El documento presenta un análisis de datos sobre los resultados de diferentes grupos de un campeonato de fútbol. Se pide importar los datos a SPSS, codificar variables, realizar histogramas y gráficos para analizar la normalidad de las variables, y utilizar pruebas estadísticas como el test de Kolmogorov y ANOVA para determinar las relaciones entre variables como goles a favor, goles en contra, y partidos ganados para cada grupo.

1. CAFD Análisis de Datos – Tipo 1 Junio 2012
Nombre: DOLAN FUKENCIO MARTINEZ
DNI: 666-pls Grupo: F (UK U GOOBY)
ENTREGA: Guarda este documento cambiando “grupo” por la letra de tu grupo y “DNI” por tu DNI y envíalo por correo electrónico,
desde tu correo de la universidad, indicando en el asunto “Examen AD “ y tu DNI. Comprueba junto con tu profesor que ha recibido
el correo.
1. (2 puntos) El archivo “Parcial AD 11-12 grupo DNI.xlsx” contiene el conjunto de datos de trabajo.
a. Impórtalo a SPSS.
b. Modifica el tipo, anchura, decimales, etiqueta y medida de las variables importadas en función de su
naturaleza.
c. Recodifique en una nueva variable llamada GrupoCod donde se codifique el grupo (de letra a número
A-1, B-2, etc) cambia su naturaleza (medida) y añade la codificación de valores en la vista de
variables.
d. Captura la pantalla de “Vista de variables” de SPSS con la combinación de teclas ALT+ImprPant y
pégala en el área siguiente.

2. CAFD Análisis de Datos – Tipo 1 Junio 2012
2. (3 puntos) Comprueba la normalidad de las variables Partidos Ganados, Goles a Favor, y Goles en
Contra. Para ello:
a. Realiza un histograma para las variables determinadas incluyendo la curva de normalidad y
determina qué variable te parece más homogénea en su distribución y se acerca más a la
normalidad.
Para que el histograma de una variable muestre homogeneidad debe cumplir 3 requisitos:
1. Las “Alas” de la campana deben extenderse hasta el infinito.
2. La curva de la campana debe de coincidir con la media, mediana y moda.
3. Debe tener un solo pico situada en el centro de los datos.
Teniendo en cuenta esos 3 requisitos, se entiende que la variable más normal es “Goles a Favor”.
A continuación dejo los 3 Histogramas:

3. CAFD Análisis de Datos – Tipo 1 Junio 2012

4. CAFD Análisis de Datos – Tipo 1 Junio 2012
b. Sobre la variable más homogénea y la menos homogénea realiza los gráficos P-P o Q-Q (uno de
los dos) y explica las diferencias encontradas.
Variable Más Homogénea: GF
Variable Menos Homogénea: GC
Gráficos PP:
Se puede observar que los datos de la variable “Goles en Contra” se encuentran mucho más dispersos
respecto a la recta de normalidad, lo cual explicaría que es menos homogénea que la variable “Goles a
Favor”, cuyos datos están más cercanos (homogéneos) a la recta de normalidad.

5. CAFD Análisis de Datos – Tipo 1 Junio 2012
c. Justifica matemáticamente cual es la variable más cercana y la más alejada de la normalidad.
Para justificarlo matemáticamente vamos a aplicar el test de Kolmogorov a las 3 variables. Estos son los
resultados:
Nos fijamos donde pone Sig. Asintít. (bilateral). A partir de 0,05 se considera variable paramétrica (las 3
son variables paramétricas).
La variable con la Sig. Más alta es GF, lo cual nos hace pensar que es la de mayor normalidad y por tanto la
más Homogénea. Mientras que la más alejada de la normalidad será Goles en Contra (menor Sig.),
secundando así los resultados obtenidos al examinar los Histogramas y las gráficas PP.

6. CAFD Análisis de Datos – Tipo 1 Junio 2012
3. (3 puntos) Con respecto a la variable “Partidos ganados”, ¿qué variable está más relacionada con ella,
“Goles a favor” o “Goles en contra”?
a. Justifica y explica (mirando los valores en los ejes) gráficamente que pareja de variables parece
que tiene una mayor relación.
Comprobamos al observar los diagramas de dispersión que existe una Relación Positiva entre Partidos
Ganados y GF.
También parece observarse una relación negativa entre Partidos Ganados y GC, pero existe un punto
alejado completamente del resto de datos que hace que esta pareja de variables guarden menor relación.

7. CAFD Análisis de Datos – Tipo 1 Junio 2012
b. Explica los pasos que seguirás para determinar que test deberás realizar para comprobar
matemáticamente el nivel de asociación entre los dos pares analizados.
Debido a que se trata de un anáisis de covarianzas deberíamos de realizar el test de Pearson, para
comprobar el grado de correlación entre ambos pares de variables, así como su probabilidad de que estas
relaciones se deba o no al azar (95% en las CCAFD).
c. Realiza los tests determinados en el apartado b y explica los resultados.
Observamos que los resultados obtenidos son reales al 100% (Sig. 0,00) y si seguimos la tabla expuesta en
clase sobre grado de relación:
0,6-0,8: Relación de Alto interés.
0,8-1: Relación de Alto interés.
Por lo que ambas variables son de alto interés de estudio respecto a Partidos Ganados (Siendo aún así GF
una relación de más importancia que GC).

8. CAFD Análisis de Datos – Tipo 1 Junio 2012
d. Determina la bondad del ajuste en los dos pares analizados y explica qué significa.
La bondad de ajuste se haya mediante la línea de regresión. Apliquémosla a ambas gráficas y comentemos
los resultados:
Obsérvese R^2 Lineal (bondad del ajuste). Se expresa en porcentajes (cuanto más cerca de 1 se encuentre,
mayor bondad).
R^2 PG/GF: 77,7% Existe mayor bondad del ajuste entre PG y GF.
R^2 PG/GC: 41,9%

9. CAFD Análisis de Datos – Tipo 1 Junio 2012
4. (2 puntos) Realiza un estudio de la variable “Puntos por Partido”. Para ello:
a. Crea la variable “Puntos por Partido” mediante SPSS. Pega en el recuadro la ventana del
procedimiento del cálculo de variables.
b. Realiza un gráfico de barras que refleje la media de la variable analizada para cada uno de los
grupos de clasificación. Indica en qué grupo los equipos tienen más puntos por partido y cuál es
ese promedio. Pega el gráfico en el área resultante donde aparezcan también los valores
promedios impresos sobre cada una de las barras.
Observamos que el grupo con mas promedio de puntos por partido fue el GRUPO E (con 1,48 Puntos Por
Partido)

10. CAFD Análisis de Datos – Tipo 1 Junio 2012
c. Indique de qué tipo de estudio de hipótesis se trata y cual es la prueba que debería hacerse
para comprobar si es significativo o no que pertenecer a un grupo de clasificación o a otro
implicaría haber conseguido mayor cantidad de Puntos Por Partido.
Variable Dependiente: Puntos Por Partido.
Variable Independiente: Grupo de Clasificación.
Se trata de un estudio de Muestras Independientes (+ de 2 Grupos). Teniendo en cuenta que las variables
son escalares (Grupo de clasificación se puede calcular como variable Nominal o Escalar. La consideraremos
escalar), deberemos de comprobar si se trata de variables Paramétricas o No paramétricas mediante las
pruebas de KS de 1 Muestra y Levene:
Al Obtener resultados superiores en la Sig. A 0,05 podemos afirmar que son variables Escalare
Paramétricas.
Por tanto: Muestras Independientes (+2 grupos) + Variable escalar paramétrica = Análisis de Varianza
(ANOVA) será la prueba que debamos realizar.

11. CAFD Análisis de Datos – Tipo 1 Junio 2012
d. Calcula en qué porcentaje explica el azar las diferencias encontradas entre los grupos con
mayor y menor Puntos por Partido, y si esas diferencias encontradas entre los grupos pueden
ser generalizadas.
Grupo Mayor Media PPP: E
Grupo Menor Media PPP: D
Observemos la Sig. Entre los grupos D y E: Sig. = 1,00 Lo que significa que existen un 100% de
probabilidades de azar de que exista relación entre las variables Puntos por Partido y Grupo Codificado.
Estos resultados se pueden extrapolar al resto de casos y por tanto, generalizamos que no existe relación
entre pertenecer a un grupo u otro de clasificación y tener mayor o menor media de PPP ya que hay un
100% de azar en todos los casos.
Comparaciones múltiples
P_P_P
Bonferroni
Diferencia de Intervalo de confianza al 95%
(I) Grupo Codificado (J) Grupo Codificado medias (I-J) Error típico Sig. Límite inferior Límite superior
A B ,01667 ,49487 1,000 -1,6778 1,7111
C ,01667 ,49487 1,000 -1,6778 1,7111
D ,06667 ,49487 1,000 -1,6278 1,7611
E -,06667 ,49487 1,000 -1,7611 1,6278
F ,01667 ,49487 1,000 -1,6778 1,7111
G ,04167 ,51902 1,000 -1,7355 1,8188
H -,00833 ,51902 1,000 -1,7855 1,7688
I -,00833 ,51902 1,000 -1,7855 1,7688
B A -,01667 ,49487 1,000 -1,7111 1,6778
C ,00000 ,49487 1,000 -1,6945 1,6945
D ,05000 ,49487 1,000 -1,6445 1,7445
E -,08333 ,49487 1,000 -1,7778 1,6111
F ,00000 ,49487 1,000 -1,6945 1,6945
G ,02500 ,51902 1,000 -1,7522 1,8022
H -,02500 ,51902 1,000 -1,8022 1,7522
I -,02500 ,51902 1,000 -1,8022 1,7522
C A -,01667 ,49487 1,000 -1,7111 1,6778
B ,00000 ,49487 1,000 -1,6945 1,6945
D ,05000 ,49487 1,000 -1,6445 1,7445
E -,08333 ,49487 1,000 -1,7778 1,6111

12. CAFD Análisis de Datos – Tipo 1 Junio 2012
F ,00000 ,49487 1,000 -1,6945 1,6945
G ,02500 ,51902 1,000 -1,7522 1,8022
H -,02500 ,51902 1,000 -1,8022 1,7522
I -,02500 ,51902 1,000 -1,8022 1,7522
D A -,06667 ,49487 1,000 -1,7611 1,6278
B -,05000 ,49487 1,000 -1,7445 1,6445
C -,05000 ,49487 1,000 -1,7445 1,6445
E -,13333 ,49487 1,000 -1,8278 1,5611
F -,05000 ,49487 1,000 -1,7445 1,6445
G -,02500 ,51902 1,000 -1,8022 1,7522
H -,07500 ,51902 1,000 -1,8522 1,7022
I -,07500 ,51902 1,000 -1,8522 1,7022
E A ,06667 ,49487 1,000 -1,6278 1,7611
B ,08333 ,49487 1,000 -1,6111 1,7778
C ,08333 ,49487 1,000 -1,6111 1,7778
D ,13333 ,49487 1,000 -1,5611 1,8278
F ,08333 ,49487 1,000 -1,6111 1,7778
G ,10833 ,51902 1,000 -1,6688 1,8855
H ,05833 ,51902 1,000 -1,7188 1,8355
I ,05833 ,51902 1,000 -1,7188 1,8355
F A -,01667 ,49487 1,000 -1,7111 1,6778
B ,00000 ,49487 1,000 -1,6945 1,6945
C ,00000 ,49487 1,000 -1,6945 1,6945
D ,05000 ,49487 1,000 -1,6445 1,7445
E -,08333 ,49487 1,000 -1,7778 1,6111
G ,02500 ,51902 1,000 -1,7522 1,8022
H -,02500 ,51902 1,000 -1,8022 1,7522
I -,02500 ,51902 1,000 -1,8022 1,7522
G A -,04167 ,51902 1,000 -1,8188 1,7355
B -,02500 ,51902 1,000 -1,8022 1,7522
C -,02500 ,51902 1,000 -1,8022 1,7522
D ,02500 ,51902 1,000 -1,7522 1,8022
E -,10833 ,51902 1,000 -1,8855 1,6688
F -,02500 ,51902 1,000 -1,8022 1,7522
H -,05000 ,54210 1,000 -1,9062 1,8062
I -,05000 ,54210 1,000 -1,9062 1,8062
H A ,00833 ,51902 1,000 -1,7688 1,7855
B ,02500 ,51902 1,000 -1,7522 1,8022
C ,02500 ,51902 1,000 -1,7522 1,8022
D ,07500 ,51902 1,000 -1,7022 1,8522
E -,05833 ,51902 1,000 -1,8355 1,7188

13. CAFD Análisis de Datos – Tipo 1 Junio 2012
F ,02500 ,51902 1,000 -1,7522 1,8022
G ,05000 ,54210 1,000 -1,8062 1,9062
I ,00000 ,54210 1,000 -1,8562 1,8562
I A ,00833 ,51902 1,000 -1,7688 1,7855
B ,02500 ,51902 1,000 -1,7522 1,8022
C ,02500 ,51902 1,000 -1,7522 1,8022
D ,07500 ,51902 1,000 -1,7022 1,8522
E -,05833 ,51902 1,000 -1,8355 1,7188
F ,02500 ,51902 1,000 -1,7522 1,8022
G ,05000 ,54210 1,000 -1,8062 1,9062
H ,00000 ,54210 1,000 -1,8562 1,8562