3. En el segundo paso lo que hacemos es elegir nuestra variable y elegir lo que queremos que nos muestre media,
cuartiles, rango intercuartílico,varianza…
4. Último paso en el que ya tenemos nuestra variable y con todos los datos que le hemos pedido
5. Explicación de datos
• Después de obtener la variable cuantitativa
“altura” podemos explicar lo que aparece al
pasarla a Rcmdr, vemos que aparecen los
cuartiles 25,50,75,100, con estos datos
podemos ver que es asimétrica ya que las
diferencias entre cuartiles son grandes.
También vemos que la media de altura es 1,66
metros, el rango intercuartílico es 0,12 y la
desviación típica es 0,08.
10. Interpretación de los resultados
• Nuestro pvalor es menos que 0,05 por lo que es
rechazaríamos la hipótesis nula por lo que la altura no sigue
una distribución normal por lo que nuestra variable es
estadísticamente significativa. Por otra parte y fijándonos
en la gráfica podemos decir si existe simetría o no y en este
caso nuestra gráfica no es totalmente simétrica y es un
poco asimétrica a la izquierda.
14. Explicación de datos
• Después de obtener la variable cuantitativa
“peso” podemos explicar lo que aparece al
pasarla a Rcmdr, vemos que aparecen los
cuartiles 25,50,75,100, con estos datos
podemos ver que es asimétrica ya que las
diferencias entre cuartiles son grandes.
También vemos que la media de peso es de
62,75 kilos, el rango intercuartílico es 14 y la
desviación típica es 12,659
15. El primer paso que hacemos es elegir el test de
normalidad(Shapiro-Wilk)
16.
17. Nos fijamos en el pvalor para ver si es mayor, menor o igual que 0,05 y a
partir de esta comparación comentamos nuestra variable.
18. Histograma para variable cualitativa(nos
vamos a la parte de graficas y elegimos el histograma y para el resto
dependiendo del tipo de variable elegimos un gráfico u otro)
19. Interpretación de los resultados
• Con el valor de p nos damos cuenta de que es
menor que 0,05, por lo tanto es un test que
no es significativo y que no se ajusta a la
normalidad, y por lo tanto rechazamos la
hipótesis alternativa.
• Otra manera de verlo es observando el
histograma en la que vemos que es
totalmente asimétrica.
20. Explicación de los datos
• Después de obtener la variable cualitativa “cerveza” podemos explicar lo
que aparece al pasarla a Rcmdr, vemos que en nuestra muestra el 20,76%
consume cerveza los fines de semana, tenemos a 107(37%) personas que
nunca han probado la cerveza y que 40 personas beben 2 o 3 veces al mes
cerveza.
22. Variable cualitativa(botellón)
• Los pasos son los mismos pero al ser una variables cualitativa en lugar de
irnos a resúmenes numéricos nos vamos a distribución de frecuencias y
cuando estamos en distribución de frecuencias no hace falta elegir los
datos que aparezcan como media, cuartiles…
• En este tipo de variables podemos ver que solo el 1% hace botellón a
diario, que el 50% de las personas de la muestra realiza botellón los fines
de semana y por ultimo hay 51 personas(17,89%) no ha hecho botellón
nunca.
23. Utilizamos el diagrama de sectores aunque no sea muy útil para muchas
variables, a partir de está gráfica podemos comentar los datos que ya están
comentados en la diapositiva anterior.