exposición trabajo de spss
DESCRIPTION
TRANSCRIPT
UNIVERSIDAD POLITÉCNICA ESTATAL DEL CARCHI
FACULTAD DE COMERCIO INTERNACIONAL, INTEGRACIÓN,
ADMINISTRACIÓN Y ECONOMÍA EMPRESARIAL
ESCUELA DE COMERCIO EXTERIOR Y NEGOCIACIÓN COMERCIAL
INTERNACIONAL
TRABAJO DE ESTADÍSTICA INFERENCIAL
INTEGRANTES:
YOLANDA CUARÁN
EVELIN NARANJO
MARITZA VALLEJO
Msc JORGE POZO
NIVEL: SEXTO “A” MAÑANA
27/07/2012
TEMA: Aplicación de un programa informático en Estadística Inferencial
PROBLEMA
El desconocimiento de un programa informático para la aplicación de los métodos
estadísticos, no ha permitido que los estudiantes realicen los cálculos pertinentes
para la solución de ejercicios y problemas que se presentan en la Carrera de
Comercio Exterior.
OBJETIVOS
OBJETIVO GENERAL
Manejar correctamente un programa informático aplicado a los métodos
estadísticos que permita la solución de ejercicios y problemas que se presentan en
la Carrera de Comercio Exterior
OBJETIVOS ESPECÍFICOS
Identificar un programa informático que permita aplicar correctamente los
métodos estadísticos, para la solución de ejercicios y problemas que se
presentan en la carrera de Comercio Exterior.
Aplicar correctamente un programa informático de los métodos estadísticos
para la correcta solución de ejercicios y problemas que se presentan en la
carrera de Comercio Exterior.
Realizar ejercicios y problemas vinculados al comercio exterior, aplicando
correctamente un programa informático a los métodos estadísticos.
JUSTIFICACIÓN
El presente trabajo es realizado con la finalidad dar ha conocer la aplicación de un
programa informático en la estadística inferencial, puesto que el manejo correcto
de este permitirá la solución de ejercicios y problemas que se presentan en la
carrera de comercio exterior, además permite conocer la relación que existe entre
todos los métodos estadísticos, es decir permite cuantificar los datos y conocer el
grado de relación existente entre las variables, para poder realizar la mejor toma
de decisiones.
Puesto que el análisis de los métodos estadísticos estudiados nos permite
identificar las variables una independiente y otra dependiente para si establecer
una mejor interpretación de los datos y por ende escoger los mejores resultados,
por lo que es de suma importancia realizar este trabajo puesto que nos permite
conocer y aplicar programas informáticos con los métodos estadísticos estudiados.
MARCO TEÓRICO
CORRELACIÓN LINEAL
El análisis de correlación se dirige sobre todo a medir la fuerza de una relación
entre variables. El coeficiente de correlación lineal, r, es la medida de la fuerza de
la relación lineal entre dos variables. La fortaleza de la relación se determina
mediante la magnitud del efecto que cualquier cambio en una variable ejerce
sobre la otra. (JOHNSON, 1990)
Si X o Y son las dos variables en cuestión, un diagrama de la dispersión muestra
la localización de los puntos (X,Y) sobre un sistema rectangular de coordenadas.
Si todos los puntos del diagrama de dispersión parecen estar en una recta, como
la figura 14(a) y 14(b) la correlación se llama lineal. (SPIEGEL, 1992)
Y Y Y
X X
(a) Correlación lineal positiva (b) Correlación lineal negativa (c) Sin correlación
Si Y tiende a crecer cuando X crece, como la figura anterior, la correlación se dice
positiva o directa. Si Y tiende a decrecer cuando X crece, como la figura 14.1 (b),
la correlación se dice negativa o inversa.
Si todos los puntos parecen estar sobre una cierta curva la correlación se llama no
lineal, y una ecuación no lineal será apropiada para la regresión. Como hemos
visto en el capítulo 13 es claro q la correlación no lineal puede ser positiva o
negativa.
Si no hay relación entre las variables como la figura 14.1(c), decimos que no hay
correlación entre ellas. (SPIEGEL, 1992)
TÉCNICAS DE CORRELACIÓN
A continuación abordaremos el estudio de dos variables y no solamente de una,
estudiaremos qué sentido tiene afirmar que dos variables están relacionadas
linealmente entre si y cómo podemos medir esta relación.
COEFICIENTE DE CORRELACIÓN RECTILÍNEA DE PEARSON
Con la ayuda de las graficas nos podemos formar una idea de la nube de puntos o
diagrama de dispersión, representa la relación lineal es positiva o negativa y
determinar la fuerza de relación.
El coeficiente de Pearson, toma valores entre -1 y +1, el coeficiente 0 demuestra
que no existe correlación, así que independiente del numero sea negativo o
positivo son iguales, claro esta que entre mas se aproxime al 1 o -1 mayor será la
fuerza de relación.
REGRESIÓN LINEAL
REGRESIÓN
La palabra regresión se emplea para denotar el proceso de estimar el valor de una
de las variables en función de otra, cuyo valor se considera dado. El término fue
usado por primera vez por Galton en un estudio para relacionar las estaturas de
padres e hijos, indicando un regreso hacia los atributos del padre; desde entonces
se acepta la palabra regresión, con el significado actual. (Martínez Bencardino,
(mayo 2007), págs. 213-239)
Uno de los objetivos primarios del análisis de regresión consiste en hacer
predicciones; por ejemplo, predecir el desempeño de un alumno en la universidad
en base de los resultados obtenidos en la preparatoria, o la distancia que un
automóvil precisa para detenerse a partir de su velocidad. (HOWAR B.
CHRISTENSEN, 1990)
En general, no se predice el valor exacto de la aparición.
Solemos declararnos satisfechos si las predicciones, en promedio, exhiben una
aproximación razonable. El estadístico (científico) desea a menudo determinar la
ecuación de la curva de mejor ajuste, a fin de expresar la relación entre valores de
dos variables. (Johnson, (1990(reimp 2009)))
Con esta expresión se hace referencia al proceso matemático que sirve para
ajustar una línea recta a través de un conjunto de datos bivariables asentados en
una gráfica dispersión. Dicha línea se conoce como línea de regresión simple.
Cuando consideramos que la línea recta es la mejor representante al conjunto de
puntos, se deberá establecer la ecuación correspondiente, calculando los
parámetros por medio de un sistema de ecuaciones normales. Analíticamente la
recta de regresión de 2 en 1 se presenta por la ecuación (Martínez Bencardino,
(mayo 2007), págs. 213-239)
HIPÓTESIS ESTADÍSTICA
Se llama hipótesis, a una suposición o conjetura que se formula, con el propósito
de ser verificada. Cuando se establece la veracidad de una hipótesis, se
adquiere el compromiso de verificarla en base a los datos de la muestra obtenida.
La hipótesis estadística es fundamentalmente distinta de una proposición
matemática debido que el decidir sobre su certeza podemos tomar decisiones
equivocadas, mientras que en la proposición matemática podemos afirmar
categóricamente si es verdadera o falsa
HIPÓTESIS NULA
Es una hipótesis que afirmar lo contrario de lo que se quiere probar. En ella se
supone que el parámetro de la población que se está estudiando, tiene
determinado valor. A la hipótesis nula, se le representa con el símbolo Ho, y se
formula con la intención de rechazarla.
HIPÓTESIS ALTERNATIVA
Es una hipótesis diferente de la hipótesis nula. Expresa lo que realmente creemos
es factible, es decir constituye la hipótesis de investigación. Se le designa por el
símbolo Ha. En el ejemplo citado, la hipótesis alternativa sería: Ha: P≠0,5, es
decir, P>0,5 o P>0,5, si es que queremos realmente averiguar que la moneda no
es legal.
PRUEBA DE HIPÓTESIS
Se llama también ensayo de hipótesis o dócima de hipótesis, Son procedimientos
que se usan para determinar, si es razonable correcto aceptar que el estadístico
obtenido en la muestra, puede provenir de la población que tiene como parámetro,
el formulario en Ho.
DISTRIBUCIÓN T DE STUDENT
Definamos el estadístico:
t= X−μs
√N−1= X−μS /√N
Que es el análogo al estadístico z dado por:
z= X−μσ /√N
Si consideramos muestra de tamaño N tomadas de una población normal (o casi
normal) con media μ y si para cada una calculamos t, usando la media muestral X
y la desviación típica muestral s o s, puede obtenerse la distribución de muestreo
para t. Esta distribución viene dada por:
Y=Y o
(1+ t 2
N−1 )N2
=Y o
(1+ t2
v )( v+1 )2
Donde Yo es una constante que depende de N tal que el área total bajo la curva es
1, y donde la constante v= (n-1) se le llama el número de grados de libertad (v es
la letra griega nu).
La distribución se le llama distribución t de student en honor de su descubridor,
W.S.Gossett, quien publicó su obra bajo el pseudónimo de “Student” a principios
de este siglo. Para grandes valores de v o de N (ciertamente N≥ 30), las curvas se
ajustan mucho a la curva normal canónica (Spiegel):
Y= 1√2π
e−12t2
ESTADÍSTICO CHI-CUADRADO
Es un estadístico que sirve de base para una prueba no paramétrica denominada
cueva de chi-cuadrado que se utiliza especialmente para variables cualitativas,
esto es variables que carecen de una unidad y por lo tanto sus valores no pueden
expresarse numéricamente. Los valores de estas variables son categorías que
solo sirven para clasificar los elementos del universo de estudio. También puede
utilizarse para variables cuantitativas, transformándolas, previamente en variables
cualitativas ordinales.
El estadístico Chi-cuadrado se define por:
x2=√(n−1 ) s2
σ 2
En donde
n= Numero de elementos de la muestra
n-1 = Número de grados de libertad
s2 = Varianza de la muestra
σ 2= Varianza de la población
VARIANZA
La varianza se parece a la desviación media absoluta en que se basa en la
diferencia entre cada valor del conjunto de datos y la media del grupo. Difiere en
algo muy importante: cada diferencia se eleva al cuadrado antes de sumarse.
La varianza de una población se representa por V(X) o, más comúnmente, por la
letra griega minúscula σ 2 (léase “sigma al cuadrado”). La formula es:
V (X )=σ2=∑(X−μ)2
n−1
A diferencia de la situación que se presenta con otros estadísticos muestrales
estudiados, la varianza muestral no es exactamente equivalentes, desde el punto
de vista del cálculo, a la varianza poblacional. El denominador en la fórmula para
la varianza muestral es ligeramente diferente. En esta fórmula se incluye un factor
de corrección, con objeto de que la varianza muestral sea un estimado no sesgado
de la varianza poblacional. La varianza muestral se representa por s2; su fórmula
es:
s2=∑ (X−X)2
n−1
En general, es difícil interpretar el significado del valor de la varianza porque las
unidades en las que se expresa son valores al cuadrado. En parte por esta razón,
se usa con más frecuencia la raíz cuadrada de la varianza, representada con la
letra griega σ 2 (o s cuando se trata de una muestra), y que se llama desviación
estándar. Las fórmulas son:
Desviación estándar poblacional: σ=√∑ (X−μ)2
N
Desviación estándar muestral: s=√∑(X−X)2
n−1
La desviación estándar es especialmente útil en conjunción con la llamada
distribución normal. (Kazmier, 2006, pág. 60)
ABSTRACT
LINEAR CORRELATION
Correlation analysis is primarily aimed at measuring the strength of a relationship
between variables. The linear correlation coefficient, r, is the measure of the
strength of the linear relationship between two variables. The strength of the
relationship is determined by the magnitude of the effect of any change in one
variable has on the other. If X or Y are the two variables in question, a scatter
diagram showing the location of the points (X, Y) on a rectangular coordinate
system. If all points in the scatter diagram appear to be on a line, called linear
correlation.
REGRESSION
The word regression is used to denote the process of estimating the value of one
variable in terms of another, whose value is considered given. The term was first
used by Galton in a study to relate the heights of parents and children, indicating a
return to the attributes of the father and since then we accept the word regression
with actual meaning.
One of the primary objectives of the regression analysis is to make predictions, for
example, predict the performance of a student at the university on the basis of the
results obtained in high school, or the distance needed to stop a car from speed.
STATISTICAL HYPOTHESES
Called hypothesis, a guess or assumption that is formulated, in order to be verified.
When establishing the truth of a hypothesis, it undertakes to verify based on data
from the sample. The statistical hypothesis is fundamentally different from a
mathematical proposition due to the certainty we can decide on their wrong
decisions, while the mathematical proposition we can state categorically whether
true or false.
HYPOTHESIS TESTING
It is also called hypothesis testing, are procedures used to determine if it is
reasonable to accept that the statistical proper obtained in the sample population
may come with a parameter, the form in Ho.
STUDENT'S T DISTRIBUTION
Considering sample size N drawn from a normal population (or nearly normal) with
mean μ and if we calculate for each t, using the sample mean X R and the sample
standard deviation cases, may be obtained for t sampling distribution.
Where I is a constant depending on N such that the total area under the curve is 1,
and where the constant v = (n-1) is called the number of degrees of freedom (v is
the Greek letter nu).
The distribution is called Student's t-distribution in honor of its discoverer,
WSGossett, who published his work under the pseudonym "Student" at the
beginning of this century. For large values of N go (certainly N ≥ 30), the curves fit
the normal curve much canonical.
CHI-SQUARE STATISTIC
It is a statistic that provides a basis for a nonparametric test called chi-square cave
that is especially used for qualitative variables, variables that do not have a unit
and therefore their values cannot be expressed numerically. The values of these
variables are categories that only serve to classify the elements of the universe of
study. Can also be used for quantitative variables, transforming previously ordinal
qualitative variables.
VARIANCE
The variance is similar to the mean absolute deviation that is based on the
difference between each value in the dataset and the group average. It differs in
something very important: each difference is squared before joining.
PROGRAMA SPSS
SPSS Statistical Package Social Science
La Estadística es una herramienta usada en la investigación científica, teniendo
como soporte diferentes programas informáticos, tales como el Statistical Package
Social Science (SPSS), Stati Graph, Minitab, e incluso Microsoft Excel.
Dentro de una larga lista de programas informáticos orientados a la Estadística, el
SPSS se destaca por su capacidad para procesar volúmenes de datos y por una
interface de fácil acceso al usuario.
Descarga e instalación del SPSS Statistics
1) Ir al link http://ibm-spss-statistics.softonic.com/descargar y hacer clic en
descargar
2) La descarga comenzará tras la lectura y aceptación del acuerdo, se debe hacer
clic en aceptar.
3) Se debe esperar diez minutos aproximadamente mientras se descarga el
SPSS Statitics
4) Aparece el cuadro de dialogo donde se debe hacer clic en “Ejecutar” para
proseguir con la ejecución de este archivo.
5) En escritorio se ha descargado el archivo comprimido, hay que descomprimirlo
y aparecerá una carpeta con el nombre “SPSS PASW”
6) Dar doble clic en la carpeta “PASW Statistics”
7) Doble clic en la carpeta “Setup”
8) Dentro de la carpeta “Setup” dar doble clic en “Setup.exe”
9) Aparece el cuadro “InstallShield Wizard” y para continuar hacer clic en
siguiente.
10)Seleccionar la opción modificar y dar clic en “siguiente”.
11)Hacer clic en “ instalar” para comenzar la instalación y en aproximadamente
cinco minutos ya se podrá acceder a las bondades del SPSS Statitics.
APLICACIÓN DEL SPSS A EJERCICIOS Y PROBLEMAS DE ESTADÍSTICOS
INFERENCIALES
Con los siguientes datos de las exportaciones de productos del sector
agropecuario, agroindustrial, acuacultura y pesca que realiza del Ecuador en
los periodos de Enero – Abril del 2011 y Enero – Abril 2012, aplicar los
métodos estadísticos (Regresión Lineal, Correlación, Varianza) mediante un
programa informático (SPSS).
ECUADOR: EXPORTACION DE PRODUCTOS DEL SECTOR
AGROPECUARIO, AGROINDUSTRIAL, ACUACULTURA Y PESCA 1
PRODUCTO
Enero -
Abril /
2012
Valor
FOB
(Miles
USD)
Enero -
Abril /
2011
Valor
FOB
(Miles
USD)
Banano 725.043 810.501
Camarón y langostino fresco, refrigerado, congelado 393.480 371.174
Pescado en conserva 312.870 244.049
Rosas 218.147 195.777
Cacao en grano 122.768 137.810
Otros Pescados o filetes fresco, refrigerado,
congelado 83.944 53.415
Aceite de Palma crudo y refinado 67.799 105.470
Otras Flores y capullos frescos o secos 67.485 67.726
Café soluble (extractos de café) 49.759 37.707
Harina de Pescado 24.781 63.333
Café sin tostar y tostado 22.725 21.020
Palmito 22.429 21.544
Plátano 21.500 24.641
Tilapia fresca, refrigerada, congelada 21.195 21.498
Leche líquida y en polvo 17.824 7.555
Confitería 16.187 17.598
Tabaco y elaborados 15.757 14.107
Grasa y aceite de vegetales y sus fracciones incluso
refinado 13.673 13.258
Hortalizas congeladas las demás 13.581 12.186
Mermelada, jalea y puré de frutas 13.449 13.317
Pina 11.917 12.651
Jugo de Maracuyá 11.820 28.047
Cacao en polvo 9.549 10.373
Coliflor y Brócoli 9.494 9.451
Alimento balanceado para especies acuícolas 8.988 11.616
Pasta de Cacao 8.309 10.607
Alcohol etílico 7.918 5.825
Frutas y partes comestibles de plantas las demás en
conserva 7.292 6.659
Otros Bananos o Plátanos frescos 7.057 6.652
Manteca de Cacao 6.854 10.285
Chocolate 6.451 1.677
Otros productos agropecuarios, agroindustriales y
acuícolas 87.149 113.342
CÁLCULO DE REGRESIÓN LINEAL
1. Clic en el icono del software Statistics SPSS, ubicado en el menú inicio:
2. Clic en el icono archivo opción Abrir, y se procede añadir el documento en
Excel, en el cual se encuentran los datos del ejercicio:
3. En la parte inferior damos clic en Vista de Variables para poner el nombre
de las variables, estas variables deben estar en tipo numérico y medida
escala:
4. Regresamos a Vista de Datos, para poder empezar a calcular la regresión
lineal:
5. Damos clic en el menú Analizar icono Regresión opción Lineales:
6. Aparecerá una pantalla en donde se establecerá la variable dependiente e
independiente:
7. Clic en Opciones de la misma pantalla anterior y se le escoge usar
probabilidad de F y damos clic en continuar:
8. Regresamos a la pantalla que nos aparece en el punto 7, damos clic en la
opción Estadísticos Descriptivos
9. Una vez que nos aparece la pantalla de la opción Estadísticos Descriptivos
damos clic en intervalo de confianza, correlaciones parciales y
semiparciales, para luego dar clic en continuar:
10.Damos clic en la opción Gráficos y señalamos Histograma y Gráfico de
Probabilidad Normal; clic en continuar:
11.Una vez realizado todos los pasos damos clic en aceptar y ya tenemos los
resultados esperados de la siguiente manera:
12.Los gráficos se presentan de la siguiente forma:
CÁLCULO DE CORRELACIÓN LINEAL
1. Clic en el icono del programa SPSS 17.0
2. Seleccionar la opción Introducir los datos y aceptar
3. Clic en el icono Archivo.
4. Clic en Abrir.
5. Clic en Datos para obtener la información del ejercicio.
6. Se despliega un cuadro en el que elegimos el documento que deseamos
proceder con el ejercicio y clic en abrir.
7. Se despliega una pantalla de Apertura de origen de datos de Excel y
hacemos clic en Aceptar.
8. Pasar los datos de Microsoft Excel al programa SPSS 17.0
9. En la parte inferior hacemos clic en vista de variables para poner el nombre
de las variables y que estas estén en tipo numérico y medidas de escala.
10.Clic en vista de datos para proceder a realizar la Correlación lineal.
11.Clic en Analizar.
12. Clic en Correlaciones.
13.Clic en Bivariadas.
14.Procede a colocar las variables en el cuadro de variables, elegimos el
coeficiente de correlación en nuestro caso es Pearson, prueba de
significación Bilateral.
15.Clic en opciones.
16. Se despliega otra pantalla y elegimos medias y desviaciones típicas.
17. Clic en continuar.
18.Clic en Aceptar.
19.Se espera hasta que se abra otra hoja de SPSS donde se procesa la
información requerida.
20.Clic en Gráficos
21.Clic en Cuadros de dialogo antiguos
22.Clic en Dispersión / Puntos
23.Se desprende una pantalla y elegimos dispersión simple
24.Clic en Definir
25.Se despliega una pantalla en la que colocamos las variables en cada eje.
26.Clic en Aceptar
27.Esperar hasta que se procese la información.
28.Clic derecho en la grafica y sale una pantalla y elegimos editar contenido
29.Clic En otra ventana
30.Seleccionar el método de ajuste que en este caso es lineal.
31.Seleccionar el intervalo que en este caso es media
32.Clic en Cerrar
CÁLCULO DE VARIANZA
1. Se ingresa en inicio, se da clic el icono del Programa Informático Statistical
Package Social Sciences (SPSS).
2. Se ingresa en la opción archivo, se da clic en abrir se despliega una lista se
da clic en datos.
3. Se procede a importar los datos desde Microsoft Excel, para lo cual
señalamos el archivo donde se encuentran los datos y damos clic en abrir.
4. Se despliega una ventana en la que se procede a dar clic en aceptar
5. A continuación se despliega la pantalla con los datos ya importados, donde
se puede identificar las variables
6. Luego de haber importado los datos se procede a realizar el cálculo de la
varianza.
7. Para lo cual se da clic en la opción Analizar.
8. Se despliega una lista donde se da clic en la opción Estadísticos
Descriptivos.
9. Al desplegarse la ventana se procede a pasar las variables, damos clic en
opciones y se procede a marcar la opción Varianza, para luego señalar
Continuar.
10.Luego se da clic aceptar y se espera un momento hasta que se procese la
información.
11. Finalmente se despliega toda la información ya ejecutada.
La empresa de transporte pesado TRANSCOMERINTER se dedica a la
prestación de servicio de carga de mercancías, de acuerdo a un estudio se
da cuenta que uno de sus empleados transportistas realiza 10 viajes
quincenales a Colombia. Por lo que los directivos de la empresa han
mejorado sus maquinarias, con mayor tecnología lo que incrementará la
efectividad y rapidez de los viajes; razón por la cual desean saber si este
incremento será factible de acuerdo a los datos siguientes:
Transportist
aRuta
Número de
viajes
Ingreso
s
1
Colombi
a 10 30000
2
Colombi
a 8 15000
3
Colombi
a 4 6000
4
Colombi
a 9 20000
5
Colombi
a 2 3000
6 Colombi 6 9000
a
7
Colombi
a 12 42000
8
Colombi
a 4 6000
9
Colombi
a 3 4500
10
Colombi
a 9 20000
11
Colombi
a 6 9000
12
Colombi
a 10 30000
13
Colombi
a 12 42000
14
Colombi
a 15 70000
15
Colombi
a 3 4500
16
Colombi
a 4 6000
17
Colombi
a 8 15000
18
Colombi
a 5 7800
19
Colombi
a 12 42000
20
Colombi
a 5 7800
21
Colombi
a 11 35000
22
Colombi
a 7 12500
23
Colombi
a 2 3000
24
Colombi
a 8 15000
25
Colombi
a 4 6000
26
Colombi
a 7 12500
27
Colombi
a 9 20000
28
Colombi
a 6 6000
29
Colombi
a 4 6000
30
Colombi
a 12 42000
31
Colombi
a 10 30000
32
Colombi
a 5 7800
33
Colombi
a 7 12500
34
Colombi
a 12 42000
35
Colombi
a 9 20000
36
Colombi
a 6 6000
37 Colombi 5 7800
a
El nivel de significación es de 0,05. Determinar si este incremento es factible o no
para la empresa:
CÁLCULO DE LA PRUEBA DE HIPÓTESIS
1. Clic en el icono del software Statistics SPSS, ubicado en el menú inicio:
2. Clic en el icono archivo opción Abrir, y se procede añadir el documento en
Excel, en el cual se encuentran los datos del ejercicio:
3. En la parte inferior damos clic en Vista de Variables para poner el nombre
de las variables, estas variables deben estar en tipo numérico y medida
escala:
4. Regresamos a Vista de Datos, para poder empezar a calcular la prueba de
hipótesis:
5. Damos clic en el menú Analizar icono Comparar Medias opción Prueba T
para una muestra:
6. Clic en la pantalla y se pone el porcentaje del intervalo de confianza 95%:
7. Y obtenemos los resultados de la siguiente forma:
CÁLCULO DE LA T-STUDENT
1. Clic en el icono del programa SPSS 17.0
2. Seleccionar la opción Introducir los datos y aceptar
3. Clic en el icono Archivo.
4. Clic en Abrir.
5. Clic en Datos para obtener la información del ejercicio.
6. Se despliega un cuadro en el que elegimos el documento que deseamos
proceder con el ejercicio y clic en abrir.
7. Se despliega una pantalla de Apertura de origen de datos de Excel y
hacemos clic en Aceptar.
8. Pasar los datos de Microsoft Excel al programa SPSS 17.0
9. En la parte inferior hacemos clic en vista de variables para poner el nombre
de las variables y que estas estén en tipo numérico y medidas de escala.
10.Clic en vista de datos para proceder a realizar la Correlación lineal.
11.Clic en Analizar.
12. Clic en Comparar Medias
13.Clic en Prueba t para muestras relacionadas
14. Colocar las variables de las muestras relacionadas
15. Clic en Aceptar
16.Clic en Opciones
17. Clic en Continuar
18. Clic en Aceptar
19. El resultado aparece en la Hoja de Resultados
CÁLCULO DE CHI-CUADRADO
Con datos obtenidos del Banco Central del Ecuador de las exportaciones Intra-
comunitarias, con un nivel de significancia del 0,05, se desea determinar la
independencia existente entre las exportaciones realizadas por Ecuador y los
demás países de la CAN.
12.Se ingresa en inicio, se da clic el icono del Programa Informático Statistical
Package Social Sciences (SPSS).
13.Se da clic en vista de variables y se procede a ingresar las variables en
este caso le ponemos el nombre de País Exportador y País Destino.
14.Posteriormente se pone nombre a las etiquetas y se procede a dar clic en
valores y se escribe el valor y el nombre de la etiqueta.
15.Luego de haber ingresado las variables se va a vista de datos, luego en
medida se procede a seleccionar la escala, que para datos numéricos la
medida es escala, posteriormente se de clic en vista de datos donde se
procede a ingresar los datos.
16.Cuando ya se haya ingresado todos los datos.
17.Se procede a dar clic en la opción Archivo, donde se despliega una lista.
18.De la lista desplegada señalamos en la opción estadísticos descriptivos, y
damos clic en la opción tablas de contingencia.
19.Luego se desplegará una ventana en la cual se encuentra las variables,
para lo cual pasamos una variable en filas y la otra en columnas.
20.En la misma ventana damos clic en Estadísticos, donde se despliega una
ventana en la cual señalamos la opción de Chi-cuadrado, y se procede a
continuar.
21.Luego se da clic en aceptar y se espera un momento hasta que se ejecuten
los datos.
22.Luego de ejecutada la información se despliega una ventana donde se
encuentra ya la solución de la prueba Chi-cuadrado.
CONCLUSIONES
Aplicación del programa informático (SPSS) ha permitido eficaz resolución de
ejercicios y problemas que se presentan en la carrera de comercio exterior.
El manejo del programa informático permite la solución y mejor toma de
decisiones en problemas que se presentan en el ámbito comercial e
internacional.
El uso de programas informáticos con los métodos estadísticos se puede
determinar qué tipo de relación existe entre las variables dependiente e
independiente y así llegar a una mejor toma de decisiones.
RECOMENDACIONES
Se debe conocer el manejo correcto de un programa informático que permita
desarrollar los métodos estadísticos para la solución de ejercicios y problemas
que se presenten en la carrera de Comercio Exterior.
Es importante desarrollar correctamente los pasos para la aplicación del
programa informático, puesto que así se podrá solucionar eficazmente los
ejercicios y problemas que se presenten a nivel comercial e internacional.
Es necesario identificar las variables dependiente e independiente para poder
aplicar correctamente el programa informático, y así obtener los resultados
exactos para la solución del problema y la toma de decisión más adecuada.
BIBLIOGRAFÍA
(2007). En Z. M. Córdova, Estadística Inferencial.
HOWAR B. CHRISTENSEN. (1990). ESTADISTICA PASO A PASO. En H. B.
CHRISTENSEN, ESTADISTICA (págs. 557-590). TRILLAS: TRILLAS.
JOHNSON, R. (1990). Análisis descriptívo y presentación de datos bivariados. En
ESTADÍSTICA ELEMENTAL (pág. 82 ~ 112). Belmont: Wadsworth Publishing
Company Inc.
Johnson, R. R. ((1990(reimp 2009))). Análisis descriptivo y presentación de datos
bivariados. En Estadística Elemental (Segunda ed., págs. 83 - 112). México,
México: Trillas.
Kazmier, L. J. (2006). Estadística aplicada a admihnistración y economía. México:
McGraw - Hill Internacional.
Martínez Bencardino, C. ((mayo 2007)). Regresión y Correlación. En Estadística
Básica Aplicada (Tercera ed., págs. 213-239). Bogotá, Colombia: Ecoe Ediciones.
(2007). En L. O. Mayo, Estadística Inferencial (págs. 184-186). España:
Espa@Publicaciones.
En M. R. Spiegel, Estadística Segunda Edición (págs. 251-252). Madrid: Mc Graw-
Hill.
SPIEGEL, M. (1992). Teoría de la correlación. En ESTADÍSTICA (págs. 322 -
356). MÉxico D.F.: Mc GRAW-HILL.
CRONOGRAMA DE ACTIVIDADES
ACTIVIDADES JULIO
9 10 11 12
Asignación de la investigación X
Investigación del programa informático X X
Realización de los ejercicios y problemas
aplicados al comercio exterior
X X
Redacción e impresión del trabajo X
Presentación del trabajo X