboratorios, al finalizar cada
laboratorio. o El promedio de las prácticas de laboratorio (PPL), tendrá peso doble. o Se asignará trabajos de investigación. o Se tomará en cuenta la participación del estudiante en las clases.
Dr. Lucio Arnulfo Ferrer Peñaranda ~ Pág.246
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
Apéndice A "Silabo de la Asignatura: Informática Aplicada en Salud"
BIBLIOGRAFÍA
1. DAZA PORTOCARRERO, Análisis Estadístico PASW 18, Editorial Grupo Megab~e.
2. FERRER PENARANDA LUCIO, Texto de Informática Aplicada en Salud, Facultad de Ciencias de la Salud, Universidad Nacional del Callao, Ref. Resolución Rectoral N o 017-00-R, 2,009.
3. GUTIÉRREZ, A - HERNÁNDEZ, R, Informática en Medicina, México, Edit: Trillas, primera edición, 1991.
4. MURILLO FÉLIX, Informática Básica para Enfermeras. Edit. Quebecor World Perú S.A., Lima, 2001.
5. ROMERO RICARDO, SQL Server 2005, Edit. Ritisa Graff S.R.L., primera edición 2006, Lima Perú.
Dr. Lucio Amulfo Ferrer Peñaranda Pág.247
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
Guía de Práctica de Laboratorio 01 Ubique el programa IBM SPSS Statiscitcs 21 Aparece la ventana de presentación del programa:
~ ~
Ñd'tVo ~ VtK o.toa !,_.,Of'l'*' Anlllt.r ~hg choto 2rtnoo. llllidedel: Vertflnll A)'Udll
iJ': JRM SP5S S1c)llt11CI" 19 - ~-._(
.. ~-~ -·-· ~ . ---~
' ..t
1
~ ~ f
. - - -· ~-
-- - ~
' -·---r
¿ Clu6 ....... hooor'?
~ ~
:~~_JVW.* ........ t
~ fD ~
lS
()~los-
1 tz),
Medfdo
Laboratorios ApéndiceB
Rol
Para iniciar, pulse el botón Cancelar, para cerrar esta ventana e ingresar a la hoja de edición del programa estadístico SPSS
Pág.249
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNJVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
Laboratorios ApéndiceS
OBJETIVO.- Aplicar el programa estadístico SPSS para cálculos estadísticos y para analizar e interpretar resultados.
Tarea1.-lntroduzca los siguientes datos:
Edad
1
2 2 ·± 2
2 -·
1
1
. 10 30 '98 2 . 2 1 1~ . : ::r 1
1 ... 12. ~::J·--32--+--1-16--1)--1--t----3--22 105
[ · 1}. ·1 26 91·--r 1 2 ¡· 14 . :.~:-·--29-.......f--·--1-. 08 1 - 1 2 C1i:.~.J·- 22 11s 1 -1 --~--4--
r 16 : t 19 98 ¡ __ 1 -+-·--1 __
!?=' :==;:::, ~==: ::;:;:., ::=:;;¡¡::},.--!-:--+--~-~!- 1 ~ -~-19 ..... 1 20·--+--1,21 i" 1 ·------3--
1?====:::::::::;::::~ ------r-----+-------------20 31 99 ' 1 1
r"_ , i" o '.-~ ! ~~~ ! : ! 1 : ~1 . t_: : =r-~~-~ __ ........,__~:_~-.~~---.-~-----~ -·---+
;- ; !: 1 ::4 --{--~-· --l¡r------:----1 ·· 28 · fr 87 1 117 l 2 --.2----f 1 ·¿g . ]-·-21-, -+---122---f.--2 --___ 3 __ .....,.
L_3o · · ] 32 100 - 2 2
¡; ·. . 3CJ~-· 33 '98 1 4 . ----~------~--~------~----------~
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.250
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería
Laboratorios ApéndiceB
GUÍA DE PRÁCTICA DE LABORATORIO
Codificación: Sexo: 1 ="Masculino", 2 ="Femenino" Estado civil: 1 ="Soltero", 2 ="Casado", 3 ="Divorciado" y 4 ="Viudo" En la pestaña Vista de Variables, defina las variables, teniendo en cuenta el siguiente diseño: EDAD: Tipo numérico, ancho 8, con O decimales. Coeficiente_de_inteligencial: Tipo numérico, ancho 8 también con O decimales Sexo: Tipo numérico, ancho 8, O decimales Estado_civil, tipo numérico, ancho 8, con o decimales Como en el siguiente cuadro:
!_ _No~~-- ___ T!Jx.l < '--'~ Al!ch?._ra _ _Eec~mal!'s, ~~·~-. _ Valores ... Perdi_~os~ "~m._nas Alineació_!l .:... Medida'""] Edad Numérico_ .. 8_ _ ___ O ;Ninguna Ninguna , 8 . tf Centrado ~Escala
c_o~ciente,.d~jntelige_n~ia - Nur_nérico_ - s_ - . o Ninguna Ninguna 9 • Centrado .., Escala Sexo Numérico 8 o se;o .. - ·:{1, Masculu;,j ___ Ni~a - 'a -. • Centrado ~Nomi~ai Estado_civii - . - - ·N~mérico. -~8--·- - · 'o- ... _Estado~)~· Sote~}-~. - .Ni~·_ ~11·-- 5 Centrado ~ Norri~al
Grabe con la combinación Ctrl + S con nombre de archivo y carpeta adecuados.
1. Para el análisis descriptivo de los datos, para lo cual desarrolle: a) Halle las frecuencias y los histogramas de las variables b) Halle el gráfico de cajas de cada variable numérica e) Si aparece uno ó más datos atípicos, corrija los datos atípicos
2. Halle: a) La estadística descriptiva b) El gráfico P-P normal e) El coeficiente de regresión lineal. d) La ecuación de la recta de regresión lineal
¿La ecuación de la recta tendrá sentido? ¿Habrá asociación entre la variable independiente y la variable dependiente?
Solución: 1. a)
Tabla de frecuencia
Frecuencia
18 1
19 2
20 2
21 2
Válidos 22 3
23 1
24 1
25 1
26 1
Edad
Porcentaje
3,2
6,5
6,5
6,5
9,7
3,2
3,2
3,2
3,2
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
Porcentaje Porcentaje
válido acumulado
3,2 3,2
6,5 9,7
6,5 16,1
6,5 22,6
9,7 32,3
3,2 35,5
3,2 38,7
3,2 41,9
3,2 45,2
Pág.251
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO Laboratorios FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería A.péndiceB
GUÍA DE PRÁCTICA DE LABORATORIO
27 1 3,2 3,2 48,4
28 1 3,2 3,2 51,6 !
29 1 3,2 3,2 54,8
30 2 6,5 6,5 61,3
31 1 3,2 3,2 64,5
32 3 9,7 9,7 74,2
33 1 3,2 3,2 77,4
34 1 3,2 3,2 80,6
36 1 3,2 3,2 83,9
37 1 3,2 3,2 87,1
38 1 3,2 3,2 90,3
85 1 3,2 3,2 93,5
86 1 3,2 3,2 96,8
87 1 3,2 3,2 100,0
Total 31 100 o 100,0
Cfi"ntd· oe 1c1e e e mte igenc1a
Frecuencia Porcentaje Porcentaje Porcentaje
válido acumulado
90 1 3,2 3,2 3,2
91 1 3,2 3,2 6,5
92 1 3,2 3,2 9,7
97 1 3,2 3,2 12,9
98 3 9,7 9,7 22,6
99 2 6,5 6,5 29,0
100 1 3,2 3,2 32,3
105 2 6,5 6,5 38,7
107 2 6,5 6,5 45,2
Válidos 108 1 3,2 3,2 48,4
109 1 3,2 3,2 51,6
115 1 3,2 3,2 54,8
116 3 9,7 9,7 64,5
117 1 3,2 3,2 67,7
118 2 6,5 6,5 74,2
119 1 3,2 3,2 77,4
120 2 6,5 6,5 83,9
121 1 3,2 3,2 87,1
122 2 6,5 6,5 93,5
Pág. 252
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Válidos
Válidos
123
124
Total
Masculino
Femenino
Total
Solero
Casado
Divorciado
Viudo
Total
Histograma
8
6
o
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORA TORIO
31
Frecuencia
18
13
31
3,2
3,2
100,0
Sexo
Porcentaje
58,1
41,9
100,0
Estado civil
Frecuencia Porcentaje
11 35,5
6 19,4
7 22,6
7 22,6
31 100,0
3,2
3,2
100 o
Porcentaje
válido
58,1
41,9
100 o
Porcentaje
válido
35,5
19,4
22,6
22,6
100,0
Edad
20 40 60 80
Edad
96,8
100,0
Porcentaje
acumulado
58,1
100,0
Porcentaje
acumulado
100
35,5
54,8
77,4
100,0
Media = 32,55 Desviación tfptca., 18,687 N•31
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Laboratorios ApéndiceB
Pág. 253
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
"' u e Cll ::J
B
6
u 4 Cll ....
11..
2
80 90
1
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
Coeficiente_de_lnteligencla
100 110 120
Coeficiente_de_inteligencia
Estado civil
2 3 4
Estado civil
130
5
Media = 1 09,35 Desviación bpica = 10,729 Nc31
Media= 2,32 Desviación típica = 1 , 194 N=31
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Laboratorios ApéndiceB
Pág.254
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería
Laboratorios ApéndiceB
GUÍA DE PRÁCTICA DE LABORATORIO
Sexo
0~~--------~--------~--------~~--------~ ,,5 1 ,o
1. b)
Eda
20
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
1,5
Sexo
-
40
2,0 2,5
so
Media= 1,42 Desviación típica = ,502 N=31
80
818 *** 28
Pág.255
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Coeficiente _de _JnteUgenci
90
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
'
1
1
100 110 120 130
Laboratorios ApéndiceB
Se observa que la variable numérica Edad tiene datos atípicos en los datos 8, 18 y 28, que corresponden a las edades 85, 86 y 87: por lo que se debe corregir con 35, 36 y37.
E da
15 20 25 30 35 40
Pág.256
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería
GUÍA DE PRÁCTICA DE LABORATORIO
Laboratorios ApéndiceB
Ahora se observa que ya no hay datos atípicos en las variables Edad y
Coeficiente_ de_inteligencia.
En los gráficos cajas para las variables Edad y Coeficiente_de_inteligencia se observa que los datos tienden a la distribución normal, porque las longitudes de los bigotes son casi de la misma longitud.
2. a) Estadística descriptiva
Descriptivos E tad' f d . f S IS ICOS escnp11vos
N Mínimo Máximo Media Desv. típ.
Edad 31 18 38 27,71 6,362
Coeficiente_ de_inteligencia 31 90 124 109,35 10,729
Sexo 31 1 2 1,42 ,502
Estado civil 31 1 4 2,32 1,194
N válido (según lista) 31
2. b) Gráfico P-P normal
Secuencia: Analizar 1 Regresión /Lineales añadir en Independientes la variable Edad y en
Dependientes la variable Coeficiente_de_inteligencia, como en la siguiente pantalla:
~Edad ~ Sexo (Sexo} ~ Estado CIMI (Estado ...
Regresión lineal
r:.:J Dependientes:
~ [~ Coeficiente de=lnteiÍgencia
¡Bloque 1 de 1· !
( Siguiente )
Independientes:
1 , .. Método: \Introducir J
Vañable de selección: .. 1 . 1 C:L:''"3
Etiquetas de caso:
.. 1 1 Ponderación MCP:
.. 1 1
-[ li§.t3dÍsticos ... J ( Gráficos_. )
( Gu_2rdar... )
( Qpdones_. ]
{ gootstrap... }
( Aceptar ] { fegar ) ( Bestablecer J ( Cancelar ] ( Ayuda
d.utor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág. 257
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
Laboratorios ApéndiceB
Clic en el botón opciones, seleccionar la opción Gráfico de prob. Normal, como en la siguiente
pantalla:
t¡¡ Regresión lineal: Gráficos ... jQEPENDNT 1 Dispersión 1 de 1 . ! "ZiP,RED . - - -. - ·_,_ 1 .. t.~~--.
"2RESID ··. - l "O.RESIO Gr '*ADJPREO
1 i '"SRESID *SORESlD G)t 1
1 Jj Gráficos de residUos tipiflcadc O Generar todos tos -gráficos I!.ardales
O t!.istograma
~ Gráfico de prob. normal
( Continuar} ( Cancelar ) ( AYUda )
Clic en Continuar y Clic en Aceptar, se tiene el siguiente resultado:
Gráfico P-P normal de regresión Residuo tipificado
Variable dependiente: Coeficiente_de_inteligencia 1,0
o .e
o~-------r, -------r------~------,-----~ 0,0 0,2 0,4 0,6 0,8 1 ,O
Prob acum observada
Autor: Dr. lucio Arnulfo Ferrer Peñaranda
Pág. 258
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
2. e) Coeficiente de regresión Coeficientes8
Modelo Coeficientes no estandarizados Coeficientes t
tipificados
B Errortíp. Beta
(Constante) 97,485 8,604 11,331 1
Edad 428 303 ,254 1,414
a. Variable dependiente: Coeficiente_de_inteligencia
Sig.
,000
,168
Para la ecuación de la recta el valor de a es 97,485 y el valor debes 0.428
2. d) Para la ecuación de la recta se encuentra la correlación
Laboratorios ApéndiceB
Secuencia: Analizar 1 Correlaciones 1 Bivariadas 1 añadir las variables Edad y
Coeficiente_de_inteligencia 1 seleccionar la opción Pearson como en la siguiente pantalla:
Correlaciones bivariadas
óh Sexo (Sexo]
Vanables: [ 1 Opciones ..• 1 ~Edad
· c9., 1Estado cMI [Estado ... 1~ Coeficiente de lnt ... J [ ªootstrap: .. J
Í Coeficientes efe c.Orretación . ·
Gl! Pearsorr O Tau-b de !Sendall O §pearman
r Prueba de significación
@ Bila!era'l @ Uni!ateral
li!l Marcar .las correlaciones significatiVas
==-_]
1
( Aoeptar ) ( Pegar ) ( Restablecer] { Cancelar J ( Ayuda
Clic en el botón Aceptar, se tiene el siguiente resultado: Correlaciones
Edad Coeficiente_ de_
inteligencia
Correlación de Pearson 1 ,254
Edad Sig. (bilateral) ,168
N 31 31
Correlación de Pearson ,254 1
Coeficiente_ de _inteligencia Sig. (bilateral) ,168
N 31 31
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.259
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
Laboratorios ApéndiceB
En el resultado se observa que el coeficiente de Pearson es igual a 0.254, por lo que no existe asociación entre las dos variables; es decir se concluye que el Coeficiente de inteligencia no depende de la edad; por lo tanto no se puede escribir la ecuación de la recta.
TAREA 2: Los datos de la siguiente tabla están totalmente falseados con el claro objetivo de facilitar la comprensión del trabajo, pues se ha considerado más conveniente ser didácticos que cinéticos (Pág. 169 Informática Aplicada a la Enfermería- Antonio Beneit Montesinos)
INVESTIGACIÓN SOBRE HIPERTENSIÓN SEXOCU SEXO
H 1 H 1 H 1 M 2 H 1 M 2 H 1 M 2 M 2 M 2 H 1 H 1 M 2 M 2 H 1 M 2 M 2 M 2 M 2 H 1
Desarrollar: a.- Los histogramas b.-Gráficos de cajas
EDAD PESO TALLA HTA 38 80 180 2 50 70 171 2 64 64 160 3 55 53 155 1 62 80 180 2 48 73 175 1 66 62 158 2 54 77 176 2 60 78 175 1 70 58 160 1 58 73 171 2 50 75 174 2 65 74 175 1 52 60 161 2 45 88 188 2 45 60 161 2 55 70 170 2 50 64 163 3 70 68 169 1 65 88 180 3
c.- La estadística descriptiva de las variables numéricas. d.- La nube de puntos e.- El coeficiente de correlación f.- Los valores de a y b para encontrar la ecuación de la recta g.- Análisis de varianza
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
TABACO OBESID 2 2 2 3 3 2 2 2 2 2 1 3 1 3 1 3 2 1 1 3 1 3 2 3 1 3 2 3 2 3 2 3 2 2 3 2 3 1 1 2
DIETA 2 3 3 2 2 3 2 3 3 3 3 3 3 3 3
.1 2 2 1 2
Pág.260
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
TAREA 1:
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
Guía de Práctica de Laboratorio 02
Laboratorios ApéndiceB
Muchos de los pacientes yuppis de una clínica de fisioterapia sufren una forma particular de rodilla rígida, causada por el diseño de los pedales de BMW, SERIE 17. Investigar este nuevo síndrome para desarrollar, de pasada, un índice de yuppinez, el valor CHICC y relacionarlo con el recorrido del movimiento (ROM) de la rodilla. Tanto los valores CHICC como el ROM son variables continuas. Se podría clasificar una a otra como alto, medio y bajo y hacer un ANOVA
Las variables CHICC y ROM tienen propiedades interválicas(ROM es una verdadera variable proporcional). Por lo tanto se puede sacar los estadígrafos. Pero la cuestión es: ¿cómo se debe buscar una relación entre CHICC y su ROM?
Desarrollar: a.- Los histogramas b.-Gráficos de cajas
INDIVIDUO
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
CHICC ROM
5 58 8 47 8 38 15 47 22 35 20 38 17 45 29 34 17 48 25 35 28 27 36 15 48 8 65 10 48 18 29 28 18 38 7 68
54 21 47 17
c.- la estadística descriptiva de las variables numéricas.
ROM AJUSTADO
55,6 50,0 45,8 44,1 38,2 39,9 42,4 32,2 42,4 35,7 33,2 26,4 16,3 2,0 16,3 32,3 41,6 50,9 11,3 17,2
d.- El coeficiente de correlación entre la variable Independiente (CHICC) y Dependiente (ROM) e.- los valores de a y b para encontrar la ecuación de la recta f.- Análisis de varianza RESPUESTAS de e) y f): a=56.362, b=-0.828, r-0.894 (EXCELENTE) La ecuación de la recta es: ROM=56.093 - 0.826CHICC (Método de los mínimos cuadrados), significa que para cualquier valor que demos a CHICC, la ecuación da un valor estimado del ROM, en vez del valor auténtico. Así un A sobre cualquier variable representa una estimación de la misma. ANAL YSIS OF VARIANCE SOURCE SUM-OF-SQUARES DF Regresión 3854.020 1 Residual 902.930
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
MEAN F-RA TIO 3854.020 76.830
18 50.163
p 0.000
Pág.261
UNIVERSIDAD NACIONAL DEL CALLAO FACUL TAO DE CIENCIAS DE LA SALUD
TAREA 1:
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
Guía de Práctica de Laboratorio 03
Laboratorios ApéndiceB
Cuadro de edad y porcentaje de saturación de colesterol en bilis. Observaciones reproducidas, con permiso en Einarsson K et al: lnfuence of age secretion of cholesterol and synthesis.
VARONES %DE
SUJETO EDAD SATURACIÓN SUJETO 1 23 40 1 2 31 86 2 3 58 111 3 4 25 86 4 5 63 106 5 6 43 66 6 7 67 123 7 8 48 90 8 9 29 112 9 10 26 52 10 11 64 88 11 12 55 137 12 13 31 88 13 14 20 80 14 15 23 65 15 16 43 79 16 17 27 87 17 18 63 56 18 19 59 110 19 20 53 106 20 21 66 110 21 22 48 78 22 23 27 80 23 24 32 47 24 25 62 74 25 26 36 58 26 27 29 88 27 28 27 73 28 29 65 118 29 30 42 67 31 60 57
RESPUESTAS: Si variable independiente es Edad Varones y si variable dependiente es % Saturación Varones Entonces la respuesta es: a= 54.422, b=0.692, r=0.466 Si la variable independiente: es Edad Mujeres
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
MUJERES %DE
EDAD SATURACIÓN 40 65 33 86 49 76 44 89 63 142 27 58 23 98 56 146 41 80 30 66 38 52 23 35 35 55 50 127 47 77 36 91 74 128 53 75 41 82 25 69 57 84 42 116 49 73 60 87 23 76 48 107 44 84 37 120 57 123
Pág.262
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería
Laboratorios ApéndiceB
GUÍA DE PRÁCTICA DE LABORATORIO
Y si la variable dependiente es % Saturación Mujeres La respuesta es: a= 33.45, b=1.283, r-0.603
TAREA 2: Ingrese los datos de la tabla siguiente:
TAMAÑO DE INDIVIDUO EDAD LA BARRIGA TRATAMIENTO CP
(En pulgadas) ------------------------------------------------------------------------------------------------------
1 24 46 2 26 36 3 27 40 4 88 44 5 32 36 6 29 30 7 70 42 8 75 35 9 37 42
10 65 50 11 72 45 12 55 53 13 45 48 14 41 38 15 63 43 16 40 58
DESCRIPCION DE VARIABLES: PACIENTE : INDIVIDUO EDAD : EDAD DEL PACIENTE TAMABARR: TAMAÑO DE LA BARRIGA EN PULGADAS TRATAMIE :TRATAMIENTO CP :COEFICIENTE DE PATETISMO
Encontrar la estadística descriptiva de las variables numéricas. a.- Los histogramas b.- Gráficos de cajas
TESTOSTERONA TESTOSTERONA OTROS TESTOSTERONA TESTOSTERONA OTROS TESTOSTERONA OTROS OTROS TESTOSTERONA TESTOSTERONA OTROS OTROS OTROS OTROS TESTOSTERONA
c.- Plotear los puntos d.- El coeficiente de correlación entre las variables tamaño de barriga (independiente) y
coeficiente de patetismo (Dependiente) e.- Los valores de a y b para encontrar la ecuación de la recta f.- Análisis de varianza.
12 14 27 35 26 21 48 51 62 64 60 77 91 84 55 74
Pág. 263
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería
Laboratorios ApéndiceB
GUÍA DE PRÁCTICA DE LABORATORIO
Guía de Práctica de Laboratorio 04 Abrir el archivo NONAMODEL005, hacer Clic en el botón Vista de variables, aparece la siguiente pantalla:
=--'--"np.,::o _ _....¡ ...:An-=c"'h:::u"':=-..:D:.:e,_,c,i,m:.::o-:l::.:e•:o:! _ _,Etc.::;uJue1a V•lorea Num6rico 3 O COD PACIENTE Ninguno
~idos
Ninguna l ColuMna a~ Ahne•c~. Medid-::•=-----,.::----"Rol 8 ,_ Oeracho , Escalo " Entro -1
2 'FECHENC -3 .. -1HOSPrTAL
B 9
10
~ ~genero
ÍEOAO .PESO
'TALlA !FECHAING
;FECHAALT ~SERVICIO
¡·1 :COMIDA
12 f-IIGIENE 13 'TRATO
14 :cuiDADO
15 •PARCOSTO -,a· 'SATISFAC ..... i
'
Se tiene:
Fecha
... Num6rico
Cadona Numérico
'Numérico
Num6rico ·Fecha
Focha ·Numdrico
'Numérico
Numérico
Numérico
,..Num~rico
Cadena Num6rico
·, -1
1
B , .. 12
. FECHA ENCU... 'Ninguna Ninguna
HOSPrrAL (1 . ESSALU ... Ninguna
fH, HombreJ .. . EDAD ... Ninguna· .._Ninguna
.ESTATURA Ninguna ~Ninguna
Ninguna
:Ninguna
FECHA DE IN... Ninguna . Ninguna
FECHA DE ALTA~ Ninguno Ninguna TOPICO .(1 , ginocolo... Ninguna
ENCUESTA C... (1. Muy ino... 6
'ENCUESTA Hl ... •(1. Muy ins ... 'a ENCUESTA TR ... '¡1, Muy ins .. 's ENCUESTA C ... ·(1. Muy ins ... 6
"PARECIO ELE ... :(1, Sfl ... ~ .:Ninguna NIVEL DE SATI... (1. Molo]... Ninguno
8
19 6
8
8
8
8
8
,12 11 9 11
13 e e
:11 Derecha
'-Derecho ~ fzqu1erda
'w Oarecha
=11 Derecha
·,_Derecha
=11 Derecha
'-Derecha :a Oarvcha ·:w Oervcha
~Derecha
:11 Derecha =-r Derecha ... =- Oerecha
'-Derecha
.,..
.tfi>Esca~la
',dardinol
A Nominal ¿?Escalo ,Escala -.PEsc~la , Eocolo
'¿? Eocolo
,dOrdinol .dOrdinal
,dOrdinal .lJOrdinal
.d Ordinal
A Nominal ,dÓrdinal
t"- Entra 1
" Entro :, Entret
·!~ emrar. .. ""- Errtra
" Enlro j" Enlro
j" Emro ¡" Emro ·~Entra
:'Entra " Emra .¡' Errtra
" Emra ., Emro
\Í" N()J AMUI)J 1 OCJ~.~..1v {t onjunto de ddt051 J IHM SJrSS Stdl11fiCS ( (Jitor de d1110s r-_ 1~ jfX
1 PACIENtE FECHENC HOSPfrAL ¡ llenero EDAD 1 PESO 1 TALlA 1 FECHAING FECHMLT 1 SERVICIO
1 ! 1. 16.05.05 ESSALUD "Sabogal" Hombre 7B 44 1.60 02.03.98 15.03.96 2 f 2 16.05.05. ESSALUO "Sabogai".Hombre 74 57 1.59. 03.09.97 09.09.97•
'3 ¡ 3+ 16.05.05 ESSALUD "Sabogoi",Mujer 66 59' 1.69. 22.01.98 16.03.96
4 ¡ 4 16.05.05 ESSALUO "Sabogal" Hombre 26 62 i.a9· 16.09.97 26.09.97. 5 . 5, 16.05.05• ESSALUD "Sabogal" Mujer 31 70 1,75 01.06.96 04.07.96 6 j 6 16.05.05 ESSALUO"Sabcgai".Hombrn 34. 7i 1,57 17.11.97- 27.11.97' 7 . 17 16.05.05• ESSALUO 'Sabogal". Mujer 37: 78- t.a4" 22.12.9i 27.12.97.
B f B 16.05.05, ESSALUD "Sabogai'._Mujer 18 83~ 1.92 14.04.96 ~.04.96~ 9 l 9' 16.05.05 ESSALUO "Sabogal" Mujer 22' '97' 1.BB 19.03.96 24.03.96 10. . 10~ 16.05.05' ESSALUO "Sobogai".Mujor 48 91. 1,72 03.05.98 15.05.96
11 _
1;__ 11_: 16.05.05_ ESSALUO "Sabogal", Hombre 44 110 1,60 01.04.98" 06.04.96'
12 12¡ 16.05.05 ESSALUD "Sabogal" Hombre 45: 141 1,73• 02.05.98 10.05.91l
1134
.!'_·· 11 ~~ 16.05.05L ESSALUO "Sabogal" Mujer 25 146 1,78, 02.12.97 0303
.. o02
t .. 9696 ~ 16.05.05. ES SALUD "Sabogal" Mujer 23 ~ 82, 1 .62 12.01.98
Üi 15~ 16.05.051
ESSALUO "Sabogal" Mujer 46 77. 1,73 09.09.97 23.09.97• 16 16: 17.05 05_ ESSALUD "Sabogal" Hombre 56+ 1,56 22.02.96• 26.02.96
ti. 17, 17.05.05 ESSALUD"Sabogal" Mujer 4 86 1,85 16.04.98 03.00.96.
18 J 1e 17.05.05-t ESSALUD "Sabogal" Mujer 26, 62 1,56 07.01.98 14.D1.96 1S ¡- 19• 17.05.05 ESSALuo·sabogai".Mujer -+- 19 56 1,65 3).10.97 12.11.97
20 ' 2?:. 17.05.05 ESSALUO "Sabogal" Hombre 71 7~ 1,67 12.01.98 20.01.96 21 y· 21 17.05.05 ESSALUD "Sabogal" Hombre 56 - 174' 22.03.96 27.03.96 22 j 22' 17.05.05; ESSALUO "Sabogal" Mujer 55 12.04.98 23.04.96-
Neurolo :;¡ Ciru
Traumatolo
Neurolo
_ gi~ecolo Ciru
ginecolo
Ciru
Ciru
Cardiolo
Nourolo
Ciru
Ciru
Ciru Traumatolo
Cardiolo
Ciru
Naurolo
ginecolo
Ncurolo
Cardiolo
Cardiolo
Ciru D l ~; 17.os.os" esSALuo ·sabogar_Hombre ~a: Ventana t.Ó3.98. 13.03.96
~,=_,.· ?:·.~-~.~~: .. ~-.;; __ ;;_ ?";;_~ •. -~. ;;_. ;;.~~ z~05~ns:;;;;;;~H;.oso~_;a:~~-~~ot~a~R;o·~·-~1-l~";'"~b"';;;;;;;;;~;;~~e dato/J-'~ n·~=;;~ ""'' n;··;: "";;;;;;;;;(;tJJ , eM SPSS SI-Proce...,. at6lolo J t!r-r--r-
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
Pág.264
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
Laboratorios ApéndiceB
A continuación realice un análisis estadístico por estrato utilizando como base la variable
género (Hombre o Mujer), con la siguiente secuencia Datos 1 Dividir archivo, añadir la variable
género, active la casilla Comparar grupos, como en la siguiente pantalla:
~ COD PACIENTE{ ... ..._
~FECHA ENCUES .. . cdJ HOSPITAL (HOS .. . ~ EDAD [EOADJ ~ PESO (PESO! # ESTATURA[rALL.. ~ FECHA DE IN GR. .. ,..... ~FECHA DE ALTA .. . cdJ TOPICO (SERVIC .. .
di1 ENCUESTACOM ... ...... ~ ,~ .. t"""t ilr-nTA .e U"t ,...-
Dividir archivo
©~alizar todos los casos, no crear grupos
@ Comparar los grupos
@ Qrganizar los resultados por grupos
Grupos basados en:
@ Ordenar archivo §_egún variables de agrupación
@ El archivo ya está ordenado
Estado actual: El análisis por grupos está desactivado.
( Aceptar ] [ fegar J ( gestablecer) ( Cancelar J ( Ayuda )
Clic en el botón Aceptar, aparece el siguiente resultado:
Atdllvo !;.dlei6n "ter Qatos !ranslormar !nseltar FJ!f111a!O 6flallzar Marl<:eting directo Gráficos utíUOaOes Ventana AYUda
lo~~~~~ tT' ~ rJet~=l <:e>\J ~ v n~ o::~ 1 SOIU' CASES BY g<one::o. , SPLIT FILE LAYERED BY qenero.
En la ventana Resultado siga la Secuencia: Analizar 1 Estadísticos Descriptivos 1 Frecuencias,
como en la siguiente pantalla:
Pág.265
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería
GUÍA DE PRÁCTICA DE LABORATORIO
Ru'Dgtsta mú&>ple
lill"'""' ................ ~ .... ~-.. . --~ UistmW""'-Cor:UoiOI!·~
i:lCUI!OCOR.
Añada las variables EDAD y PESO
~ COD PACIENTE( ... ,..
Variables: ( E§.ta<Jís'ticos ... J ~ EDAD {EDAD}
~FECHA ENOUES .. . d)iHOSP,JTA1. [HOS .. .
4!Pagenero ~ ESTATURA(fAU.A] ~FECHA DE INGR .. ~FECHADEALTA1[ .. . a:J TOPICO [SERVIC ... f-
A!J:N~IIF"_;.<lTA r.orJ !:.
~ Mostrar tablas !!e frecuencias
1 . 1§? PESO [PESO]!--....lJ ( GráfifC>S.-
{ formato ...
{ Bootstrap __
( Aceptar )( fegar )[Restablecer)( Cancelar )( Ayuda
Haga Clic en el botón Aceptar, el resultado es el siguiente:
Frecuencias Estadísticos
l_g_enero EDAD PESO
Válidos o o N
Perdidos 1138 1138
Válidos 36 36 Hombre N
Perdidos o o Válidos 44 44
Mujer N Perdidos o o
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
} ) )
Laboratorios ApéndiceB
Pág.266
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
EDAD
genero Frecuencia Porcentaje Porcentaje Porcentaje
válido acumulado
Perdidos Sistema 1138 100,0
17 1 2,8 2,8 2,8 25 1 2,8 2,8 5,6
26 2 5,6 5,6 11,1
28 2 5,6 5,6 16,7
34 2 5,6 5,6 22,2
44 2 5,6 5,6 27,8
45 2 5,6 5,6 33,3
48 4 11 '1 11 '1 44,4
50 2 5,6 5,6 50,0
51 1 2,8 2,8 52,8
Hombre Válidos 56 2 5,6 5,6 58,3
65 2 5,6 5,6 63,9
68 2 5,6 5,6 69,4
71 2 5,6 5,6 75,0
74 2 5,6 5,6 80,6
77 2 5,6 5,6 86,1
78 1 2,8 2,8 88,9
84 2 5,6 5,6 94,4
95 1 2,8 2,8 97,2
156 1 2,8 2,8 100,0
Total 36 100,0 100,0
18 2 4,5 4,5 4,5
19 2 4,5 4,5 9,1
22 2 4,5 4,5 13,6
23 2 4,5 4,5 18,2
25 3 6,8 6,8 25,0
26 5 11,4 11,4 36,4
Mujer Válidos 31 2 4,5 4,5 40,9
32 2 4,5 4,5 45,5
33 1 2,3 2,3 47,7
36 1 2,3 2,3 50,0
37 2 4,5 4,5 54,5
38 2• 4,5 4,5 59,1
46 1 2,3 2,3 61,4
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Laboratorios ApéndiceB
Pág.267
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
48
55
61
66
73
92
125
145
Total
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
4 9,1 9,1
4 9,1 9,1
2,3 2,3
2 4,5 4,5
2 4,5 4,5
2 4,5 4,5
1 2,3 2,3
1 2,3 2,3
44 100,0 100,0
PESO
70,5
79,5
81,8
86,4
90,9
95,5
97,7
100,0
genero Frecuencia Porcentaje Porcentaje Porcentaje
válido acumulado
Perdidos Sistema 1138 100,0
44 2 5,6 5,6 5,6
47 2 5,6 5,6 11,1
52 4 11,1 11,1 22,2
56 2 5,6 5,6 27,8
57 2 5,6 5,6 33,3
62 4 11,1 11,1 44,4
64 2 5,6 5,6 50,0
66 2 5,6 5,6 55,6
Hombre Válidos 71 2 5,6 5,6 61,1
77 2 5,6 5,6 66,7
79 2 5,6 5,6 72,2
90 2 5,6 5,6 77,8
101 2 5,6 5,6 83,3
110 2 5,6 5,6 88,9
141 2 5,6 5,6 94,4
179 2 5,6 5,6 100,0
Total 36 100,0 100,0
58 4 9,1 9,1 9,1
59 2 4,5 4,5 13,6
61 2 4,5 4,5 18,2
62 2 4,5 4,5 22,7
Mujer Válidos 66 2 4,5 4,5 27,3
70 2 4,5 4,5 31,8
71 2 4,5 4,5 36,4
77 2 4,5 4,5 40,9
78 2 4,5 4,5 45,5
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Laboratorios ApéndiceB
Pág.268
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO Laboratorios FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería ApéndiceB
GUÍA DE PRÁCTICA DE LABORATORIO
82 2 4,5 4,5 50,0
83 2 4,5 4,5 54,5
86 2 4,5 4,5 59,1
87 4 9,1 9,1 68,2
91 2 4,5 4,5 72,7
93 2 4,5 4,5 77,3
126 2 4,5 4,5 81,8
128 2 4,5 4,5 86,4
130 2,3 2,3 88,6
146 2 4,5 4,5 93,2
150 2 4,5 4,5 97,7
240 1 2,3 2,3 100,0
Total 44 100,0 100 o
la estadística descriptiva para las dos variables EDAD y PESO:
Secuencia: Analizar 1 Estadísticos descriptivos 1 Descriptivos 1 añada las variables EDAD y
PESO como en la
:!a Descriptivos
#' COD !PACIENTE( ... ~ ~FECHA ENCUES __
d:l HOSPnAL[HOS ...
~ ESTA1URA[TAll.Al G ' +' ~FECHA DE IN GR. .. ~FECHA DE ALTA[ ... ~ d.J TOPICO [SERV:JC... · ¿j ENCUESTACOM._ f
A_FNf'J n=_q;rA~~It:!! .,.
Variables:
# EDAD (EDAOJ IR PESO (PESO}
O Guardarva1ores tipificados como variables
(Qpdones ... J
[ ªootstrap ... J
{ Aceptar J ( fegar J { fiestabtecer) ( Cancelar ) ( ~ Ayuda )
Pulse Opciones ... Seleccione las opciones como en la siguiente pantalla:
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Pág.269
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
\fi Descriptivos: Opciones
[] §utna
Dispersión--'---------.
~ DesViaCión típica ~ Mínimo
Ll Vañanza ~ Máximo
O B_ango O g. T. media
[Oislribudón [] Cuttos1s LJ Asitnetrfa .
Orden ae presentaCión---........ ...,
@ Usta de var'ia~tes
@~fabétíco
© Medias asfeMentes
@ Me.Qias descendentes
(Continuar) ( Cancelar ] { Ayuda
Pulse el botón Continuar
Pulse el botón Aceptar, y observe el resultado que presenta la ventana Salida:
Descriptivos Advertencia
No se han calculado los estadísticos para uno de los archivos de segmentación porque
no hay ningún caso válido. El archivo de segmentación es: genero = . E d' sta 1sticos descnptlvos a
genero N Mínimo Máximo Media
EDAD 36 17 156 57,17
Hombre PESO 36 44 179 78,33
N válido (según lista) 36
EDAD 44 18 145 44,66
Mujer PESO 44 58 240 91,09
N válido (según lista) 44
Desv. típ.
25,997
34,774
27,693
36,050
a. No se ha calculado ningún estadístico para uno o más archivos segmentados porque no existe
ningún caso válido.
Desarrolle los problemas que indique el profesor
Queda como ejercicio guardar el resultado.
Autor: Dr. Lucio Amulfo Ferrer Peñaranda
Laboratorios ApéndiceB
Pág. 270
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
Guía de Práctica de Laboratorio 05 SPSS ANÁLISIS DE FIABILIDAD
ALFA DE CRONBACH
Laboratorios ApéndiceB
Ejemplo de aplicación.- El siguiente ejemplo es el acopio de una encuesta, llenado en una hoja electrónica del programa SPSS, se tiene la siguiente pantalla:
1 1 1· 1- 1> 1 5' -+--- l -l- ! 2 - . ; - -t; . ot . . ti .11 . . 47 -- . j - -~- -- + - - -· •
3 ~e-~-- i_-=_ - _::_~-~=-~~--:_~=~:o~-~=-2¡- -~~----=--t- : --=-±--=-t=--= -- __ .. ~~ J 1 1 1 o o 3 1 • t 1 ----· · ··t· ··o~· --~- · --·•·--·--- +- ----·•-···· · +-- -l-- ·· -T- - + ·• _,
~~l. =4 - - .; . - . - + ~t - - ~~ . .. -~+- -- - - ~-~. -- - - i.-- - --t - -- . -; - - ---i - -- ·t' - - ' -t_-f ___ . --~~------~· .o ... - ot ___ o,_---~-- --+-~---j__·-- -+-+ -- ·1----- - --1 a- ·~----___ 1_-i __ -- o-t - -- ---o; - · - - ~-- · -o;- -- ~--· _ _L_-:: · - ,-- ---
1 - -=1----r-- --~
9 _: __ o0
_ . o, _ _ . 1J o, _ _ ot _ _ ~J._ _ _ J __ 11 _ l _ +- ~ _ _ ;
~-1_0~, -- ---- -_o_. ______ ~_ o ___ _?__ ____ ~..___l__ ___ -- .i -- --·-1 ·----~
La variable t es el resultado de la suma de los cinco ítems, calculado automáticamente con la opción Transformar del menú principal. El coeficiente Alfa (a) de Cronbach es un modelo estadístico de consistencia, basado en el promedio de las correlaciones entre los ítems. La ventaja de este coeficiente es encontrar la posibilidad de evaluar cuánto mejoraría o empeoraría la fiabilidad de la prueba si se elimina o excluye un determinado ítem. El proceso consiste en seguir la secuencia: Analizar ... Es~la ... Análisis de Fiabilidad ... , tal como se indica en la siguiente pantalla:
1 ltem1 ltem2 11
Informes gstadislicos dosaiptNos
TaJ!Ias
Comparar medias
t.lodelo llntal general ~~~-~~--~~~--~-~-~1·~-~---~-~~-=-~~1
5. --~- ! "1
::::::::sgenetali!&dos ~ _ _ ( ~ = __ :.. ~ +-- .t·----~-~~ ~ -=- _ i ~ _ _ _
~·;::ones : _:_ -_ ~ i:_-- -- ~ .. :-- ~ - --- r-::~ -- f-.-_-_- f.=.~-:_~-----~--L2QÜI\eal --
2 -+- -----+--- t-.-_______, 2· ' 1
Redes neuronales --- .,------+-·--t· ---- - ----+- --......_ __ ., Clasl!l= • .. -~:--- --:·--t--·--t·· --+- --+ Re!!tJCCión de dimenSiOnes '"1 - · - n --t - · r - - + - -·· · Esqla
Pruebas !lO ~araméticas PrediCCiones
§upeMII.
Rf,sP!!esta múlllple
G Análisis ese valores perdidos_
IJTlll<ltadón múllple
• ~>WIIsls oefia~d... ·r: · - · ~ · - -+
~ fiBl O.splegamlenlo mylllclimtnsional (PREFSCAL).. -~-- - ---r-------. J_ 1
_' __ - ---+---~ 1--tiJ_e_s_cala_!!!l_•_niD_mum __ clm_e_ns_lo_nai_W-SCAL __ t._. _ ___, ~ _ _ _ _ --r- _ _ ,
-- + --- -- t-- - -·j
l1;l Escalamiento mulli<lime.nsional (fROXSCAL) ••
t· -~ r - - ... ~· ·-
l181.1 SPSS stnlstlc5 Processor está liSto 1 1 1 1 1
Pág.271
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería
Laboratorios ApéndiceS
~ltem1 «, ltem2
~ltem3 ·¡-::> ltem4 ~~M - 00
Hem5
~t
GUÍA DE PRÁCTICA DE LABORATORIO
Análisis de fiabifidad
Elementos:
- -·----- 1 G
Modelo: ~ ..... ]
r---------------------------------~ Etiqueta de escala: .. 1..___ __________________ ----J
( Restablecer) ( cancelar J ( Ayuda J
Añadir las variables ltem1, ltem2, ltem3, ltem4 y ltem5, como en la siguiente pantalla:
ti Análisis de fiabilidad B
.M_odelo: !Atta ~)
Etiqueta de escala: 1
( Aceptar )[ eegar
Elementos:
~ltem1 ·~ltem2
·«> ltem3 .~ltem4 ' !fi>ltems ____ - --~
) ( Restablecer) ( cancelar )( Ayuda
Clic en el botón E-ªtadísticos y seleccionar las opciones que se indica:
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
( E§.tadisticos ... )
)
Pág.272
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
~ Análisis de fiabilidad: Estadfsticos .... ~scriptivos para &er-elementos
~'Elemento ~Escala ~~~· ~s~la si se elimina el elemen~o __ ------
'&súmenes ~~bfa de ANOVA
~Medias lt:!inguna
~ Vañanzas ©Pruebaf t ~:Qvañanzas @ Ctli-ouadrado de Friedman
Correradones @ 0!!1-ouadrado de Cochran
O T -cuadrado de Hotellins,¡ O Prueba de aditlvldad de Tu_!sey
O Coefiden!e de correladón intradase -. , - .. ' . . - ~ ~ .... ., "••L -- -~+- -- -~-- --- -~ -~·- --~
t'a1e:o. '~ . ! .?". "'-:. - ( ~ ~ " .LO ·- •L-·:=· ..... ' Tígo: ¡::. : • -;. '" -. . ,.. :~ " '
" l:-:!e:-:azo a;e fC"'f,ar..la. es -;~ •·.a.·~ de J!r~e!J.a o
( Continuar} ( Cancelar)( Ayuda )
Laboratorios ApéndiceB
Clic en el botón Continuar, luego otro clic en el botón Aceptar, parecerán los resultados en la ventana denominada Visor de Resultados.
Estadísticos de fiabilidad
Alfa de Alfa de N de elementos
Cronbach Cronbach
basada en los
elementos
tipificados
,597 ,616 5
En el primer cuadro aparece el resultado de Alfa de Cronbach. A mayor valor de Alfa, mayor será la fiabilidad. EL MAYOR VALOR TEÓRICO DE ALFA ES 1, EN GENERAL 0,80 SE CONSIDERA COMO ACEPTABLE. En el cuadro se observa que el Alfa de Cropnbach es igual a 0,597, que se encuentra por debajo de 0,80; por lo que se tiene que ver la posibilidad de elevar la fiabilidad.
Estadisticos de los elementos
Media Desviación N
típica 1
ltem1 ,so' ,422 10
ltem2 .sd ,527 10 • 1
ltem3 1,40, ,516 10
ltem4
~::~ ,516 10
ltem5 422 10
Pág.273
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
Laboratorios ApéndiceB
En el cuadro Estadístico de los elementos, se observa en la columna "Media", el índice de la dificultad de los ítems. A continuación se visualizan los siguientes cuadros:
Matriz de correlaciones inter-elementos
ltem1 ltem2 ltem3 ltem4 ltem5
ltem1 1,000 l
,500 -,102 ,408 ,250
ltem2 ,500 1,000 ,000 ,408 ,500
ltem3 -,102 ,000 1,000 -,250 ,102
ltem4 ,408 ,408 -,250 1,000 ,612
ltem5 ,250 ,500 ,102 ,612 1,000
Matriz de covarianzas inter-elementos
ltem1 ltem2 ltem3 ltem4 ltem5
ltem1 ,178 ,111 -,022 ,089 ,044
ltem2 ,111 ,278 ,000 ,111 ,111
ltem3 -,022 ,000 ,267 -,067 ,022
ltem4 ,089 ,111 -,067 ,267 ,133
ltem5 ,044 ,111 ,022 ,133 ,178
Estadísticos de resumen de los elementos
Media Mínimo Máximo Rango Máximo/mínimo Varianza N de
elementos
Medias de los elementos ,460 ,200 ,800 ,600 4,000 ,048 5
Varianzas de los elementos ,233 ,178 ,278 ,100 1,563 ,003 5
Covarianzas ínter-elementos ,053 -,067 ,133 ,200 -2,000 ,004 5
Correlaciones ínter- ,243 -,250 ,612 ,862 -2,449 ,080 5
elementos
Estadísticos total-elemento
Media de la Varianza de la Correlación Correlación Alfa de
escala si se escala si se elemento-total múltiple al Cronbach si se
elimina el elimina el corregida cuadrado elimina el
elemento elemento elemento )
t5 ,51l ltem1 1,5~ 1,611 ,318 1
ltem2 1,80 1,289 ,557, ,400 ,414
19d -089 '
ltem3 ' 1
2,100
\~'1 ,167 ,764
ltem4 1.9~ 1,433 ,524 ,496
ltem5 !2.10 1,433 616 ,516 4d
Finalmente se observa otra ventana denominada "Estadísticos de la escala", que significa los estadísticos de la prueba en conjunto.
Pág.274
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
Estadísticos de la escala
Media Varianza Desviación N de elementos
típica
2,30 2,233 1,494 5
Interpretación:
Laboratorios ApéndiceB
En el cuadro de diálogo de "Estadísticos total-elementos" se tiene la siguiente interpretación: la "Media de la escala si se elimina el elemento", indica el valor que tendría la media en el caso de eliminar cada uno de los elementos. Como se puede observar en la última ventana de "Estadísticos de la escala", la media de la escala es de 2.30, si se elimina la pregunta 1 la escala se quedará en 1.50. la "Correlación elemento-total corregida", es el coeficiente de homogeneidad corregido. Si es cero o negativo se elimina. Así por ejemplo, se debe eliminar el ítem3, dado que es -.089. "Alfa de Cronbach si se elimina el elemento", equivale al valor de Alfa si se elimina cada uno de los ítems. Así que si se elimina el ítem3, Alfa (0.597, mejoraría al ponerse en O. 762. Tal como se observa, en el siguiente cuadro:
Estadísticos de fiabilidad
Alfa de Alfa de N de elementos
Cronbach Cronbach
basada en los
elementos
tipificados
,762 ,763 4
Pág.275
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
UNIVERSIDAD NACIONAL DEL CALLAO FACULTAD DE CIENCIAS DE LA SALUD
Texto: SPSS en Enfermería GUÍA DE PRÁCTICA DE LABORATORIO
TABLA DE INTERPRETACIÓN DE RESULTADOS DE
COEFICIENTES DE CORRELACIÓN
Resultado del Coeficiente Interpretación
r= -1.00 Correlación negativa perfecta
r= -0.95 Correlación negativa fuerte
r= -0.90 Correlación negativa excelente
r= -0.50 Correlación negativa moderada
r= -0.10 Correlación negativa débil
r= 0.00 Ninguna Correlación
r= 0.10 Correlación positiva débil
r= 0.50 Correlación positiva modera
r= 0.90 Correlación positiva excelente
r= 0.95 Correlación positiva fuerte
r= 1.00 Correlación positiva perfecta
Otros autores
-0.95 < r < -0.80, r<>-0.90 Correlación negativa regular
-0.80 < =r < -0.60 Correlación negativa aceptable
-0.60 <= r < -0.30,r<>-0.50 Correlación negativa mínima
0.80 < r < 0.95 Correlación positiva regular
0.60 < r < =0.80 Correlación positiva aceptable
0.30 < r < =0.60,r<>0.50 Correlación positiva mínima
-0.30 <= r < =0.30,r<>±1 No existe correlación
Autor: Dr. Lucio Arnulfo Ferrer Peñaranda
Laboratorios Apéndic~B
Pág.276