metodos estadisticos

1. EJEMPLO 1
Correlaciones
ESTATURA PESO
ESTATURA
Correlación de Pearson 1 ,828**
Sig. (bilateral) ,000
N 30 30
PESO
Correlación de Pearson ,828** 1
Sig. (bilateral) ,000
N 30 30
**. La correlación es significativa al nivel 0,01 (bilateral).
Interpretación: De la tabla y Gráfico siendo el coeficiente de correlación de
Pearson 0.828, este estadístico es significativo al 1%. Su valor es cercano a uno,
además es positivo. Entonces, luego del análisis se tiene que entre la estatura y
el peso corporal existe una correlación positiva intensa.
r=0.828
2
R = 0.686 = 68%
Interpretación: La talla explica el 68 del peso.
Significancia estadística: Prueba de hipótesis
Hipótesis Alterna (H1): Existe asociación significativa entre el peso y talla
Hipótesis Nula (Ho): No existe relación entre el peso y la talla
Siendo el P=0.828 › 0.05 se rechaza la hipótesis H0 y se acepta la hipótesis H1
por lo tanto existe asociación significativa entre el peso y la talla.

2. Coeficientesa
Modelo Coeficientes no estandarizados Coeficientes
tipificados
t Sig.
B Error típ. Beta
1
(Constante) -17,714 6,500 -2,725 ,011
ESTATURA 40,265 5,149 ,828 7,819 ,000
a. Variable dependiente: PESO
PESO= 40.265 x estatura -17.714

3. EJEMPLO 2
Estadísticos descriptivos
Media
Desviación
Típica N
DIA1 55,3000 22,00025 10
DIA2 45,0000 28,76727 10
DIA3 62,9000 24,99533 10
Correlaciones
DIA1 DIA2 DIA3
DIA1 Correlación de Pearson 1 ,059 ,982**
Sig. (bilateral) ,872 ,000
Suma de cuadrados y
productos vectoriales
4356,100 334,000 4861,300
Covarianza 484,011 37,111 540,144
N 10 10 10
DIA2 Correlación de Pearson ,059 1 ,031
Sig. (bilateral) ,872 ,932
Suma de cuadrados y
productos vectoriales
334,000 7448,000 200,000
Covarianza 37,111 827,556 22,222
N 10 10 10
DIA3 Correlación de Pearson ,982** ,031 1
Sig. (bilateral) ,000 ,932
Suma de cuadrados y
productos vectoriales
4861,300 200,000 5622,900
Covarianza 540,144 22,222 624,767
N 10 10 10
**. La correlación es significativa en el nivel 0,01 (2 colas).

4. EJEMPLO 3
Estadísticos descriptivos
Media Desviación
típica
N
temperatura 17,33 7,593 18
chirri x min 80,56 21,853 18
Correlaciones
temperatura chirri x min
temperatura
Correlación de Pearson 1 ,850**
Sig. (bilateral) ,000
N 18 18
chirri x min
Correlación de Pearson ,850** 1
Sig. (bilateral) ,000
N 18 18
**. La correlación es significativa al nivel 0,01 (bilateral).
Interpretación: De la tabla y Gráfico siendo el coeficiente de correlación de
Pearson 0.850, este estadístico es significativo al 1%. Su valor es cercano a uno,
además es positivo. Entonces, luego del análisis se tiene que entre la
temperatura y el chirrido por minuto existe una correlación positiva intensa.
r=0.850
2
R = 0.722 = 72%
Interpretación: La temperatura explica el 72 de los chirridos.
Significancia estadística: Prueba de hipótesis
Hipótesis Alterna (H1): Existe asociación significativa entre la temperatura y el chirrido
por minuto
Hipótesis Nula (Ho): No existe relación entre la temperatura y el chirrido por minuto
Siendo el P=0.850 › 0.05 se rechaza la hipótesis H0 y se acepta la hipótesis H1 por lo
tanto existe asociación significativa entre la temperatura y el chirrido por minuto

5. Coeficientesa
Modelo
Coeficientes no estandarizados
Coeficientes
estandarizados
B Error estándar Beta t Sig.
1 (Constante) 38,166 7,148 5,340 ,000
TEMPERATURA 2,446 ,379 ,850 6,446 ,000
a. Variable dependiente: CHIRRI
Chirrido x minuto = 2.446 x temperatura +38.166
EJEMPLO 4
Estadísticos descriptivos
Media
Desviación
estándar N
Peso 56,2727 8,46275 11
Estatura 1,3927 ,14894 11
Correlaciones
Peso Estatura
Peso Correlación de Pearson 1 ,451
Sig. (bilateral) ,164
N 11 11
Estatura Correlación de Pearson ,451 1
Sig. (bilateral) ,164
N 11 11
Interpretación: De la tabla y Gráfico siendo el coeficiente de correlación de
Pearson 0.451, este estadístico es significativo al 1%. Su valor es cercano a uno,
además es positivo. Entonces, luego del análisis se tiene que entre el peso y la
estatura no existe correlación positiva intensa.
r=0.451

6. 2
R = 0.203 = 20%
Interpretación: La estatura explica el 20 del peso.
Significancia estadística: Prueba de hipótesis
Hipótesis Alterna (H1): Existe asociación significativa entre la estatura y el peso
Hipótesis Nula (Ho): No existe relación entre la estatura y el peso
Siendo el P=0.451 › 0.05 se rechaza la hipótesis H1 y se acepta la hipótesis H0 por lo
tanto no existe asociación significativa entre la estatura y el peso
Coeficientesa
Modelo
Coeficientes no estandarizados
Coeficientes
estandarizados
B Error estándar Beta t Sig.
1 (Constante) 20,598 23,669 ,870 ,407
Estatura 25,615 16,907 ,451 1,515 ,164
a. Variable dependiente: Peso
Peso = 25.61 x estatura + 20.59