El documento presenta 4 análisis estadísticos realizados en datos de empleados. El primero concluye que los datos de desmotivación e ingresos son normales. El segundo encuentra una fuerte correlación negativa entre desmotivación e ingresos. El tercero halla asociación entre depresión y rendimiento académico. El cuarto analiza la relación entre autoconcepto y autoestima, hallando una correlación positiva alta y un modelo de regresión significativo.
tipos de organización y sus objetivos y aplicación
Análisis de correlación2
1. 1. ANÁLISIS DE CORRELACIÓN
PRUEBA DE LA NORMALIDAD
H1: LOS DATOSDE LA DESMOTIVACIÓN YLOS INGRESOSECONÓMICOSDE LOS EMPLEADOS
SON NORMALES.
H2: LOS DATOSDE LA DESMOTIVACIÓN YLOS INGRESOSECONÓMICOSDE LOS EMPLEADOS
NO SON NORMALES.
NIVELDE SIGNIFCANCIA5%
Pruebas de normalidad
Kolmogorov-Smirnova
Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
desmotivacion ,183 10 ,200*
,902 10 ,228
salario ,169 10 ,200*
,906 10 ,253
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors
P valor= 0,228, 0,253 > 0,05 se acepta H0 yse rechazaH1.
Conclusión
Con unnivel de significanciadel 5%se concluye que LOSDATOSDE LA DESMOTIVACIÓN YLOS
INGRESOSECONÓMICOSDE LOS EMPLEADOS SON NORMALES.
Segundopaso
La correlación
H0: no existe correlaciónentre losdatosde ladesmotivaciónylosingresoseconómicosde los
empleados
H1: si existe correlaciónentrelosdatosde ladesmotivaciónylosingresoseconómicosde los
empleados
Nivel de significancia5%
Correlaciones
desmotivacion salario
desmotivacion Correlación de Pearson 1 -,976**
Sig. (bilateral) ,000
N 10 10
salario Correlación de Pearson -,976**
1
Sig. (bilateral) ,000
N 10 10
**. La correlación es significativa en el nivel 0,01 (bilateral).
2. P valor= 0,00 < 0,05 se acepta H1
Conclusión:conunnivel de significanciadel 5% existe evidenciaestadísticaque paraconcluir
que si existe correlaciónentre losdatosde ladesmotivaciónylosingresoseconómicosde los
empleados.SucorrelaciónRde Pearsones muyaltanegativa.
2. Chi cuadrado independiente
HIPOTESISDE CHI CUADRADO
H0: no existe asociaciónestadísticamente significativaentre ladepresiónyel rendimiento
académico.
H1: si existe asociaciónestadísticamente significativaentre ladepresiónyel rendimiento
académico.
Nivel de significancia5%
Decisión
Pruebas de chi-cuadrado
Valor df
Significación
asintótica
(bilateral)
Chi-cuadrado de Pearson 7,196a
2 ,027
Razón de verosimilitud 8,885 2 ,012
Asociación lineal por lineal 6,648 1 ,010
N de casos válidos 16
a. 6 casillas (100,0%) han esperado un recuento menor que 5.El
recuento mínimo esperado es 1,75.
P valor= 0,027 < 0,05 se rechazala H0 y se acepta laH1
Conclusión:conunnivel de significanciadel 5% existe evidenciaestadísticaparaconcluirque
si existe asociaciónestadísticamente significativaentre ladepresiónyel rendimiento
académico.
3. 3. Diagrama de dispersión
Se consideralospuntajesde ungrupode niñosde 5 to grado enuna pruebade
autoconceptode Piers- Harris(prueba1) yen el inventariode autoestimade cooper
Smith(prueba2) obteniéndose.
a. Halle larecta de regresiónpara predecirel puntaje enla prueba2, a partir del
puntaje obtenidoenlaprueba2.Represente gráficamente.
b. Predigael puntaje enprueba2para unniñoque obtuvo10 puntosenprueba1.
El diagrama de dispersión entre los puntajes de las variables del autoconcepto y el
autoestima se encuentran relacionadas en forma lineal y positiva.
Correlación
Resumen del modelo
Modelo R R cuadrado
R cuadrado
ajustado
Error estándar
de la estimación
1 ,801a ,642 ,598 2,242
a. Predictores:(Constante),autocencepto
R= 0,801 es una correlación alta positiva
Análisis de determinación
R2 = 0,642*100 = 64,2 % de las variaciones de Y de la variable autoestima (prueba 2) es
explicado por la variable X autoconcepto (prueba 1), pero existe el 35,8 % de las
variaciones de la variable autoestima (prueba 2) son explicadas por otras variables.
4. Halle larecta de regresiónparapredecirel puntaje enlaprueba2, a partir del puntaje
obtenidoenlaprueba2. Represente gráficamente.
Análisisde regresión
ModeloY = B0 + B1 x
Y = 3 + 0,475 X
Coeficientesa
Modelo
Coeficientes no estandarizados
Coeficientes
estandarizados
t Sig.
B Desv. Error Beta
1 (Constante) B0 3,000 2,127 1,411 ,196
Autocencepto
B1
,475 ,125 ,801 3,791 ,005
a. Variable dependiente:autoestima
Predigael puntaje enprueba2para unniñoque obtuvo10 puntosenprueba1.
Y = 3 + 0,475 X
Y = 3 + 0,475 (10)=7.75
En puntaje enlaprueba2 (autoestima) cuandoobtuvo10puntosenla prueba1
(autoconcepto) fue de 7.75
5. Hipótesisestadística
H0: autoconcepto(x) noexplica/predicelaautoestima(y) (B1- 0)
H1: autoconcepto(x) explica/predice laautoestima(y) (B1- 0)
Nivel de significancia0.05%
Decisión
ANOVAa
Modelo
Suma de
cuadrados gl
Media
cuadrática F Sig.
1 Regresión 72,200 1 72,200 14,368 ,005b
Residuo 40,200 8 5,025
Total 112,400 9
a. Variable dependiente:autoestima
b. Predictores:(Constante),autocencepto
P valor = 0.005 < 0.05 se rechaza la H0 y se acepta la H1
Conclusión
Con unnivel de significanciadel 5%existe evidenciaestadísticaque autoconcepto(x)
explica/predice laautoestima(y) (B1- 0),el modelotambiénessignificativo
4.