Professional Documents
Culture Documents
Prlogo
La
los
fenmenos
constructos
investigar
son
multidimensionales,
obtencin
de
hallazgos
contundentes
replicables
implica
una
Introduccin
La
curiosidad del ser humano por saber por qu? y para qu? de las
1Debido
al uso de este sofware (SPSS), varias de las tablas reportadas en los diferentes
Introduccin 15
Como parte final pero no por ello menos importante, cabe destacar que el
contenido de este libro se basa en los apuntes de la ctedra sobre estadstica,
dictada por la doctora Sofa Rivera Aragn, en el doctorado de psicologa de la
Facultad de Psicologa de la Universidad Nacional Autnoma de Mxico. Es
conveniente denotar que para su publicacin se cont con la autorizacin y
coautora de la doctora Rivera Aragn.
Medicin
Escalas de medicin
Nominal
TABLA 1
OPININ DE LOS CIUDADANOS DEL DISTRITO FEDERAL SOBRE LA INFIDELIDAD
Infidelidad Frecuencia
1
2
40
60
Requiere que los objetos de un conjunto de variables puedan ser ordenados por
rangos respecto a una caracterstica o propiedad. Los valores numricos asignados
a los objetos ordenados se llaman valores de rango. En esta medicin los nmeros
no indican cantidades absolutas ni tampoco que los intervalos entre los nmeros
sean iguales, por lo que marca la organizacin de los rangos pero no seala la
magnitud de las diferencias entre stos, e.g. las etapas del desarrollo humano:
Niez
Adolescencia
Adultez
Vejez
Medlcin 21
TABLA 2
Coeficiente intelectual
130 o ms
120-129
110-119
90-109
80-89
70-79
50-69
30-49
29 o menos
Clasificacin
Muy superior
Superior
Normal brillante
Normal
Subnormal
Limtrofe
Deficiente mental superficial
Deficiente mental medio
Deficiente mental profundo
De razn
Ejemplo
En una investigacin que tiene por objetivo conocer la relacin entre la
satisfaccin marital, la escolaridad y el sexo. El sexo (hombres y mujeres) es una
variable nominal en la que a los hombres (H) se les asigna el valor numrico de 1 y
a las mujeres (M) se les asigna el valor numrico
2. El nivel de escolaridad (primaria, secundaria, preparatoria, licenciatura y
posgrado) es una variable ordinal que va de menor a mayor escolaridad, ordenada
de la siguiente manera:
Primaria
Secundaria
Preparatoria
Licenciatura
Posgrado
22 Mirna
TABLA 3
Definicin
Funcin
Propiedad
Estadstica
empleada
Nominal
Categoriza
una variable.
Nombra
Igualdad
No
Ordinal
Ordena una
variable.
Jerarquiza las
categoras
Intervalo
Conoce la
distancia entre
intervalos.
Paramtrica.
Conoce
la Cuantifica una Cero
absoluto.
proporcin
variable.
entre las variables.
Paramtrica.
Razn
categoras.
paramtrica.
>o<
(mayor
menor)
IMSM
No
o paramtrica
Ejemplo
Estado civil:
solteros, casados, unin
libre, viudos,
divorciados:
sexo: hombres y
mujeres.
Escolaridad:
primarla, secundarla, preparatoria.
Inteligencia:
limtrofe, normal, nomal
brillante, superior.
Las medidas de
distancia:
metro, decmetro, hectmetro y
kilmetro.
Medicin
23
Estadstica descriptiva
27
Ejemplo
Se encuesto con un cuestionario abierto a una muestra de 300 personas,
hombres y mujeres, sobre el significado del funcionamiento familiar. Una vez
que se obtuvieron los datos se procedi a su organizacin, lo que se hizo
mediante una distribucin de frecuencias, tal como se observa en la tabla 4.
TABLA 4
Sexo
Hombres
144
Mujeres
156
Total
300
28
TABLA 5
Significados generales
Organizacin y estructura
Emocional-valorativa
Afectivo-funcional
Funcional
Afectiva
total
Hombres
Mujeres
25
44
53
16
6
144
20
66
54
13
3
156
La tabla 6 presenta que del total de la muestra, el 48 por ciento son hombres y
el 52 por ciento son mujeres.
Estadstica descriptiva 29
TABLA 6
FRECUENCIAS ABSOLUTA Y RELATIVA DE LA CATEGORA SEXO
Sexo
fr (%)
Hombres
144
48.0
Mujeres
Total
156
52.0
300
100
TABLA 7
Hombres
f
fr(%)
Mujeres
f
r(%)
Organizacin y estructura
25
17.4
20
12.8
Emocional-valorativa
Afectivo-funcional
Funcional
Afectiva
Total
44
53
16
30.6
36.8
66
42.3
34.6
8.3
11.1
54
13
4.2
1.9
144
100
156
100
30 Mirna
TABLA 8
FRECUENCIAS ABSOLUTA, RELATIVA Y AJUSTADA DEL SIGNIFICADO DE
FUNCIONAMIENTO FAMILIAR EN HOMBRES Y MUJERES
Significados generales
Organizacin y estructura
Emocional-valorativa
Afectivo-funcional
Funcional
Afectiva
Total
Hombres
Mujeres
fr (%)
25
17.4
17.4
20
12.8
20
44
53
16
6
144
30.6
36.8
11.1
4.2
100
30.6
36.8
11.1
4.2
100
66
54
13
3
156
42.3
34.6
8.3
1.9
100
86
140
153
156
fa (%)
fr (%)
fa (%)
En esta tabla la fr y fa (%) son iguales debido a que no hubo valores perdidos.
Con fines de ejemplificar la fa (%) la tabla 9 muestra las frecuencias del estado civil
de la muestra.
Tabla 9
FRECUENCIAS DEL ESTADO CIVIL DE HOMBRES Y MUJERES
Estado civil
fr(%)
Casado
120
40.0
40.3
Soltero
Unin libre
Divorciado
Separado
Viudo
Total
151
13
8
3
3
298
2
50.3
4.3
2.7
1.0
1.0
99.3
.7
50.7
4.4
2.7
1.0
1.0
100.0
300
100.0
Valores perdidos
(missing)
0
Total
fa (%)
Estadstica descriptiva 31
La frecuencia acumulada (la) ordena los puntajes del total de casos de una
categora. Se obtiene al sumar la frecuencia de un puntaje dado a la frecuencia de
la categora debajo de ella. Al resultado de esta operacin, se suma en forma
acumulativa el puntaje de la categora debajo de ella, y as sucesivamente hasta
tener incluidos el total de los casos. Siguiendo el ejercicio de los significados de
funcionamiento familiar, la tabla 10 presenta las frecuencias absolutas, relativas,
ajustadas y acumuladas por hombres y mujeres.
TABLA 10
FRECUENCIAS ABSOLUTAS, RELATIVAS, AJUSTADAS Y ACUMULADAS DE HOMBRES Y
MUJERES CON RELACIN AL SIGNIFICADO DEL FUNCIONAMIENTO FAMILIAR
Significados
generales
Hombres
f
fr (%) fa (%)
Mujeres
fa
fr(%)
fa (%)
fa
20
66
54
13
3
12.8
42.3
34.6
8.3
1.9
100
12.8 12.8
42.3 55.1
34.6 89.7
8.3
98.1
1.9 100.0
100
Organizacin
y estructura
Emocional-valorativa
Afectivo-funcional
Funcional
Afectiva
total
25
44
53
16
6
144
Ejercicio SPSS
Para obtener los cuatro tipos de frecuencia en SPSS de las 300 personas, se realizan
los siguientes pasos:
32
Estadstica descriptiva 33
Paso 5. Se coloca el cursor en el icono de OK, se presiona el botn izquierdo del mouse obtenindose los cuatro tipos de frecuencias, en donde:
frequency es frecuencia absoluta, percent es frecuencia relativa, valid percent
es frecuencia ajustada y cumulative percent es frecuencia acumulada.
Sofa Rivera Aragn
34 Mima Garca Mndez
SIGNIFICADOS GENERALES
Frequency Percent
Valia
Percent
Cumulative
Percent
15.0
36.7
35.7
9.7
3.0
100.0
15.0
51.7
87.3
97.0
100.0
Valid organizacin
y estructura
emocional-valorativa
afectivo-funcional
funcional
afectiva
Total
45
110
107
29
9
300
15.0
36.7
35.7
9.7
3.0
100.0
2Con fines didcticos se presentarn las tablas del SPSS, aunque stas no se reportan en
una investigacin, se abstraen los datos que el investigador desea resaltar y se muestran en
otro formato.
Estadstica descriptiva 35
TABLA 11
DISTRIBUCIN DE EDAD POR FRECUENCIAS EN HOMBRES Y MUJERES.
Edad
Edad
21
31
22
32
23
13
24
Edad
Edad
15
41
51
18
42
52
33
16
43
1
1
7
53
13
34
13
44
54
25
11
35
16
45
55
26
17
36
46
56
27
11
37
18
47
57
28
13
38
14
48
58
29
19
39
15
49
59
30
15
40
13
50
60
Total
4
351
TABLA 12
DISTRIBUCIN DE EDAD POR INTERVALOS EN HOMBRES Y MUJERES
Intervalo de clase
56-60
51-55
46-50
41-45
16
30
37
36-40
31-35
26-30
21-25
69
78
75
40
Total 351
36
TABLA 13
Limits inferior
Intervalo de clase
Lmite superior
55.5
50.5
45.5
56-60
51-55
46-50
60.5
55.5
50.5
40.5
35.5
30.5
25.5
41-45
36-40
31-35
26-30
45.5
40.5
35.5
30.5
20.5
21-25
25.5
Representacin grfica
Los resultados que se obtienen de la investigacin se pueden representar en tablas
o grficas, pero nunca se debern emplear ambas alternativas para presentar los
mismos datos; por ejemplo, si la escolaridad de la muestra se presenta en tablas,
ya no se utilizar la figura, porque ello implica repetir la informacin. Hay
investigadores que se inclinan por el uso de figuras debido a que atraen la atencin
visual del observador.
Una de las caractersticas de las grficas consiste en que se basan en una
recta numrica (vase grfica 1).
GRFICA 1
Estadstico descriptiva 37
1. Barras
2. Pastel
3. Histograma
4. Ojivas
5. Polgonos de frecuencia
Las grficas de barras y pastel se aplican nicamente a variables nominales y
ordinales; mientras que los histogramas, ojivas y polgonos de frecuencia se
emplean en variables ordinales, intervalares y de razn.
Grfica de barra
38
GRFICA 2
NIVELDEESCOLARIDAD
GRFICA 3
Estadstica descriptiva 39
Grfica de histograma
Se emplean en variables continuas3 y se elaboran con base en el lmite
inferior del intervalo. La grfica 6 muestra los intervalos de edad de la
Una variable continua es aquella que asume un conjunto ordenado de valores dentro de un
GRFICA 5
NIVELESDEESCOLARIDADENHOMBRESYMUJERES
muestra de 351 sujetos de las tablas 12 y 13. Las barras estn unidas porque denotan continuidad del intervalo de menor edad (21-25) al de mayor
edad (56-60).
GRFICA 6
Estadstica descriptiva 41
Otro ejemplo relacionado con los histogramas es el caso del constructed esperanza, medida por una escala cuyos intervalos de respuesta
van del 1 al 5. Esta escala se constituye por dos dimensiones: importancia y
probabilidad, cada una con 10 factores (Vargas, Garca-Mndez, DazLoving y Rivera, 2004). El histograma de la figura 7 muestra el comportamiento de uno de los factores de probabilidad -ayuda paterna- en una
muestra de 300 personas del D.E
GRFICA 7
42
G RFICA 8
RANGOS DE EDAD
Estadstica descriptiva 43
Media es un promedio.
Mediana divide en dos a la muestra.
Moda es el valor que se repite con mayor frecuencia.
Tabla 14
MEDIDAS DE TENDENCIA CENTRAL
Representacin
Paramtrica
No paramtrica
X (media)
Md (mediana)
Mo (moda)
Nivel de medicin
Intervalar
Ordinal
Nominal
Exactitud
Exacta
Variable
Inestable
Como se observa en la tabla 14 es usual emplear letras latinas para representar las caractersticas de una muestra y las letras griegas para los
parmetros de una poblacin (Downie y Heath, 1973). En el caso de la tabla
14, la X(media) es un estimador debido a que es un valor que representa
una caracterstica de la muestra, y la (media) es un parmetro, porque es
un valor que representa las caractersticas de una poblacin.
Estas medidas de tendencia central son empleadas en la toma de
decisiones e indican el punto medio de una distribucin, tal como se
observa en la grfica 10.
44
GRFICA 10
DISTRIBUCIN NORMAL
Media
La media aritmtica X es la medida de tendencia central ms utilizada en la
investigacin, se obtiene al sumar el total de puntajes obtenido por la muestra,
dividido entre el nmero total de la muestra (Clark-Carter, 1997; Levin y Levin,
2002; Downie y Heath, 1973). Su frmula es:
Donde:
La media.
La suma expresada por la letra griega sigma
Datos crudos
Nmero de casos
Esta frmula se emplea en datos no agrupados (datos crudos) en muestras
pequeas.
Estadstica descriptiva
45
Ejemplo 1
Conocer la media de edad de una muestra de diez sujetos
Cuando se trabaja con datos agrupados por frecuencias o por intervalos y con
muestras grandes, la media se obtiene con la siguiente frmula:
donde:
La media.
La suma expresada por la letra griega sigma
Los puntajes en crudo de la muestra
Un puntaje multiplicado por su frecuencia de ocurrencia
La suma de los fx
Nmero de casos
46
Ejemplo 2
Se aplic a una muestra de 330 hombres y mujeres la escala de depresin de Zung
(1965) (SDS).4 La presencia o ausencia de depresin se evalu con base en cuatro
niveles:
1 = < 50% sin depresin
2 = > 50% depresin leve
3 = > 60% depresin moderada
4 = > 70% depresin grave
Primero se obtienen las frecuencias de ocurrencia en cada uno de los niveles de
depresin.
Niveles de depresin
1
2
3
4
f
264
45
14
7
Despus se obtiene la fx, al multiplicar cada una de las frecuencias por el nivel
de depresin correspondiente.
4 SDS
son las siglas del nombre de la escala en ingls: Self-Rating Depression Scale.
Estadstica descriptiva 47
Esta media de 1.3 indica que la mayora de los 330 sujetos se ubican en el
nivel 1, lo que significa que en promedio la muestra no tiene depresin.
Ejemplo 3
Para obtener la media de aos de unin de una muestra de 352 sujetos que
vivan con una pareja al momento de la investigacin, los datos se agruparon en
intervalos. Una vez derivados los intervalos, se obtiene la marca de clase (Mx) o
punto medio de cada intervalo donde 33 es el, punto medio del intervalo 31-35
porque 33 + 2 = 35 y 33- 2 = 31.
Intervalo
Mx
31-35
33
26-30
21-25
16-20
11-15
6-10
1-5
28
23
18
13
8
3
48
Intervalo
Mx
31-35
33
26-30
21-25
16-20
11-15
6-10
1-5
28
23
18
13
8
3
24
34
49
84
110
43
Edad
18
21
19
20
21
22
23
24
22
32
26
14
18
12
n = 145
Estadstica descriptiva 49
Posicin de la Md
Siguiendo con el ejemplo de la edad:
Posicin de la Md
Para localizar el nmero 73 se saca la frecuencia acumulada (fa) la cual se
revis al inicio de este captulo.
Edad
fa
18
21
145
19
20
21
22
23
24
22
32
26
14
18
12
n= 145
124
102
70
44
30
12
La moda (Mo) es una medida de tendencia central para datos no agrupados, cuyo valor se presenta ms veces. En el ejemplo anterior la Mo es
50
Ejercicio
SPSS
SPSS ,
se retomar el ejercicio de
Estadstica descriptiva 51
Significados generales
N
Valid
Missing
Mean
Median
Mode
300
0
2.4900
2.0000
2.00
Las medidas de dispersin son importantes en la descripcin de la distribucin, debido a que indican el grado en que varan los datos con relacin a
la parte central de la curva normal, lo que las convierte en un elemento
inseparable de las medidas de tendencia central; adems estas medidas de
dispersin slo pueden aplicarse a medidas de rango e intervalares. Las ms
empleadas son:
1. Rango
2. Desviacin estndar
3. Varianza
4. Sesgo
5. Curtosis
6. Error estndar
Rango (R)
Estadstica descriptiva
53
Desviacin estndar
(o = parmetro de la poblacin) (s = estimador de la muestra)
La desviacin estndar nicamente se puede emplear en medidas intervalares.
Es una puntuacin que indica la distancia con relacin a la media, razn por la
que la media no tiene significado sin la desviacin. De esta forma, como se
observa en la grfica 11, la desviacin representa la variabilidad promedio de una
distribucin.
G RFICA 11
REPRESENTACIN DE LA DESVIACIN ESTNDAR EN
UNA DISTRIBUCIN NORMAL
54
Su frmula es:
donde:
s = Desviacin estndar
Suma de frecuencias de puntajes crudos elevados al cuadrado
n = Nmero total de casos
(X)2 = Media elevada al cuadrado
Para entender la desviacin estndar de la cual depende la significancia, es
necesaria la curva (vase grfica 12) que representa el 100 por ciento de la
probabilidad. De esta manera, 100 por ciento es el rea bajo la curva.
GRFICA 12
REPRESENTACIN DE LA SIGNIFICANCIA A PARTIR DE LA DESVIACIN
ESTNDAR EN UNA DISTRIBUCIN NORMAL
Estadstica descriptiva
54
Ejemplo
49
2
3
4
5
74
34
15
4
n = 176
fx
49
49
2
3
4
5
74
34
15
4
n = 176
148
102
60
20
S/x = 379
56
fx
fx2
49
49
2
3
4
5
148
102
60
20
296
306
240
100
2/x2 = 991
por lo que
4. Una vez que se tiene la X = 2.15 hijos, sta se eleva al cuadrado (X)2 4.62
y entonces:
Varianza (s2 o 2)
Estadstica descriptiva
57
Sesgo
El sesgo se refiere a la variacin de una distribucin, es el grado de asimetra de
la distribucin observada por el nmero de casos agrupados en una sola
direccin. Su interpretacin est asociada con el valor y el signo, esto es:
Valor - 4 a + 4
Signo + El signo implica el nivel de asimetra de la curva, cuando ms cercana est al
cero, la curva es normal, cuando ms cercana est al cuatro, la curva es asimtrica
o sesgada.
Ejemplos
Una muestra de 60 mujeres se clasific por la actividad que realizaban de la
siguiente manera: 1. estudiantes, 2. empleadas, y 3. sin actividad. En la grfica 13
se puede ver que la mayora de la muestra era estudiante, lo que se refleja en el
sesgo positivo de la grfica 13.
GRFICA 13
ACTIVIDADES REALIZADAS POR MUJERES
GRFICA 14
LA COMUNICACIN COMO ELEMENTO DEL
FUNCIONAMIENTO FAMILIAR
Curtosis (K)
Es el nivel de picudez de una curva, esto es, su grado de elevacin o
aplanamiento. A diferencia del sesgo, la curtosis es una z4 sobre el nmero de
sujetos.
Estadstica descriptiva
59
Ejemplos
El nmero de hijos en una muestra de 176 parejas fluctu entre uno y cinco,
predominando las parejas con dos hijos, tal como se observa en la grfica 15, lo
que hace que la curva sea alta o picuda (leptocrtica).
GRFICA 15
NMERO DE HIJOS
La grfica 16, representa una curva mesocrtica, esto es, una distribucin
normal en una muestra de 60 mujeres, 30 con diagnstico que indica problemas
de alimentacin y 30 sin problemas alimenticios.
La grfica 17, muestra una curva platocrtica hipottica, que se caracteriza
por su distribucin relativamente plana.
De esta manera se observa que el sesgo y la curtosis indican la asimetra, el
sesgo hacia uno u otro lado de la curva y la curtosis a travs de la elevacin de la
misma.
60
GRFICA 16
DIAGNSTICO DE PROBLEMAS EN LA ALIMENTACIN
G RFICA 17
CURVA PLATOCRTICA
Error estndar ( o e)
El error estndar es la diferencia entre la media muestral y la media
poblacional, est vinculado al error de muestreo.
Estadstica descriptiva
61
Ejercicio SPSS
SPSS
las que se les aplic la escala de depresin de Zung (1965) se llevan a cabo los
siguientes pasos:
Paso 1. En la base de datos se coloca el cursor en analyze, se presiona el botn
izquierdo del mouse, aparece un men en el que se coloca el cursor en descriptive
statistics y se presiona el botn izquierdo del mouse, nuevamente se muestra un
men en el que se presiona con el botn izquierdo del mouse, frequencies.
Paso 3
63
STATISTICS
Rangos
N
Valid
Missing
Std. Deviation
Variance
Kurtosis
Std Error of Kurtosis
Range
64
330
22
.6458
.4171
6.138
.268
3.00
Los valores de la tabla del SPSS indican que de los 330 casos analizados, 22
quedaron fuera debido a que dejaron sin contestar varios de los reactivos que
incluye la escala. Los valores de la desviacin estndar y la varianza indican una
distribucin normal, la curtosis muestra que la mayora de las personas se ubica
en uno de los cuatro rangos de depresin, y el rango seala que de los cuatro
intervalos de respuesta de la escala, el 3 fue el que obtuvo mayor frecuencia.
Como parte final de este captulo, la tabla 15 presenta las pruebas de la
estadstica descriptiva y los tipos de grficas asociadas con el nivel de medicin
revisados en el captulo uno.
TABLA 15
ESTADSTICA DESCRIPTIVA
Nominal
Grficas
Barras
Medidas de
tendencia central
Medidas
dispersin
de
Correlacin
Moda
No hay
Coeficiente Phl
C de contingencia
V de Cramer
Pastel
Ordinal
Barras
Pastel
Moda
Mediana
No hay
Tau b de Kendall
Tau c de Kendall
Gamma de KrusKal y
Godman
Spearman
Incertldumbre
Intervalar
Ojiva
Polgonos de
frecuencia
Histograma
Moda
Mediana
Media
1.
Rango
2. Error
3. Desviacin
4. Varianza
5. Sesgo
6. Curtosis
Eta
Pearson
Estadstica descriptiva
65
Estadstica inferencial
Aplicaciones de la
estadstica inferencial
69
Ejemplo
TABLA 16
HIPTESIS ESTADSTICAS
Tipo
Notacin
Nula
Ho
Definicin
Niega la relacin o
diferencia
entre
variables
Formas
a)
b)
Funcin
Alterna H1
70
Presencia
de
la
relacin o la diferencia
Ejemplos
Ho de comparacin
Se identifica la variable dependiente (VD) y la independiente (VI) o de
clasificacin (VE).
VD =
Asertividad
Ho de relacin
V1 = Agresin (X)
v2 = Niveles de testosterona (Y)
Ho = No existe relacin entre agresin y el nivel de testosterona en hombres.
Con notacin estadstica
Ho: rxy = 0
Estadstica inferencial 71
VD =
Calidad de vida
vc = Estado civil: casados y solteros
H1 = S hay diferencias estadsticamente significativas en la calidad de vida
entre solteros y casados.
Con notacin estadstica
Los solteros tienen mayor calidad de vida que los casados. Con notacin
estadstica
72
No paramtrico
Estadstica inferencial
73
Ventajas
Desventajas
74
TABLA 17
Prueba
Objetivo
Nivel de
medicin
X2
Conocer la
distribucin de
la muestra
Nominal y
ordinal
Bondad de
ajuste
Por homogeneidad
Conocer si
existen diferencias entre
dos o ms grupos
IndepenConocer si
dencia
existe relacin
entre dos o ms
variables
Correccin de Conocer difeYates
rencias o asociacin entre
variables en
muestras pequeas
McNemar
Comparar si
existen diferencias antes y
despus de un
evento
T de
Comparar si
Wilcoxon
existen diferencias antes y
despus de un
evento
U de Mann
Comparar si
Whitney
existen diferencias entre
dos grupos
Nominal y
ordinal
Anlisis de
varlanza de
KrusKall Wallis
Comparar si
existen diferencias entre
tres o ms grupos
Diseo
De una muestra
Muestreo
Instrumentos
No
probabilsticos
Cuestionarios:
abiertos cerrados
Jerarquizacin
observaciones
De dos o ms
muestras independientes
Nominal y
ordinal
De una muestra
Nominal y
ordinal
De una muestra o
de dos muestras
independientes
Nominal y
ordinal
Pretest-postest
No probaAntes-despus
bilstico
Una sola muestra
medida dos veces
Cuestionarios:
abiertos cerrados
jerarquizacin
observaciones
Ordinal
No probaPretest-postest
bilstico
Antes-despus
Una sola muestra
medida dos veces
Ordinal
No probabilstico
Ordinal
Ms de dos
muestras independientes
Probabilstico
Escalas
Estadstica Inferencial
75
TABLA 17
(Continuacin)
Prueba
Nivel de
medicin
Diseo
Muestreo
Instrumentos
Comparar
tres o ms
mediciones en
un grupo
Ordinal
De medidas
repetidas
Tres o ms
muestras relacionadas
No probabilstico
Probabilstico
Escalas
Ordinal
De una sola
muestra
Escalas
Nominal.
De una sola
Se aplica a
muestra
tablas de
contingencia
de 2x2 (tablas
pequeas)
No probabilstico
Probabllstico
No probabilstico en
muestras
grandes
Anlisis de
varianza de
Friedman
Objetivo
de asociacin
laciones entre
dos variables
C de contingencia
Nominal.
De una sola
Se aplica a
muestra
tablas de
contingencia
mayores de
2x2 (tablas medianas)
No probabilstico
V de
Cramer
Nominal.
De una sola
Correccin a la muestra
C de
contingencia
No probabilstico
Cuestionarios:
abiertos
cerrados
jerarquizacin
observaciones
Estadstica inferencial
77
TABLA 18
TCNICAS DE MUESTREO
Tcnicas de muestreo no
probabilstico
Aleatorio simple
Accidental
Intencional
Por cuota
Prueba
Objetivo
Nivel de
medicin
Diseo
Muestreo
Coeficiente
Relacionar dos
Productovariables
m o m e n t o de
Pearson
Intervalar
De una sola
muestra
Correlacional bivariado
Proba bilistico:
Muestra
grande
Prueba t de
student
VD a nivel
De dos muestras Probabilstico:
I n t e r v a l a independientes
Muestra
r
pequea n
<30
VI {Nominal De dos muestras
VC {y
independientes
VE {Ordinal
Muestra
Dos muestras
grande n >
relacionadas
30
pretest-pos- test
Antes-despus
Discriminacin de
reactivos
Comparar dos
grupos
Comparar dos
condiciones o
mediciones
Prueba post hoc
del Anova
78
Instrumentos
Escalas
Escalas
Prueba
Objetivo
Nivel de
medicin
Anova
(anlisis de
varianza)
Diseo
Muestreo
Tres o ms
muestras independientes
Probabilistico:
Muestra
grande
Factoriales
Muestra
grande 15
sujetos mnimo por celdilla
Instrumentos
Escalas
a) simple de
una va
b) factorial de Comparar dos o
dos vas
ms variables
Independientes
con tres o ms
categoras
vi {Nominal
vc {y
ve {Ordinal
Pruebas de la estadstica no
paramtrica
Cuando
existe
duda
Generalmente las pruebas para una muestra simple son pruebas de bondad de
ajuste que tienen como objetivo conocer la distribucin de la muestra.
Chi cuadrada (X2)
83
donde:
suma de todas las casillas, de la primera a la ltima.
frecuencia obtenida,
frecuencia esperada.
La frmula para obtener las fe es
fe= N /k
donde:
N = nmero de personas.
k = nmero de categoras o columnas.
De esta manera, el procedimiento para obtener la X2 consiste en restar cada
frecuencia esperada de su correspondiente frecuencia obtenida, la diferencia de
esta resta, se eleva al cuadrado y se divide entre la frecuencia esperada, estos
resultados parciales se suman y se obtiene el valor de la chi cuadrada.
Una vez que se obtiene el valor de la chi cuadrada, se requiere conocer los
grados de libertad (gl) que se definen como la amplitud de variacin contenida
en una condicin de investigacin, lo que significa la posibilidad de variacin
(Kerlinger y Lee, 2001; Downie y Heath, 1973). Asimismo, junto con los grados
de libertad, se requiere de una tabla de valores de X2 para conocer de acuerdo
con los gl y al valor de la X2, si sta es o no significativa.
84
donde:
k = nmero de columnas de la tabla de contingencia
Tambin la X2 se utiliza en muestras independientes, en este caso se le
conoce como prueba de homogeneidad y su objetivo es conocer si existen
diferencias entre dos o ms grupos.
Un tercer uso de esta prueba, es como prueba de independencia, aqu su
objetivo es conocer si existen relaciones entre dos o ms variables en una
muestra.
Un cuarto uso es como prueba de correccin por continuidad de Yates, la cual le
da mayor precisin a la X2 cuando tiene fe pequeas.
En los tres primeros casos -bondad de ajuste, homogeneidad, independencia- la chi
cuadrada se obtiene con la misma frmula.
Reglas para su empleo
Pruebas de la estadstica
no paramtrica
85
Frituras
fo
15
fo
28
fe
15
86
fe
15
Refrescos
fo
0
fe
15
Dulces
fo
7
60
fe
15
H1 se acepta y Ho se rechaza.
Pruebas de la estadstica
no paramtrica
87
Interpretacin de resultados
Ejercicio SPSS
Se emplear el mismo ejercicio desarrollado por la frmula de preferencias de
productos chatarra por nios preescolares.
Paso 1. Se crea una variable que se denominar preferencias e incluir 5
niveles de respuesta: 1 = pastelitos; 2 = frituras; 3 = refrescos; y 4 = dulces.
Debido a que incluir las respuestas de los 60 nios en la base de datos implica
mucho espacio, nicamente se presentarn los datos de 10 nios, pero el anlisis y
los resultados se llevarn a cabo con el total de las respuestas de los participantes.
De esta manera la base de datos queda as:
88
Pruebas de la estadstica
no paramtrica
89
Expected N
Pastelillos
15
15.0
.0
Frituras
Refrescos
Dulces
Total
28
10
7
60
15.0
15.0
15.0
13.0
-5.0
-8.0
90
Residual
TEST STATISTICS
Preferencias
Chi-Squarea
df
Asymp. Sig.
17.200
3
.001
Frituras
Refrescos
Dulces
X2
28
10
17.20
gl
3
p
.00 1
N = 60.
SPSS
las
Interpretacin de resultados
Estas pruebas implican dos medidas de una sola muestra. Se emplean cuando
el investigador desea conocer si un tratamiento es mejor que otro o si
dos tratamientos son diferentes. En este tipo de estudios se pueden em-
Pruebas de la estadstica
no paramtrica
91
plear dos grupos, sin embargo, los resultados que se obtengan pueden estar
relacionados con un conjunto de eventos ajenos al tratamiento. Estos eventos se
conocen como variables extraas. Con la finalidad de controlar el efecto de
estas variables extraas, la persona puede fungir como su propio control, esto
es, se le expone a ambas condiciones en diferentes ocasiones. Otra alternativa es
el mtodo de apareamiento, en el que se seleccionan pares de personas lo ms
semejantes posible en torno de las variables extraas que puedan influir en los
resultados del tratamiento. El inconveniente de este mtodo es que depende de
la capacidad del investigador para establecer que tan iguales son los pares
(Siegel y Castellan, 2003).
McNemar
Es una prueba til en los diseos antes-despus (lvarez, 1995) en los que cada
sujeto se utiliza como su propio control. En la prueba de McNemar el objetivo es
probar la significacin de los cambios observados a partir de una tabla de
contingencia 2x2 (Siegel y Castellan, 2003; Conover, 1980).
92
Los signos positivo y negativo slo se emplean para indicar que hubo un
cambio sin connotacin de bueno o malo.
Como se observa en la tabla, A + D son las personas cuyas respuestas
cambiaron. De esta manera, la Ho plantea que el nmero de cambios en cada
direccin es el mismo.
Sustituyendo la frmula:
donde:
suma
frecuencia obtenida
frecuencia esperada
se obtiene lo siguiente:
Pruebas de la estadstica
no paramtrica
93
94
Paso 3. Distribucin de las respuestas de los padres antes y despus del taller.
Despues
Desacuerdos
Acuerdos
Acuerdos
Desacuerdos
30
Antes
Interpretacin de resultados
Pruebas de la estadstica
no paramtrica
95
Ejercicio SPSS
La base de datos contiene las respuestas de los 50 padres de familia; sin embargo,
con fines prcticos en esta tabla nicamente se incluye la informacin de 20
padres. La base de datos del paso 2, slo incluye 10 de los 20 casos, no obstante
los anlisis que se presentan son a partir de todos los casos
Paso 1. Se coloca el cursor en Analyze y se da clic en el botn izquierdo del
mouse.
96
Paso 3. Al hacer clic en Crosstabs, se abre un men en el que aparecen las dos
condiciones de investigacin (antes/despus), se da clic en el cuadro de Statistics.
Pruebas de la estadstica
no paramtrica
97
Se coloca el cursor en despus y se da clic en el icono que est entre antesdespus y Column(s), entonces despus aparece en Column(s). Se hace clic en OK y
se muestran los resultados en tablas.
ANTES-DESPUS CROSSTABULATION
Count
ANTES
Acuerdo
Desacuerdo
30
36
Total
Total
15
5
14
35
50
CHI-SQUARE TESTS
Pearson Chi-Square
Countinity Correctiona
Likelihood Ratio
Value
df
10.884b
.001
8.735
.003
10.397
.001
.002
10.667
.002
.001
Association
McNemar Test
N of Valid Cases
.00lc
50
99
TABLA 21
Despus
Antes
Desacuerdos
Acuerdos
Acuerdos
Desacuerdos
30
1. Plantear hiptesis.
2. Determinar probabilidad alfa ( ).
3. Obtener las calificaciones de la muestra antes y despus.
4. Obtener las diferencias de la primera y segunda aplicacin.
5. Ordenar de mayor a menor las diferencias (R) (se toma en cuenta el
signo). Cuando la diferencia es cero, no se ordena.
6. Sumar por separado los rangos de los valores positivos ( R+) Y los
rangos de los valores negativos ( R-).
100
El Instituto Nacional Indigenista plantea que en Mxico existe discriminacin, si no al color de la piel, s a los rasgos indgenas. De hecho se usa la
expresin "eres un indio" como sinnimo de tonto, no hablas bien, etctera. Para
probar esta aseveracin, se llev a cabo un estudio con una muestra de nueve
estudiantes que se distribuyeron en comunidades del sureste, con el propsito
de que convivieran en estas comunidades. Antes de irse, se les aplic una escala
de actitudes hacia la discriminacin indgena, misma que se les aplic cuando
regresaron.
Paso 1. Hiptesis.
Ho. No existen diferencias significativas en las actitudes hacia la discriminacin de los indgenas, antes y despus de convivir en comunidades
indgenas.
H1. Si existen diferencias en las actitudes hacia la discriminacin de los
indgenas, antes y despus de convivir en comunidades indgenas.
Paso 2. Nivel de significancia utilizado p = .05.
Paso 3. Obtencin de las calificaciones.
Antes
Despus
118
100
120
141
51
170
179
47
161
N=9
100
90
38
60
171
64
89
52
101
N=9
Pruebas de la estadstica
no paramtrica
101
Pasos 4 y 5. Se obtienen las diferencias de las calificaciones antes-despus, por ejemplo, 118 - 100 = 18. Se ordenan los rangos de menor a mayor,
el rango 1 es para la diferencia ms pequea, que en este caso es -5. Como la
diferencia es negativa, el rango tambin ser negativo.
Antes
Despus
118
100
120
141
51
170
179
100
90
38
60
171
64
89
52
101
47
161
Rd
18
10
82
81
-120
106
90
-5
60
3
2
6
5
-9
8
7
-1
4
102
donde:
t we = El valor obtenido con el desarrollo de la frmula (-10).
Interpretacin de resultados
Ejercicio SPSS
Para este ejercicio se retomarn los datos del Instituto Nacional Indigenista.
Paso 1. Se coloca el cursor en Analyze y se da clic en el botn izquierdo del
mouse.
Pruebas de la estadstica
no paramtrica
103
Paso 3. Al hacer clic en 2 Related Samples, se abre un men que contiene las
variables de estudio. En este men se da clic en el cuadro de Wilcoxon.
104
Paso 5. Se da clic en el icono que est entre las variables de estudio y Test
Pair(s) List, las variables antes despus aparecen en Test Pair(s) List y se eliminan de
variable 1 y variable 2.
Pruebas de la estadstica
no paramtrica
105
N
Despues-Antes Negative Ranks
Positive Ranks
Ties
Total
Mean-Rank
Sum of Ranks
7a
5.00
35.00
2
0C
9
5.00
10.00
TEST STATISTICSb
Despus-Antes
Z
Asymp. Sig.(2-tailed)
-1.481a
.139
Interpretacin de resultados
donde:
N1 = muestra 1.
N2 = muestra 2.
R1 = suma de rangos muestra 1.
R2= suma de rangos muestra 2.
Reglas para su empleo
En mediciones ordinales.
En muestras independientes cuyos tamaos sean iguales o diferentes.
En datos expresados por rangos.
La frmula aplica para N2 > 9 personas.
Procedimiento
Pruebas de la estadstica
no paramtrica
107
108
Respuestas
correctas N1
15
18
19
16
14
17
11
10
N1 = 8
R1
13.5
17
18
15
11.5
16
7.5
6
R 1 =104.5
Respuestas
correctas N2
8
6
13
9
7
15
12
11
5
14
N 2 = 10
R2
4
2
10
5
3
13.5
9
7.5
1
11.5
R 2 = 66.5
Pruebas de la estadstica
no paramtrlca
109
Prueba de comprobacin:
N I N 2 = (8)(10) = 80
U1 U2 = (11.5)(68.5) = 80
Paso 6. Regla de decisin:
U Ut se acepta H1
11.5 13 se acepta H1
n1
n2
10
11
12
13
14
15
16
17
18
19
20
2
5
9
12
16
20
23
2
6
10
13
17
22
26
3
7
11
15
19
24
28
3
7
12
16
21
26
31
4
8
13
18
23
28
33
4
9
14
19
24
30
36
4
9
15
20
26
32
38
5
10
16
22
28
34
40
9
1
2
3
4
5
6
7
1
3
5
7
9
11
1
3
8
77
13
1
4
7
9
12
15
2
5
8
11
14
17
Interpretacin de resultados
110
Ejercicio
SPSS
El paso 1 contiene la base de datos con las variables a manipular. La variable grupo
con/sin, se refiere a los dos grupos de estudio (1 = con reforzamiento, 2 = sin
reforzamiento), re a re20, son las respuestas a cada una de las 20 palabras (1 =
respuesta correcta y 2 = respuesta incorrecta).
nombre
completo
de
la
variable:
respuesta
correcta.
Ensegui-
Pruebas de la estadstica
no paramtrica
111
Paso 2
da se marcan con el cursor las 20 respuestas ( r e . . ,re20) que estn debajo del
cuadro de Target Label, se da clic en el icono que se encuentra entre r e 1 . . , re20 y
Variables, entonces las 20 respuestas aparecen en el cuadro de Variables que ahora se
denomina Numeric Variables.
Paso 3
Paso 4. Una vez que se tienen las Numeric Variables, se presiona el icono Define
Values y se muestra el siguiente men, en el que se escribe en Values, el nmero 1, se
da clic en Add y el nmero 1 se pasa a Values to Count, posteriormente se presiona el
icono de Continue y se muestra el men del paso 3 en el que se presiona OK.
Pruebas de la estadstica
no paramtrica
113
Paso 8. Al hacer clic en 2 Independent Samples, se abre un men que contiene las
variables de estudio y se marca Mann-Whitney.
Paso 9. La variable rescorre se marca con el cursor, se da clic en el icono que est
entre las variables de estudio y Test Variable List, lo que resulta en que rescorre
aparecer en el cuadro de Test Variable List. La variable grupo con/sin sigue el mismo
procedimiento, slo que se da clic en el icono que est entre las variables de
estudio y Grouping Variable mostrndose Grupo ?? en el cuadro de Grouping Variable.
Se da clic en Define groups.
Pruebas de la estadstica
no para mtrica 115
Paso 10. Despus de dar clic en Define groups aparece una ventana en la que se
pone el nmero 1 en group 1, y el nmero 2 en group 2. Esto se hace as porque la
variable grupo con/sin que se muestra en los pasos 1, 2 y 3 tiene dos niveles: 1 (con
reforzamiento) y 2 (sin reforzamiento).
RANKS CORRECTA
Grupo con/sin
Mean-Rank
Sum of Ranks
correcta
13.06
1 04.50
control
Total
10
18
6.65
66.50
Respuesta
correcta
116
TEST STATISTICSb
Respuesta
correcta
Mann-Whitney U
Wilcoxon W
Z
Asymp.Sig (2-tailed)
Exact Sig (2*(1 -tailed
Sig.))
11.5000
66.500
-2.536
.011
.009a
Estos resultados indican diferencias significativas entre el grupo con reforzamiento R1 = 104.5, X = 13.06 y el grupo sin reforzamiento R2 = 66.50, X =
6.65, lo que sugiere que el reforzamiento positivo favorece el aprendizaje en los
nios con problemas de dislexia p = .009.
Anlisis de varianza en una direccin
por rangos de KrusKal-Wallis (H)
donde:
Pruebas de la estadstica
no paramtrica
117
En mediciones ordinales.
En comparaciones de tres o ms muestras independientes.
Procedimiento
118
Paso 1. Hiptesis.
Ho. No existen diferencias en el locus de control a partir de la edad de las
personas.
H1. Existen diferencias en el locus de control a partir de la edad de las
personas.
Paso 2. Nivel de significancia p =.05.
Pasos 3 y 4.
Calificaciones
nios
Calificaciones
adolescentes
Calificaciones
adultos
100
10
90
70
150
13
85
60
160
14
75
50
120
11
65
40
130
12
N1= 5
R1 =60
N2= 4
R2=29
25
N3= 5
R3 =16
Pruebas de la estadstica
no paramtrica
119
H Ht
11.08 7.82
Para que los resultados sean significativos, la H tiene que ser igual
o mayor que el valor de Ht en tablas. En la tabla D del apndice, se busca en los
renglones, los tamaos de las tres muestras, en este caso son N1 5, N2= 4 y N3
= 5. Junto a estos valores se encuentra el valor de H y su nivel de significancia
que es de .01.
Interpretacin de resultados
120
Paso 1
Paso 2
Pruebas de la estadstica
no paramtrica 121
Pruebas de la estadstica
no paramtrica 12 3
Paso 10. Al hacer clic en Continue reaparece el men del paso 8 en el que se da
clic en OK mostrndose los resultados en tablas.
RANKS
Rank of califica
Edad
Mean-Rank
nios
12.00
adolecentes
adultos
Total
4
5
14
7.25
3.20
TEST STATISTICSab
Rank of
califica
Chi-Square
df
Asymp. Sig.
aKruskal
11.083
2
.004
Wallis Test.
Variable: edad.
bGrouping
Pruebas de la estadstica
no para mtrica 125
SPSS.
126
Categoras
f0
fo
Hombres
mujeres
Motivos emocionales
53
87
Motivos circunstanciales
Motivos instrumentales
Motivos de personalidad
Motivos sexuales
Total
31
64
23
10
181
19
125
22
20
273
Motivos circunstanciales
Motivos instrumentales
Pruebas de la estadstica
no paramtrlca 127
Motivos de personalidad
Motivos sexuales
TABLA 23
FRECUENCIAS OBSERVADAS Y ESPERADAS POR CATEGORA
EN HOMBRES Y MUJERES
Categoras
fo
hombres
fo
mujeres
fo
Motivos emocionales
53
87
Motivos circunstanciales
31
19
Motivos instrumentales
64
125
94.5
Motivos de personalidad
23
22
22.5
Motivos sexuales
10
20
15
Motivos emocionales
70
25
Motivos circunstanciales
Motivos instrumentales
Motivos de personalidad
Pruebas de la estadstica
no paramtrica
129
Motivos sexuales
Paso 6. Una vez que se obtuvieron las .X2 de cada categora, se obtienen los
gl:
gl = k - 1
gl = 2-1
El nmero 2 se refiere a las dos columnas de la tabla 23 (hombres y
mujeres):
gl= 1
Con el valor de la X2 y los grados de libertad, se busca en tablas su nivel de
significancia. Los resultados se muestran en la tabla 24.
130
TABLA 24
fo
fo
fo
hombres
mujeres
Motivos emocionales
53
87
70
Motivos circunstanciales
Motivos instrumentales
Motivos de personalidad
Motivos sexuales
31
64
23
10
19
125
22
20
25
94.5
22.5
15
X2
8.25
.01
2.88
19.68
0.02
3.32
.001
Interpretacin de resultados
Pruebas de la estadstica
no paramtrica 131
En lo subsiguiente, al indicar que se da clic, se asumir que se presiona el botn izquierdo del
Paso 3. Al hacer clic en Crosstabs, se abre un men que contiene las variables de
la investigacin.
Pruebas de la estadstica
no paramtrica
133
CROSSTAB
Count
comunicacin
Sexo
Ausente
Presente
Total
Total
masculino
femenino
34
34
68
110
144
122
156
232
300
La segunda tabla muestra los resultados de la chi cuadrada, los que indican el
valor de la prueba y su nivel de significancia. Estos datos debern ser
interpretados por el investigador con base en las hiptesis planteadas.
7Con fines didcticos se muestran los resultados de la prueba chi cuadrada, tal como los
reporta el SPSS; sin embargo, nunca se presentan as en un reporte de investigacin.
CHI-SQUARE TESTS
Pearson Chi-Square
Continuity Correction
Likelihood Ratio
Fisher's Exact Test
Linear-by-Linear
Association
N of Valid Cases 300
Value
df
.141b
.707
.056
.141
1
1
.812
.707
.783
.140
Exact sig.
(1sided)
406
.708
0 cells (.0%) have expected count less than 5. The minimum expected count is 32.64.
Sexo
Masculino
Ausente
Presente
Total
Total
Femenino
94
76
170
50
144
80
156
130
300
CHI-SQUARE TESTS
Pearson Chi-Square
Countinity Correction0
Likelihood Ratio
Fisher's Exact Test
Linear-by-Linear
Association
N of Valid Cases
Value
df
Asymp.Sig.
(2-sided)
8.362b
7.702
8.415
1
1
1
.004
.006
.004
8.334
300
Exact Sig.
(2-sided)
Exasig.
(1sided)
.005
.003
.004
a
b
Pruebas de la estadstica
no paramtrica
135
SPSS,
se
TABLA 25
DIFERENCIAS EN LOS SIGNIFICADOS DEL
FUNCIONAMIENTO FAMILIAR POR SEXO
Sexo
Significados
Comunicacin
Afectiva
Masculino
76.4%
34.7%
Femenino
78.2%
51.3%
X2
.141
NS
8.362
.004
Estadstica paramtrica
Caractersticas
Las
139
Pruebas paramtricas.
Prueba de coeficiente de correlacin de
producto-momento de Pearson
Introduccin
En la vida diaria hemos escuchado muchas cosas, que aunque no han sido
comprobadas cientficamente, suceden en forma imprevista, por ejemplo, se dice
"que a mayor velocidad de un carro, menor consumo de gasolina"; o que si "un
adolescente tiene los pies grandes es porque va a ser muy alto", tambin hemos
visto que las personas satisfechas en su relacin de pareja son ms
comunicativas. Al hacer esta serie de afirmaciones sin un fundamento se expresa
la suposicin de que existe alguna correlacin entre las variables.
La correlacin indica o representa la relacin entre dos variables. De entre
los ejemplos planteados aqu, el ltimo plantea como variables, a la satisfaccin
con la relacin y la comunicacin. Si quisiramos comprobar la relacin
existente entre estas dos variables tomaramos en forma aleatoria a una muestra
de personas que actualmente tuvieran una relacin de pareja. Posteriormente les
preguntaramos qu tan satisfechos se encuentran con su relacin? (en una
escala del 1 al 10) y qu tanto se comunican con su pareja? (en una escala del 1
al 10). Si encontramos que puntajes altos en satisfaccin se relacionan con
puntajes altos en comunicacin, podemos decir que la observacin fue acertada.
Si nosotros podemos hablar de que existe una relacin entre estas variables,
por ende podemos predecir una a partir de otra. Esto es, se puede decir que las
personas con un valor de 10 en satisfaccin es ms probable que tengan un valor
de 10 en comunicacin.
Definicin
Este coeficiente como su nombre lo indica nos da un ndice (valor) que habla del
nivel de relacin que tienen dos variables.
140
Estadstica paramtrica
141
Interpretacin
Valor
0 a .30
.31 a .79
.90 a 1
Interpretacin de la correlacin
Baja
Media
Alta
Signo
Interpretacin
+ (positivo)
Directamente Proporcional
- (negativo)
Inversamente Proporcional
Estadstica paramtrica
143
Puntaje de satisfaccin
Puntaje de comunicacin
10
8
8
7
10
9
6
5
4
8
9
10
9
6
9
8
7
4
4
7
GRFICA 18
DISPERSIGRAMA DE COMUNICACIN Y
SATISFACCIN
Frmula
144
donde:
r = Coeficiente de Pearson.
N = Nmero total de pares en x y y.
x = Puntaje crudo de la variable x.
y = Puntaje crudo de la variable y.
XY = Multiplicar el puntaje de x por el de y.
Elevar al cuadrado los puntajes.
= Sumar el producto de x y y.
= Sumar las puntuaciones y elevar la suma al cuadrado.
gl = N - 2 N
= Nmero de pares en x y y.
Se busca en la tabla de valores crticos de r, los grados de libertad y la
probabilidad ( ).
Estadstica paramtrica
145
Ejercicio
Agresin
Y
Frustracin
X2
Y2
xy
12
12
144
144
144
10
6
8
6
16
11
10
8
11
100
36
256
64
81
144
64
36
121
100
64
121
80
36
176
80
72
132
y =66
X s =825
y* = 650
XY =720
12
x =73
Estadstica paramtrica
147
SPSS
Posteriormente, una vez capturados los datos se siguieron los pasos que a
continuacin se encuentran:
Paso 1. Se coloca el cursor en Analyze y se da clic en el botn izquierdo del
mouse.8
En lo subsiguiente, al indicar que se da clic, se asumir que es con el botn izquierdo del mouse y
Estadstico paramtrica
149
Paso 3. Al hacer clic en Bivariate, se abre un men que contiene las variables de
la investigacin.
Correlations
Acuerdo
Satasf
Satrel
Insrel
Incapr
Insfam
Satcat
Sinapre
Inscre
Inaf
Sorfun
Sfisex
Acomoda
Conten
Evitaci
Pearson Correlation
,628**
,452**
-,245**
,235**
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
Pearson Correlation
Sig. (2-tailed)
N
,000
291
,618**
,000
304
-,513**
,000
300
-,493**
,000
306
-,258**
,000
302
,620**
,000
291
,582**
,000
304
-,082
,175
275
-,425**
,000
296
,625**
,000
296
,582**
,000
300
,000
298
,333**
,000
310
-,178*
,002
308
-,209**
,000
314
-.088
,121
311
,444**
,000
295
,322**
,000
312
,075
,208
280
-, 1 23*
,032
304
,377**
,000
303
,331**
,000
306
,000
291
-, 184**
,001
301
,250**
,000
298
,302**
,000
304
,281**
,000
300
-,208**
,000
289
-,201**
,000
302
,187**
,002
273
,257**
,000
295
-, 145*
,013
294
-, 166*
,004
297
,000
291
,122*
,033
302
-,044
,449
301
-,104
,070
305
-, 120*
,037
302
, 194**
,001
289
,179**
,002
303
-,006
,925
271
-,141*
,016
294
,150*
,010
295
,138*
,017
299
SPSS,
en un
t de student
Introduccin
La t de student es una prueba de hiptesis que observa las diferencias entre dos
grupos.
Esta prueba tiene varios usos:
Encontrar diferencias entre las medias de dos grupos.
Obtener la discriminacin de reactivos por grupos extremos.
En este apartado slo hablaremos del primer uso.
Requisitos
Clasificacin de la prueba t
Estadstica paramtrica
155
Por ejemplo:
Medir a una muestra antes y despus de un curso sobre matemticas para
ver si se incrementa o decrementa el rendimiento escolar obtenido en la materia.
Clculo de t para muestras
independientes con N Iguales
donde:
X = Sumar las puntuaciones obtenidas de la variable dependiente por
156
donde:
Sumar los cuadrados de las puntuaciones de cada una de las
Elevar la media de cada grupo al cuadrado.
N = Nmero de participantes por grupo.
e)Encontrar el error estndar de cada media
La frmula para el clculo del error estndar para cada grupo es:
donde:
= Desviacin estndar para cada grupo,
N y 1= Constantes.
f) Encontrar el error estndar de la diferencia (diff ).
donde:
x 1 = Error estndar de la media para cada grupo,
g) Sustituir en la frmula de t.
Estadstica paramtrica
157
gl = NI + N2 - 2
donde
NI = Nmero de participantes en el grupo 1.
N2 = Nmero de participantes en el grupo 2.
1
= Constante.
158
X1
X1 2
X2
X22
140
19,600
90
8,100
110
12,100
95
9,025
128
16,384
65
4,225
110
12,100
70
4,900
100
10,000
45
2,025
95
9,025
35
1,225
44
1,936
22
484
36
1,296
60
360
21
441
18
324
x2 = 500
x22= 30668
X1 = 784
X12 =102482
Para calcular los datos del estudio con la t de student se siguen estos pasos:
a) Se plantean las hiptesis estadsticas:
Ho. No existen diferencias estadsticamente significativas en el grado de
autoritarismo entre maestros de escuelas particulares y maestros de escuelas
pblicas.
H1. S existen diferencias estadsticamente significativas en el grado de
autoritarismo entre maestros de escuelas particulares y maestros de escuelas
pblicas.
b) Plantear la probabilidad en la cual se comprobarn dichas hiptesis:
= .05.
f) Sustituir en la frmula de t:
gl = 9 + 9 - 2 = 16
donde:
X= Sumar las puntuaciones obtenidas de la variable dependiente por
donde:
X2 = Sumar los cuadrados de las puntuaciones de cada una de las
donde:
12 = Desviacin estndar del grupo 1.
21 = Desviacin estndar del grupo 2.
NI = Nmero de participantes en el grupo 1.
N2 = Nmero de participantes en el grupo 2.
f) Sustituir en la frmula de t.
162
1.
gl = N1 + N2 - 2
donde:
NI = Nmero de participantes en el grupo 1,
N2 = Nmero de participantes en el grupo 2,
2 = Constante.
2. En el apndice, se busca en la tabla F de valores crticos de la prueba t de
student los grados de libertad y la probabilidad ( ).
Ejercicio
Estadstica paramtrica
163
Grupo Experimental
Grupo Control
X1
X11
X2
X22
115
13,225
95
9,025
120
180
100
110
140
155
167
191
X1 =1,278
14,400
32,400
10,000
12,100
19,600
24,025
27,889
36,481
X12 =190,120
65
45
75
85
37
46
4,225
2,025
5,625
7,225
1,369
2,116
X2 = 448
X22 =
31,610
Para calcular los datos del estudio con la t de student para muestras
diferentes se siguen estos pasos:
a) Se plantean las hiptesis estadsticas.
Ho. No existen diferencias estadsticamente significativas en el grado de
altruismo por la presencia o ausencia de una persona con poder. H1. S
existen diferencias estadsticamente significativas en el grado de altruismo
por la presencia o ausencia de una persona con poder.
b) Plantear la probabilidad en la cual se comprobarn dichas hiptesis.
=. 05
c) Calcular las medias para cada grupo
f) Sustituir en la frmula de t.
gl = 9 + 7- 2 = 14
Estadstica paramtrica
165
presencia de personas con poder, los integrantes del grupo experimental fueron
ms altruistas.
Ejercicio SPSS
Con la finalidad de conocer si existen diferencias entre hombres y mujeres en las
historias de amor (Romero, 2003) se aplic la prueba
para muestras
independientes.
Se plantearon las siguientes hiptesis:
Ho. No existen diferencias estadsticamente significativas en las historias de amor
entre hombres y mujeres.
H1. S existen diferencias estadsticamente significativas en las historias de amor
entre hombres y mujeres.
Posteriormente una vez capturados los datos se siguieron los pasos que a
continuacin se encuentran:
Paso 1. Se coloca el cursor en Analyze y se da clic en el botn izquierdo del
mouse.
10Con fines didcticos se muestran los resultados de la prueba t para muestras relacionadas, tal
como los reporta el SPSS, sin embargo, nunca se presentan as en un reporte de investigacin.
168
TABLA 28
Group statistic
Sexo
Factor 1: Romance
Factor 2: Organizacin
Factor 3: Sexual
Factor 4: Atraccin-misterio
Factor 5: Humor
Factor 6: Maestro-estudiante
Factor 7: Guerra
Factor 8: Polica-prfugo
Factor 9: Atraccin bizarra
Facto 10: Control-variedad
factor 11: Sacrificio-dependencia
Factor 12: Desconfianza mutua
Factor 13: Jardinera
Mean
Std.
Deviation
Std.
Error
Mean
Masculino
160
20.26
5,136
.406
Femenino
Masculino
Femenino
Masculino
Femenino
Masculino
Femenino
Masculino
Femenino
Masculino
Femenino
Masculino
Femenino
Masculino
Femenino
Masculino
Femenino
Masculino
Femenino
Masculino
Femenino
masculino
Femenino
Masculino
Femenino
171
160
171
160
171
160
171
160
171
160
171
160
171
158
171
160
171
160
171
160
171
160
169
159
169
19.15
19.97
20.99
12.26
11.11
9.39
9.48
9.68
9.39
18.08
18.04
11.49
11.19
10.06
10.25
8.06
7.39
12.09
11.60
9.99
9.25
6.59
6.87
14.59
14.29
4,854
4,440
3,287
3,501
3,551
2,189
2,377
2,954
3,076
3,699
3.305
4,011
3,763
3,514
4,282
3,133
2,633
3,310
3,365
2,687
2,268
2,167
2,159
3,701
3.217
.371
.351
.251
.277
.272
.173
.182
.234
.235
.292
.253
.317
.288
.280
.327
.248
.201
.262
.257
.212
.173
.171
.166
.294
.247
mientras que las mujeres obtienen puntajes significativamente mayores que los
hombres en la historia de organizacin. En las historias restantes no se
encontraron diferencias significativas. Lo anterior indica que los hombres en sus
relaciones en general se enfocan ms en aspectos tales como el cario, la
conquista, la sexualidad, la prctica variada del erotismo, el misterio y las
caractersticas fuera de lo comn, as como la dependencia y la necesidad de la
pareja, mientras que las mujeres se centran ms en aspectos tales como la
organizacin, las reglas y las estructuras determinadas para el buen
funcionamiento de la relacin.
Estadstica paramtrica
169
TABLA 30
Hombres
Mujeres
Romance
20.26
19.15
2.011
.045*
Organizacin
Sexual
Atraccin
Humor
Maestro-estudiante
Guerra
Polica-prfugo
Atraccin bizarra
Control-variedad
Sacrificio-dependencia
Desconfianza
Jardinera
19.97
12.26
9.39
9.68
18.08
11.49
10.06
8.06
12.09
9.99
6.59
14.59
20.99
11.11
9.48
9.39
18.04
11.19
10.25
7.39
1 1.60
9.25
6.87
14.29
-2.398
2.967
-.366
.853
.105
.704
-.435
2.094
1.354
2.699
-1.157
.788
.017*
.003**
.715
.394
.917
.482
.664
.037*
.177
.007**
.248
.431
*p 0.05.
**p 0.01.
Clculo de t para muestras relacionadas
donde:
X = Sumar las puntuaciones obtenidas de la variable dependiente por
donde:
D2 = Sumar los cuadrados de las diferencias de cada una de las
calificaciones de la muestra.
(X) 2 = Elevar la media de cada grupo al cuadrado.
N = Nmero de participantes por grupo.
d) Encontrar el error estndar de la diferencia ( diff).
donde:
= Desviacin estndar del grupo.
f) Sustituir en la frmula de t.
172
gl = N - 1
donde:
N= Nmero de participantes de la muestra.
1 = Constante.
2. Se busca en la tabla de valores crticos de t los grados de libertad y la
probabilidad ( ).
Ejercicio
Estadstica paramtrica
173
Antes
Despus
D2
100
90
10
100
200
180
90
49
110
185
170
165
160
= 1,409
60
75
85
40
65
75
95
85
70
=740
140
105
5
9
45
110
75
80
90
19,600
11,025
25
81
2,025
12,100
5,625
6,400
8,100
D2= 65,081
f) Sustituir en la frmula de t.
gl= 1 0 - 1 = 9
Estadstica paramtrica
175
Ejercicio
SPSS
Paso 3. Al hacer clic en Paired-Samples T-Test, se abre un men que contiene las
variables de la investigacin.
resultados de la prueba t de student que son los que indican las estadsticas
descriptivas, el valor de la prueba t. el nivel de significancia, el nmero de
participantes considerados para el anlisis, as como grados de libertad y el valor
de la correlacin. Estos datos debern ser interpretados por el investigador, y de
esta forma, responder a las preguntas e hiptesis de investigacin.
TABLA 31
ESTADSTICAS DESCRIPTIVAS DE SPSS
DE LA PRUEBA T DE STUDENT:
Paired Samples
Statistics
Mean
Pair 1
Antes
9.2027
Despus
20.0135
Antes y Despus
Std.
Deviation
Std. Error
Mean
74
74
11.81592
10.84952
1.37357
1.26123
Correlation
74
.068
Sig.
.566
TABLA 32
VALORES DE LA PRUEBA T DE STUDENT
PARA MUESTRAS RELACIONADAS DE SPSS:
Paired
Samples Test
Paired
Differences
Mean
Pair 1
Antes Despus
-10.8108
Std
Std. Error
Deviation
Mean
15.48988 1.80066
Upper
Sig. (2tailed)
df
73 .000
Estadstica paramtrica
179
SPSS,
en un
SIDA
SIDA
antes y despus de la
pltica.
En cuanto a las actitudes, se encontr que despus de dar la pltica
aumenta el apoyo a los enfermos con
SIDA,
sobre
varios
grupos
de
la
poblacin,
comparndolos.
Sin embargo, en el apartado de la prueba t de student vimos cmo comnmente comparbamos dos grupos afirmando que uno era ms
grande que el otro o ms difcil, etctera. No obstante cuando hablamos
de ms de dos grupos, como por ejemplo, que hay ms satisfaccin laboral
en los niveles medios que en el mando ejecutivo y operativo de una em-
180
TABLA 33
DIFERENCIAS ANTES Y DESPUS EN ACTITUDES Y CONOCIMIENTOS HACIA EL SIDA EN
ADOLESCENTES
reas
Epidemiologa
1.50
1.66
-7.81
.000**
Desarrollo de la enfermedad
Prevencin
Sntomas
Mecanismos de transmisin
Apoyo a los enfermos de sida
Temor al contagio del VIH
Miedo a tener sida
Cambio de la conducta sexual
Sexo seguro
1.36
1.61
1.31
1.64
3.45
3.56
3.03
3.42
3.22
1.58
1.71
1.40
1.85
3.84
3.66
2.88
3.39
3.44
-5.83
-3.67
-0.83
-6.33
-3.18
-0.65
1.81
0.40
2.52
.000**
.001**
.410
.000**
.002**
.517
.05*
.692
.01**
*P 0.05.
**p 0.01.
presa, o que decimos que los solteros estn ms satisfechos con su relacin
que los casados y los divorciados, o que los hombres jvenes estn ms
satisfechos sexualmente que los hombres maduros y las mujeres jvenes,
estamos haciendo comparaciones con tres o ms grupos y adems estamos
combinando las caractersticas de estos grupos para poder ver en qu
medida difieren. De la misma forma que en el apartado anterior, estamos
afirmando que la media de una muestra es ms grande, ms fuerte y/o ms
difcil que la otra. Empero, tambin debemos comprobar si nuestras
afirmaciones son ciertas en trminos de probabilidad. Esta parte del libro se
abocar a explorar una de las pruebas que puede examinar si las diferencias
propuestas son significativas en tres o ms grupos.
El anlisis de varianza, Anova (del ingls, analysis of variance), es uno de
los mtodos estadsticos ms utilizados en la investigacin moderna.
Para iniciar el anlisis de varianza debemos hablar de la varianza
total, la varianza entre grupos y la varianza intragrupos. Estos conceptos
son bsicos en el Anova ya que describen la lgica del mismo (Levin y
Estadstica paramtrica
181
Levin, 2002). La varianza entre los grupos plantea la comparacin entre las
medias de los grupos. La varianza dentro de los grupos hace referencia a la
distancia entre los puntajes crudos y su media de grupo.
Definicin
182
I. Anova simple:
Se refiere a la comparacin entre tres o ms muestras tomadas de la misma
poblacin o de poblaciones diferentes, con respecto a una variable dependiente.
Por ejemplo:
a) Anova simple para muestras iguales: comparar si existen diferencias en el
grado de dolor por celos que sienten 100 solteros, 100 casados y 100
reconstituidos.
b) Anova simple para muestras diferentes: comparar la conducta sexual
entre 50 parejas con hijos, 60 parejas sin hijos y 55 parejas donde la mujer
esta en proceso de gestacin.
Edad
Jvenes
Sexo
Adultos
Hombres
Mujeres
Secundaria
Preparatoria
Licenciatura
Hombres
Mujeres
donde:
Sumar todos los puntajes crudos de todos los grupos y elevarlos al
cuadrado.
K= Nmero de grupos a comparar.
N = Nmero de participantes por grupo,
g) Obtener la varianza total (SCT).
La frmula para calcular la SCT es:
donde:
Elevar al cuadrado cada una de las calificaciones obtenidas y sumarlas,
para cada grupo.
FC= Factor de correccin.
donde:
Sumar los puntajes del primer grupo y elevarlos al cuadrado,
haciendo lo mismo para todos los grupos.
FC = Factor de correccin.
N = Nmero de participantes por grupo.
Obtener la suma de cuadrados intragrupos {SCI).
La frmula para calcular la SCI es:
SCI = SCT - SCE
186
Tabla de procedencia
SC
gl
MC
Entre
Intra
Total
Estadstica paramtrica
187
Fc F0 H1 se acepta.
Es decir que como la F de la frmula es ms grande que la de la tabla G del
apndice, entonces se acepta la hiptesis alterna.
p) Finalmente si se encuentran diferencias significativas entre los grupos hay
que calcular las medias para cada grupo (X1, X2 y X3 ) e interpretar la magnitud
de las diferencias.
La frmula para calcular la media para cada grupo es:
donde:
X = Sumar las puntuaciones obtenidas de la variable dependiente por
Ejercicio
10
8 a 9 aos
X2
22
X3
X32
100
14
196
11
121
15
225
10
100
10
100
18
324
81
81
20
400
49
36
25
625
8
48
64
49
X22= 490
X3 = 43
X32= 387
X1 = 88
188
a 7 aos
12
X12 = 1674 X2 =
Para obtener el resultado a travs del Anova simple para muestras iguales
de los datos anteriores se siguen los pasos que a continuacin se detallan:
a) Se plantean las hiptesis estadsticas
Ho. No existen diferencias estadsticamente significativas en la autoestima
en nios de diferentes edades.
H1. S existen diferencias estadsticamente significativas en la autoestima en
nios de diferentes edades.
b) Plantear la probabilidad en la cual se comprobarn dichas hiptesis.
= .05
Tabla de procedencia
190
SC
gl
Entre
243.34
121.67
Intra
Total
171.6
414.94
12
15
14.3
MC
F
8.50
Con respecto a estos valores se puede observar que los nios de 5 a 6 aos
presentan una media ms alta en autoestima que los nios de mayor edad. Cabe
aclarar hasta aqu que el Anova indica diferencias entre grupos, pero no nos dice
entre cules. Para ello habra que aplicar una prueba post-hoc (Scheffe, Duncan o
Tukey).
Anlisis de varianza simple para N desiguales
Estadstica paramtrica
191
En este caso cada una de las categoras del estado civil debe tener un
nmero diferente de participantes: por ejemplo 115 solteros, 100 casados, 99
unin libre y 102 personas en relaciones reconstituidas.
Para calcular esta prueba se aplica el procedimiento que a continuacin se
detalla. Algo importante de mencionar es que los pasos son similares al Anova
para muestras iguales solamente cambian las frmulas de la SCE y el PC.
a) Plantear las hiptesis estadsticas.
b) Plantear la probabilidad en la cual se comprobarn dichas hiptesis.
c) Obtener la sumatoria de los puntajes para cada grupo ( X)
d) Obtener el cuadrado de la sumatoria ( X)2
e) Elevar al cuadrado cada puntaje crudo y sumarlo X12
f) Calcular el factor de correccin (FC).
La frmula para calcularlo es:
donde:
Sumar todos los puntajes crudos de todos los grupos y elevarlos
al cuadrado.
N = Nmero de participantes para cada grupo.
g) Obtener la varianza total (SCT).
La frmula para calcular la SCT es:
192
donde:
Elevar al cuadrado cada una de las calificaciones obtenidas
y sumarlas.
FC= Factor de correccin.
h) Obtener la suma de cuadrados entre los grupos {SCE). La frmula
para calcular la SCE es:
donde:
Sumar los puntajes del primer grupo y elevarlos al cuadrado,
haciendo lo mismo para todos los grupos,
FC = Factor de correccin.
N= Nmero de participantes en cada grupo.
Obtener la suma de cuadrados intragrupos (SCI).
La frmula para calcular la SCI es:
SCI = SCT-SCE
Calcular los grados de libertad (gl).
Las frmulas para calcular los grados de libertad son:
gltotal = N 1
glentre = k - 1
glintra = N - k
donde:
N = Nmero total de participantes en todos los grupos.
k = Nmero de grupos que se estn comparando.
1 = Constante.
Estadstica paramtrica
193
Tabla de procedencia
SC
gl
MC
Entre
Intra
Total
Fc F0 H1 se acepta.
Es decir que como la F de la frmula es ms grande que la de la tabla G del
apndice, entonces se acepta la hiptesis alterna.
p) Finalmente si se encuentran diferencias significativas entre los grupos hay
que calcular las medias para cada grupo
e interpretar la magnitud
de las diferencias.
La frmula para calcular la media para cada grupo es:
donde:
X = Sumar las puntuaciones obtenidas de la variable dependiente por
Ejercicio
Un psiclogo desea saber si existen diferencias estadsticamente significativas en el tiempo que tardan para resolver un rompecabezas nios con
diferentes sistemas escolares: Montesori, Dalton, Piaget.
Para obtener el resultado a travs del Anova simple para muestras
diferentes de este ejemplo se siguen los pasos que a continuacin se detallan:
a) Se plantean las hiptesis estadsticas:
Ho. No existen diferencias estadsticamente significativas en el tiempo que
tardan los nios para resolver un rompecabezas dependiendo del sistema
educativo (Montesori, Dalton, Piaget).
Estadstica paramtrica
195
Montesori
Dalton
25
49
4
5
5
4
5
4
5
5
4
16
25
25
16
25
16
25
25
16
3
4
3
4
5
3
2
4
3
4
9
4
X2 = 42
16
9
16
25
9
4
16
9
16
4
16
X22 = 154
8
10
12
10
9
9
7
5
3
16
64
100
144
100
81
81
49
25
9
X1 = 46
X1 2 =
214
X2 = 84
X32
718
196
Estadstica paramtrica
197
SC
Entre
103.13
51.56
Intra
Total
86.39
189.52
30
32
2.87
F
17.96
198
e interpretar la magnitud
Con respecto a estos valores se puede observar que los nios de cinco a seis
aos presentan una media ms alta en el tiempo que tardan en resolver un
rompecabezas con un sistema Dalton. Cabe aclarar hasta aqu que el Anova indica
diferencias entre grupos, pero no nos dice entre cules. Para ello habra que
aplicar una prueba post-hoc (Scheffe, Duncan o Tukey).
Ejercicio SPSS
Con la finalidad de conocer si existen diferencias a travs del ciclo vital en la
relacin de pareja en las historias de amor (Romero, 2003) se aplic el Anova
simple.
Se plantearon las siguientes hiptesis:
Ho No existen diferencias estadsticamente significativas en las historias de
amor de acuerdo con cada una de las etapas del ciclo vital.
H1 S existen diferencias estadsticamente significativas en las historias de
amor de acuerdo con cada una de las etapas del ciclo vital.
Posteriormente una vez capturados los datos se siguieron los pasos que a
continuacin se encuentran:
Paso 1. Se coloca el cursor en Analyze y se da clic en el botn izquierdo del
mouse.
Estadstica paramtrica
199
12 Con fines didcticos se muestran los resultados del Anova factorial, tal como los reporta el
SPSS; sin embargo, nunca se presentan as en un reporte de investigacin.
TABLA 34
ANOVA SIMPLE
Anova
Sum of
Squares
Factor 1: Romance
Between Groups
Within Groups
Total
Factor 2: Organizacin
Between Groups
Within Groups
Total
Factor 3: Sexual
Between Groups
Within Groups
Total
Between Groups
Factof 4: Atraccin- misterio
Within Groups
Total
Factor 5: Humor
Between Groups
Within Groups
Total
Between Groups
Factor : Maestro- estudiante
Within Groups
Total
Factor 7: Guerra
Between Groups
Within Groups
Total
Factor 8: Polica prfugo
Between Groups
Within Groups
Total
Factor 9: Atraccin bizarra
Between Groups
Within Groups
Total
Factor 10: Control-variedad
Between Groups
Within Groups
Total
Between Groups
Factor 11: SacrificioWithin Groups
dependencia
Total
Factor 12: Desconfianza mutua Between Groups
Within Groups
Total
202
539.102
7,762.221
8,301.323
460.866
4,597.883
5,058.749
205.048
3,997.054
4,202.103
209.848
1,513.505
1,723.353
81.644
2,920.833
3,002.477
260.314
3,772.477
4,032.792
488.694
4,483.409
4,972.103
298.978
4,760.116
5,059.094
312.706
2,463.028
2,775.734
238.263
3,448.927
3,687.190
154.639
1,912.304
2,066.943
63.394
1,472.600
1,535.994
df
5
325
330
5
325
330
5
325
330
5
325
330
5
325
330
5
325
330
5
325
330
5
323
328
5
325
330
5
325
330
5
325
330
5
323
328
Mean
Square
Sig.
107.820
4.514
.001
92.173
14.147
6.515
.000
41.010
12.299
3.334
.006
41.970
4.657
9.012
.000
16.329
8.987
1.817
.109
52.063
11.608
4.485
.001
97.739
13.795
7.085
.000
59.796
14.737
4.057
.001
62.541
7.579
8.252
.000
47.653
10.612
4.490
.001
30.928
5.884
5.256
.000
12.679
4.559
2.781
.018
23.884
Estadstica paramtrica
203
TABLA 35
DIFERENCIAS POR ETAPA DE CICLO VITAL EN LAS HISTORIAS DE AMOR
Etapa
Factor
0a6
meses
noviazgo
Ms de 6 D e 0 a
meses de 3 aos de
noviazgo mat.
De 3 a 7 De 7 a 14 Ms de 14
aos de aos de
aos de mat
mat.
mat.
Romance
18.75
19.49
22.21
18.35
20.39
18.95
4.51
.001**
Organizacin
19.73
21.82
21.30
19.67
21.61
18.67
6.51
.000**
Sexual
11.58
11.59
11.00
13.19
11.93
10.69
3.33
.006**
Atraccinmisterio
10.79
10.26
8.98
9.02
8.61
8.93
9.01
.000**
Humor
9.54
10.23
9.94
9.28
9.43
8.69
1.81
.109
MaestroEstudiante
18.88
18.59
18.34
18.43
18.86
16.69
4.48
.001 **
*p< 0.05.
**p< 0.01.
Anlisis de varianza de doble clasificacin
204
Mujeres
En este caso, cada una de las variables por separado implica el efecto
principal, y la combinacin la interaccin de las mismas, para predecir la
creatividad.
Para calcular esta prueba se aplica el siguiente procedimiento:
a) Plantear las hiptesis estadsticas.
b) Plantear la probabilidad en la cual se comprobarn dichas hiptesis.
c) Obtener la sumatoria de los puntajes para cada grupo ( x).
d) Obtener el cuadrado de la sumatoria ( x)2.
e) Elevar al cuadrado cada puntaje crudo y sumarlo X1.
f) Calcular el factor de correccin (FC).
La frmula para calcularlo es:
donde:
Sumar todos los puntajes crudos de todos los grupos y elevarlos al
cuadrado,
K= Nmero de grupos a comparar.
N = Nmero de participantes por grupo,
g) Obtener la varianza total (SCT).
La frmula para calcular la SCT es:
donde:
Elevar al cuadrado cada una de las calificaciones obtenidas y sumarlas.
FC Factor de correccin.
Estadstica paramtrica
205
donde:
Sumar los puntajes del primer grupo y elevarlos al cuadrado,
haciendo lo mismo para todos los grupos,
FC= Factor de correccin,
N= Nmero de participantes por grupo.
Obtener la suma de cuadrados intragrupos (SCI).
La frmula para calcular la SCI es:
donde:
N Nmero total de participantes en todos los grupos,
K = Nmero de grupos que se estn comparando,
1 = Constante.
206
Tabla de procedencia
SC
gl
MC
Entre
Intra
Total
Estadstica paramtrica
207
e interpretar la magnitud de
las diferencias.
La frmula para calcular la media para cada grupo es:
donde:
X= Sumar las puntuaciones obtenidas de la variable dependiente por
Escolaridad/Sexo
Media superior
Superior
208
Hombres
Mujeres
donde:
(f1)2 = Sumar los valores de la fila 1 y elevarlos al cuadrado.
(f2)2 = Sumar los valores de la fila 2 y elevarlos al cuadrado.
donde:
(c1)2= Sumar los valores de la columna 1 y elevarlos al cuadrado.
(c2 )2= Sumar los valores de la columna 2 y elevarlos al cuadrado.
Estadstica paramtrica
209
donde:
SCVf = Suma de cuadrados de la variable que se encuentra en las filas.
SCVc = Suma de cuadrados de la variable que se encuentra en las columnas.
SCE = Suma de cuadrados entre grupos.
t) Calcular los grados de libertad de los efectos principales y de la interaccin.
210
gl
MC
Entre
Filas
Columnas
Interaccin
Intra
Total
Estadstica paramtrica
211
donde:
X = Sumar las puntuaciones obtenidas de la variable dependiente por
Adultos
Hombre
Mujer
16
9
9
10
81
81
100
X2 = 32 X12 = 278
4
5
6
X2 =16
Hombre
X
1
16
25
36
X22=78
3
7
7
7
X3=74
Mujer
2
X2
16
49
49
49
X32=156
4
4
8
X4=20
16
16
64
X42= 112
Estadstica paramtrica
213
Entre
Intra
Total
SC
91
MC
35
60
95
3
12
15
11.67
5
2.33
214
Sexo
Edad
Jvenes
Adultos
Hombres
Mujeres
9
9
10
4
5
6
X1 =32
X2=l6
3
7
7
7
4
4
4
8
X3=24
(C I )=56
X4=20
(C2)=36
(f1)=48
(f2)=44
Estadstica paramtrica
215
216
Tabla de procedencia
SC
gl
MC
S Entre
35.0
11.67
2.33
Sexo
Edad
Sexo x Edad
Dentro
Total
25.0
1.0
9.0
60.0
95
1
1
1
12
15
25.0
1.0
9.0
5.0
5.0
0.20
1.80
Estadstica paramtrica
217
Estadstica paramtrica
219
220
TABLA 36
ANOVA DE DOBLE CLASIFICACIN
Case Processing Summary
Cases
Included
N
515
Percent
76.6
Excluded
N
157
Total
Percent
23.4
Percent
672
100.0
13 Con fines didcticos se muestran los resultados del Anova de doble clasificacin, tal como los
reporta el SPSS, sin embargo, nunca se presentan as en un reporte de investigacin.
Estadstica paramtrica
221
Cell Means
Amistoso
Eros
Agape
Mania
Mean
Mean
Mean
Masculino S
3,9194
248
3,9556
248
3,5948
248
2,9004
248
No
3,9462
15
3,8923
15
3,6867
15
2,8615
15
Total
3,9209
263
3,9520
263
3,6000
263
2,8982
263
Femenino S
3,9084
130
3,9183
130
3,0354
130
2,9154
130
No
3,8797
122
3,8260
122
3,2484
122
2,9224
122
Total
3,8945
252
3,8736
252
3,1385
252
2,9188
252
Total S
3,9156
378
3,9428
378
3,4024
378
2,9056
378
No
3,8870
137
3,8332
137
3,2964
137
2,9158
137
Total
3,9080
515
3,9137
515
3,3742
515
2,9083
515
aGrand Mean.
bAmistoso, Eros,
Clase social/Sexo
Alta
Media
Baja
222
Hombres
Mujeres
TABLA 37
VALORES DEL ANOVA DE DOBLE CLASIFICACIN.
Anova
Experimental
Method
Mean
Square
Slg.
Sum of
Squares df
Amistoso Main Effects
2-Way Interactions
Model
Residual
Total
Main Effects
Eros
2-Way Interactions
Agape
Model
Residual
Total
Main Effects
2-Way Interactions
Mana
Model
Residual
Total
Main Effects
2-Way Interactions
Model
Residual
Total
aAmistoso,
(Combined)
.116
.058
.131
.878
Sexo
Trabajo fuera
de casa
Sexo *
Trabajo fuera
de casa
.034
.034
.076
.783
.026
.026
.060
.807
.036
.152
226.996
227.148
1.375
.168
1
3
511
514
2
1
.036
.051
.444
.442
.688
.168
.080
.114
.777
.952
1.158
.282
.315
.595
.584
.584
.983
.322
.010
1.385
303.463
304.848
30.215
29.084
1
3
511
514
2
1
.010
.462
.594
.593
15.107
29.084
.016
.777
.898
.507
23.335
44.925
.000
.000
2.805
2.805
4.333
.038
.169
30.384
330.822
361.207
.055
.044
1
3
511
514
2
1
.169
10.128
.647
.703
.027
.044
.261
15.644
.609
.000
.102
.165
.903
.685
.000
.000
.001
.981
.024
.079
136.737
136.816
1
3
511
514
.024
.026
.268
.266
.091
.099
.763
.961
(Combined)
Sexo
Trabajo fuera
de casa
Sexo *
Trabajo fuera
de casa
(Combined)
Sexo
Trabajo fuera
de casa
Sexo *
Trabajo fuera
de casa
(Combined)
Sexo
Trabajo fuera
de casa
Sexo * Trabajo
fuera de casa
Estadstica paramtrica
223
En este caso, cada una de las variables por separado implica el efecto
principal, y la combinacin, la interaccin de las mismas para predecir el
coeficiente intelectual.
Para calcular esta prueba se aplica el siguiente procedimiento, el cual es
similar al Anova de doble clasificacin:
a)
b)
c)
d)
donde:
Sumar todos los puntajes crudos de todos los. grupos y elevarlos al cuadrado.
K= Nmero de grupos a comparar.
N = Nmero de participantes por grupo.
g) Obtener la varianza total (SCT).
La frmula para calcular la SCT es:
donde:
Elevar al cuadrado cada una de las calificaciones obtenidas y
sumarlas,
224
FC = Factor de correccin.
g)
donde:
Sumar los puntajes del primer grupo y elevarlos al cuadrado,
haciendo lo mismo para todos los grupos,
FC = Factor de correccin,
N = nmero de participantes por grupo.
i) Obtener la suma de cuadrados intragrupos (SCI).
La frmula para calcular la SCI es:
SCI = SCT - SCE
j) Calcular los grados de libertad (gl).
Las frmulas para calcular los grados de libertad son:
gltotal = N - l
glentre = k - l
glintra = N k
donde:
N Nmero total de participantes en todos los grupos,
K = Nmero de grupos que se estn comparando.
l= Constante.
j)
SC
MC
Entre
Intra
Total
226
e interpretar la magnitud de
donde:
X = Sumar las puntuaciones obtenidas de la variable dependiente por
separado en cada grupo.
N = Nmero de participantes por grupo.
Clase Social/Sexo
Hombres
Mujeres
Alta
Media
Baja
donde:
( f 1 ) 2 = Sumar de los valores de la fila 1 y elevarlos al cuadrado.
( f 2 ) 2 = Sumar de los valores de la fila 2 y elevarlos al cuadrado.
K = Nmero de categoras o grupos de las variables.
N = Nmero de participantes por grupo.
FC = Factor de correccin.
Estadstica paramtrica
227
donde:
(c1)2= Suma de los valores de la columna 1 y elevarlos al cuadrado.
(c2)2= Suma de los valores de la columna 2 y elevarlos al cuadrado.
donde:
k = Nmero de categoras o grupos de la variable en estudio.
l= constante.
228
Tabla de procedencia
SC
gl
MC
Entre
Filas
Columnas
Interaccin
Intra
Total
Estadstica paramtrica
229
donde:
X = Suma las puntuaciones obtenidas de la variable dependiente por
230
objetada. Un qumico del gobierno nota que la frmula para la nueva medicina
y la de las tabletas de sal son muy similares. Sospechndose la posibilidad de
efectos secundarios tales como sed exagerada, hace que se mantenga en espera
la solicitud hasta una nueva investigacin experimental.
El problema que deben resolver los qumicos de la compaa, en este
momento, no es que las pastillas curen o no el pie de atleta, sino el ver si estas
pastillas causan mucha sed a las personas.
Se realiz un nuevo experimento para poner a prueba la hiptesis de que el
gobierno est equivocado en su apreciacin. Tres condiciones (niveles) son
usadas para representar cada una de las magnitudes del problema. Una de las
dimensiones es la cantidad de la nueva droga que toma el paciente, y los tres
niveles son designados:
0 unidades
1 unidades
4 unidades
Debido a que antes se haba observado que la eficiencia del medicamento
vara con la edad del consumidor, una segunda dimensin, la edad, fue usada
en el diseo y sus niveles fijados a los:
20 aos
40 aos
60 aos
La variable dependiente, medida de la respuesta de la sed, es el nmero de
vasos de agua que el sujeto dice haber bebido en el da del experimento. Se
usan dos personas en cada una de las nueve celdillas del diseo. Los
participantes con 0 medicamentos tomaron un placebo (pldora de azcar). No
se les dijo a los participantes el propsito del experimento hasta que termin el
da. Los datos de los 18 participantes en los nueve grupos, pueden verse en la
siguiente tabla:
Dosis
4 unidades
2 unidades
0 unidades
Edad 20
Edad 40
Edad 60
4
X1=10
2
4
X4 =6
1
0
X7 =1
C1 =17
3
X2=7
2
3
X5=5
2
1
X8 =3
C2 =15
1
X3=3
2
2
X6 =4
5
4
X9=9
c3= 16
f1=20
f2=15
f4=13
total 48
se
gi
MC
Intergrupos
Medicamento (M)
Edad (E)
MxE
Intragrupos (error)
Total
35.00
4.33
.33
30.33
7.00
42.00
8
2
2
4
9
17
4.37
2.17
0.17
7.58
0.78
5.60
2.78
0.22
9.72*
* P .05.
En este caso no hubo diferencias por efectos principales, solo en la interaccin ya que de acuerdo a la regla de decisin la razn, F de tablas es: 4.26
para llegar al nivel de significancia de 0.05 con 2 y 9 gl. De acuerdo con la regla
de decisin 9.72 > 4.26
232
Ejercicio SPSS
Estadstica paramtrica
233
Paso 3. Al hacer clic en Univariate, se abre un men que contiene las variables de
la investigacin.
Estadstica paramtrica
235
factorial.14
el
del Anova que son los que indican el valor de la prueba, el nivel de signiTABLA 38
ANOVA FACTORIAL
269
28
90.6
Excluded
Percent
9.4
N
297
Total
Percent
100.0
Cell Means
Sexo
Ocupacin
Stiauto
Mean
Masculino
Femenino
Total
3.5235
17
2
3
4
5
Total
1
2
3
4
5
Total
1
2
3
4
5
Total
3.8440
3.7089
3.5907
3.7708
3.6972
3.8222
3.8385
4.0524
3.8395
3.8848
3.8822
3.7068
3.8409
3.9326
3.7480
3.8368
3.8093
25
15
25
24
106
27
32
28
43
33
163
44
57
43
68
57
269
Grand Mean
Stiauto by Sexo, Ocupacin.
14
Con fines didcticos se muestran los resultados del Anova simple, tal como los
Anova
Experimental
Method Sum of
Squares df
(Combined)
2-Way Interactions
Model
Residual
Total
a
Mean
Square
Sig.
3,690
,738
1,438
,211
Sexo
2,220
Ocupacin
1,491
Sexo * Ocupacin 1,024
4,714
132,928
137,642
1
4
4
9
259
268
2,220
,373
,256
,524
,513
,514
4,325
,039
,575
,737
,424
726
,499
1,021
Para poder comprobar las hiptesis que se plantearon de si existen diferencias por sexo y ocupacin (variables de clasificacin), as como en la
interaccin de las mismas (sexo por ocupacin), con respecto a los factores
de la escala estilos de poder (variables dependientes) se aplic un anlisis
factorial de varianza (Cruz, 2002). A continuacin se mostrarn dos ejemplos
referentes al anlisis realizado: en el primer ejemplo (factor autoritario) se
muestran una interaccin significativa entre las variables de sexo por
ocupacin. En el segundo ejemplo (factor laissez faire) se muestra un efecto
principal por ocupacin y una interaccin significativa.
De acuerdo con la tabla 39, podemos observar que para el
factor autoritario se encuentra una interaccin significativa, en la que los
hombres que se perciben como ms speros, violentos y bruscos son
los
empleados
con
profesin,
Estadstica paramtrica
237
la reportan los estudiantes. Sin embargo, todas las medias se observan por
debajo de la media terica. Mientras que las mujeres que se perciben como ms
speras y violentas son las empleadas con carrera tcnica, la media ms baja se
observa en las empleadas con profesin. Cabe resaltar que todas las medias se
encuentran por debajo de la media terica. Con respecto a los efectos
principales por sexo y ocupacin no se presentaron diferencias significativas
(vase tabla 39).
TABLA 39
ANLISIS DE VARIANZA PARA EL FACTOR AUTORITARIO
Media
Media
Autoritario
Terica
Hombres
2.81
Ocupacin
Mujeres
2.94
Empl.
Prof.
2.88
interaccin
Empl.
Carr.Tc
3.06
Empleado c/
Profesin
Empleado c/
Carrera Tcnica
Empleado c/ Oficio
Estudiantes
Hogar
*p
Sexo
Empl.
Oficio
3.26
Estud. Hogar
2.83 2.69
Hombres
Mujeres
3.00
2.71
2.96
2.83
2.42
-
3.11
2.87
3.04
.986
.322
.691
.599
3.263
.022*
0.05.
238
Con respecto a la interaccin en este mismo factor, se observa que los hombres
que se perciben como ms liberales, permisivos y comprometidos, son los
empleados con oficio. La media ms baja para el grupo de los hombres, fue
reportada por los empleados con profesin, sin embargo, pese a esta diferencia,
todas las medias estn por debajo de la media terica. Las mujeres que se
perciben como ms abiertas, liberales y comprometidas son las estudiantes. La
media ms baja se encuentra en el grupo de las empleadas con oficio, no
obstante esta diferencia, todas las medias se encuentran por arriba de la media
terica. Finalmente en los efectos principales por sexo no existieron diferencias
significativas (vase tabla 40).
TABLA 40
ANLISIS DE VARIANZA PARA EL FACTOR LAISSES FAIRE
Media
Laisses
Sexo
Faire
Hombres
Mujeres
5.37
Ocupacin
5.25
Empl.
Prof.
5.24
Interaccin
Empl.
Carr.Tc.
4.92
Media
terica
1.067
.303
Hogar
5.00 4
3.92
.004**
3.80
.011*
Empl.
Oficio
5.10
Hombres
Estud.
5.53
Mujeres
Empleado c/
*p
Profesin
Empleado c/
5.22
5.26
Carrera Tcnica
Empleado c/ Oficio
5.51
5.75
4.59
4.66
Estudiantes
Hogar
5.45
5.57
-
0.05, **p
0.01.
Apndice
Tabla A
VALORES CRTICOS DE CHI CUADRADA
gl
.95
.90
.80 .70
.50
.30
.20
.10
.05
.02
.01
.001
.016
.064
.15
.46
1.07
1.64
2.71
3.84
5.41
6.64
10.83
.02
.04
.10
.21
.45
.71
1.39
2.41
3.22
4.60
5.99
7.82
9.21
13.82
.12
.18
.35
.58
1.00
1.42
2.37
3.66
4.64
6.25
7.82
9.84
11.34
16.27
.30
.43
.71
1.06
1.65
2.20
3.36
4.88
5.99
7,78
4.49
11.67
13.28
18.46
.55
.75
1.14
1.61
2.34
3.00
4.35
6.06
7.29
9.24
11.07
13.39
15.09
20.52
10.64
12.59
15.03
16.81
22.46
14.07
16.62
18.48
24.32
15.51
18.17
20.09
26.12
6
7
.87
1.13
1.64
2.20
3.07
3.83
5.35
7.23
8.56
1.24
1.56
2.17
2.83
3.82
4.67
6.35
8.38
9.80
1.65
2.03
2.73
3.49
4.59
5.53
7.34
9.52
11.03
12..02
13.36
2.09
2.53
3.32
4.17
5.38
6.39
8.34
10.66
12.24
14.68
16.92
19.68
21.67
27.88
10
2.56
3.06
3.94
4.86
6.18
7.27
9.34
11.78
13.44
15.99
18.31
21.16
23.21
29.59
11
3.05
3.61
4.58
5.58
6.99
8.15
10.34
12.90
14.63
17.28
19.68
22.62
24.72
31.26
12
3.57
4.18
5.23
6.30
7.81
9.03
11.34
14.01
15.81
18.55
21.03
24.05
26.22
32.91
13
4,11
4.76
5.89
7.04
8.63
9.93
12.34
15.12
16.98
19.81
22.36
25.47
27.69
34.53
14
4.66
5.37
6.57
7.79
9.47
10.82
13.34
16.22
18.15
21.06
23.68
26.87
29.14
36.12
15
5.23
5.98
7.26
8.55
10.31
11.72
14.34
17.32
19.31
22.31
25.00
28.26
30.58
37.70
16
5.81
6.61
7.96
9.31
11.15
12.62
15.34
18.42
20.46
23.54
26.30
29.63
32.00
39.29
17
6,41
7.26
8.67
10.08
12.00
13.53
16.34
19.51
21.62
24.77
27.59
31.00
33.41
40.75
18
7.02
7.91
9.39
10.86
12.86
14.44
17.34
20.60
22.76
25.99
28.87
32.35
34.80
42.31
19
7.63
8.57
10.12
11.65
13.72
15.35
18.34
21.69
23.90
27.20
30.14
33.69
36.19
43.82
20
8.26
9.24
10.85
12.44
14.58
16.27
19.34
22.78
25.04
28.41
31.41
35.02
37.57
45.32
21
8.90
9.92
11.59
13.24
15.44
17.18
20.34
23.86
26.17
29.62
32.67
36.34
38.93
46.80
22
9.54
10.60
12.34
14.04
16.31
18.10
21.24
24.94
27.30
30.81
33.92
37.66
40.29
48.27
23
10.20
11.29
13.09
14.85
17.19
19.02
22.34
26.02
28.43
32.01
35.17
38.97
41.64
49.73
24
10.86
11.99
13.85
15.66
18.06
19.94
23.34
27.10
29.55
33.20
36.42
40.27
42.98
51.18
25
11.52
12.70
14.61
16.47
18.94
20.87
24.34
28.17
30.68
34.38
37.65
41.57
44.31
52.62
26
12,20
13.41
15.38
17.29
19.82
21.79
25.34
29.25
31.80
35.56
38.88
42.86
45.64
54.05
27
12.88
14.12
16.15
18.11
20.70
22.72
26.34
30.32
32.91
36.74
40.11
44.14
46.96
55.48
28
13.56
14.85
16.93
18.94
21,59
23.65
27.34
31.39
34.03
37,92
41.34
45.42
48.28
56.89
29
14.26
15.57
17.71
19.77
22.48
24.58
28.34
32.46
35.14
39.09
42.56
46.69
49.59
58.80
30
14.95
16.31
18.49
20.60
23.36
25.51
29.34
33.53
36.25
40.26
43.77
47.96
50.89
59.70
Fuente: S. Siegal y N.J. Castelan (2003), Estadstica no paramtrica. Aplicada a las ciencias de la
conducta, 3a. reimp., Mxico, Trillas.
T ABLA B
TABLA DE VALORES CRTICOS DE T EN LA PRUEBA DE LOS RANGOS SEALADOS
DE PARES IGUALADOS DE WILCOXON
.05
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
2
4
6
8
11
14
17
21
25
30
35
40
46
52
59
66
73
81
89
.005
de dos colas
.02
.01
0
2
3
5
7
10
13
16
20
24
28
33
38
43
49
56
62
69
77
0
2
3
5
7
10
13
16
20
23
28
32
38
43
49
55
61
68
Fuente: N.M. Downie y R.W Heat (1973), Mtodos estadsticos aplicados, Mxico, Harla.
244
T ABLA C
VALORES CRTICOS DE U DE MANN WHITNEY.
Valores crticos de U en un contraste unilateral al .005
y en un contraste bilateral al .002
n1
1
2
3
4
5
6
7
3
9
10
11
12
13
14
15
16
17
18
19
20
n2
9
1
2
3
5
7
7
10
12
14
15
17
19
21
23
25
26
10
11
0
1
3
5
5
8
10
12
14
17
19
21
23
25
27
29
32
0
2
4
6
8
10
12
15
17
20
22
24
27
29
32
34
37
12
13
14
15
16
17
18
19
20
0
2
4
7
9
12
14
17
20
23
25
28
31
34
37
40
42
1
3
5
8
11
14
17
20
23
26
29
32
35
38
42
45
48
1
3
6
9
12
15
19
22
25
29
32
36
39
43
46
50
54
1
4
7
10
14
17
21
24
28
32
36
40
43
47
51
55
59
2
5
8
11
15
19
23
27
31
35
39
43
48
52
56
60
65
0
2
5
9
13
17
21
25
29
34
38
43
47
52
57
61
66
70
0
3
6
10
14
18
23
27
32
37
42
46
51
56
61
66
71
76
0
3
7
11
15
20
25
29
34
40
45
50
55
60
66
71
77
82
0
3
7
12
16
21
26
32
37
42
48
54
59
65
70
76
82
88
1
2
3
4
5
6
7
3
9
n2
9
10
11
1
3
5
7
9
11
14
1
3
6
8
11
13
16
1
4
7
9
12
15
18
12
2
5
8
11
14
17
21
13
14
15
16
17
18
19
20
0
2
5
9
12
16
20
23
0
2
6
10
13
17
22
26
0
3
7
11
15
19
24
28
0
3
7
12
16
21
26
31
0
4
8
13
18
23
28
33
0
4
9
14
19
24
30
36
1
4
9
15
20
26
32
38
1
5
10
16
22
28
34
40
Apndice
245
TABLA C (Continuacin)
n2
n1
10
11
12
13
14
15
16
17
18
19
20
10
16
19
22
24
11
30
33
36
38
41
44
47
11
12
13
14
15
16
17
18
19
20
18
21
23
26
28
31
33
36
38
40
22
24
27
30
33
36
38
41
44
47
25
28
31
34
37
41
44
47
50
53
28
31
35
38
42
46
49
53
56
60
31
35
39
43
47
51
55
59
63
67
34
38
43
47
51
56
60
65
69
73
37
42
47
51
56
61
66
70
75
80
41
46
51
56
61
66
71
76
82
87
44
49
55
60
66
71
77
82
88
93
47
53
59
65
70
76
82
88
94
100
50
56
63
69
75
82
88
94
101
107
53
60
67
73
80
87
93
100
107
114
Fuente: N.M. Downie y R.W. Heat (1973), Mtodos estadsticos aplicados. Mxico, Harla.
10
11
12
13
14
2
4
7
10
12
15
17
20
23
26
28
31
34
37
39
42
45
48
3
5
8
11
14
17
20
23
26
29
33
36
39
42
45
48
52
55
3
6
9
13
16
19
23
26
30
33
37
40
44
47
51
55
58
62
4
7
11
14
18
22
26
29
33
37
41
45
49
53
57
61
65
69
4
8
12
16
20
24
28
33
37
41
45
50
54
59
63
67
72
76
5
9
13
17
22
26
31
36
40
45
50
55
59
64
67
74
78
83
15
16
17
18
19
20
7
12
18
24
30
36
42
48
55
61
67
74
80
86
93
99
106
112
7
13
19
25
32
38
45
52
58
65
72
78
85
92
99
106
113
119
8
13
20
27
34
41
48
55
62
69
76
83
90
98
105
112
119
127
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
246
5
10
14
19
24
29
34
39
44
49
54
59
64
70
75
80
85
90
6
11
15
21
26
31
37
42
47
53
59
64
70
75
81
86
92
98
2
6
11
17
22
28
34
39
45
51
57
63
67
75
81
87
93
99
105
n2
10
11
12
13
14
15
16
1
4
7
11
14
17
20
24
27
31
34
37
41
44
48
51
55
58
62
1
5
8
12
16
19
23
27
31
34
38
42
46
50
54
57
61
65
69
2
6
10
15
19
24
28
33
37
42
47
51
56
61
65
70
75
80
84
2
7
11
16
21
26
31
36
41
46
51
56
61
66
71
77
82
87
92
3
7
12
18
23
28
33
39
44
50
55
61
66
72
77
83
88
94
100
17
18
3
9
15
20
26
33
39
45
51
57
64
70
77
83
89
96
102
109
115
4
9
16
22
28
35
41
48
55
61
68
75
82
88
95
102
109
116
123
19
20
4
10
17
23
30
37
44
51
58
65
72
80
87
94
101
109
116
123
130
4
11
18
25
32
39
47
54
62
69
77
84
92
100
107
115
123
130
138
9
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
1
3
6
9
12
15
18
21
24
27
30
33
36
39
42
45
48
51
54
5
9
13
17
21
26
30
34
38
42
47
51
55
60
64
68
72
77
3
8
14
19
25
30
36
42
48
54
60
65
71
77
83
89
95
101
107
Tabla D
TABLA DE PROBABILIDADES ASOCIADAS CON VALORES TAN GRANDES COMO
VALORES OBSERVADOS DE H EN EL ANLISIS DE VARIANZA DE UNA CLASIFICACIN
POR RANGOS DE KRUSKAL WALLIS
Tamao de muestras
n3
Tamao de muestras
n1
n2
2.7000
.500
2
2
2
2
1
2
3
3
1
2
1
1
3.6000
4.5714
3.7143
3.2000
4.2857
3.8571
5.3572
.200
.067
.200
.300
.100
.133
.029
n1
4
n2
n3
6.4444
.008
6.3000
5.4444
5.4000
4.5111
4.4444
6.7455
6.7091
.011
.046
.051
.098
.102
.010
.013
Apndice
247
TABLA D (Continuacin)
Tamao de muestras
n1
n2
n3
Tamao de muestras
n1
n2
5.7909
.046
n3
4.7143
.048
4.5000
.067
5.7273
.050
4.4643
.105
4. 7091
.092
5.1429
.043
4.7000
.101
4.5714
.100
6.6667
.010
4.0000
.129
6. 1667
.022
6.2500
.011
4.9667
.048
5.3611
.032
4.8667
.054
5.1389
.061
4.1667
.082
4.5556
.100
4.0667
.102
4.2500
.121
7.0364
.006
7.2000
.004
6.8727
.011
6.4889
.011
5.4545
.046
5.6889
.029
5.2364
.052
5.6000
.050
4.5545
.098
5.0667
.086
4.4455
.103
4.6222
.100
7.1439
.010
3.5714
.200
7.1364
.011
4.8214
.057
5.5985
.049
4.5000
.076
5.5758
.051
4.0179
.114
4.5455
.099
6.0000
.014
4.4773
.102
5.3333
.033
7.6538
.008
5.1250
.052
7.5385
.011
4.4583
.100
5.6923
.049
4.1667
.105
5.6538
.054
5.8333
.021
4.6539
.097
5.2083
.050
4.5001
.104
5.0000
.057
3.8571
.143
4.0556
.093
5.2500
.036
3.8889
.129
5.0000
.048
4.4500
.071
4.2000
.095
4.0500
.119
7.7604
7.7440
.009
.011
6.5333
6.1333
.008
.013
5.1600
.034
5.6571
.049
5.0400
.056
5.6176
.050
4.3733
.090
4.6187
.100
Tamao de muestras
n1
n2
n3
4.2933
.122
6.4000
4.9600
4.8711
4.0178
3.8400
6.9091
6.8218
5. 2509
5.1055
4.6509
4.4945
7.0788
6.9818
5.6485
5.5152
4.5333
4.4121
6.9545
6.8400
4.9855
4.8600
3.9873
3.9600
7.2045
7.1182
5.2727
5.2682
4.5409
4.5182
7.4449
7.3949
5.6564
5.6308
4,5487
4.5231
.012
.048
.052
.095
.123
.009
.010
,049
.052
.091
.101
.009
.011
.049
.051
.097
.109
.008
.011
.044
.056
.098
.102
.009
.010
.049
.050
.098
.101
.010
.011
.049
.050
.099
.103
Tamao de muestras
n1
n2
n3
4,5527
.102
7.3091
6.8364
5.1273
4.9091
4.1091
4.0364
7.3385
7.2692
5.3385
5.2462
4.6231
4.5077
7.5780
7.5429
5.7055
5.6264
4.5451
4.5363
7.8229
7.7914
5.6657
5.6429
4.5229
4.5200
8.0000
7.9800
5.7800
5.6600
4.5600
4.5000
.009
.011
.046
.053
.086
.105
.010
.010
.047
.051
.097
.100
.010
.010
.046
.051
.100
.102
.010
.010
.049
.050
.099
.101
.009
.010
.049
.051
.100
.102
Fuente: S. Siegal y N.J Castelan (2003), Estadstica no paramtrica. Aplicada a las ciencias de la
conducta, 2a. ed., 3a. reimp., Mxico, Trillas.
Apndice 249
T ABLA E
VALORES CRTICOS DE R
Valores de r al nivel de confianza de 0.05 y 0.01
gl
.05
.01
.99692
.999877
2
3
4
5
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
35
40
45
50
60
70
80
90
.95000
.8783
.8114
.7545
.7067
.6664
.6319
.6021
.5760
.5529
.5324
.5139
.4973
.4821
.4683
.4555
.4438
.4329
.4227
.3809
.3494
.3246
.3044
.2875
.2732
.2500
.2319
.2172
.2050
.990000
.95873
.91720
.8745
.8343
.7977
.7646
.7348
.7079
.6835
.6614
.6411
.6226
.6055
.5897
.5751
.5614
.5487
.5368
.4869
.4487
.4182
.3932
.3721
.3541
.3248
.301 7
.2830
.2673
Fuente: I. Levin y W.C. Levin (2002), Fundamentos de estadstica en la investigacin social, 2a.
ed., Mxico, Oxford.
250
T ABLA F
VALORES CRTICOS DE T
Valores de t al nivel de confianza de 0.05 y 0.01
gi
.05
.01
12.706
63.657
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
40
60
120
4.303
3.182
2.776
2.571
2.447
2.365
2.306
2.262
2.228
2.201
2.179
2.160
2.145
2.131
2.120
2.110
2.101
2.093
2.086
2.080
2.074
2.069
2.064
2.060
2.056
2.052
2.048
2.045
2.042
2.021
2.000
1.980
1.960
9.925
5.841
4.604
4.032
3.707
3.499
3.355
3.250
3.169
3.106
3.055
3.012
2.977
2.947
2.921
2.898
2.878
2.861
2.845
2.831
2.819
2.807
2.797
2.787
2.779
2.771
2.763
2.756
2.750
2.704
2.660
2.617
2.576
OO
Fuente: J. Levin y W.C. Levin (2002), Fundamentos de estadstica en la investigacin social. 2a.
ed., Mxico, Oxford.
Apndice
251
T ABLA G
VALORES CRTICOS DE E
Valores de F al nivel de confianza de .05 y .01
gl
12
161.4 199.5
18.51 19.00
10.13 9.55
7.71
6.94
6.61
5.79
5.99
5.14
5.59
4.74
5.32
4.46
5.12
4.26
4.96
4.10
4.84
3,98
4.75
3.88
4.67
3.80
4.60
3.74
4.54
3.68
4.49
3.63
4.45
3.59
4.41
3.55
4.38
3.52
4.35
3.49
4.32
3.47
4.30
3.44
4.28
3.42
4.26
3.40
4.24
3.38
4.22
3.37
4.21
3.35
4.20
3.34
4.18
3.33
4.17
3.32
4.08
3.23
4.00
3.15
3.92
3.07
3.84
2.99
215.7
19.16
9.28
6.59
5.41
4.76
4.35
4.07
3.86
3.71
3.59
3.49
3.41
3.34
3.29
3.24
3.20
3.16
3.13
3.10
3.07
3.05
3.03
3.01
2.99
2.98
2.96
2.95
2.93
2.92
2.84
2.76
2.68
2.60
224.6
19.25
9.12
6.39
5.19
4.53
4.12
3.84
3.63
3.48
3.36
3.26
3.18
3.11
3.06
3.01
2.96
2.93
2.90
2.87
2.84
2.82
2.80
2.78
2.76
2.74
2.73
2.71
2.70
2.69
2.61
2.52
2.45
2.37
230.2
19.30
9.01
6.26
5.05
4.39
3.97
3.69
3.48
3.33
3.20
3.11
3.02
2.96
2.90
2,85
2.81
2.77
2.74
2.71
2.68
2.66
2.64
2.62
2.60
2.59
2.57
2.56
2.54
2.53
2.45
2.37
2,29
2.21
234.
19.3
8,94
6.16
4.95
4.28
3,87
3.58
3.37
3.22
3.09
3.00
2.92
2.85
2.79
2.74
2.70
2.66
2.63
2.60
2.57
2.55
2.53
2.51
2.49
2.47
2.46
2.44
2.43
2.42
2.34
2.25
2.17
2.09
238.9
19.37
8.84
6.04
4.82
4.15
3.73
3.44
3.23
3.07
2.95
2,85
2,77
2.70
2.64
2.59
2.55
2.51
2.48
2.45
2.42
2.40
2,38
2.36
2.34
2.32
2.30
2.29
2.28
2.27
2.18
2.10
2.02
1.94
243.9
19.41
8.74
5.91
4.68
4.00
3.57
3,28
3.07
2.91
2.79
2.69
2.60
2.53
2.48
2.42
2.38
2.34
2,31
2,28
2.25
2.23
2.20
2.18
2.16
2.15
2.13
2.12
2,10
2.09
2.00
1.92
1.83
1.75
Fuente: J. Levin y W.C. Levin (2002), Fundamentos de estadstica en la investigacin social, 2a.
ed., Mxico, Oxford.
252
gl
12
4052
98.49
34.12
21.20
16.26
13.74
12.25
11.26
10.56
10.04
9.65
9.33
9.07
8.86
8.68
8.53
8.40
8.28
8.18
8.10
8.02
7.94
7.88
7.82
7.77
7.72
7.68
7.64
7.60
7.56
7.31
7.08
6.85
6.64
4999
5403
99.01
99.17
30.81
29.46
18.00
16.69
13.27
12.06
10.92
9.78
9.55
8.45
8.65
7.59
8.02
6.99
7.56
6.55
7.20
6.22
6.93
5.95
6.70
5.74
6.51
5.56
6.36
5.42
6.23
5.29
6.11
5.18
6.01
5.09
5.93
5.01
5.85
4.94
5.78
4.87
5.72
4.82
5.66
4.76
5.61
4.72
5.57
4.68
5.53
4.64
5.49
4.60
5.45
4.57
5.42
4.54
5.39
4.51
5.18
4.31
4.98
4.13
4.79
3.95
4.60
3.78
5625
5764
99.25
99.30
28.71
28.24
15.98
15.52
11.39
10.97
9.15
8.75
7.85
7.46
7.01
6.63
6.42
6.06
5.99
5.64
5.67
5.32
5.41
5.06
5.20
4.86
5.03
4.69
4.89
4.56
4.77
4.44
4.67
4.34
4.58
4.25
4.50
4.17
4.43
4.10
4.37
4.04
4.31
3.99
4.26
3.94
4.22
3.90
4.18
3.86
4.14
3.82
4.11
3.78
4.07
3.75
4.04
3.73
4.02
3.70
3.83
3.51
3.65
3.34
3.48
3.17
3.32
3.02
5859
5981
6106
99.33 99.36
99.42
27.91 27.49
27.05
15.21
14.80
14.37
10.67 10.27
9.89
8.47
8.10
7.72
7.19
6.84
6.47
6.37
6.03
5.67
5.80
5.47
5.11
5.39
5.06
4.71
5.07
4.74
4.40
4.82
4.50
4.16
4.62
4.30
3.96
4.46
4.14
3.80
4.32
4.00
3.67
4.20
3.89
3.55
4.10
3.79
3.45
4.01
3.71
3.37
3.94
3.63
3.30
3.87
3.56
3.23
3.81
3.51
3.17
3.76
3.45
3.12
3.71
3.41
3.07
3.67
3.36
3.03
3.63
3.32
2.99
3.59
3.29
2.96
3.56
3.26
2.93
3.53
3.23
2.90
3.50
3.20
2.87
3.47
3.17
2.84
3.29
2.99
2.66
3.12
2.82
2.50
2.96
2.66
2.34
2.80
2.51
2.18
Apndice
253
Bibliografa
v, pp. 123-130.
CRUZ del C., C. (2002), Autoconcepto y estilos de poder en la pareja, tesis de licenciatura,
257
NUNNALLY, J.C. e I.J. Bernestein (1995), Teora psicomtrca, 3a. ed., Mxico,
McGraw-Hill.
LEVIN, J. y W.C. Levin (2002), Fundamentos de estadstica en la investigacin social, 2a.
ngel Porra.
RIVERA, S., R. Daz-Loving, C. Cruz del Castillo y F Vidal (2004), "Negociacin
135-140.
268
ndice
PRLOGO
Rolando Daz Loving ......................................................................................
INTRODUCCIN ......................................................................................................
11
Captulo 1
MEDICIN ...................................................... ........................................................
17
19
Nominal ............................................................................................................
19
Ordinal ..............................................................................................................
20
21
De razn ............................................................................................................
22
Captulo 2
ESTADSTICA DESCRIPTIVA....................................................................................
25
27
32
37
38
40
40
42
43
44
Media .................................................................................................................
45
Mediana.............................................................................................................
49
Moda .............................................................................................................. ..
50
51
53
53
54
Varianza
(s2
o ) ............................................................................................
57
Sesgo ..................................................................................................................
58
59
61
62
Captulo 3
ESTADSTICA INFERENCIAL ....................................................................................... 67
Aplicaciones de la estadstica inferencial .......................................................
69
73
No paramtrica ...............................................................................................
73
Ventajas ............................................................................................................
74
Desventajas ....................................................................................................
74
Paramtrica ......................................................................................................
76
Captulo 4
PRUEBAS DE LA ESTADSTICA NO PARAMTRICA .................................................... 81
Pruebas para una muestra simple ........................................................................ 83
Chi cuadrada (x2) ................................................................................................. 83
Ejercicio SPSS ....................................................................................................... 88
Pruebas para muestras relacionadas .................................................................... 91
McNemar .............................................................................................................. 92
Ejercicio SPSS ....................................................................................................... 96
t de Wilcoxon (tw) ............................................................................................ 100
Ejercicio SPSS ....................................................................................................... 103
Pruebas para muestras independientes ............................................................. 106
U de Mann Whitney (U) .................................................................................. 107
Ejercicio SPSS ....................................................................................................... 111
Anlisis de varianza en una direccin por rangos de
KrusKal-Wallis (H) ........................................................................................... 117