Seminario 9
•Descargar como PPTX, PDF•
0 recomendaciones•138 vistas
Este documento resume los pasos para determinar la relación entre las variables "altura" y "peso" utilizando SPSS. Primero, se realizó una prueba de normalidad para comprobar que las variables no se distribuyen normalmente. Luego, se llevó a cabo la Prueba de Spearman que mostró una correlación positiva de 0,622 entre el peso y la altura, lo que indica que existe una relación entre estas variables.
Denunciar
Compartir
Denunciar
Compartir
Recomendados
Tarea 9
Este documento analiza la relación entre las variables cuantitativas "medicalización" y "malestares activos" en una muestra. Muestra una asociación lineal positiva entre las variables en un diagrama de dispersión. Sin embargo, ninguna de las variables sigue una distribución normal, por lo que se utilizará una prueba no paramétrica. La prueba de correlación de Spearman muestra una correlación débil de 0,2584 entre las variables, lo que lleva a rechazar la hipótesis nula de que no hay asociación entre ellas.
Seminario 10 estadística
Este documento describe los pasos para realizar un análisis de concordancia y correlación entre dos variables, peso y talla, tomadas de un cuestionario. Se analiza la normalidad de distribución de ambas variables de forma independiente usando pruebas estadísticas en SPSS. Los resultados muestran que siguen una distribución normal, por lo que se usa la correlación de Pearson para analizar su relación. Los resultados indican una fuerte correlación positiva entre peso y talla.
Programa IBM SPSS STATISTICS
Elaboración de diferentes tablas de contingencia y frecuencia con chi-cuadrado y cómo aceptar o rechazar una hipótesis nula en función de sus valores.
Estadistica y tic seminario 10
El documento explica los conceptos de correlación y normalidad estadística. La correlación mide la relación entre dos variables cuantitativas y puede ser positiva o negativa. Para medir la correlación se utilizan los estadísticos de Pearson o Spearman, dependiendo de si las variables siguen una distribución normal o no, lo que se comprueba con pruebas como Kolmogorov-Smirnov o Shapiro-Wilk. El documento propone analizar la correlación entre horas de estudio y hora de regreso de fiestas usando datos reales.
"T de Student" y Pruebas de Normalidad
Aquí se incluye una presentación de Power Point sobre cómo hacerle las pruebas de T de Student y de Normalidad a variables cualitativas independientes y cuantitativas dependientes, y cómo interpretar los resultados.
U de Mann-Whitney
Este documento describe la prueba U de Mann-Whitney, una prueba no paramétrica para comparar dos muestras independientes cuando la variable dependiente es de nivel ordinal. Explica que la prueba compara los rangos (medias) de dos grupos para determinar si cualquier diferencia es estadísticamente significativa. Además, presenta un ejemplo de cómo aplicar la prueba U de Mann-Whitney usando SPSS para analizar si hay diferencias en el nivel de estrés reportado por enfermeras de terapia intensiva versus urgencias.
Presentación 11 prueba t y varianza
La prueba t y el análisis de varianza (ANOVA) son métodos estadísticos para determinar si las diferencias observadas entre promedios muestrales son estadísticamente significativas. La prueba t evalúa las diferencias entre dos grupos, mientras que el ANOVA evalúa las diferencias entre tres o más grupos. Ambos usan valores críticos de la distribución t o F para determinar si se rechaza o no la hipótesis nula de que no hay diferencias entre los grupos.
Pruebas estadísticas en medicina
Este documento presenta un resumen de los principales tipos de pruebas estadísticas utilizadas en investigación. Describe las escalas de medida, variables, distribuciones de probabilidad y estadísticos descriptivos. Explica el procedimiento de contrastes de hipótesis, errores tipo I y II, y niveles de significación. Resume pruebas paramétricas y no paramétricas para comparar medias, proporciones y correlaciones. Finalmente, explica el cálculo de intervalos de confianza.
Recomendados
Tarea 9
Este documento analiza la relación entre las variables cuantitativas "medicalización" y "malestares activos" en una muestra. Muestra una asociación lineal positiva entre las variables en un diagrama de dispersión. Sin embargo, ninguna de las variables sigue una distribución normal, por lo que se utilizará una prueba no paramétrica. La prueba de correlación de Spearman muestra una correlación débil de 0,2584 entre las variables, lo que lleva a rechazar la hipótesis nula de que no hay asociación entre ellas.
Seminario 10 estadística
Este documento describe los pasos para realizar un análisis de concordancia y correlación entre dos variables, peso y talla, tomadas de un cuestionario. Se analiza la normalidad de distribución de ambas variables de forma independiente usando pruebas estadísticas en SPSS. Los resultados muestran que siguen una distribución normal, por lo que se usa la correlación de Pearson para analizar su relación. Los resultados indican una fuerte correlación positiva entre peso y talla.
Programa IBM SPSS STATISTICS
Elaboración de diferentes tablas de contingencia y frecuencia con chi-cuadrado y cómo aceptar o rechazar una hipótesis nula en función de sus valores.
Estadistica y tic seminario 10
El documento explica los conceptos de correlación y normalidad estadística. La correlación mide la relación entre dos variables cuantitativas y puede ser positiva o negativa. Para medir la correlación se utilizan los estadísticos de Pearson o Spearman, dependiendo de si las variables siguen una distribución normal o no, lo que se comprueba con pruebas como Kolmogorov-Smirnov o Shapiro-Wilk. El documento propone analizar la correlación entre horas de estudio y hora de regreso de fiestas usando datos reales.
"T de Student" y Pruebas de Normalidad
Aquí se incluye una presentación de Power Point sobre cómo hacerle las pruebas de T de Student y de Normalidad a variables cualitativas independientes y cuantitativas dependientes, y cómo interpretar los resultados.
U de Mann-Whitney
Este documento describe la prueba U de Mann-Whitney, una prueba no paramétrica para comparar dos muestras independientes cuando la variable dependiente es de nivel ordinal. Explica que la prueba compara los rangos (medias) de dos grupos para determinar si cualquier diferencia es estadísticamente significativa. Además, presenta un ejemplo de cómo aplicar la prueba U de Mann-Whitney usando SPSS para analizar si hay diferencias en el nivel de estrés reportado por enfermeras de terapia intensiva versus urgencias.
Presentación 11 prueba t y varianza
La prueba t y el análisis de varianza (ANOVA) son métodos estadísticos para determinar si las diferencias observadas entre promedios muestrales son estadísticamente significativas. La prueba t evalúa las diferencias entre dos grupos, mientras que el ANOVA evalúa las diferencias entre tres o más grupos. Ambos usan valores críticos de la distribución t o F para determinar si se rechaza o no la hipótesis nula de que no hay diferencias entre los grupos.
Pruebas estadísticas en medicina
Este documento presenta un resumen de los principales tipos de pruebas estadísticas utilizadas en investigación. Describe las escalas de medida, variables, distribuciones de probabilidad y estadísticos descriptivos. Explica el procedimiento de contrastes de hipótesis, errores tipo I y II, y niveles de significación. Resume pruebas paramétricas y no paramétricas para comparar medias, proporciones y correlaciones. Finalmente, explica el cálculo de intervalos de confianza.
17 analisis de varianza
El documento explica el análisis de varianza (ANOVA), que se usa para determinar si hay una relación entre una variable cualitativa con más de 2 categorías y una variable cuantitativa. ANOVA compara las medias de grupos definidos por la variable cualitativa para ver si al menos una media es significativamente diferente. Se formula la hipótesis nula de que no hay relación entre las variables frente a la hipótesis alternativa de que sí la hay. ANOVA asume que la dispersión es la misma en cada grupo y que las distribuciones son normales.
Pruebas no parametricas en Spss
Conozca sobre conceptos básicos y el uso de Pruebas no parametricas en Spss, ideal para las pruebas de hipótesis de quienes están elaborando su Tesis
Estadistica no parametrica
Este documento presenta un resumen de las técnicas estadísticas no paramétricas. Introduce la estadística no paramétrica y sus ventajas frente a los métodos paramétricos. Luego describe las principales pruebas no paramétricas como la prueba de chi cuadrado, la prueba de Wilcoxon y la prueba de Mann-Whitney. Finalmente, explica en detalle algunas herramientas estadísticas no paramétricas como la prueba de chi cuadrado de Pearson, el contraste de signos e
Pruebas paramétricas y no paramétricas
Este documento describe las condiciones de aplicabilidad de las pruebas paramétricas y no paramétricas. Explica que las pruebas paramétricas como la t de Student requieren que los datos sigan una distribución normal y tengan varianzas iguales. También describe cómo interpretar los resultados de estas pruebas incluyendo el estadístico t, los grados de libertad, y los valores p. Finalmente, explica que la prueba chi-cuadrado se usa con variables cualitativas y comprueba la independencia entre variables, pero no se debe usar si las
Anova de un factor
Este documento explica cómo realizar un análisis de varianza (ANOVA) de un factor en SPSS. El ANOVA se usa para comparar varios grupos en una variable cuantitativa y determinar si existen diferencias significativas entre las medias de los grupos. El documento describe los pasos para seleccionar el ANOVA de un factor en el menú de SPSS, solicitar estadísticos descriptivos y de homogeneidad, e interpretar los resultados del ANOVA y las pruebas post hoc.
T de Student y ANOVA
Se aborda compracion de dos medias independientes y relacionadas y comparacion de k medias, no se incluye comparacion de una solamedia
Pruebas No Parametricas
El documento proporciona una introducción a las pruebas estadísticas no paramétricas. Explica que estas pruebas no asumen una distribución normal de los datos ni igualdad de varianzas, a diferencia de las pruebas paramétricas. Luego describe algunas pruebas no paramétricas comunes como la prueba de Chi cuadrado, U de Mann-Whitney, Wilcoxon y Kruskal-Wallis; e indica cómo seleccionar la prueba apropiada dependiendo del tipo y número de muestras. Finalmente, incluye ej
AnáLisis De Varianza (Anova)
El análisis de varianza (ANOVA) determina si los efectos observados en diferentes clases son debidos al azar o son realmente diferentes mediante la descomposición de la varianza total en variaciones dentro y entre grupos. ANOVA compara las medias de las poblaciones al estimar la varianza y utilizar la relación entre la varianza dentro y entre grupos para concluir si las medias son iguales o diferentes.
Tarea del seminario 10, Ana María Pavón
Este documento resume los pasos realizados para analizar la correlación bivariada entre dos variables cuantitativas, el año de nacimiento y las horas dedicadas al deporte, en un conjunto de datos. Se comprueba primero la normalidad de ambas variables y, al no seguir una distribución normal, se utiliza el coeficiente de correlación de Spearman. Los resultados no muestran una correlación significativa entre las variables.
Seminario 8
Este documento explica cómo utilizar la prueba T-Student para una muestra, dos muestras independientes y dos muestras dependientes. Detalla los pasos para realizar cada tipo de prueba T-Student en SPSS e incluye información sobre el contraste de hipótesis, la normalidad de las variables cuantitativas y el establecimiento del nivel de confianza.
T tests & SPSS
Este documento define las pruebas t y describe cómo realizar pruebas t de muestra única y emparejadas en SPSS. Explica que las pruebas t evalúan si las medias de variables son significativamente diferentes y cubre conceptos como tipos de pruebas t, estadísticas, datos y supuestos. También incluye ejemplos y pasos para ejecutar pruebas t en SPSS.
Analisis estadistico
Este documento presenta un resumen de diferentes pruebas estadísticas paramétricas y no paramétricas para analizar datos provenientes de distribuciones normales y no normales, incluyendo pruebas t de Student, U de Mann-Whitney, y pruebas de Wilcoxon y McNemar. Explica cómo utilizar SPSS para realizar una prueba de Wilcoxon y cómo interpretar los resultados, concluyendo si existe una diferencia significativa entre dos grupos basada en el valor p.
Nora
Este documento presenta el análisis de correlación entre dos variables cuantitativas, el año de nacimiento y la nota de acceso, de un cuestionario. Se realizan las pruebas de normalidad de ambas variables y se determina que no siguen una distribución normal, por lo que se utiliza el estadístico de Spearman. Los resultados muestran que no existe correlación entre las dos variables.
Prueba estadística paramétrica
El documento describe los conceptos básicos de las pruebas estadísticas paramétricas. Explica que estas pruebas asumen que los datos siguen una distribución normal y que se pueden estimar parámetros como la media y la varianza. También detalla los supuestos que deben cumplirse para aplicar pruebas paramétricas y ejemplos de estas pruebas como contrastar si la media de dos grupos es igual.
Exposicion mann whitney
Este documento describe la prueba U de Mann-Whitney, una prueba estadística no paramétrica para identificar diferencias entre dos grupos independientes. Explica cómo calcular el estadístico U y determinar si hay diferencias significativas entre los grupos dependiendo del tamaño de la muestra y el nivel de significación. También incluye ejemplos para ilustrar cómo aplicar la prueba con muestras pequeñas y grandes.
Reporte interpretación y aplicación de control estadístico de proceso con min...
Este documento presenta información sobre estadística descriptiva y su aplicación en la gestión empresarial. Explica conceptos como histogramas, pruebas de normalidad, gráficos de probabilidad y distribución para datos normales. También describe el gráfico de control X-barra R y cómo identificar patrones atípicos que indican que un proceso está fuera de control. El objetivo es mostrar cómo las herramientas estadísticas pueden usarse para analizar datos cuantitativos y tomar decisiones informadas sobre productos y procesos.
4+an%c3%a1lisis+de+varianza
Este documento proporciona una introducción al análisis de varianza (ANOVA), que se utiliza para comparar las medias de tres o más poblaciones. Explica los conceptos básicos de ANOVA, incluidos los supuestos, la tabla ANOVA y los métodos posteriores como las pruebas de rango múltiple. También incluye ejemplos de cómo aplicar ANOVA para evaluar diferencias entre proveedores, tratamientos y otros factores.
Analisis parametricos-y-no-parametricos
Este documento describe los métodos paramétricos y no paramétricos para el análisis estadístico. Explica que los métodos no paramétricos no requieren supuestos sobre la forma de distribución y pueden usarse con variables nominales u ordinales, mientras que los métodos paramétricos asumen distribuciones normales y niveles de medición por intervalo o razón. También describe algunas pruebas estadísticas comunes como la Ji cuadrada, la prueba t, el análisis de varianza y la regresión lineal.
Análisis paramétricos investigación
Este documento presenta preguntas sobre conceptos estadísticos paramétricos como presuposiciones, métodos comunes, coeficiente de correlación de Pearson, regresión lineal, prueba t, prueba de diferencia de proporciones y análisis de varianza unidireccional. Define el coeficiente de correlación de Pearson como una medida de la relación lineal entre dos variables continuas y explica que la prueba t evalúa si dos grupos difieren significativamente en sus medias.
Diapositivas de metodos no parametricos
Este documento describe métodos estadísticos no paramétricos que no requieren suposiciones sobre la forma de la distribución de población. Explica varias pruebas no paramétricas como la prueba de signos, la prueba U de Mann-Whitney y la prueba de Kruskal-Wallis, y discute sus ventajas sobre los métodos paramétricos como su simplicidad y aplicabilidad a una variedad de datos.
Teorias del envejecimiento
Este documento resume varias teorías sobre el envejecimiento. La teoría de los radicales libres propone que el envejecimiento se debe al daño producido por moléculas inestables como resultado del metabolismo celular. La teoría del curso de vida ve el envejecimiento como un proceso continuo desde el nacimiento hasta la muerte, y cómo la adaptación al entorno y experiencias pasadas afectan la salud y el envejecimiento. El autor opina que su propia teoría combinaría estas dos, reconociendo tanto los factores biológicos como
Tarea 2
El documento describe los pasos para buscar artículos en bases de datos sobre la influencia del estilo de vida en el sobrepeso y la obesidad en adultos y ancianos. Instruye encontrar dos artículos en Dialnet, uno con texto completo y otro sin él, y usar el catálogo Fama para encontrar el texto completo del segundo artículo introduciendo los datos de usuario y contraseña.
Más contenido relacionado
La actualidad más candente
17 analisis de varianza
El documento explica el análisis de varianza (ANOVA), que se usa para determinar si hay una relación entre una variable cualitativa con más de 2 categorías y una variable cuantitativa. ANOVA compara las medias de grupos definidos por la variable cualitativa para ver si al menos una media es significativamente diferente. Se formula la hipótesis nula de que no hay relación entre las variables frente a la hipótesis alternativa de que sí la hay. ANOVA asume que la dispersión es la misma en cada grupo y que las distribuciones son normales.
Pruebas no parametricas en Spss
Conozca sobre conceptos básicos y el uso de Pruebas no parametricas en Spss, ideal para las pruebas de hipótesis de quienes están elaborando su Tesis
Estadistica no parametrica
Este documento presenta un resumen de las técnicas estadísticas no paramétricas. Introduce la estadística no paramétrica y sus ventajas frente a los métodos paramétricos. Luego describe las principales pruebas no paramétricas como la prueba de chi cuadrado, la prueba de Wilcoxon y la prueba de Mann-Whitney. Finalmente, explica en detalle algunas herramientas estadísticas no paramétricas como la prueba de chi cuadrado de Pearson, el contraste de signos e
Pruebas paramétricas y no paramétricas
Este documento describe las condiciones de aplicabilidad de las pruebas paramétricas y no paramétricas. Explica que las pruebas paramétricas como la t de Student requieren que los datos sigan una distribución normal y tengan varianzas iguales. También describe cómo interpretar los resultados de estas pruebas incluyendo el estadístico t, los grados de libertad, y los valores p. Finalmente, explica que la prueba chi-cuadrado se usa con variables cualitativas y comprueba la independencia entre variables, pero no se debe usar si las
Anova de un factor
Este documento explica cómo realizar un análisis de varianza (ANOVA) de un factor en SPSS. El ANOVA se usa para comparar varios grupos en una variable cuantitativa y determinar si existen diferencias significativas entre las medias de los grupos. El documento describe los pasos para seleccionar el ANOVA de un factor en el menú de SPSS, solicitar estadísticos descriptivos y de homogeneidad, e interpretar los resultados del ANOVA y las pruebas post hoc.
T de Student y ANOVA
Se aborda compracion de dos medias independientes y relacionadas y comparacion de k medias, no se incluye comparacion de una solamedia
Pruebas No Parametricas
El documento proporciona una introducción a las pruebas estadísticas no paramétricas. Explica que estas pruebas no asumen una distribución normal de los datos ni igualdad de varianzas, a diferencia de las pruebas paramétricas. Luego describe algunas pruebas no paramétricas comunes como la prueba de Chi cuadrado, U de Mann-Whitney, Wilcoxon y Kruskal-Wallis; e indica cómo seleccionar la prueba apropiada dependiendo del tipo y número de muestras. Finalmente, incluye ej
AnáLisis De Varianza (Anova)
El análisis de varianza (ANOVA) determina si los efectos observados en diferentes clases son debidos al azar o son realmente diferentes mediante la descomposición de la varianza total en variaciones dentro y entre grupos. ANOVA compara las medias de las poblaciones al estimar la varianza y utilizar la relación entre la varianza dentro y entre grupos para concluir si las medias son iguales o diferentes.
Tarea del seminario 10, Ana María Pavón
Este documento resume los pasos realizados para analizar la correlación bivariada entre dos variables cuantitativas, el año de nacimiento y las horas dedicadas al deporte, en un conjunto de datos. Se comprueba primero la normalidad de ambas variables y, al no seguir una distribución normal, se utiliza el coeficiente de correlación de Spearman. Los resultados no muestran una correlación significativa entre las variables.
Seminario 8
Este documento explica cómo utilizar la prueba T-Student para una muestra, dos muestras independientes y dos muestras dependientes. Detalla los pasos para realizar cada tipo de prueba T-Student en SPSS e incluye información sobre el contraste de hipótesis, la normalidad de las variables cuantitativas y el establecimiento del nivel de confianza.
T tests & SPSS
Este documento define las pruebas t y describe cómo realizar pruebas t de muestra única y emparejadas en SPSS. Explica que las pruebas t evalúan si las medias de variables son significativamente diferentes y cubre conceptos como tipos de pruebas t, estadísticas, datos y supuestos. También incluye ejemplos y pasos para ejecutar pruebas t en SPSS.
Analisis estadistico
Este documento presenta un resumen de diferentes pruebas estadísticas paramétricas y no paramétricas para analizar datos provenientes de distribuciones normales y no normales, incluyendo pruebas t de Student, U de Mann-Whitney, y pruebas de Wilcoxon y McNemar. Explica cómo utilizar SPSS para realizar una prueba de Wilcoxon y cómo interpretar los resultados, concluyendo si existe una diferencia significativa entre dos grupos basada en el valor p.
Nora
Este documento presenta el análisis de correlación entre dos variables cuantitativas, el año de nacimiento y la nota de acceso, de un cuestionario. Se realizan las pruebas de normalidad de ambas variables y se determina que no siguen una distribución normal, por lo que se utiliza el estadístico de Spearman. Los resultados muestran que no existe correlación entre las dos variables.
Prueba estadística paramétrica
El documento describe los conceptos básicos de las pruebas estadísticas paramétricas. Explica que estas pruebas asumen que los datos siguen una distribución normal y que se pueden estimar parámetros como la media y la varianza. También detalla los supuestos que deben cumplirse para aplicar pruebas paramétricas y ejemplos de estas pruebas como contrastar si la media de dos grupos es igual.
Exposicion mann whitney
Este documento describe la prueba U de Mann-Whitney, una prueba estadística no paramétrica para identificar diferencias entre dos grupos independientes. Explica cómo calcular el estadístico U y determinar si hay diferencias significativas entre los grupos dependiendo del tamaño de la muestra y el nivel de significación. También incluye ejemplos para ilustrar cómo aplicar la prueba con muestras pequeñas y grandes.
Reporte interpretación y aplicación de control estadístico de proceso con min...
Este documento presenta información sobre estadística descriptiva y su aplicación en la gestión empresarial. Explica conceptos como histogramas, pruebas de normalidad, gráficos de probabilidad y distribución para datos normales. También describe el gráfico de control X-barra R y cómo identificar patrones atípicos que indican que un proceso está fuera de control. El objetivo es mostrar cómo las herramientas estadísticas pueden usarse para analizar datos cuantitativos y tomar decisiones informadas sobre productos y procesos.
4+an%c3%a1lisis+de+varianza
Este documento proporciona una introducción al análisis de varianza (ANOVA), que se utiliza para comparar las medias de tres o más poblaciones. Explica los conceptos básicos de ANOVA, incluidos los supuestos, la tabla ANOVA y los métodos posteriores como las pruebas de rango múltiple. También incluye ejemplos de cómo aplicar ANOVA para evaluar diferencias entre proveedores, tratamientos y otros factores.
Analisis parametricos-y-no-parametricos
Este documento describe los métodos paramétricos y no paramétricos para el análisis estadístico. Explica que los métodos no paramétricos no requieren supuestos sobre la forma de distribución y pueden usarse con variables nominales u ordinales, mientras que los métodos paramétricos asumen distribuciones normales y niveles de medición por intervalo o razón. También describe algunas pruebas estadísticas comunes como la Ji cuadrada, la prueba t, el análisis de varianza y la regresión lineal.
Análisis paramétricos investigación
Este documento presenta preguntas sobre conceptos estadísticos paramétricos como presuposiciones, métodos comunes, coeficiente de correlación de Pearson, regresión lineal, prueba t, prueba de diferencia de proporciones y análisis de varianza unidireccional. Define el coeficiente de correlación de Pearson como una medida de la relación lineal entre dos variables continuas y explica que la prueba t evalúa si dos grupos difieren significativamente en sus medias.
Diapositivas de metodos no parametricos
Este documento describe métodos estadísticos no paramétricos que no requieren suposiciones sobre la forma de la distribución de población. Explica varias pruebas no paramétricas como la prueba de signos, la prueba U de Mann-Whitney y la prueba de Kruskal-Wallis, y discute sus ventajas sobre los métodos paramétricos como su simplicidad y aplicabilidad a una variedad de datos.
La actualidad más candente (20)
Reporte interpretación y aplicación de control estadístico de proceso con min...
Reporte interpretación y aplicación de control estadístico de proceso con min...
Destacado
Teorias del envejecimiento
Este documento resume varias teorías sobre el envejecimiento. La teoría de los radicales libres propone que el envejecimiento se debe al daño producido por moléculas inestables como resultado del metabolismo celular. La teoría del curso de vida ve el envejecimiento como un proceso continuo desde el nacimiento hasta la muerte, y cómo la adaptación al entorno y experiencias pasadas afectan la salud y el envejecimiento. El autor opina que su propia teoría combinaría estas dos, reconociendo tanto los factores biológicos como
Tarea 2
El documento describe los pasos para buscar artículos en bases de datos sobre la influencia del estilo de vida en el sobrepeso y la obesidad en adultos y ancianos. Instruye encontrar dos artículos en Dialnet, uno con texto completo y otro sin él, y usar el catálogo Fama para encontrar el texto completo del segundo artículo introduciendo los datos de usuario y contraseña.
Seminario 4 pp
El documento describe las partes principales de un artículo científico original, incluyendo los preliminares, el cuerpo y los finales. Los preliminares contienen el título, autores, institución, palabras clave y resumen. El cuerpo incluye la introducción, metodología, resultados y discusión. Los finales son agradecimientos, referencias y apéndices. El documento analiza cada una de estas secciones de un artículo científico seleccionado como ejemplo.
Tarea 4º seminario
Este documento presenta dos textos que describen los elementos de un artículo científico. En el primer texto, se analizan apartados como la introducción, metodología, resultados y discusión de forma detallada. En el segundo texto, la descripción de estos apartados es más breve y carece de algunos detalles importantes. Ambos textos concluyen que las referencias bibliográficas cumplen con el estilo Vancouver.
Sem 7
Una enfermera analizó las historias clínicas de 484 personas que cuidan familiares dependientes y encontró que 450 personas tenían fatiga como cuidador. Realizó una prueba de chi cuadrado para determinar si existe una relación entre tener fatiga como cuidador y el sexo. Los resultados de la prueba mostraron que existe una relación significativa, rechazando la hipótesis nula de que no hay relación.
Seminario 8
Este documento presenta un análisis estadístico para determinar si existen diferencias entre chicos y chicas en cuanto a su puntuación media en una escala y su altura media. Se realizan pruebas T de Student para muestras independientes después de comprobar la normalidad de los datos. Los resultados muestran que no hay diferencias en la puntuación media en la escala, pero sí las hay en la altura media, siendo los chicos más altos que las chicas.
Seminario 3
El documento describe los pasos para realizar una búsqueda bibliográfica sobre atención domiciliaria en salud en pacientes con esquizofrenia o trastorno bipolar en las bases de datos PubMed y CINAHL. Explica cómo usar los tesauros DeCS para establecer la estrategia de búsqueda y cómo limitar los resultados a los últimos 15 años. Luego selecciona 5 artículos relevantes y exporta sus referencias bibliográficas a Mendeley en formato Vancouver.
Semianrio 9
Este documento resume los resultados de una prueba de correlación entre dos variables: horas de práctica deportiva y el índice de masa corporal (IMC). Se determinó que las variables no siguen una distribución normal, por lo que se usó la prueba de Spearman. Los resultados mostraron una correlación positiva pero no significativa (0.263) entre las variables, indicando que no existe una relación entre las horas de deporte y el IMC.
Seminario 6
Este documento presenta cuatro ejercicios sobre cómo trabajar con SPSS: 1) introducir datos en SPSS, 2) exportar datos de SPSS a Excel, 3) importar datos de Excel a SPSS, y 4) importar seleccionados datos de Excel a SPSS, recodificar variables y guardar el archivo. Se proveen instrucciones detalladas para cada paso requerido para completar los ejercicios.
Busqueda en bases de datos
This document summarizes a literature search conducted on the topic of home care for patients with schizophrenia or bipolar disorder. It describes searching the PubMed and CINAHL databases using the search strategy "home nursing" AND patient AND (schizophrenia OR bipolar disorder), limiting results to articles published in the last 15 years in peer-reviewed journals. Five relevant results were found and their bibliographic information is listed according to the Vancouver style.
Seminario 8
Este documento presenta un resumen de un seminario sobre la prueba de Chi-cuadrado para determinar la relación entre dos variables cualitativas: sexo y práctica de deporte. Se realizó primero la prueba en SPSS y luego manualmente. Ambos métodos arrojaron un valor estadístico de 4,023, mayor que el valor crítico de 3,84 para un grado de libertad de 1 y un nivel de significación de 0,05, lo que permite rechazar la hipótesis nula de independencia entre las variables y concluir que existe
Seminario 7
Este documento resume los pasos para realizar pruebas de normalidad y T-student en una muestra de datos. Primero se realiza la prueba de Shapiro-Wilk para determinar si dos variables (peso y práctica de deporte) siguen una distribución normal. Luego, al cumplir la normalidad, se aplica la prueba T-student para analizar si el peso está relacionado con hacer deporte. Los resultados muestran que el peso está relacionado con la práctica de deporte.
Seminario 5
Este documento proporciona instrucciones para usar el programa SPSS: explica cómo crear variables y tipos de datos, abrir una base de datos, calcular y recodificar variables, y pasar datos de Excel a SPSS. Proporciona capturas de pantalla para ilustrar cada paso, como añadir variables cuantitativas y cualitativas, modificar sus características, y ver los datos y variables de diferentes formas. También explica cómo calcular nuevas variables, recodificar variables cuantitativas a cualitativas, y cargar datos de Excel a SPSS.
Destacado (13)
Similar a Seminario 9
Seminario 9.
El documento resume un seminario sobre correlación. Explica cómo determinar si existe una relación entre las variables "altura" y "peso" mediante pruebas de normalidad, representaciones gráficas y el test de Spearman. Los resultados de las pruebas en SPSS muestran que las variables no siguen una distribución normal y que existe una fuerte correlación positiva entre el peso y la altura, con un coeficiente de correlación cercano a 0,7 y un nivel de significación menor a 0,05.
Correlación
Este documento resume los pasos para estudiar la correlación entre dos variables cuantitativas utilizando los coeficientes de correlación de Pearson y Spearman. Explica que primero se debe comprobar si las variables siguen una distribución normal mediante histogramas y pruebas estadísticas, y luego seleccionar el coeficiente de correlación apropiado. Al aplicar estos pasos a las variables peso y colesterol total de una muestra, se concluye que no existe una correlación significativa entre ellas.
Tarea 9
Este documento describe los pasos para calcular la correlación entre las variables peso y talla utilizando el programa SPSS. Primero, se comprueba la normalidad de las distribuciones de peso y talla mediante las pruebas de Shapiro-Wilk y Kolmogorov-Smirnov. Luego, al comprobar que siguen una distribución normal, se determina utilizar el coeficiente de correlación de Pearson. Finalmente, se calcula el coeficiente de correlación entre peso y talla, el cual resulta ser de 0,475, indicando una correlación positiva moderada.
Test de correlacion r
Este documento describe un análisis de correlación entre las variables de altura y peso en un conjunto de datos de salud, filtrando primero por sexo. Para los varones, se encontró una correlación positiva baja pero significativa entre altura y peso. Para las mujeres, hubo una correlación positiva moderada y significativa. En ambos casos, las variables no siguieron una distribución normal, por lo que se usó la prueba de correlación de Spearman en lugar de Pearson.
Seminario 8
Este documento analiza la relación entre las variables de altura y peso en un conjunto de datos de salud. No siguen una distribución normal, por lo que se usa el coeficiente de correlación de Spearman. Los resultados muestran una correlación positiva moderada entre altura y peso.
Seminario 9
Este documento describe cómo realizar correlaciones bivariadas en SPSS. Explica que se utilizan para contrastar hipótesis sobre cómo dos variables numéricas varían conjuntamente. Describe los pasos para determinar si las variables se distribuyen normalmente y seleccionar el coeficiente de correlación apropiado (R de Pearson o Rho de Spearman), y cómo interpretar los resultados para determinar si existe una correlación significativa.
Correlación
El documento describe los pasos realizados para explorar las correlaciones entre diferentes variables usando la base de datos obesidad.sav en SPSS. En el primer ejercicio, se analiza la correlación entre peso y glucemia encontrando una correlación moderada positiva. En el segundo ejercicio, se explora la correlación entre tensión arterial y colesterol, encontrando una correlación baja positiva. Ambos análisis involucraron gráficos de dispersión, pruebas de normalidad y pruebas de correlación de Spearman o Pearson según corresponda.
Tstudent
Este documento describe cómo realizar dos contrastes de hipótesis mediante la prueba T de Student en SPSS. El primer contraste examina la relación entre el sexo y la altura, mientras que el segundo analiza la relación entre el sexo y el peso. Ambos contrastes siguen los mismos pasos: comprobar la normalidad de las variables dependientes, seleccionar la prueba T para muestras independientes e interpretar los resultados.
Seminario viii
Este documento describe un ejercicio para determinar la relación entre las variables altura y peso mediante diferentes métodos. Se comprueba la normalidad de ambas variables con gráficos de QQ, histograma y cajas, así como con la prueba de Shapiro-Wilk, encontrando que no siguen una distribución normal. Se realiza una regresión mostrando una relación positiva entre altura y peso, y una correlación de Spearman de 0.6224 indicando una fuerte asociación entre las variables.
Correlación
Este documento presenta un análisis estadístico de la relación entre la altura y el peso de un grupo de personas. Se determinó que las variables de altura y peso no siguen una distribución normal a través de pruebas estadísticas y gráficas. Por lo tanto, se utilizó la prueba de correlación de Spearman en lugar de la prueba de Pearson. Los resultados mostraron una fuerte correlación positiva entre la altura y el peso, lo que indica que cuanto mayor es la altura de una persona, mayor tiende a ser su peso.
Semi8
Este documento resume los pasos para analizar la relación entre las variables altura y peso utilizando datos reales. Muestra gráficas que indican que la altura y el peso no siguen una distribución normal, por lo que se usa la prueba no paramétrica de Spearman. La correlación de Spearman entre altura y peso es de 0.6224114, lo que sugiere una relación moderada entre las variables.
Sem9 tic
Este documento describe un análisis estadístico realizado para determinar la relación entre la altura y el peso. Se realizaron pruebas de normalidad mediante un test estadístico y representaciones gráficas que mostraron que los datos no siguen una distribución normal. Por lo tanto, se utilizó la prueba de Spearman para medir la correlación, la cual arrojó un coeficiente de 0,622 indicando una fuerte correlación positiva y significativa entre la altura y el peso.
Analisis bivariado con variables cuantitativas
Este documento describe cómo analizar la correlación entre dos variables cuantitativas utilizando R. Primero, se seleccionan las variables y se crea un diagrama de dispersión para determinar el tipo de relación. Luego, se realizan gráficos como histogramas y diagramas de caja para evaluar la normalidad de la distribución y decidir si usar la correlación de Pearson o Spearman. Las variables en este caso no siguen una distribución normal, por lo que se utiliza la correlación de Spearman, la cual muestra una correlación débil y no significativa entre las variables.
Seminario 8
Este documento resume un análisis bivariado de las variables cuantitativas altura y peso utilizando datos de una base de datos de salud. Se determinó que altura y peso no siguen una distribución normal a través de histogramas, gráficos Q-Q y boxplots. Un diagrama de dispersión y pruebas de correlación de Pearson y Spearman mostraron una correlación positiva moderada del 63% entre altura y peso, indicando una relación entre las variables.
Estadística bivariada.2
Este documento describe un estudio estadístico bivariado que analiza la asociación entre la altura y el peso de 290 estudiantes. Se representan gráficamente las variables altura y peso usando histogramas, diagramas de cajas y gráficos q-q. Luego, se establece la hipótesis nula de que no existe asociación frente a la hipótesis alternativa de que sí existe. Finalmente, se usa la prueba de correlación de Spearman, encontrando una asociación elevada entre altura y peso.
Seminario 9
Este documento describe un estudio estadístico de dos variables cuantitativas, años de nacimiento y horas dedicadas al deporte. Se realizan pruebas de normalidad de Shapiro-Wilk y se encuentra que ambas variables siguen una distribución normal. La correlación de Pearson muestra una correlación positiva débil de 0,126 entre las variables.
Seminario 8. T-STUDENT
Este documento resume el uso de la prueba t de Student y el contraste de hipótesis para comparar medias. Explica cómo usar la prueba t de Student para muestras independientes y dependientes. Luego presenta un ejercicio de seminario donde se utiliza la prueba t de Student para determinar si fumar modifica la agregación plaquetaria en un grupo de 12 sujetos. Establece las hipótesis nula y alternativa, y concluye que fumar no modifica significativamente la agregación plaquetaria basado en un valor p mayor a 0.05.
Informe estadístico de estadística bivariada
El documento presenta un informe estadístico sobre estadística bivariada. Se analizan dos objetivos: 1) determinar la relación entre las variables "altura" y "peso" utilizando el coeficiente de correlación de Spearman, encontrando una correlación positiva y fuerte estadísticamente significativa; 2) analizar la asociación entre "sexo" y "practicadeporte" usando la prueba de chi cuadrado, lo que muestra una asociación estadísticamente significativa con mayor porcentaje de varones practicando deporte.
Estudio de la correlación entre variables | Seminario 9
Se describe el estudio de la correlación entre dos variables, para poder llevar a cabo el análisis se ha hecho uso del programa estadístico SPSS.
Ejercicio con r. sem 9
Este documento resume un estudio de las relaciones entre dos variables cuantitativas, mantenimiento del hogar y medicalización, tomadas de una base de datos. Se analiza la linealidad y normalidad de las variables a través de gráficos y pruebas estadísticas, encontrando que no cumplen con estos supuestos. Por lo tanto, se aplica la prueba no paramétrica de Spearman, concluyendo que no existe asociación entre las dos variables dado que el valor p es mayor a 0.05.
Similar a Seminario 9 (20)
Estudio de la correlación entre variables | Seminario 9
Estudio de la correlación entre variables | Seminario 9
Último
El Cerebro se Cambia a si Mismo-Norman Doidge.pdf
Plasticidad cerebral; como el cerebro se puede cambiar a si mismo...
Hablemos de ESI para estudiantes Cuadernillo
Cuadernillo Hablemos de ESI para estudiantes del nivel secundario
Triduo Eudista: Jesucristo, Sumo y Eterno Sacerdote; El Corazón de Jesús y el...
Triduo Eudista: Jesucristo, Sumo y Eterno Sacerdote; El Corazón de Jesús y el...Unidad de Espiritualidad Eudista
La Unidad Eudista de Espiritualidad se complace en poner a su disposición el siguiente Triduo Eudista, que tiene como propósito ofrecer tres breves meditaciones sobre Jesucristo Sumo y Eterno Sacerdote, el Sagrado Corazón de Jesús y el Inmaculado Corazón de María. En cada día encuentran una oración inicial, una meditación y una oración final.Manual de procedimiento para gráficos HC
Manual de usuario para elaborar gráficos en Hoja de cálculo de Google.
p4s.co Ecosistema de Ecosistemas - Diagrama.pdf
Ofrecemos herramientas y metodologías para que las personas con ideas de negocio desarrollen un prototipo que pueda ser probado en un entorno real.
Cada miembro puede crear su perfil de acuerdo a sus intereses, habilidades y así montar sus proyectos de ideas de negocio, para recibir mentorías .
Último (20)
RETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docx
RETROALIMENTACIÓN PARA EL EXAMEN ÚNICO AUXILIAR DE ENFERMERIA.docx
Las Tecnologias Digitales en los Aprendizajesdel Siglo XXI UNESCO Ccesa007.pdf
Las Tecnologias Digitales en los Aprendizajesdel Siglo XXI UNESCO Ccesa007.pdf
Guia Practica de ChatGPT para Docentes Ccesa007.pdf
Guia Practica de ChatGPT para Docentes Ccesa007.pdf
CONTENIDOS Y PDA DE LA FASE 3,4 Y 5 EN NIVEL PRIMARIA
CONTENIDOS Y PDA DE LA FASE 3,4 Y 5 EN NIVEL PRIMARIA
Triduo Eudista: Jesucristo, Sumo y Eterno Sacerdote; El Corazón de Jesús y el...
Triduo Eudista: Jesucristo, Sumo y Eterno Sacerdote; El Corazón de Jesús y el...
200. Efemerides junio para trabajar en periodico mural
200. Efemerides junio para trabajar en periodico mural
Presentación de proyecto en acuarela moderna verde.pdf
Presentación de proyecto en acuarela moderna verde.pdf
Inteligencia Artificial para Docentes HIA Ccesa007.pdf
Inteligencia Artificial para Docentes HIA Ccesa007.pdf
Seminario 9
- 2. Ejercicio: • Determina si existe relación y cómo de fuerte es entre las variables “altura” y “peso”. • Comprobar antes de elegir el test, la normalidad mediante test estadístico y representación gráfica.
- 3. En primer lugar, realizamos la PRUEBA DE NORMALIDAD: • Para ello, establecemos 2 hipótesis: Hipótesis Nula (Ho): La variable se distribuye normalmente. Hipótesis Alternativa (H1): La variable no se distribuye normalmente.
- 4. PRUEBA DE NORMALIDAD EN SPSS: Analizar Estadísticos descriptivos Explorar
- 5. A continuación, en la lista de variables dependientes ponemos la “altura” y el “peso”. Al pulsar en “Gráficos” nos aparecerá esta ventanita en la que tenemos que marcar: • Niveles de los factores juntos. •De tallo y hojas. •Gráficos de normalidad con pruebas.
- 6. Al ser el nivel de significación inferior a 0,05, se rechaza la hipótesis nula(Ho) Las variables no se distribuyen normalmente.
- 7. En el diagrama de cajas, podemos observar de manera gráfica como las variables no se distribuyen normalmente.
- 8. Una vez realizada la prueba de normalidad, pasamos a calcular la CORRELACIÓN. • Ya hemos comprobado que las variables no siguen una distribución normal, por tanto, no podemos realizar la Prueba de Pearson. • Así que llevaremos a cabo la Prueba de Spearman.
- 9. Establecemos las hipótesis: Hipótesis Nula (Ho): No existe relación entre el peso y la altura. Hipótesis Alternativa (H1): Sí existe relación entre el peso y la altura.
- 10. CORRELACIÓN EN SPSS: Analizar Correlaciones Bivariadas
- 11. Ahora, en variables introducimos “peso” y “altura”. Además, pulsamos en Coeficiente de correlación: “Spearman”.
- 12. Nos fijamos en que la correlación es 0,622 y la significación inferior a 0,05. Por tanto, rechazamos la hipótesis nula (Ho) y aceptamos la hipótesis alternativa (H1) Existe relación entre el peso y la altura.
- 13. FIN DE LA ÚLTIMA TAREA