Este documento describe los principales métodos estadísticos bivariantes en SPSS, incluyendo índices de asociación lineal como la correlación de Pearson, regresión lineal simple, tablas de contingencia para variables cualitativas y gráficos de resúmenes para grupos. Explica cómo utilizar los procedimientos de correlaciones, regresión y tablas de contingencia en SPSS para llevar a cabo análisis descriptivos bivariantes de datos.
Este documento presenta la unidad IV de una clase de Biometría sobre distribución bidimensional. Explora conceptos como diagrama de dispersión, covarianza, correlación lineal, variables dependientes e independientes, y regresión lineal. El objetivo es describir la relación entre dos variables numéricas y predecir el valor de una variable en función de la otra.
Este documento presenta el tema de magnitudes en física. Explica que las magnitudes son propiedades medibles de un sistema físico que pueden expresarse numéricamente. Distingue entre magnitudes escalares, que se describen con un solo número, y magnitudes vectoriales, que requieren indicar cantidad, dirección y sentido. También introduce el Sistema Internacional de Unidades y conceptos como unidades derivadas, ecuaciones dimensionales, múltiplos y submúltiplos del SI. Finalmente, propone actividades para practicar estos conceptos.
Este documento presenta una introducción al método de los elementos finitos. Explica que este método numérico se usa para resolver ecuaciones diferenciales asociadas a problemas físicos sobre geometrías complicadas. Describe brevemente los pasos generales del método, incluyendo la discretización, selección de elementos, ensamblaje de ecuaciones y resolución. También presenta ejemplos de aplicaciones como el análisis de estructuras, transferencia de calor y fluidos.
Este documento presenta información sobre el análisis dimensional, que incluye:
1) Define el concepto de magnitud física y clasifica las magnitudes en fundamentales y derivadas según su origen, y en escalares y vectoriales según su naturaleza.
2) Explica el principio de homogeneidad dimensional y cómo se aplica a ecuaciones dimensionales para verificar la validez de fórmulas físicas.
3) Presenta ejercicios para que los estudiantes apliquen el análisis dimensional y determinen las dimensiones de diferentes
Este documento describe el método de los elementos finitos. Explica que este método divide un cuerpo en elementos discretos conectados por nodos, y utiliza ecuaciones matemáticas para encontrar aproximaciones a las tensiones y deformaciones dentro del cuerpo. También resume la historia del desarrollo del método de elementos finitos y cómo ha permitido que los ordenadores resuelvan problemas complejos de ingeniería.
Este documento presenta conceptos básicos de estadística descriptiva univariante. Explica medidas de posición central como la media, mediana y moda, y medidas de posición no central como percentiles, deciles y cuartiles. También cubre medidas de dispersión absolutas como el rango y la desviación estándar, y medidas relativas como el coeficiente de variación. Por último, introduce conceptos de forma como la asimetría y curtosis, y cómo medirlas cuantitativamente.
Ayuda para la tarea de estadística TPICI 2do. cuatrimestre 2015Irma Noemí No
Sentencias básicas de SPSS y Excel para resolver la consigna del Trabajo Integrador del 2C2015, Análisis de Varianza para dos factores sin replicación (una muestra).
Este documento presenta la unidad IV de una clase de Biometría sobre distribución bidimensional. Explora conceptos como diagrama de dispersión, covarianza, correlación lineal, variables dependientes e independientes, y regresión lineal. El objetivo es describir la relación entre dos variables numéricas y predecir el valor de una variable en función de la otra.
Este documento presenta el tema de magnitudes en física. Explica que las magnitudes son propiedades medibles de un sistema físico que pueden expresarse numéricamente. Distingue entre magnitudes escalares, que se describen con un solo número, y magnitudes vectoriales, que requieren indicar cantidad, dirección y sentido. También introduce el Sistema Internacional de Unidades y conceptos como unidades derivadas, ecuaciones dimensionales, múltiplos y submúltiplos del SI. Finalmente, propone actividades para practicar estos conceptos.
Este documento presenta una introducción al método de los elementos finitos. Explica que este método numérico se usa para resolver ecuaciones diferenciales asociadas a problemas físicos sobre geometrías complicadas. Describe brevemente los pasos generales del método, incluyendo la discretización, selección de elementos, ensamblaje de ecuaciones y resolución. También presenta ejemplos de aplicaciones como el análisis de estructuras, transferencia de calor y fluidos.
Este documento presenta información sobre el análisis dimensional, que incluye:
1) Define el concepto de magnitud física y clasifica las magnitudes en fundamentales y derivadas según su origen, y en escalares y vectoriales según su naturaleza.
2) Explica el principio de homogeneidad dimensional y cómo se aplica a ecuaciones dimensionales para verificar la validez de fórmulas físicas.
3) Presenta ejercicios para que los estudiantes apliquen el análisis dimensional y determinen las dimensiones de diferentes
Este documento describe el método de los elementos finitos. Explica que este método divide un cuerpo en elementos discretos conectados por nodos, y utiliza ecuaciones matemáticas para encontrar aproximaciones a las tensiones y deformaciones dentro del cuerpo. También resume la historia del desarrollo del método de elementos finitos y cómo ha permitido que los ordenadores resuelvan problemas complejos de ingeniería.
Este documento presenta conceptos básicos de estadística descriptiva univariante. Explica medidas de posición central como la media, mediana y moda, y medidas de posición no central como percentiles, deciles y cuartiles. También cubre medidas de dispersión absolutas como el rango y la desviación estándar, y medidas relativas como el coeficiente de variación. Por último, introduce conceptos de forma como la asimetría y curtosis, y cómo medirlas cuantitativamente.
Ayuda para la tarea de estadística TPICI 2do. cuatrimestre 2015Irma Noemí No
Sentencias básicas de SPSS y Excel para resolver la consigna del Trabajo Integrador del 2C2015, Análisis de Varianza para dos factores sin replicación (una muestra).
Este documento describe los factores que determinan la elección del análisis estadístico apropiado para una investigación, incluyendo el tipo de escala de medición utilizada para las variables, los objetivos planteados y la forma en que se han formulado las hipótesis. Explica que primero se debe realizar un análisis estadístico descriptivo de los datos y luego un análisis inferencial para establecer relaciones entre las variables y generalizar los resultados a la población estudiada.
Este documento presenta las etapas para el análisis y discusión de resultados en un trabajo de investigación universitario. Explica que los resultados obtenidos a través de los instrumentos de recolección de datos deben presentarse de manera objetiva usando tablas, diagramas y estadísticas. Además, detalla la importancia de la matriz de consistencia para verificar la coherencia entre el problema de investigación, objetivos, hipótesis, variables e instrumentos. Finalmente, describe diferentes técnicas estadísticas y no estadísticas para procesar,
Este documento resume las teorías del procesamiento de la información de Gagné, Newell, Mayer, Pascual Leone. Según esta teoría, los seres humanos son procesadores activos de información que reciben, transforman, almacenan, recuperan y usan la información. Pascual Leone analizó cómo los niños resuelven tareas y determinó que el número de esquemas cognitivos que pueden usar depende de su edad.
Técnicas para el procesamiento de la informacíónJuanaSalas
El documento presenta el planteamiento general de una investigación, incluyendo la descripción del problema, objetivos, marco teórico, metodología y procesamiento de datos. La metodología describe el diseño del estudio, la población, las variables, los instrumentos de recolección de datos y el análisis estadístico.
El documento describe los conceptos de unidad de análisis, población y muestra en la investigación. Una unidad de análisis es el sujeto u objeto de estudio seleccionado en base al planteamiento inicial. La población es el conjunto total de unidades de análisis relacionadas con el objeto a investigar, mientras que la muestra es un subgrupo de la población seleccionado para el estudio. Existen muestras probabilísticas, donde todos los elementos tienen la misma posibilidad de ser escogidos de forma aleatoria, y no probabil
La unidad de análisis se refiere a la entidad que será objeto de estudio en una investigación. Puede ser personas, grupos, eventos u otras entidades tangibles o intangibles. Debe estar claramente definida en el protocolo de investigación para guiar la recolección y análisis de datos. El tipo de análisis determinará la elección de la unidad.
El documento trata sobre el procesamiento de información. Explica que este término se refiere a cómo las personas atienden, codifican, almacenan y recuperan la información. Describe el modelo de procesamiento de información de dos almacenes, con una memoria a corto plazo limitada y una memoria a largo plazo más duradera. También analiza conceptos como la atención, percepción, codificación y elaboración en la memoria.
Teoria del Procesamiento de la InformacionEdelin Bravo
La teoría del procesamiento de la información se enfoca en cómo las personas prestan atención a los eventos, codifican la información, la relacionan con conocimientos previos, la almacenan y recuperan. Argumenta que los sujetos construyen conocimiento a partir de sus estructuras y procesos cognitivos, pero no explica cómo se construyen inicialmente. Según esta teoría, el cerebro tiene un registro sensitivo, memoria a corto y largo plazo, y procesa la información mediante la atención, codificación, almacen
Métodos+procesamiento de la informaciónVictor Soto
El documento describe los diferentes tipos de métodos que pueden utilizarse en la investigación científica, incluyendo métodos cualitativos, cuantitativos, teóricos y empíricos. Explica que el método adecuado depende del objetivo y diseño de la investigación. También proporciona detalles sobre cómo analizar e interpretar los resultados de la investigación.
La varianza es la media aritmética del cuadrado de estadística varianzaeldieguito123
1) La varianza mide la dispersión de los valores de una variable aleatoria en torno a su media. 2) Se representa por σ2 y se calcula como la media de los cuadrados de las desviaciones de cada valor respecto a la media. 3) Excel proporciona funciones para calcular la varianza muestral (VAR) y poblacional (VARP).
El documento describe los conceptos básicos del análisis de regresión y correlación. Explica que este análisis estudia la relación entre dos o más variables, ya sea funcional o estadística. También define conceptos clave como variable dependiente, independiente, coeficiente de correlación, modelo de regresión lineal y los pasos para estimar la ecuación de regresión simple.
Este documento explica diferentes medidas de dispersión y variabilidad de datos estadísticos, incluyendo el rango, desviación media, varianza, desviación estándar y coeficiente de variación. Define cada medida y proporciona fórmulas e ilustraciones numéricas para calcularlas.
Este documento presenta una introducción al análisis de regresión y correlación. Explica la diferencia entre relaciones funcionales y estadísticas, y proporciona ejemplos de cada una. También define conceptos clave como variable dependiente, independiente, regresión simple, múltiple, lineal y no lineal. Explica cómo crear diagramas de dispersión y calcular el coeficiente de correlación de Pearson. Por último, describe el proceso de estimación de regresión lineal simple, incluidos los supuestos y cálculos involucrados.
Planillas de cálculo: Aplicación de gráficos para representar funciones matem...Ricardo Leithner
Este documento describe cómo representar gráficamente funciones matemáticas utilizando gráficos de dispersión XY en hojas de cálculo. Explica cómo graficar funciones algebraicas lineales, cuadráticas, raíces cuadradas y cúbicas de manera progresiva. También describe cómo ajustar los ejes y escalas de los gráficos, y cómo representar funciones cuadráticas completas con sus términos por separado y en conjunto.
El documento explica que el coeficiente de variación mide la variabilidad de una variable en relación a su media, expresando la desviación estándar como un porcentaje de la media. Un coeficiente de variación más alto indica mayor heterogeneidad en los valores, mientras que uno más bajo indica mayor homogeneidad. Se usa para comparar la variabilidad de conjuntos de datos con unidades de medida diferentes.
El documento explica que el coeficiente de variación mide la variabilidad de una variable en relación a su media, expresando la desviación estándar como un porcentaje de la media. Un coeficiente de variación más alto indica mayor heterogeneidad en los valores, mientras que uno más bajo indica mayor homogeneidad. Se usa para comparar la variabilidad de conjuntos de datos con unidades de medida diferentes.
El documento describe el método de regresión lineal para estudiar la relación entre una variable independiente (X) y una variable dependiente (Y). Explica que la relación se puede modelar mediante una ecuación de regresión de la forma Y = β0 + β1X, donde β0 es la ordenada al origen y β1 es la pendiente. El método de los mínimos cuadrados se utiliza para estimar los coeficientes β0 y β1 que hacen que la suma de los cuadrados de los errores sea mínima.
Este documento describe cómo realizar linealizaciones de gráficos mediante cambios de variables y obtener relaciones matemáticas entre cantidades físicas a partir de tablas de valores. Explica la importancia de los gráficos en física para ilustrar relaciones entre variables, calcular constantes y obtener ecuaciones matemáticas. También resume los pasos para construir gráficos y la información que se puede obtener de una recta, incluyendo el método de mínimos cuadrados.
Este documento describe diferentes tipos de gráficos para representar variables cualitativas y cuantitativas. Para variables cualitativas, los gráficos más comunes son diagramas de barras y diagramas de sectores. Para variables cuantitativas discretas, se usan diagramas de barras y diagramas acumulados en forma de escalera, mientras que para variables cuantitativas continuas se usan histogramas, polígonos de frecuencias y polígonos de frecuencias acumuladas. El diagrama de Pareto ordena las clases de mayor a menor f
Este documento describe diferentes tipos de gráficos para representar variables cualitativas y cuantitativas. Para variables cualitativas, los gráficos más comunes son diagramas de barras y diagramas de sectores. Para variables cuantitativas discretas, se usan diagramas de barras y diagramas acumulados en forma de escalera, mientras que para variables cuantitativas continuas se usan histogramas, polígonos de frecuencias y polígonos de frecuencias acumuladas. El diagrama de Pareto ordena las clases de mayor a menor f
El documento presenta un modelo de regresión lineal para analizar la relación entre la altura y el peso de 17 niños. La regresión lineal encuentra la línea recta que mejor se ajusta a los datos observados. El modelo de regresión lineal para este conjunto de datos predice que a medida que aumenta la altura también lo hace el peso, y explica aproximadamente el 71,6% de la variación en los datos.
Este documento describe los factores que determinan la elección del análisis estadístico apropiado para una investigación, incluyendo el tipo de escala de medición utilizada para las variables, los objetivos planteados y la forma en que se han formulado las hipótesis. Explica que primero se debe realizar un análisis estadístico descriptivo de los datos y luego un análisis inferencial para establecer relaciones entre las variables y generalizar los resultados a la población estudiada.
Este documento presenta las etapas para el análisis y discusión de resultados en un trabajo de investigación universitario. Explica que los resultados obtenidos a través de los instrumentos de recolección de datos deben presentarse de manera objetiva usando tablas, diagramas y estadísticas. Además, detalla la importancia de la matriz de consistencia para verificar la coherencia entre el problema de investigación, objetivos, hipótesis, variables e instrumentos. Finalmente, describe diferentes técnicas estadísticas y no estadísticas para procesar,
Este documento resume las teorías del procesamiento de la información de Gagné, Newell, Mayer, Pascual Leone. Según esta teoría, los seres humanos son procesadores activos de información que reciben, transforman, almacenan, recuperan y usan la información. Pascual Leone analizó cómo los niños resuelven tareas y determinó que el número de esquemas cognitivos que pueden usar depende de su edad.
Técnicas para el procesamiento de la informacíónJuanaSalas
El documento presenta el planteamiento general de una investigación, incluyendo la descripción del problema, objetivos, marco teórico, metodología y procesamiento de datos. La metodología describe el diseño del estudio, la población, las variables, los instrumentos de recolección de datos y el análisis estadístico.
El documento describe los conceptos de unidad de análisis, población y muestra en la investigación. Una unidad de análisis es el sujeto u objeto de estudio seleccionado en base al planteamiento inicial. La población es el conjunto total de unidades de análisis relacionadas con el objeto a investigar, mientras que la muestra es un subgrupo de la población seleccionado para el estudio. Existen muestras probabilísticas, donde todos los elementos tienen la misma posibilidad de ser escogidos de forma aleatoria, y no probabil
La unidad de análisis se refiere a la entidad que será objeto de estudio en una investigación. Puede ser personas, grupos, eventos u otras entidades tangibles o intangibles. Debe estar claramente definida en el protocolo de investigación para guiar la recolección y análisis de datos. El tipo de análisis determinará la elección de la unidad.
El documento trata sobre el procesamiento de información. Explica que este término se refiere a cómo las personas atienden, codifican, almacenan y recuperan la información. Describe el modelo de procesamiento de información de dos almacenes, con una memoria a corto plazo limitada y una memoria a largo plazo más duradera. También analiza conceptos como la atención, percepción, codificación y elaboración en la memoria.
Teoria del Procesamiento de la InformacionEdelin Bravo
La teoría del procesamiento de la información se enfoca en cómo las personas prestan atención a los eventos, codifican la información, la relacionan con conocimientos previos, la almacenan y recuperan. Argumenta que los sujetos construyen conocimiento a partir de sus estructuras y procesos cognitivos, pero no explica cómo se construyen inicialmente. Según esta teoría, el cerebro tiene un registro sensitivo, memoria a corto y largo plazo, y procesa la información mediante la atención, codificación, almacen
Métodos+procesamiento de la informaciónVictor Soto
El documento describe los diferentes tipos de métodos que pueden utilizarse en la investigación científica, incluyendo métodos cualitativos, cuantitativos, teóricos y empíricos. Explica que el método adecuado depende del objetivo y diseño de la investigación. También proporciona detalles sobre cómo analizar e interpretar los resultados de la investigación.
La varianza es la media aritmética del cuadrado de estadística varianzaeldieguito123
1) La varianza mide la dispersión de los valores de una variable aleatoria en torno a su media. 2) Se representa por σ2 y se calcula como la media de los cuadrados de las desviaciones de cada valor respecto a la media. 3) Excel proporciona funciones para calcular la varianza muestral (VAR) y poblacional (VARP).
El documento describe los conceptos básicos del análisis de regresión y correlación. Explica que este análisis estudia la relación entre dos o más variables, ya sea funcional o estadística. También define conceptos clave como variable dependiente, independiente, coeficiente de correlación, modelo de regresión lineal y los pasos para estimar la ecuación de regresión simple.
Este documento explica diferentes medidas de dispersión y variabilidad de datos estadísticos, incluyendo el rango, desviación media, varianza, desviación estándar y coeficiente de variación. Define cada medida y proporciona fórmulas e ilustraciones numéricas para calcularlas.
Este documento presenta una introducción al análisis de regresión y correlación. Explica la diferencia entre relaciones funcionales y estadísticas, y proporciona ejemplos de cada una. También define conceptos clave como variable dependiente, independiente, regresión simple, múltiple, lineal y no lineal. Explica cómo crear diagramas de dispersión y calcular el coeficiente de correlación de Pearson. Por último, describe el proceso de estimación de regresión lineal simple, incluidos los supuestos y cálculos involucrados.
Planillas de cálculo: Aplicación de gráficos para representar funciones matem...Ricardo Leithner
Este documento describe cómo representar gráficamente funciones matemáticas utilizando gráficos de dispersión XY en hojas de cálculo. Explica cómo graficar funciones algebraicas lineales, cuadráticas, raíces cuadradas y cúbicas de manera progresiva. También describe cómo ajustar los ejes y escalas de los gráficos, y cómo representar funciones cuadráticas completas con sus términos por separado y en conjunto.
El documento explica que el coeficiente de variación mide la variabilidad de una variable en relación a su media, expresando la desviación estándar como un porcentaje de la media. Un coeficiente de variación más alto indica mayor heterogeneidad en los valores, mientras que uno más bajo indica mayor homogeneidad. Se usa para comparar la variabilidad de conjuntos de datos con unidades de medida diferentes.
El documento explica que el coeficiente de variación mide la variabilidad de una variable en relación a su media, expresando la desviación estándar como un porcentaje de la media. Un coeficiente de variación más alto indica mayor heterogeneidad en los valores, mientras que uno más bajo indica mayor homogeneidad. Se usa para comparar la variabilidad de conjuntos de datos con unidades de medida diferentes.
El documento describe el método de regresión lineal para estudiar la relación entre una variable independiente (X) y una variable dependiente (Y). Explica que la relación se puede modelar mediante una ecuación de regresión de la forma Y = β0 + β1X, donde β0 es la ordenada al origen y β1 es la pendiente. El método de los mínimos cuadrados se utiliza para estimar los coeficientes β0 y β1 que hacen que la suma de los cuadrados de los errores sea mínima.
Este documento describe cómo realizar linealizaciones de gráficos mediante cambios de variables y obtener relaciones matemáticas entre cantidades físicas a partir de tablas de valores. Explica la importancia de los gráficos en física para ilustrar relaciones entre variables, calcular constantes y obtener ecuaciones matemáticas. También resume los pasos para construir gráficos y la información que se puede obtener de una recta, incluyendo el método de mínimos cuadrados.
Este documento describe diferentes tipos de gráficos para representar variables cualitativas y cuantitativas. Para variables cualitativas, los gráficos más comunes son diagramas de barras y diagramas de sectores. Para variables cuantitativas discretas, se usan diagramas de barras y diagramas acumulados en forma de escalera, mientras que para variables cuantitativas continuas se usan histogramas, polígonos de frecuencias y polígonos de frecuencias acumuladas. El diagrama de Pareto ordena las clases de mayor a menor f
Este documento describe diferentes tipos de gráficos para representar variables cualitativas y cuantitativas. Para variables cualitativas, los gráficos más comunes son diagramas de barras y diagramas de sectores. Para variables cuantitativas discretas, se usan diagramas de barras y diagramas acumulados en forma de escalera, mientras que para variables cuantitativas continuas se usan histogramas, polígonos de frecuencias y polígonos de frecuencias acumuladas. El diagrama de Pareto ordena las clases de mayor a menor f
El documento presenta un modelo de regresión lineal para analizar la relación entre la altura y el peso de 17 niños. La regresión lineal encuentra la línea recta que mejor se ajusta a los datos observados. El modelo de regresión lineal para este conjunto de datos predice que a medida que aumenta la altura también lo hace el peso, y explica aproximadamente el 71,6% de la variación en los datos.
La regresión lineal modela la relación entre dos variables continuas mediante una ecuación de recta. Se presentan datos de altura y peso de 17 niños. Usando el método de mínimos cuadrados, se ajusta una recta de regresión a los datos que estima la relación entre ambas variables. La ecuación y el coeficiente de determinación (R2=0.716) resumen esta relación.
Este documento trata sobre vectores. Explica que los vectores tienen magnitud y dirección y pueden representarse gráficamente mediante flechas. Describe las operaciones básicas que se pueden realizar con vectores como suma, resta y multiplicación por escalares. También cubre conceptos como descomposición rectangular de vectores.
La regresión lineal modela la relación entre dos variables continuas mediante una ecuación de recta. Se presentan datos de altura y peso de 17 niños. Usando el método de mínimos cuadrados, se ajusta una recta de regresión a los datos con la ecuación Ŷ = 0,5289X - 42,833. Esto indica que a mayor altura mayor peso, y que el modelo explica aproximadamente el 71,6% de los datos.
La regresión lineal modela la relación entre dos variables continuas mediante una ecuación de recta. Se presentan datos de altura y peso de 17 niños. Usando el método de mínimos cuadrados, se ajusta una recta de regresión a los datos con la ecuación Ŷ = 0,5289X - 42,833. Esto indica que a mayor altura mayor peso, y que el modelo explica aproximadamente el 71,6% de los datos.
Este documento presenta ejercicios sobre espacios vectoriales. Se analizan conceptos como combinaciones lineales, líneas y planos en el espacio, independencia lineal y subespacios. Se plantean varios problemas para descomponer vectores como combinaciones lineales de otros vectores dados, determinar líneas y planos que pasan por vectores especificados, y analizar la independencia lineal y bases de subespacios definidos por matrices dadas.
Este documento describe cómo representar datos experimentales en tablas y gráficas de manera efectiva. Explica que las tablas muestran conjuntos de datos y las gráficas muestran relaciones entre variables. Detalla cómo construir tablas y gráficas, incluyendo etiquetar ejes, escalas y unidades. El objetivo es analizar valores experimentales y comunicar los resultados de manera clara.
El documento describe diferentes herramientas estadísticas para analizar la posible relación entre dos variables, incluyendo tablas de contingencia, diagramas de dispersión y análisis de regresión. Explica cómo usar diagramas de dispersión para examinar la relación entre variables numéricas y cómo el análisis de regresión puede usarse para determinar una ecuación matemática que relacione variables y hacer predicciones.
Este documento describe los diagramas de dispersión, la covarianza y el coeficiente de correlación de Pearson para medir la asociación entre variables. Explica que un diagrama de dispersión muestra los valores de dos variables a través de puntos en un plano cartesiano. La covarianza mide la variabilidad conjunta de dos variables, mientras que el coeficiente de correlación es una medida adimensional que indica la fuerza y dirección de la relación lineal entre ellas. También cubre el uso de la regresión para hacer predicciones sobre una variable en función de otra y el coeficiente de
1. Análisis de Datos I Análisis bivariante en el SPSS
Estadística descriptiva bivariada en el SPSS
1. ÍNDICES DE ASOCIACIÓN LINEAL
2. COMBINACIONES LINEALES
3. REGRESIÓN LINEAL SIMPLE
4. 2 VARIABLES CUALITATIVAS, 1 CUANTITATIVA y 1 ó 2 CUALTITATIVAS
___________________________
Bibliografía: Tema 3 de los apuntes del cuadernillo de prácticas de SPSS (pág. 21-40)
Ejercicios: Todos los de la página 40 del cuadernillo de prácticas (con el archivo practicas.sav)
En este esquema resumiremos cómo llevar a cabo los análisis descriptivos con dos variables revisados en la
segunda parte de la asignatura con el SPSS. Para realizar análisis descriptivos bivariantes pueden usarse los
procedimientos ‘Correlaciones’, ‘Regresión lineal’ y ‘Tablas de contingencia’
1. ÍNDICES DE ASOCIACIÓN LINEAL
Para obtener la covarianza y la correlación de Pearson se utiliza EL PROCEDIMIENTO CORRELACIONES
del SPSS:
Analizar > Correlaciones > Bivariadas
Lo primero es
trasladar a este
Seleccionar si se desea
cuadro las variables
obtener la matriz de
para las que se
varianzas-covarianzas
desee obtener un
coeficiente de
correlación lineal.
Por ejemplo, edad,
peso y estatura
Desde este menú se
pueden obtener tres:
el de Pearson (rxy),
el de Kendall y el de
Spearman. Los dos
últimos sirven para
variables ordinales.
Con estas selecciones se obtiene el siguiente resultado:
Correlaciones
Edad Peso Estatura
Edad Correlación de Pearson 1.000 -.050 -.018 En esta tabla aparecen resumidas las matrices de
Sig. (bilateral) . .482 .803 varianzas-covarianzas (S) y de correlaciones (R).
Suma de cuadrados y
2991.500 -399.650 -1.152 Cada casilla contiene la correlación (señalada en
productos cruzados
negrita) y la covarianza (señalada en cursiva) entre
Covarianza 15.033 -2.008 -.006 el cruce de cada 2 variables (edad con edad, edad
N 200 200 200 con peso, edad con estatura, etc.).
Peso Correlación de Pearson -.050 1.000 .857**
De esta tabla podemos deducir que:
Sig. (bilateral) .482 . .000
Suma de cuadrados y redad, peso = -0,050; Sedad, peso = -2,008
-399.650 21325.595 148.490 redad, estatura = -0,018; Sedad, estatura = -0,006
productos cruzados
rpeso, estatura = 0,857; S peso, estatura = 0,746
Covarianza -2.008 107.164 .746
N 200 200 200 S2edad = 15,033
S2 peso = 107,164
Estatura Correlación de Pearson -.018 .857** 1.000 S2 estatura = 0,007
Sig. (bilateral) .803 .000 .
Suma de cuadrados y Es decir, a partir de esta tabla podemos conocer las
-1.152 148.490 1.408 covarianzas, las correlaciones y las varianzas para
productos cruzados
todas las variables incluidas (en este caso tres
Covarianza -.006 .746 .007
variables).
N 200 200 200
**. La correlación es significativa al nivel 0,01 (bilateral).
Carmen Ximénez 1
2. Análisis de Datos I Análisis bivariante en el SPSS
La representación gráfica de la relación lineal entre variables se hace desde el menú Gráficos -> Dispersión:
Con estas selecciones el resultado es:
2.00
1.90
Pulsar para definir los ejes del
diagrama
Estatura
1.80
1.70
1.60
1.50
30 40 50 60 70 80 90 100
Peso
2. COMBINACIONES LINEALES
Para obtener combinaciones lineales del tipo T = X + Y; T = AX + BY; puede usarse el menú Transformar
-> Calcular (ya visto anteriormente). Veamos un ejemplo para la variable X = respon + emocio:
Calculando los descriptivos para las tres variables se observa como se
cumplen las propiedades T = X + Y ; ST = S2 + SY + 2 SXY :
2
X
2
Analizar -> Estadísticos descriptivos -> Descriptivos
Media Desv. típ. Varianza
Respon 46.1250 4.6882 21.979
Emocio 48.6250 4.9747 24.748
X 94.7500 8.1480 66.389
3. REGRESIÓN LINEAL SIMPLE
Para obtener la regresión de Y sobre X, se utiliza EL PROCEDIMIENTO REGRESIÓN del SPSS:
Analizar > Regresión > Lineal
Primero se definen las variables que hacen de CRITERIO y de PREDICTORA:
Desde aquí se
pueden guardar los
valores
pronosticados por
el modelo (las Y’i)
y los residuos (las
Yi -Y’i) para cada
sujeto del fichero.
Con estas selecciones el resultado que ofrece el Visor del SPSS es el siguiente:
Carmen Ximénez 2
3. Análisis de Datos I Análisis bivariante en el SPSS
Variables introducidas/eliminadas b
Variables Variables
Modelo introducidas eliminadas Método
1 Estatura a . Introducir
a. Todas las variables solicitadas introducidas
b. Variable dependiente: Peso
Resumen del modelo b
Esto es el coeficiente de
determinación, r2XY o la
R cuadrado Error típ. de la proporción de varianza en
Modelo R R cuadrado corregida estimación común entre peso y estatura.
1 .857 a .734 .733 5.3510
a. Variables predictoras: (Constante), Estatura
b. Variable dependiente: Peso
ANOVAb
Suma de Media Esto se verá en la asignatura
Modelo cuadrados gl cuadrática F Sig. Análisis de Datos II
1 Regresión 15656.269 1 15656.269 546.792 .000a
Residual 5669.326 198 28.633
Total 21325.595 199
a. Variables predictoras: (Constante), Estatura
b. Variable dependiente: Peso
Los coeficientes A y B del modelo pronosticado en
directas se ven en esta columna: siendo A = -118,375
a
Coeficientes y B = 105,437. Luego:
Peso’i = -118,375 + 105,437 estaturai
Coeficientes no Coeficientes
estandarizados estandarizados
Modelo B Error típ. Beta t Sig.
1 (Constante) -118.375 7.565 -15.648 .000
Estatura 105.437 4.509 .857 23.384 .000
En esta columna aparece el modelo
a. Variable dependiente: Peso en típicas: z peso’ = 0,857 zestatura
Estadísticos descriptivos
N Media Varianza Estos son los descriptivos para el criterio, Y (peso),
Unstandardized Predicted Value 200 58.295 78.675 los pronósticos (Y’) y los residuos (Y – Y’).
2
Unstandardized Residual 200 .000 28.489 Puede comprobarse que: S = S2Y’ + S2Y-Y’; es
Y
Peso 200 58.295 107.164 decir: 107,164 = 78,675 + 28,489
Para obtener una representación gráfica del ajuste del modelo: Gráficos -> Interactivos -> Diagramas de dispersión:
Con estas selecciones el resultado es:
W
90 1Peso = -118.37 + 105.44 * estatura
W
W
R-cuadrado = 0.73 W W W
W
W
80 W
W
W
W W W
W W W
W W
W W
70 W W W
Peso
WW W
W W
W W W W W W
W W
W W W W
W W W
W
W W W W
W W
WW W W
W W W
W W W
W W W W W W W
W W
60 W W
W W
W
W W W
W
W
W
W WW W W W W
W W W W
W W W
WW W W W W
W W
W W W W W
W W W W W
W W W
W W
W W W W W
50 W
W
W W
W W W W
W WW
W W
W W W W WW
W
WW W
WW
WW
40 W W
1.60 1.70 1.80 1.90
Estatura
Carmen Ximénez 3
4. Análisis de Datos I Análisis bivariante en el SPSS
Dos variables cualitativas: PROCEDIMIENTO TABLAS DE CONTINGENCIA
Para elaborar una tabla de contingencia: Analizar -> Estadísticos descriptivos -> Tablas de contingencia:
Desde aquí pueden obtenerse las
frecuencias conjuntas relativas (en
porcentajes) para las filas, las
columnas y para el total:
Seleccionar para
obtener un
diagrama de
barras para
las variables
El resultado obtenido es el siguiente:
INTERPRETACIÓN:
Tabla de contingencia Sexo * Tabaquismo
Globalmente, los resultados indican que la mayor parte de los sujetos
Tabaquismo son varones y no fuman (el 50%).
No fumador Fumador Total Las distribuciones condicionales indican que, hay un 27,5% de los no
Sexo Mujer Recuento 38 43 81 fumadores que son mujeres (frente al 53,1% de las fumadoras); y de los
% de Sexo varones el 84% son no fumadores. En cuanto a las mujeres, el 46,9%
46.9% 53.1% 100.0%
son no fumadoras y dentro de los fumadores el 69,4% son mujeres.
% de Tabaquismo 27.5% 69.4% 40.5%
% del total 19.0% 21.5% 40.5% 100
Varón Recuento 100 19 119
80
% de Sexo 84.0% 16.0% 100.0%
Recuento
% de Tabaquismo 72.5% 30.6% 59.5% 60
% del total 50.0% 9.5% 59.5% 40 Tabaquismo
Total Recuento 138 62 200
20 No fumador
% de Sexo 69.0% 31.0% 100.0%
0 Fumador
% de Tabaquismo 100.0% 100.0% 100.0% Mujer Varón
% del total 69.0% 31.0% 100.0%
Sexo
Una variable cualitativa y otra cuantitativa
Este gráfico representa la media de la variable
Gráficos -> Líneas -> Simple (Resúmenes para grupos de casos): peso para fumadores y no fumadores. Se ve que
los no fumadores tienen un peso medio mayor
que los fumadores.
59
59
Media Peso
58
58
57
57
No fumador Fumador
Tabaquismo
Una variable cuantitativa y dos cualitativas
Gráficos -> Líneas -> Múltiple (Resúmenes para grupos de casos):
80
Este gráfico es igual
70 al anterior pero para
Media Peso
varones y mujeres.
60
Sexo
50
Mujer
40 Varón
No fumador Fumador
Tabaquismo
Carmen Ximénez 4