Manual de Practicas de Spss Junio Final

II CICLO
Manual de Practica de SPSS
OFIMATICA II
PROFESOR EDIDSON FUENTES
II CICLO

PRCTICA 1: EJEMPLO DE ENCUESTA
Para realizar esta prctica hemos abierto el programa SPSS y hemos

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

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

variable de destino alturam; a continuacin introducimos la altura en
centmetros en expresin numrica y /100; nos quedara esta expresin: altura
/ 100, aceptamos. Nos quedara as:
OFIMATICA II
II CICLO
Antes de acabar debemos comprobar que las columnas de la vista de

variables estn correctas. Debemos fijarnos sobretodo en la anchura de la
variable, en los decimales y en la medida. Como hemos creado una nueva
variable, hay que cambiar la anchura de la misma a 4 y determinar cmo se mide
la nueva variable; en este caso, como es una variable cuantitativa pondremos que
la medida es escala.
2. Calcular una nueva variable que indique el porcentaje de masa corporal de
cada sujeto - peso(kg)/altura(cm)*100 .
Para realizar este clculo realizaremos el mismo procedimiento que en el
ejercicio anterior. Primero seleccionamos de la barra de tareas la opcin
transformar, calcular.
Abierto el cuadro de dilogo creamos la nueva variable destino masa y

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

segundos transcurridos como acierto/error. Considerar hasta 15 segundos
como acierto y el resto error.
Para realizar el siguiente ejercicio lo primero que debemos hacer es cambiar
la etiqueta de valor de la variable segundos transcurridos, asignando el acierto
como 1 y el error como 2. Esto quedara de la siguiente forma:
A continuacin tenemos
recodificar en misma variable.
que
seleccionar
la
opcin:
Transformar,
Una vez tenemos hecho esto nos aparece el siguiente cuadro de dilogo:
Como vemos hemos aadido en variables numricas segundos

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

a todos los dems valores le asignamos un 2.
De esta forma cuando nos vamos a la vista de datos, en lugar de aparecer
los segundos nos aparecer un 1 o un 2, dependiendo de la respuesta que se
haya dado.
4. Recodificar en una variable nueva los valores obtenidos para metros
cuadrados de aula, considerando las categoras siguientes: pequea, menos
de 100 metros; normal, entre 100 y 150 metros y grande, mas de 150
metros.
En este ejercicio se nos pide algo diferente al ejercicio anterior; se nos pide
que creemos una nueva variable. Lo que tenemos que hacer es ir a transformar,
recodificar en distintas variables, aadir la variable superficie y en variable de
resultado poner el nombre de la nueva variable que vamos a crear, en este caso,
aula2. Podemos cambiar aqu el nombre de la etiqueta o bien hacerlo despus en
la vista de variables.
Una vez realizado esto volvemos a ir a valores antiguos y nuevos.
OFIMATICA II
II CICLO
5. Cuntos alumnos y porcentaje, creen que deben subir 40 o ms

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

N. escalones?
Vlidos
Estadsticos
N. escalones?
N
Vlidos
Perdidos
71
0
OFIMATICA II
26
30
32
35
36
37
38
40
45
46
48
50
52
60
70
90
Total
Frecuencia
2
7
6
2
2
1
1
30
1
2
3
6
1
5
1
1
71
Porcentaje
2,8
9,9
8,5
2,8
2,8
1,4
1,4
42,3
1,4
2,8
4,2
8,5
1,4
7,0
1,4
1,4
100,0
Porcentaje
vlido
2,8
9,9
8,5
2,8
2,8
1,4
1,4
42,3
1,4
2,8
4,2
8,5
1,4
7,0
1,4
1,4
100,0
Porcentaje
acumulado
2,8
12,7
21,1
23,9
26,8
28,2
29,6
71,8
73,2
76,1
80,3
88,7
90,1
97,2
98,6
100,0
II CICLO
Como se nos pide el nmero y el porcentaje de slo los que suben 40 o ms

debemos desechar los casos que no cumplen el criterio.
Esto es as:
N. escalones?
Vlidos
40
45
46
48
50
52
60
70
90
Total
Frecuencia
30
1
2
3
6
1
5
1
1
50
Porcentaje
vlido
42,3
1,4
2,8
4,2
8,5
1,4
7,0
1,4
1,4
70,4
Viendo las frecuencias podemos decir que hay 50 (sumamos todas las
frecuencias) que creen subir 40 o ms escalones. El porcentaje que representan
es el 70,4%.
6. Obtener los descriptivos indicadores y grficos- mas adecuados para la
variable porcentaje de masa corporal. Comenta los estadsticos utilizados.
El primer paso que debemos realizar es identificar el tipo de variable con la
que estamos trabajando; como es una variable cuantitativa podemos pedirle
todos los indicadores.
Vamos a calcular: los valores extremos (mnimo y mximo), la media, la
desviacin tpica, la curtosis y la asimetra. El grfico que utilizamos para esta
variable cuantitativa que es masa corporal es el histograma.
El procedimiento a seguir es el siguiente: analizar, estadsticos
descriptivos: opciones.
OFIMATICA II
II CICLO
El grafico lo pedimos de la siguiente forma: grficos, histograma y

aadimos la variable porcentaje de masa corporal.
Realizado esto obtenemos las siguientes tablas de resultados:

Estadsticos descriptivos
porcentaje de masa
corporal
N vlido (segn lista)
N
Estadstico
Mnimo
Estadstico
Mximo
Estadstico
Media
Estadstico
Desv. tp.
Estadstico
71
26,67
47,02
34,2912
3,88499
Asimetra
Curtosis
Estadstico Error tpico Estadstico Error tpico
,724
,285
,804
,563
71
16
14
12
10
8
6
4
Desv. tp. = 3,88
Media = 3 4,3
N = 7 1,00
,0
47
,0
45
,0
43
,0
41
,0
39
,0
37
,0
35
,0
33
,0
31
,0
29
,0
27
porcentaje de masa corporal
Con los resultados obtenidos podemos decir que, en cuanto a la tendencia

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

que muestra una distribucin asimtrica positiva, ya que la mayora de las
puntuaciones se concentran en la parte izquierda de la grfica y se dispersan
ms por la derecha. Adems esto se ve reforzado por el resultado de la tabla, que
nos dice que la simetra es 0,724. La curtosis, cuyo resultado es 0,804, muestra
una distribucin leptocrtica (relativamente alta y estrecha).
7. Obtener los descriptivos indicadores y grficos- ms adecuados para la
variable 15, comparando entre hombres y mujeres. Comenta los estadsticos
utilizados.
Este ejercicio nos pide que comparemos la variable nota final de la
asignatura para hombres y mujeres; por eso el primero paso que debemos
realizar es segmentar el archivo, comparar los grupos.
Una vez segmentado el archivo nos vamos a men: analizar, estadsticos

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

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

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

la moda y la mediana. Observando las grficas vemos que los hombres
suspenden ms que las mujeres pero tienen ms notables. Las mujeres no
obtienen sobresalientes pero es porque obtienen matrcula, mientras que los
hombres slo obtienen sobresalientes.
OFIMATICA II
II CICLO
PRCTICA 2: ANLISIS EXPLORATORIO DE DATOS

1. Solicitar el grfico de tallo y hojas para la variable Metros cuadrados del
aula.
Para realizar este ejercicio debemos seguir los pasos que exponemos a
continuacin: seleccionar analizar, estadsticos descriptivos y explorar.
Como el ejercicio nos pide que hallemos el grfico para la variable metros
cuadrados del aula, es sta la que debemos introducir en dependientes. A
continuacin, en grficos, seleccionamos slo el diagrama de tallo y hojas,
puesto que no se nos pide ningn otro ms. Quedara as:
OFIMATICA II
11
II CICLO
12
Los resultados que se obtiene tras aplicar lo anteriormente citado son los
siguientes:
Resumen del procesamiento de los casos
N
Metros cuadrados
del aula?
Vlidos
Porcentaje
71
Casos
Perdidos
N
Porcentaje
0
100,0%
,0%
Total
Porcentaje
71
100,0%
Descriptivos
Metros cuadrados
del aula?
Media
Intervalo de confianza
para la media al 95%
Lmite inferior
Lmite superior
Media recortada al 5%
Mediana
Varianza
Desv. tp.
Mnimo
Mximo
Rango
Amplitud intercuartil
Asimetra
Curtosis
Estadstico
124,38
105,82
142,94
116,69
110,00
6147,868
78,408
30
400
370
80,00
1,582
3,078
Metros cuadrados del aula? Stem-and-Leaf Plot

Frequency
Stem & Leaf
6,00
0 . 333344
23,00
0 . 55556666666777777777899
20,00
1 . 00001111222233344444
11,00
1 . 55555555558
5,00
2 . 00034
2,00
2 . 55
4,00 Extremes
(>=300)
Stem width: 100
Each leaf:
1 case(s)
OFIMATICA II
Error tp.
9,305
,285
,563
II CICLO
Al mirar el grfico, podemos fijarnos en la simetra, la curtosis, etc. de la

variable, y podemos deducir que existe una distribucin leptocrtica, puesto que
la distribucin de resultados es muy alta alrededor de la media y menor cuanto
ms se aleja de ella. Tambin podemos observar la distribucin, que presenta
cierta asimetra, y puesto que est algo ms desplazada hacia la izquierda
podramos decir que se trata de una asimetra positiva.
2. Solicitar el diagrama de cajas de la variable peso en Kilogramos
En este ejercicio hemos de ir tambin al men analizar, estadsticos
descriptivos, explorar, seleccionando la variable peso en kilogramos, y en
lugar de solicitar el grafico de Tallo y hojas, desactivamos dicha opcin y
activamos la opcin de Diagramas de cajas, y obtenemos estos resultados:
N
Peso en kg
Vlidos
Porcentaje
71
100.0%
Casos
Perdidos
N
Porcentaje
0
.0%
Total
Porcentaje
71
100.0%
Descriptivos
Peso en kg
Media
Lmite inferior
Lmite superior
Mediana
Varianza
Desv. tp.
Mnimo
Mximo
Rango
Asimetra
Curtosis
Estadstico
57,35
55,56
Error tp.
,900
59,15
56,98
56,00
57,460
7,580
44
79
35
9,00
,752
,644
90
80
60
66
40
5
70
60
50
40
N=
71
Peso en kg
OFIMATICA II
,285
,563
13
II CICLO
La caja representa los casos ms cercanos a la media. La lnea de dentro de

la caja representa la mediana, que en este caso, parece coincidir o se acerca
mucho a la media. El ancho de la caja determina el apuntamiento de la variable,
podemos afirmar que hay una distribucin mesocrtica, ya que los casos se
muestran agrupados y el ancho de la caja no es excesivo.
En referencia a los bigotes que acompaan a la caja, podemos decir que
representan la asimetra de la variable, que se mide con la distancia entre el
bigote superior y la mediana y viceversa. En este caso es mucho ms larga la
distancia entre la mediana y el bigote superior, por lo que tenemos que decir que
existe una asimetra positiva.
3. Solicitar el grfico de tallo y hojas y el diagrama de cajas de la variable
altura en centmetros comparndola para ambos sexos. Interpreta y razn
los resultados para la tendencia central, variabilidad, forma de la curva
y/o valores extremos.
Puesto que se nos pide que comparemos dos grupos, lo primero que
debemos hacer es segmentar el archivo. Para ello nos vamos al men datos,
segmentar archivo, comparar casos. Introducimos la variable sexo para que
fragmente el archivo segn este criterio.
Una vez segmentado el archivo, nos vamos al men analizar, estadsticos

descriptivos, explorar e introducimos la variable altura en centmetros como
dependiente.
OFIMATICA II
14
II CICLO
15
Pulsamos seguidamente en grficos y seleccionamos los grficos de tallo y

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

N
Altura
en cm.
Vlidos
Porcentaje
Casos
Perdidos
Porcentaje
Total
Porcentaje
Hombre
Mujer
OFIMATICA II
27
100,0%
,0%
27
100,0%
44
100,0%
,0%
44
100,0%
II CICLO

Descriptivos
Altura en cm.

Hombre
Estadstico
Media
170,78
Intervalo de confianza para la media

al 95%
Lmite
inferior
Lmite
superior
170,86
170,00
Varianza
32,718
Desv. tp.
5,720
Mnimo
160
Mximo
180
20
9,00
Asimetra
-,055
,448
Curtosis
-,783
,872
164,66
,668
Media
Intervalo de confianza para la media
al 95%
Lmite
inferior
Lmite
superior
164,68
165,00
Varianza
19,625
Desv. tp.
4,430
Mnimo
155
Mximo
173
Rango
18
El grfico de tallo y hojas queda as:

Altura en cm. Stem-and-Leaf Plot for
SEXO= Hombre
Stem width:
Each leaf:
16
16
17
17
18
.
.
.
.
.
Leaf
00
5555778889
0012234
567888
00
10
1 case(s)
OFIMATICA II
7,00
-,154
-,573
Curtosis
2,00
10,00
7,00
6,00
2,00
166,01
Mediana
Asimetra
Stem &
163,31
Frequency
173,04
Mediana
Mujer
1,101
168,52
Rango
Error tp.
,357
,702
16
II CICLO

Altura en cm. Stem-and-Leaf Plot for
SEXO= Mujer
Frequency
Stem &
,00
5,00
12,00
20,00
7,00
15
15
16
16
17
Stem width:
Each leaf:
.
.
.
.
.
17
Leaf
57789
000001112333
55555556666777788888
0000233
10
1 case(s)
El diagrama de cajas se nos quedara de la siguiente forma:
190
180
Altura en cm.
170
160
150
N =
27
44
Hombre
Mujer
Despus de observar los diagramas, tanto el de tallo y hojas como el de

cajas y bigotes, se observa que hay una diferencia en las medias, puesto que la de
los chicos es 170,78 y la de las chicas es 164,66. Dicha diferencia demuestras
que los chicos son ms altos que las chicas. Adems la mediana es distinta,
habiendo una diferencia de 5 puntos.
Respecto a la variabilidad podemos decir que la varianza es mayor para los
chicos que para las chicas, lo que significa que el grupo de los chicos es ms
variable. La desviacin tpica es tambin mayor para los chicos por lo que se
deduce que hay una mayor dispersin en este grupo.
Si hablamos de la distribucin decimos que los dos grupos presentan una
asimetra negativa, ya que sus valores son 0,05 para los chicos y 0,15 para las
chicas. Las dos distribuciones son platicrticas puesto que sus valores son
menores que 0; esto nos dice que la agrupacin es ancha y baja, alejndose los
valores extremos de la media.
OFIMATICA II
II CICLO
4. Comparar los resultados del diagrama de cajas segn la Opcin elegida en

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

Descriptivos
Opcin en BUP?
Ciencias
Letras
Mixto
Media
Mediana
Varianza
Desv. tp.
Mnimo
Mximo
Rango
Asimetra
Curtosis
Media
Mediana
Varianza
Desv. tp.
Mnimo
Mximo
Rango
Asimetra
Curtosis
Media
Lmite inferior
Lmite superior
Estadstico
2,41
2,20
Error tp.
,105
2,63
2,37
2,00
,323
,568
2
4
2
1,00
,990
,067
2,00
1,52
Lmite inferior
Lmite superior
2,48
1,89
2,00
,800
,894
1
5
4
,00
2,556
9,368
2,00
1,80
Lmite inferior
Lmite superior
2,00
2,00
,240
,490
1
3
2
,00
,000
1,902
43
44
35
29
5
47
38
46
45
0
N=
29
16
26
Ciencias
Letras
Mixto
Opcin en BUP?
OFIMATICA II
,564
1,091
,096
2,20
Mediana
Varianza
Desv. tp.
Mnimo
Mximo
Rango
Asimetra
Curtosis
,434
,845
,224
,456
,887
19
II CICLO
Lo primero que nos llama la atencin es la forma del grfico, en el que se

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

PRCTICA 3: RELACIN ENTRE VARIABLES
1. Explorar grficamente la relacin entre Peso en Kg. y altura en cm.

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

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

Correlaciones
Peso en kg
Altura en cm.
Correlacin de Pearson
Sig. (bilateral)
N
Sig. (bilateral)
N
Peso en kg
Altura en cm.
1
,622**
,
,000
71
71
,622**
1
,000
,
71
71
**. La correlacin es significativa al nivel 0,01 (bilateral).
OFIMATICA II
21
II CICLO
Para observar la dispersin de los valores acompaaremos a este cuadro

con una grfica de dispersin; para obtenerla nos vamos a grficos y dentro de
este apartado seleccionaremos dispersin, en el cual marcamos la opcin
simple. El grfico quedar de la siguiente forma:
80
70
60
Peso en kg
50
40
150
160
170
180
190
Altura en cm.
Puesto que los puntos de la grfica estn algo dispersos, y a pesar de que se
concentran en un espacio, no se puede realizar una lnea recta que pase por
todos los puntos, pero si que se puede trazar una lnea recta que pase, ms o
menos, por el centro de los puntos. Por ello, podemos afirmar que existe relacin
entre las variables. La lnea que se forma va creciendo desde los valores ms
pequeos a los ms grandes, lo que nos indica que hay una relacin positiva.
Adems podemos observar dicha relacin mediante la observacin de los
resultados obtenidos en la tabla, ya que da un valor de 0,62 y hay relacin entre
las variables.
2. Indicar grficamente y mediante un ndice la relacin entre Metros
cuadrados del aula y N de escalones.
En este ejercicio se nos pide que indiquemos que relacin existe entre las
variables metros cuadrados del aula y nmero de escalones. Como las dos
variables son cuantitativas utilizaremos el coeficiente de correlacin de
Pearson para observar la relacin existente, ya que con este coeficiente podemos
conocer el grado de relacin exacto de las variables, para llegar hasta ese
coeficiente seguiremos los mismos pasos que en el ejercicio anterior. En primer
lugar vamos a analizar, despus seleccionamos correlaciones y dentro de ella
seleccionamos bivariadas, en el cuadro de variables pondremos las variables
metros cuadrados del aula. y nmero de escalones y dentro de los
coeficientes de correlacin, marcamos la opcin de Pearson. Una vez hecho
esto, nos aparece la siguiente tabla de resultados:
OFIMATICA II
22
II CICLO

Correlaciones
Metros cuadrados
del aula?
N. escalones?
23
Metros
cuadrados
del aula?
1
,
71
,169
,158
71
Sig. (bilateral)
N
Sig. (bilateral)
N
N.
escalones?
,169
,158
71
1
,
71
El grfico que se obtienen es el siguiente:

500
400
Metros cuadrados del aula?
300
200
100
0
20
30
40
50
60
70
80
90
100
N. escalones?
Como se puede observar en la grfica, los valores estn demasiado

dispersos, por lo que no se podra dibujar una elipse; esto nos indica que no
existe relacin entre las variables. Adems no se puede trazar una lnea que pase
por todos los puntos ya que estn demasiado dispersos.
3.
Obtener una matriz de correlaciones para todas las variables
cuantitativas presentes en el archivo. Indica entre que variables existe un
mayor y un menor grado de relacin.
Este ejercicio es similar a los anteriores, pero ahora se van a utilizar todas
las variables cuantitativas para observar entre que variables existe mas y menos
relacin. Puesto que el ejercicio es similar a los anteriores seguimos los mismos
pasos, primero vamos a analizar, despus seleccionamos correlaciones y dentro
de ella seleccionamos bivariadas. Dentro del cuadro de variables pondremos
todas las variables cuantitativas, seleccionaremos Pearson y obtenemos el
siguiente cuadro de correlaciones:
OFIMATICA II
II CICLO

Correlaciones
N.
escalones?
Segundos
transcurrid
os?
Cuantos
alumnos
asisten a
clase?
-,111
,012
-,207
-,024
,592
71
,358
71
,921
71
,083
71
,843
71
-,128
-,017
,008
,108
,225
-,038
,000
71
,288
71
,890
71
,945
71
,368
71
,059
71
,755
71
-,109
,084
,136
,050
,020
,023
,000
71
,
71
,364
71
,488
71
,259
71
,677
71
,865
71
,850
71
,007
-,128
-,109
,473**
,153
-,028
,038
-,212
,953
71
,288
71
,364
71
,
71
,000
71
,202
71
,814
71
,752
71
,075
71
,065
-,017
,084
,473**
,027
-,144
,008
-,312**
,592
71
,890
71
,488
71
,000
71
,
71
,820
71
,229
71
,950
71
,008
71
-,111
,008
,136
,153
,027
,169
-,042
,150
,358
71
,945
71
,259
71
,202
71
,820
71
,
71
,158
71
,730
71
,213
71
,012
,108
,050
-,028
-,144
,169
-,041
,261*
,921
71
,368
71
,677
71
,814
71
,229
71
,158
71
,
71
,733
71
,028
71
-,207
,225
,020
,038
,008
-,042
-,041
-,116
,083
71
,059
71
,865
71
,752
71
,950
71
,730
71
,733
71
,
71
,337
71
-,024
-,038
,023
-,212
-,312**
,150
,261*
-,116
,843
71
,755
71
,850
71
,075
71
,008
71
,213
71
,028
71
,337
71
,
71
Peso
en kg
Altura
en cm.
N. personas
que
conviven
contigo
-,047
,042
,007
,065
,
71
,699
71
,729
71
,953
71
-,047
,622**
,699
71
,
71
,042
,622**
,729
71
Edad
(aos)
Edad (aos)
Peso en kg
Altura en cm.
N. personas que
conviven contigo
Posicion entre los

hermanos
Metros cuadrados
del aula?
N. escalones?
Segundos
transcurridos?
Cuantos alumnos
asisten a clase?
Correlacin de
Pearson
Sig. (bilateral)
N
Correlacin de
Pearson
Sig. (bilateral)
N
Correlacin de
Pearson
Sig. (bilateral)
N
Correlacin de
Pearson
Sig. (bilateral)
N
Correlacin de
Pearson
Sig. (bilateral)
N
Correlacin de
Pearson
Sig. (bilateral)
N
Correlacin de
Pearson
Sig. (bilateral)
N
Correlacin de
Pearson
Sig. (bilateral)
N
Correlacin de
Pearson
Sig. (bilateral)
N
Posicion
entre los
hermanos
Metros
cuadrados
del aula?
**. La correlacin es significativa al nivel 0,01 (bilateral).

*. La correlacin es significante al nivel 0,05 (bilateral).
Al observar la tabla de resultados podemos comprobar que las variables

entre s no muestran una estrecha relacin, puesto que los valores de la
correlacin se aproximan casi todos a cero, no existe ningn valor que tenga una
buena aproximacin a 1 -1. A pesar de ello vamos a ver entre que variables hay
mayor y menor relacin:
o Las variables que mayor relacin presentan son peso en Kg con altura en
cm y nmero de personas que viven contigo con posicin entre los hermanos
cuyos valores son 0,622 y 0,473 respectivamente. Estas relaciones no llegan a
ser perfectas.
o Las variables que presentan menor relacin son edad con nmero de
personas que viven contigo, edad con Nmero de escalones y peso con
metros cuadrados del aula y sus valores son 0,07; 0,012 y 0,08
respectivamente.
OFIMATICA II
24
II CICLO
4. Controla el efecto de la variable Peso en Kg. en la relacin entre Edad

(aos) y Nmero de Escalones.
En este ejercicio se nos pide hallar la relacin que existe entre las variables
edad y nmero de escalones. Tambin se nos pide que controlemos el efecto
de la variable peso ya que puede influir en la relacin de las otras variables.
Por todo esto, utilizamos las correlaciones parciales, ya que con ellas se
puede controlar el efecto de una variable sobre otras. Para realizar el ejercicio
debemos de realizar lo siguiente: primero debemos analizar la relacin que existe
entre las variables edad y nmero de escalones sin controlar la variable
peso. Para ello nos iremos al men: analizar, correlaciones bivariadas.
Una vez mostrado el cuadro de dilogo correspondiente introducimos las
variables. Esto quedara as:
Una vez introducidas las variables aceptamos, obteniendo este resultado:

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

peso. El procedimiento es el siguiente: analizar, correlaciones parciales. Una
vez seleccionado esto, nos aparece una ventana con un cuadro de variables
donde ponemos edad y nmero de escalones y un cuadro de controlando
para donde pondremos la variable que va a ser controlada, en este caso es
peso, quedando de la siguiente manera:
OFIMATICA II
25
II CICLO
26
Tras aceptar obtenemos los siguientes resultados:

--- PARTIAL CORRELATION COEFFICIENTS --Controlling for..
EDAD
PESO
ESCALO
EDAD
1,0000
,0171
( 0) ( 68)
P= ,
P= ,888
ESCALO
,0171
1,0000
( 68) ( 0)
P= ,888 P= ,
(Coefficient / (D.F.) / 2-tailed Significance)

" , " is printed if a coefficient cannot be computed
Observando los resultados de los anlisis podemos ver que existe una escasa
relacin entre las variables edad y nmero de escalones, el resultado de la
correlacin nos da 0,012; al aproximarse bastante a cero la relacin es mnima.
Teniendo en cuenta el efecto de la variable peso podemos decir que
tampoco existe mucha relacin entre las variables anteriores, ya que el valor que
nos da es 0,0171. En conclusin, la variable peso no afecta a la relacin entre
las variables edad y nmero de escalones
OFIMATICA II
II CICLO
5. Podemos pensar que la relacin entre Peso en Kg. y Altura en cm. se ve

afectada por la variable Edad (aos)? Razona tu respuesta.
El ejercicio propuesto es similar al ejercicio cuatro, en l debemos
comprobar la relacin existente entre dos variables controlando el efecto de una
tercera; para realizarlo debemos utilizar la correlacin parcial. Para ello vamos a
seguir los mismos pasos que en el ejercicio anterior, el primer paso ser ir a
analizar, despus seleccionamos correlaciones y dentro de ella seleccionamos
parciales. Dentro de las correlaciones parciales pondremos en el cuadro de
variables peso y altura y en el cuadro controlando para se pondr edad.
Se obtiene lo siguiente:
--- PARTIAL CORRELATION COEFFICIENTS --Controlling for..
PESO
EDAD
ALTURA
PESO
1,0000
,6251
( 0) ( 68)
P= ,
P= ,000
ALTURA
,6251
1,0000
( 68) ( 0)
P= ,000 P= ,
(Coefficient / (D.F.) / 2-tailed Significance)

" , " is printed if a coefficient cannot be computed
Si observamos la relacin existente entre las variables peso y altura
podemos comprobar que presentan cierta relacin. Cuando controlamos el efecto
de la variable edad en la relacin de las anteriores variables observamos que el
valor a penas vara ya que pasa de ser 0,622 a 0,6251. Por tanto, podemos decir
que la variable edad no influye en la relacin de las otras variables.
6. Calcula la relacin entre Opcin en BUP y Deporte favorito. Interpreta y
razona los resultados obtenidos.
En este ejercicio nos piden que calculemos la relacin existente entre dos
variables no cuantitativas, por tanto tendremos que utilizar las tablas de
contingencia, puesto que es la tcnica ms adecuada para este tipo de variables.
Para realizar las tablas de contingencia hemos de ir a analizar, despus
seleccionamos estadsticos descriptivos y dentro de estos seleccionamos tablas
de contingencia:
OFIMATICA II
27
II CICLO
28
Una vez dentro de la ventana tenemos que rellenar los cuadros con las
variables a relacionar; hay dos cuadros en los que pone fila y columnas; en
ellos se pondrn cada una de las variables, quedando de la siguiente forma:
Tras estos pasos, aceptamos y obtenemos los siguientes resultados:

N
Opcin en BUP? *
Deporte favorito?
OFIMATICA II
Vlidos
Porcentaje
71
100,0%
Casos
Perdidos
N
Porcentaje
0
,0%
Total
Porcentaje
71
100,0%
II CICLO

Tabla de contingencia Opcin en BUP? * Deporte favorito?
Futbol
Opcin
en BUP?
Ciencias
Letras
Mixto
Total
Recuento
% de Opcin en BUP?
% de Deporte favorito?
% del total
Recuento
% de Opcin en BUP?
% del total
Recuento
% de Opcin en BUP?
% del total
Recuento
% de Opcin en BUP?
% del total
6
20,7%
60,0%
8,5%
2
12,5%
20,0%
2,8%
2
7,7%
20,0%
2,8%
10
14,1%
100,0%
14,1%
Baloncesto
2
6,9%
28,6%
2,8%
5
19,2%
71,4%
7,0%
7
9,9%
100,0%
9,9%
Deporte favorito?
Tenis
Ciclismo
5
2
17,2%
6,9%
50,0%
40,0%
7,0%
2,8%
3
2
18,8%
12,5%
30,0%
40,0%
4,2%
2,8%
2
1
7,7%
3,8%
20,0%
20,0%
2,8%
1,4%
10
5
14,1%
7,0%
100,0%
100,0%
14,1%
7,0%
29
Otros
14
48,3%
38,9%
19,7%
7
43,8%
19,4%
9,9%
15
57,7%
41,7%
21,1%
36
50,7%
100,0%
50,7%
Ninguno
2
12,5%
66,7%
2,8%
1
3,8%
33,3%
1,4%
3
4,2%
100,0%
4,2%
Total
29
100,0%
40,8%
40,8%
16
100,0%
22,5%
22,5%
26
100,0%
36,6%
36,6%
71
100,0%
100,0%
100,0%
Tras observar la
tabla
de contingencia
podemos decir que,
independientemente de la opcin de bachillerato o el deporte favorito lo que ms
han respondido los alumnos es otros (otro tipo de deportes que no reflejados).
Esta opcin representa el 50,7%. Despus de este deporte podemos decir que el
ftbol y el tenis son los dos deportes favoritos, ya que sus porcentajes son de
14,1% en cada caso.
Analizando los resultados por opciones en BUP sealamos que en el caso de
ciencias, que representan un 40,8% de los casos, el deporte menos escogido es
baloncesto y ciclismo con un 2,8% en cada caso. La opcin de letras representa
un 22,5% de los casos y aqu destaca que baloncesto es un deporte que no es
practicado por nadie. Por ltimo, de la opcin de mixto podemos resaltar que el
baloncesto es un deporte bastante escogido entre los alumnos.
Veamos ahora la relacin entre estas dos variables con ms exactitud. Para
ello utilizamos las pruebas de chi-cuadrado, puesto que son ms aclaratorias:
Pruebas de chi-cuadrado
Chi-cuadrado de Pearson
Razn de verosimilitud
Asociacin lineal por
lineal
N de casos vlidos
Valor
12,358a
13,875
,969
10
10
Sig. asinttica
(bilateral)
,262
,179
,325
gl
71
a. 15 casillas (83,3%) tienen una frecuencia esperada inferior a

5. La frecuencia mnima esperada es ,68.
En la tabla vemos que la significacin asinttica es de 0,262. Esto pone de

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

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

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

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

notable y un 3,4% ha sacado un sobresaliente. La opcin de ciencias es la
opcin con mayor nmero de alumnos (40,8% del total de alumnos).
OFIMATICA II
30
II CICLO

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

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

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

lineal
N de casos vlidos
Valor
17,853a
21,809
8
8
Sig. asinttica
(bilateral)
,022
,005
,018
gl
5,622
71
a. 11 casillas (73,3%) tienen una frecuencia esperada inferior a

5. La frecuencia mnima esperada es ,23.
Comprobamos aqu que s existe relacin entre la opcin elegida en BUP y la nota
media de la asignatura; la opcin ciencias tiene mejores notas que la opcin
mixta o la de letras, que es la que tiene peores notas.
8. Calcula la relacin entre Sexo y el resto de variables no cuantitativas.
Interpreta los resultados e indica con que variables aparece una mayor y una
menor relacin.
Otra vez se nos presenta un ejercicio similar a los anteriores. Vamos a
calcular la relacin entre varias variables no cuantitativas. Los pasos a seguir son
los mismos en los otros apartados. Los resultados que obtenemos son:
N
Opcin en BUP? * Sexo
del encuestado?
Medio de transporte? *
Tienes ordenador en
casa? * Sexo del
encuestado?
Deporte favorito? * Sexo
del encuestado?
Nota final asignatura? *
Vlidos
Porcentaje
Casos
Perdidos
N
Porcentaje
Total
Porcentaje
71
100,0%
,0%
71
100,0%
71
100,0%
,0%
71
100,0%
71
100,0%
,0%
71
100,0%
71
100,0%
,0%
71
100,0%
71
100,0%
,0%
71
100,0%
Sexo del encuestado? * Opcin en BUP?
OFIMATICA II
31
II CICLO

Tabla de contingencia
Opcin
en BUP?
Ciencias
Letras
Mixto
Total
Recuento
% de Opcin en BUP?
% de Sexo del
encuestado?
% del total
Recuento
% de Opcin en BUP?
% de Sexo del
encuestado?
% del total
Recuento
% de Opcin en BUP?
% de Sexo del
encuestado?
% del total
Recuento
% de Opcin en BUP?
% de Sexo del
encuestado?
% del total
32

Hombre
Mujer
12
17
41,4%
58,6%
Total
29
100,0%
44,4%
38,6%
40,8%
16,9%
7
43,8%
23,9%
9
56,3%
40,8%
16
100,0%
25,9%
20,5%
22,5%
9,9%
8
30,8%
12,7%
18
69,2%
22,5%
26
100,0%
29,6%
40,9%
36,6%
11,3%
27
38,0%
25,4%
44
62,0%
36,6%
71
100,0%
100,0%
100,0%
100,0%
38,0%
62,0%
100,0%
lineal
N de casos vlidos
Valor
,942a
,954
,623
2
2
Sig. asinttica
(bilateral)
,624
,621
,430
gl
71
a. 0 casillas (,0%) tienen una frecuencia esperada inferior a 5.

La frecuencia mnima esperada es 6,08.
Lo primero que podemos observar es que hay mayor porcentaje de mujeres

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

Medio de
transporte?
Coche
Autobus
Metro
Andando
Otros
Total
Recuento
% de Medio de
transporte?
% de Sexo del
encuestado?
% del total
Recuento
% de Medio de
transporte?
% de Sexo del
encuestado?
% del total
Recuento
% de Medio de
transporte?
% de Sexo del
encuestado?
% del total
Recuento
% de Medio de
transporte?
% de Sexo del
encuestado?
% del total
Recuento
% de Medio de
transporte?
% de Sexo del
encuestado?
% del total
Recuento
% de Medio de
transporte?
% de Sexo del
encuestado?
% del total
33

Hombre
Mujer
3
5
Total
8
37,5%
62,5%
100,0%
11,1%
11,4%
11,3%
4,2%
5
7,0%
20
11,3%
25
20,0%
80,0%
100,0%
18,5%
45,5%
35,2%
7,0%
7
28,2%
4
35,2%
11
63,6%
36,4%
100,0%
25,9%
9,1%
15,5%
9,9%
11
5,6%
15
15,5%
26
42,3%
57,7%
100,0%
40,7%
34,1%
36,6%
15,5%
1
21,1%
36,6%
1
100,0%
100,0%
3,7%
1,4%
1,4%
27
44
1,4%
71
38,0%
62,0%
100,0%
100,0%
100,0%
100,0%
38,0%
62,0%
100,0%
lineal
N de casos vlidos
Valor
8,341a
8,865
2,384
4
4
Sig. asinttica
(bilateral)
,080
,065
,123
gl
71
a. 5 casillas (50,0%) tienen una frecuencia esperada inferior a 5.

La frecuencia mnima esperada es ,38.
Observando la tabla comprobamos que el medio de transporte ms utilizado

en general tanto por hombres como por mujeres es el autobs (35,2%). Hay que
destacar tambin que muchas personas prefieren no utilizar ningn medio de
transporte e ir caminando 36,6% (el porcentaje ms grande de todos en general).
Por sexos el medio de transporte ms utilizado es: para las mujeres el autobs y
los hombres prefieren ir andando.
En este caso si hay relacin entre el sexo del encuestado y el medio de
transporte ya que la significacin es menor al 0,05.
OFIMATICA II
II CICLO

Sexo del encuestado? * Tienes ordenador en casa?
34
Tienes ordenador
en casa?
Si
No
Total
Recuento
% de Tienes
ordenador en casa?
% de Sexo del
encuestado?
% del total
Recuento
% de Tienes
ordenador en casa?
% de Sexo del
encuestado?
% del total
Recuento
% de Tienes
ordenador en casa?
% de Sexo del
encuestado?
% del total

Hombre
Mujer
14
20
Total
34
41,2%
58,8%
100,0%
51,9%
45,5%
47,9%
19,7%
13
28,2%
24
47,9%
37
35,1%
64,9%
100,0%
48,1%
54,5%
52,1%
18,3%
27
33,8%
44
52,1%
71
38,0%
62,0%
100,0%
100,0%
100,0%
100,0%
38,0%
62,0%
100,0%
Correccin a
por
continuidad
Estadstico exacto de
Fisher
lineal
N de casos vlidos
Sig. asinttica
(bilateral)
,600
,078
,780
,274
,600
Valor
,274b
gl
,271
Sig. exacta
(bilateral)
Sig. exacta
(unilateral)
,632
,390
,603
71
a. Calculado slo para una tabla de 2x2.

b. 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mnima esperada
es 12,93.
Apreciamos que hay ms hombres que tienen ordenador en casa (19,7%) que
hombres que no tienen (18,3%). Mientras que para las mujeres es al contrario, un
28,2% tienen ordenador frente a un 33,8% que no tienen ordenador. El
porcentaje de mujeres que tienen ordenador es mayor que el de hombres; esto es
debido a que el porcentaje de mujeres es mayor que el de hombres. En este caso
no existe correlacin entre las dos variables analizadas.
Sexo del encuestado? * Deporte favorito?
OFIMATICA II
II CICLO

Deporte
favorito?
Futbol
Baloncesto
Tenis
Ciclismo
Otros
Ninguno
Total
Recuento
% de Sexo del
encuestado?
% del total
Recuento
% de Sexo del
encuestado?
% del total
Recuento
% de Sexo del
encuestado?
% del total
Recuento
% de Sexo del
encuestado?
% del total
Recuento
% de Sexo del
encuestado?
% del total
Recuento
% de Sexo del
encuestado?
% del total
Recuento
% de Sexo del
encuestado?
% del total
35

Hombre
Mujer
4
6
40,0%
60,0%
Total
10
100,0%
14,8%
13,6%
14,1%
5,6%
1
14,3%
8,5%
6
85,7%
14,1%
7
100,0%
3,7%
13,6%
9,9%
1,4%
3
30,0%
8,5%
7
70,0%
9,9%
10
100,0%
11,1%
15,9%
14,1%
4,2%
3
60,0%
9,9%
2
40,0%
14,1%
5
100,0%
11,1%
4,5%
7,0%
4,2%
15
41,7%
2,8%
21
58,3%
7,0%
36
100,0%
55,6%
47,7%
50,7%
21,1%
1
33,3%
29,6%
2
66,7%
50,7%
3
100,0%
3,7%
4,5%
4,2%
1,4%
27
38,0%
2,8%
44
62,0%
4,2%
71
100,0%
100,0%
100,0%
100,0%
38,0%
62,0%
100,0%
lineal
N de casos vlidos
Valor
3,219 a
3,446
,501
5
5
Sig. asinttica
(bilateral)
,666
,632
,479
gl
71

La frecuencia mnima esperada es 1,14.
En general el porcentaje mayor se concentra en otros deportes no sealados

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

Hombre
Mujer
4
2
Recuento
% de Nota final
asignatura?
% de Sexo del
encuestado?
% del total
Recuento
% de Nota final
asignatura?
% de Sexo del
encuestado?
% del total
Recuento
% de Nota final
asignatura?
% de Sexo del
encuestado?
% del total
Recuento
% de Nota final
asignatura?
% de Sexo del
encuestado?
% del total
Recuento
% de Nota final
asignatura?
% de Sexo del
encuestado?
% del total
Recuento
% de Nota final
asignatura?
% de Sexo del
encuestado?
% del total
Total
6
66,7%
33,3%
100,0%
14,8%
4,5%
8,5%
5,6%
16
2,8%
34
8,5%
50
32,0%
68,0%
100,0%
59,3%
77,3%
70,4%
22,5%
6
47,9%
7
70,4%
13
46,2%
53,8%
100,0%
22,2%
15,9%
18,3%
8,5%
1
9,9%
18,3%
1
100,0%
100,0%
3,7%
1,4%
1,4%
1
1,4%
1
100,0%
100,0%
2,3%
1,4%
27
1,4%
44
1,4%
71
38,0%
62,0%
100,0%
100,0%
100,0%
100,0%
38,0%
62,0%
100,0%
lineal
N de casos vlidos
Valor
5,467a
6,047
,044
4
4
Sig. asinttica
(bilateral)
,243
,196
,833
gl
71

La frecuencia mnima esperada es ,38.
En general el mayor porcentaje de la nota de la asignatura, lo tiene la

calificacin de aprobado con un porcentaje de 70,4%. A sta le sigue el notable
con un porcentaje de 18,3%, lo que significa que aprobado y notable son las
calificaciones ms frecuentes. Para las mujeres la calificacin de aprobado es la
que mayor porcentaje presenta y tambin para los hombres.
Aqu tampoco existe una correlacin entre la variable sexo del encuestado y
la nota final de la asignatura (la significacin asinttica es de 0,243).
OFIMATICA II
36
II CICLO

PRCTICA 4: CONTRASTE DE HIPTESIS
1. Comprobar si la variable Edad del Alumno muestra
significativas entre hombres y mujeres para el nivel del 1%.
37
diferencias
Para comenzar, hemos de saber claramente cuales son las variables con las
que vamos a trabajar, una vez conocidas esas variables pasamos a realizar las
posibles hiptesis que se puedan dar. En este caso las variables son: edad del
alumno y sexo. A partir de aqu podemos plantear las siguientes hiptesis:
- Ho X eh = X em
- Hi X eh Xem
Una vez planteadas las hiptesis, debemos verificar el supuesto de
normalidad para poder quedarnos con una u otra hiptesis y para ello hemos de
aplicar la prueba de Kolmogorov-Smirnov. Puesto que se nos pide que veamos si
hay diferencias segn sexo debemos segmentar el archivo; para ello nos vamos a
Datos, elegimos la opcin Segmentar archivo y nos aparecer el siguiente
cuadro de dilogo.
En el cuadro marcamos la opcin Comparar casos y los Grupos basados

en Sexo.
Una vez segmentados los archivos, hemos de realizar la prueba de
Kolmogorov-Smirnov, para realizarla nos vamos a Analizar, despus
seleccionamos Pruebas no paramtricas y dentro de esta seleccionamos K-s de
1 muestra
OFIMATICA II
II CICLO
38
Tras esto nos aparecer:
En este cuadro marcamos edad del alumnos y lo ponemos en Contrastar

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

Hombre
Edad del alumno

N
36
Parmetros normales(a,b)
Media
Desviacin tpica
Diferencias ms extremas
Absoluta
,281
,191
Negativa
-,281
Sig. asintt. (bilateral)
OFIMATICA II
,910
Positiva
Z de Kolmogorov-Smirnov
Mujer
14,53
1,689
,007
23
II CICLO

Parmetros normales(a,b)
Media
Desviacin tpica
Diferencias ms extremas
14,26
1,137
Absoluta
,214
Positiva
,214
Negativa
a La distribucin de contraste es la Normal.
b Se han calculado a partir de los datos.
-,177
1,027
,242
Tras observar los resultados nos encontramos con que no se cumple el

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

las variables que se muestran ( edad del alumno para contrastar variables y sexo
como variable de agrupacin):
OFIMATICA II
39
II CICLO

Tras ello los resultados que se obtienen son:
40
Estadsticos de grupo
Edad del alumno
Sexo del alumno

Hombre
Mujer
Media
14,53
14,26
36
23
Desviacin
tp.
,910
1,137
Error tp. de
la media
,152
,237
Prueba de muestras independientes

Prueba de Levene
para la igualdad de
varianzas
F
Edad del alumno
Se han asumido
varianzas iguales
No se han asumido
varianzas iguales
2,838
Sig.
,098
Prueba T para la igualdad de medias
gl
Sig. (bilateral)
Diferencia
de medias
Error tp. de
la diferencia
95% Intervalo de
confianza para la
diferencia
Inferior
Superior
,996
57
,323
,27
,268
-,270
,803
,948
39,527
,349
,27
,281
-,302
,836
Como el valor de la significacin es mayor al 1% nos quedaremos con la

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

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

N
Parmetros normales a,b
Diferencias ms
extremas
Media
Desviacin tpica
Absoluta
Positiva
Negativa
41
N de faltas
en el 1er
trimestre
60
19,92
N de faltas
en el 3er
trimestre
59
17,32
9,645
10,002
,137
,129
-,137
1,058
,212
,126
,126
-,101
,971
,303
a. La distribucin de contraste es la Normal.

b. Se han calculado a partir de los datos.
Como la significacin asinttica es 0,212 y 0,303 se cumple el supuesto de

normalidad, y ya que la significacin es mayor al 5% podemos aceptar la
Hiptesis nula.
Ya que las muestras son relacionadas, puesto que la variable se ha medido
en momentos temporales distintos pero sobre los mismos sujetos, y el supuesto
de normalidad se cumple hemos de aplicar la prueba T, para ello pasamos al
men analizar, comparar medias y accedemos a la prueba t para muestras
relacionadas
Una vez dentro de ese apartado nos aparece una ventana en la que debemos
seleccionar las variables que correspondan:
OFIMATICA II
II CICLO
42
Una vez seguidos estos pasos obtenemos lo siguiente:

Estadsticos de muestras relacionadas
Media
Par 1
N de faltas en
el 1er trimestre
N de faltas en
el 3er trimestre
Desviacin
tp.
Error tp. de
la media
19,95
59
9,725
1,266
17,32
59
10,002
1,302
Correlaciones de muestras relacionadas

N
Par 1
N de faltas en el 1er
trimestre y N de faltas
en el 3er trimestre
Correlacin
59
,627
Sig.
,000
Prueba de muestras relacionadas

Diferencias relacionadas
Media
Par 1
trimestre - N de faltas
en el 3er trimestre
2,63
Desviacin
tp.
8,526
Error tp. de
la media
1,110
95% Intervalo de
confianza para la
diferencia
Inferior
Superior
,41
4,85
t
2,367
gl
Sig. (bilateral)
58
,021
Tras analizar la media de faltas de ambos trimestres podemos decir que el

nmero de faltas cometidas es mayor en el primer trimestre ya que su media es
algo mayor.
Como la significacin asinttica es menor al 5% hemos de rechazar la
Hiptesis nula y aceptar la alterna que nos dice que existen diferencias entre las
faltas de ambos trimestres.
OFIMATICA II
II CICLO
3. Demuestra si los hombres tienen una nota en matemticas inferior a la

de las mujeres con un nivel de significacin del 5%. Comprobarlo tambin
con la nota en lengua.
Este ejercicio es muy similar a los anteriores, especialmente al primero, ya
que aqu entra en juego la variable sexo y por tanto se deber segmentar el
archivo. En primer lugar, formulamos las hiptesis que se puedan dar para la
nota en matemticas:
-
Ho X mh = X mm
Hi X mh Xmm
A partir de aqu, como en el ejercicio 1, debemos de verificar el supuesto de

normalidad para poder quedarnos con una u otra hiptesis y para ello
aplicaremos la prueba de Kolmogorov-Smirnov. Como nos piden que veamos si
hay diferencias segn sexo deberemos segmentar el archivo y seguidamente
realizar la prueba de Kolmogorov-Smirnov para la variable nota en matemticas
y obtenemos los siguientes resultados:
Sexo del alumno

Hombre
N
Diferencias ms
extremas
Mujer
Media
Desviacin tpica
Nota media
en
Matemticas
36
4,997
Absoluta
Positiva
Negativa
N
Diferencias ms
extremas
Media
Desviacin tpica
Absoluta
Positiva
Negativa
1,8358
,251
,251
-,138
1,508
,021
24
5,717
2,2272
,234
,234
-,210
1,147
,144

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

las mujeres es mayor (0,144), por lo tanto no se cumple la hiptesis nula ya que
existen diferencias entre hombres y mujeres; al quedarnos con la hiptesis
alterna damos por hecho que no se cumple el supuesto de normalidad. Debido a
OFIMATICA II
43
II CICLO
esto hemos de aplicar la Prueba U de Mann Whitney por ser dos muestras
independientes. Para calcular esta prueba seguimos los siguientes pasos:
analizar, pruebas no paramtricas y 2 muestras independientes:
Una vez dentro aparece un cuadro de dialogo donde debemos seleccionar

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

Rangos
Nota media en
Matemticas
OFIMATICA II
Sexo del alumno

Hombre
Mujer
Total
N
36
24
60
Rango
promedio
27,86
34,46
Suma de
rangos
1003,00
827,00
44
II CICLO

Estadsticos de contrastea
U de Mann-Whitney
W de Wilcoxon
Z
45
Nota media
en
Matemticas
337,000
1003,000
-1,436
,151
a. Variable de agrupacin: Sexo del alumno
La significacin en este caso es mayor al 5% as que rechazamos la Hi y nos

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

la prueba de Kolmogorov-Smirnov pero esta vez para la variable nota en lengua
y obtenemos los siguientes resultados:
Sexo del alumno
Hombre
N
Diferencias ms
extremas
Mujer
N
Diferencias ms
extremas
Media
Desviacin tpica
Absoluta
Positiva
Negativa
Media
Desviacin tpica
Absoluta
Positiva
Negativa
Nota media
en Lengua
36
61,486
21,4316
,261
,261
-,136
1,566
,015
24
74,896
20,4460
,256
,256
-,168
1,253
,087

Observando los resultados vemos que la significacin asinttica es diferente

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

Rangos
Nota media en Lengua
Sexo del alumno

Hombre
Mujer
Total
46
N
36
24
60
Rango
promedio
25,03
38,71
Suma de
rangos
901,00
929,00
Estadsticos de contrastea
U de Mann-Whitney
W de Wilcoxon
Z
Nota media
en Lengua
235,000
901,000
-2,978
,003
a. Variable de agrupacin: Sexo del alumno
Tras ver los resultados observamos que la significacin asinttica es menor

al 5%, lo que significa que debemos quedarnos con la hiptesis alterna que dice
que la nota media de lengua para los hombres es inferior a la nota media en
lengua de las mujeres.
4. Existen diferencias entre los hombres y las mujeres para la variable
Nmero de faltas (faltot) con un nivel del 1%?
El primer paso que debemos realizar es identificar las variables que se van a
analizar para as poder formular las hiptesis que puedan darse. En este caso las
variables implicadas son nmero de faltas y sexo, y las posibles hiptesis:
-
Ho X fh = X fm (la media en el nmero de faltas de los hombres es igual a

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

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

Sexo del alumno
Hombre
N
Parmetros normales
a,b
Media
Desviacin tpica
Diferencias ms
extremas
Mujer
N de faltas
36
57,2500
25,65193
Absoluta
Positiva
Negativa
N
Parmetros normales
a,b
,149
,131
-,149
,893
,403
24
52,9167
Media
Desviacin tpica
Diferencias ms
extremas
22,99133
Absoluta
Positiva
Negativa
,144
,144
-,118
,706
,702
En ambos casos comprobamos que la significacin es mayor al 1%,

tanto para los hombres como para las mujeres, por lo que se cumple el supuesto
de normalidad. Esto a su vez nos hace aceptar en principio la hiptesis nula.
Verificado el supuesto de normalidad pasamos al men analizar, comparar
medias, prueba T para muestras independientes:
N de faltas
Sexo del alumno

Hombre
Mujer
OFIMATICA II
N
36
24
Media
57,2500
52,9167
Desviacin
tp.
25,65193
22,99133
Error tp. de
la media
4,27532
4,69309
47
II CICLO

Prueba de Levene
para la igualdad de
varianzas
F
N de faltas
Se han asumido
varianzas iguales
No se han asumido
varianzas iguales
,749
Sig.
,390
48
gl
Sig. (bilateral)
Diferencia
de medias
Error tp. de
la diferencia
95% Intervalo de
confianza para la
diferencia
Inferior
Superior
,668
58
,507
4,3333
6,49091
-8,65964
17,32630
,683
53,020
,498
4,3333
6,34850
-8,40003
17,06670
Lo que hacemos a continuacin es comprobar si la significacin es mayor o

menor a 1% para poder quedarnos con una de las dos hiptesis. En este caso es
mayor, por eso nos quedamos con la hiptesis nula, que apunta que no existen
diferencias entre la nota final de hombres y mujeres.
5. Comprueba si obtienen una nota final mejor los absentistas bajos que los
absentistas crnicos para un nivel de significacin del 5%.
Las variables implicadas en este ejercicio son nota final y tipo de absentismo;
las posibles hiptesis son:
- Ho X nab = X nac
- Hi X nab Xnac
Primero verificamos el supuesto de normalidad aplicando la prueba de
Kolmogorov-Smirnov. Antes de realizar la prueba debemos segmentar el archivo
porque es necesario hacerlo para poder ver si hay diferencias de nota final segn
el tipo de absentismo. Una vez segmentado nos vamos al men analizar, pruebas
no paramtricas, K-1 de una muestra, contrastar variable nota final. Los
resultados que obtenemos son:
OFIMATICA II
II CICLO

Tipo de Absentismo
Bajo
N
Media
Desviacin tpica
Diferencias ms
extremas
Regular
,228
,217
-,228
,822
,510
22
6,1608
Media
Desviacin tpica
Diferencias ms
extremas
1,20747
Absoluta
Positiva
Negativa
N
Crnico
1,18192
Absoluta
Positiva
Negativa
N
,175
,170
-,175
,819
,513
25
5,6352
Media
Desviacin tpica
2,22195
Absoluta
Positiva
Negativa
Diferencias ms
extremas
49
Nota media
del alumno
13
6,9828
,250
,250
-,133
1,249
,088
En los tres casos la significacin es mayor al 5% por lo que podemos decir

que se cumple el supuesto de normalidad y que en principio aceptamos la
hiptesis nula que dice que obtienen una nota mejor los absentistas bajos que
crnicos.
Para verificar esta eleccin pasamos a comparar las medias: analizar,
comparar medias, prueba T para muestras independientes; estos son los
resultados:
Nota media del alumno
Tipo de Absentismo
Bajo
Crnico
Media
6,9828
5,6352
13
25
Desviacin
tp.
1,18192
2,22195
Error tp. de
la media
,32780
,44439

Prueba de Levene
para la igualdad de
varianzas
F
Nota media del alumno
Se han asumido
varianzas iguales
No se han asumido
varianzas iguales
OFIMATICA II
6,143
Sig.
,018
gl
Sig. (bilateral)
Diferencia
de medias
Error tp. de
la diferencia
95% Intervalo de
confianza para la
diferencia
Inferior
Superior
2,033
36
,049
1,3476
,66278
,00336
2,69174
2,440
35,941
,020
1,3476
,55221
,22755
2,46755
II CICLO
En primer lugar nos fijamos en las medias; vemos que hay bastante
diferencia entre absentistas bajos (13) y absentistas crnicos (25). Pasamos pues
a ver la significacin y comprobamos que en ambos casos no es igual ni supera
el 5%. Con estos resultados podemos sealar que debemos quedarnos con la
hiptesis alterna (H1) y rechazar la hiptesis nula (H0); traducido a otras palabras
diramos que no obtienen mejor nota los absentistas bajos que los crnicos.
6. Los alumnos con nivel econmico bajo obtienen una media menor que los
alumnos de nivel econmico alto en alguna de las tres asignaturas
(Matemticas, Medio Ambiente y Lengua), utiliza un nivel de 5%.
Otra vez, como en apartados anteriores, debemos identificar las variables y
formular las hiptesis posibles. Las variables implicadas son nivel econmico y
nota media en las tres asignaturas, y las posibles hiptesis son:
-
Ho X nb = X na (no existen diferencias entre los alumnos con nivel

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

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

Kolmogorov-Smirnov, segmentado antes el archivo para comparar los grupos
segn el nivel econmico. Seguidamente realizamos la prueba de KolmogorovSmirnov de la siguiente forma: analizar, pruebas no paramtricas, K-1 de una
muestra; esta vez en lugar de seleccionar solo una variable seleccionamos las
tres variables de nota en la asignatura (nota media en matemticas, nota media en
lengua y nota media en Medio Ambiente) ya que debemos de observar la nota en
las tres asignaturas y si existen diferencias en alguna de ellas segn el nivel
econmico de los alumnos. Los resultados obtenidos son:
OFIMATICA II
50
II CICLO

Nivel Econmico
,
N
Diferencias ms
extremas
Bajo
N
Diferencias ms
extremas
Medio
N
Diferencias ms
extremas
Alto
N
Diferencias ms
extremas
Media
Desviacin tpica
Absoluta
Positiva
Negativa
Media
Desviacin tpica
Absoluta
Positiva
Negativa
Media
Desviacin tpica
Absoluta
Positiva
Negativa
Media
Desviacin tpica
Absoluta
Positiva
Negativa
51
Nota media
en
Matemticas
13
5,115
Nota media
en Medio
Ambiente
13
52,08
Nota media
en Lengua
13
59,338
1,4070
13,294
18,2465
,335
,335
-,228
1,209
,108
15
3,960
,364
,240
-,364
1,314
,063
15
32,20
,316
,316
-,229
1,139
,149
15
53,720
1,2557
17,193
18,1044
,261
,261
-,222
1,010
,259
19
6,321
,396
,396
-,257
1,536
,018
19
54,16
,347
,347
-,191
1,342
,054
19
82,221
2,2491
13,150
19,1572
,232
,152
-,232
1,009
,260
13
5,469
,257
,181
-,257
1,119
,164
13
55,08
,243
,243
-,194
1,058
,213
13
67,046
2,1422
6,487
20,9784
,354
,354
-,222
1,276
,077
,298
,298
-,223
1,074
,199
,261
,261
-,221
,942
,338

Si observamos la significacin por materias vemos que en matemticas y en

lengua es mayor al 5% en los dos grupos pero en medio ambiente no lo es en los
dos grupos. Para el grupo de nivel econmico bajo la significacin es menor a 5%
mientras que para el grupo de nivel econmico alto es mayor a 5%. De este modo
el supuesto de normalidad slo se cumple para matemticas y lengua, para
medio ambiente no.
Una vez comprobada la normalidad, debemos utilizar diferentes
procedimientos: como en las materias de matemticas y lengua la significacin es
mayor debemos realizar la prueba T, mientras que para la asignatura medio
ambiente aplicamos la prueba de U de Mann-Whitney
-Prueba T para matemticas
OFIMATICA II
II CICLO

Nota media en
Matemticas
Nivel Econmico
Bajo
Alto
52
Desviacin
tp.
1,2557
2,1422
Media
3,960
5,469
15
13
Error tp. de
la media
,3242
,5941

Prueba de Levene
para la igualdad de
varianzas
F
Nota media en
Matemticas
Se han asumido
varianzas iguales
No se han asumido
varianzas iguales
Sig.
11,616
,002
gl
Sig. (bilateral)
Diferencia
de medias
Error tp. de
la diferencia
95% Intervalo de
confianza para la
diferencia
Superior
Inferior
-2,312
26
,029
-1,509
,6527
-2,8509
-,1676
-2,230
18,784
,038
-1,509
,6768
-2,9270
-,0915
-Prueba T para lengua

Nivel Econmico
Bajo
Alto
Media
53,720
67,046
15
13
Desviacin
tp.
18,1044
20,9784
Error tp. de
la media
4,6745
5,8184

Prueba de Levene
para la igualdad de
varianzas
F
Se han asumido
varianzas iguales
No se han asumido
varianzas iguales
1,537
Sig.
,226
gl
Sig. (bilateral)
Diferencia
de medias
Error tp. de
la diferencia
95% Intervalo de
confianza para la
diferencia
Inferior
Superior
-1,805
26
,083
-13,326
7,3830
-28,5021
1,8498
-1,785
23,941
,087
-13,326
7,4636
-28,7322
2,0799
Con esto resultados podemos ver que la significacin asinttica para

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

Estadsticos de contrasteb
U de Mann-Whitney
W de Wilcoxon
Z
Sig. exacta [2*(Sig.
unilateral)]
53
Nota media
en Medio
Ambiente
39,000
159,000
-2,719
,007
,006
a. No corregidos para los empates.

b. Variable de agrupacin: Nivel Econmico
Para medio ambiente la significacin asinttica es menor al 5% (0,006), por

lo que rechazamos la hiptesis nula y aceptamos la alterna, que nos dice que
existen diferencias entre los alumnos de nivel econmico alto y nivel econmico
bajo.
7. Demostrar si existen diferencias entre las medias de faltas del primer
trimestre y el segundo trimestre para un nivel del 5%.
En este ejercicio las variables son nmero de faltas del primer trimestre y
nmero de faltas del segundo trimestre. Las hiptesis que pueden formularse son:
Ho X f1 = X f2
Hi X f1 Xf2
Ahora verificamos el supuesto de normalidad aplicando la prueba de

Kolmogorov-Smirnov. Seguimos los pasos ya descritos en ejercicios anteriores,
introducimos las dos variables y obtenemos el siguiente cuadro:
N
Diferencias ms
extremas
Media
Desviacin tpica
Absoluta
Positiva
Negativa
N de faltas
en el 1er
trimestre
60
19,92
N de faltas
en el 2
trimestre
60
18,57
9,645
8,420
,137
,129
-,137
1,058
,212
,128
,096
-,128
,988
,283

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

0,283 respectivamente), por lo que podemos decir que se cumple el supuesto de
normalidad y que nos quedamos con la hiptesis nula.
Una vez realizado este paso pasamos a calcular la prueba T. Los pasos a
seguir son (igual que en el segundo apartado): analizar, comparar medias,
prueba T para muestras relacionadas.
Hecho esto obtenemos los siguientes resultados:
Media
Par 1
N de faltas en
el 1er trimestre
N de faltas en
el 2 trimestre
Desviacin
tp.
Error tp. de
la media
19,92
60
9,645
1,245
18,57
60
8,420
1,087

N
Par 1
en el 2 trimestre
Correlacin
60
Sig.
,000
,645

Media
Par 1
en el 2 trimestre
1,35
Desviacin
tp.
7,691
Error tp. de
la media
,993
95% Intervalo de
confianza para la
diferencia
Inferior
Superior
-,64
3,34
gl
1,360
Sig. (bilateral)
59
,179
Observando los valores de las medias de faltas comprobamos que no existe

una gran diferencia entre las faltas del 1 trimestre y las faltas del 2 trimestre.
Referente a la significacin, vemos que es mayor a 5% por ende nos
quedamos con la hiptesis nula, que dice que no existen diferencias significativas
entre el nmero de faltas cometidas en el primer trimestre y el nmero de faltas
cometidas en el segundo trimestre.
8. Comprueba si los alumnos con una nota final superior o igual a 5 tienen
un nmero de faltas mayor en el segundo trimestre que en el tercero, con un
nivel de significacin del 5%.
OFIMATICA II
54
II CICLO
El primer que debemos realizar es la identificacin de las variables con las

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

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

de Kolmogorov-Smirnov. Antes de realizar otro paso debemos seleccionar los
casos, ya que nos piden que comprobemos las diferencias de nmero de faltas
solo para los alumnos que tienen una nota final superior o igual a cinco. Para
realizar la seleccin de los casos nos vamos a men, datos, seleccionar casos,
seleccionar si se satisface la condicin. Una vez aqu debemos poner la
condicin, que sera escoger solamente a los alumnos con nota igual o superior a
cinco; esto queda de la siguiente forma:
OFIMATICA II
55
II CICLO
56
De este modo tenemos seleccionados nicamente los casos que nos

interesan.
Seleccionados los casos debemos segmentar el archivo, seleccionando la
opcin comparar grupos. Acto seguido introducimos la nueva variable creada
(nota final pero solo con los que tienen cinco o una nota superior).
Ahora aplicamos la prueba de Kolmogorov-Smirnov, contrastando las
variables de nmero de faltas en el primer trimestre y nmero de faltas en el
tercer trimestre.
Los resultados que obtenemos son los siguientes:
notfinal >= 5 (FILTER)

Seleccionado
N
Media
Desviacin tpica
Diferencias ms
extremas
Absoluta
Positiva
Negativa
N de faltas
en el 2
trimestre
44
16,41
N de faltas
en el 3er
trimestre
43
14,37
8,587
9,355
,133
,133
-,099
,880
,421
,181
,181
-,139
1,190
,118

En la tabla podemos apreciar que la significacin es mayor a 5%, por

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

Al introducir las variables obtenemos estos resultados:
57

Seleccionado
Media
Par 1
N de faltas en
el 2 trimestre
N de faltas en
el 3er trimestre
Desviacin
tp.
Error tp. de
la media
16,47
43
8,680
1,324
14,37
43
9,355
1,427

Seleccionado
N
Par 1
N de faltas en el 2
en el 3er trimestre
Correlacin
43
,597
Sig.
,000


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

el nmero de faltas en el trimestre 3 son ligeramente diferentes en un caso y en
otrora, ya que la media de faltas el segundo trimestre es mayor que la del tercer
trimestre. Esto significa que se ha cometido mayor nmero de faltas en el
segundo trimestre aunque la diferencia no es muy abultada.
La significacin es mayor al 5% por lo que debemos quedarnos con la
hiptesis nula que dice que la media de faltas en el segundo trimestre para los
alumnos con una nota superior o igual a cinco es igual o similar a la media de las
faltas cometidas en el tercer trimestre para los mismos alumnos.
OFIMATICA II
II CICLO
58
OFIMATICA II

Manual de Practicas de Spss Junio Final

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Manual de Practicas de Spss Junio Final

Uploaded by

Copyright:

Available Formats

II CICLO

Manual de Practica de SPSS

PROFESOR EDIDSON FUENTES

Manual de Practica de SPSS

Para realizar esta prctica hemos abierto el programa SPSS y hemos

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

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

PROFESOR EDIDSON FUENTES

Manual de Practica de SPSS

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

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

PROFESOR EDIDSON FUENTES

Manual de Practica de SPSS

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

Como vemos hemos aadido en variables numricas segundos

PROFESOR EDIDSON FUENTES

Manual de Practica de SPSS

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

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

PROFESOR EDIDSON FUENTES

Manual de Practica de SPSS

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

Una vez realizado esto obtenemos la siguiente tabla:

PROFESOR EDIDSON FUENTES

Manual de Practica de SPSS

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

PROFESOR EDIDSON FUENTES

Manual de Practica de SPSS

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

Realizado esto obtenemos las siguientes tablas de resultados:

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

PROFESOR EDIDSON FUENTES

Manual de Practica de SPSS

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

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

PROFESOR EDIDSON FUENTES

Manual de Practica de SPSS

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

Nota final asignatura?

Nota final asignatura?

Nota final asignatura?

Vemos que en ambos casos coinciden

PROFESOR EDIDSON FUENTES

Manual de Practica de SPSS

PRCTICA 2: ANLISIS EXPLORATORIO DE DATOS

PROFESOR EDIDSON FUENTES

Manual de Practica de SPSS

Metros cuadrados del aula? Stem-and-Leaf Plot

PROFESOR EDIDSON FUENTES

Manual de Practica de SPSS

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

PROFESOR EDIDSON FUENTES

Manual de Practica de SPSS

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

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

PROFESOR EDIDSON FUENTES

Manual de Practica de SPSS

Pulsamos seguidamente en grficos y seleccionamos los grficos de tallo y

Obtenemos las siguientes tablas:

PROFESOR EDIDSON FUENTES

Manual de Practica de SPSS

Sexo del encuestado?

Intervalo de confianza para la media

El grfico de tallo y hojas queda as: