Estadística

Estadísticos e-Books & Papers

Estadísticos e-Books & Papers
 e informática (SPSS) en la
investigación descriptiva e
inferencial
Juan Antonio Gil Pascual
Juan Antonio Gil Pascual

Estadísticos e-Books & Papers

 ESTADÍSTICA E INFORMÁTICA
(SPSS) EN LA INVESTIG AC IÓN
DESCRIPTIVA E INFERENCIAL
UNIVERSIDAD NACIONAL DE EDUCACIÓN A
DISTANCIA
ESTADÍSTICA E INFORMÁTICA (SPSS)
EN LA INVESTIGACIÓN DESCRIPTIVA E INFERENCIAL
Quedan rigurosamente prohibidas, sin la autorización escrita de los
titulares del Copyright, bajo las sanciones establecidas en las leyes, la
reproducción total o
parcial de esta obra por cualquier medio o procedimiento, comprendidos
la reprografía y el tratamiento informático, y la distribución de ejemplares
de ella mediante alquiler o préstamo públicos.
© Universidad Nacional de Educación a Distancia
Madrid, 20 15

www.uned.es/publicaciones

© Juan Antonio Gil Pascual

ISBN electrónico electrónico7042-6

Edición digital: mayo de 2015

Índice
UNIDAD DIDÁCTICA 1
PROCEDIMIENTOS Y PREPARACIÓN DE LOS DATOS . . . . . . . . . . . .
. . . . . . . . . . 15

Estadísticos e-Books & Papers

 1. GENERALIDADES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . 17
1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 17
1.2. Ventanas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . 17
1.2.1. Menús . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
18
1.2.2. Barra de herramientas y barra de estado . . . . . . . . . . . . . . . . . . . . . . . . . .
20
1.2.3. Botones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
21 1.3. Entrada y ejecución del SPSS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . 23
1.4. Pasos básicos para realizar un análisis de datos . . . . . . . . . . . . . . . . . . . . . . . . .
24
2. ICONOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . 24 2.1. Iconos de la ventana de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . 24
2.2. Iconos de la ventana de sintaxis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . 29 2.3. Iconos de la ventana de resultados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . 30
3. DATOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . 31 3.1. Matriz de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . 31
3.2. Introducción o modificación de datos con el SPSS . . . . . . . . . . . . . . . . . . . . .
. 32 3.2.1. Definición de las variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . 33
3.2.2. Introducción de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2.2.1. Introducir los datos correspondientes a una variable . . 36 3.2.2.2.
Introducir los datos correspondientes a una unidad de
análisis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3.2.2.3. Restricciones de los valores de datos . . . . . . . . . . . . . . . . . . . . 37
3.3. Almacenar datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . 37
3.4. Lectura del fichero de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 39
3.4.1. Abrir base de datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
40
3.4.2. Lectura de un fichero de datos de texto . . . . . . . . . . . . . . . . . . . . . . . . . . .

Estadísticos e-Books & Papers

41 3.4.3. Lectura de otros tipos de fichero de datos . . . . . . . . . . . . . . . . . . . . . . . .
42
3.5. Un ejemplo de construcción de un fichero de datos . . . . . . . . . . . . . . . . .
. . . 43
3.5.1. Denominación de variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.5.2. Codificación de los valores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.5.3. Codificación de los valores ausentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
3.5.4. Etiquetado de variables y valores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
3.5.5. Elaboración del plan de codificación y de la matriz de datos . . 45
3.5.6. Fichero de procedimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
48
3.5.6.1. Fichero de comandos. EJEMPLO.SPS . . . . . . . . . . . . . . . . . . . . 48 4.
TRANSFORMACIONES DE LOS DATOS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . 49
4.1. Crear variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 50
4.1.1. Calcular variables: Si los casos deben cumplir una condición
lógica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
4.1.1.1. Indicar tipo y etiqueta a la variable creada . . . . . . . . . . . . . . 51
4.2. Recodificar valores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 52
4.2.1. Recodificación en las mismas variables . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.2.1.1. Recodificación en las mismas variables: valores anti
guos y nuevos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2.2. Recodificación en distintas variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.2.3. Recodificación automática . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
55
4.3. Contar apariciones de valores dentro de los casos . . . . . . . . . . . . . . . . . . . . . .
55
4.4. Asignar rangos a los casos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . 57
4.5. Categorizador visual . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 58
4.6. Semilla de aleatorización . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 60

5. OPERACIONES EN Y CON LOS ARCHIVOS . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . 60

Estadísticos e-Books & Papers

 5.1. Ordenar casos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . 60
5.2. Fusión de archivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 61
5.2.1. Añadir casos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
61
5.2.2. Añadir variables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
63
5.3. Agregar datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 63
5.4. Segmentar archivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 65
5.5. Seleccionar casos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 66
5.5.1. Seleccionar casos: Sí . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
67
5.5.2. Seleccionar casos: Muestra aleatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. 68

5.5.3. Seleccionar casos: Rango . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. 68
5.6. Ponderar casos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 69
5.7. Transponer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 70
5.8. Reestructurar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 71
5.9. Identificar casos duplicados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 72

EJERCICIOS DE AUTOCOMPROBACIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . 75 SOLUCIÓN A LOS EJERCICIOS DE
AUTOCOMPROBACIÓN . . . . . . . . . . . . . . . . . . . 76
BIBLIOGRAFÍA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . 83
UNIDAD DIDÁCTICA 2
ANÁLISIS DESCRIPTIVO DE DATOS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . 85
1. INTRODUCCIÓN A LA ESTADÍSTICA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . 87

Estadísticos e-Books & Papers

1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 87
1.2. Conceptos elementales: población, observación, muestra . . . . . . . . . . . . .
87 1.3. Caracteres, rango y modalidades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . 88
1.4. Variable estadística y carácter . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 89 1.4.1. Tipos de variables y datos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 89

2. DISTRIBUCIONES ESTADÍSTICAS UNIDIMENSIONALES . . . . .

. . . . . . . . . . . . . . . 91
2.1. Distribuciones de frecuencias unidimensionales . . . . . . . . . . . . . . . . . . . . . . . .
91
2.1.1. Distribución de frecuencias en el caso de caracteres cualitativos . 93
2.1.2. Distribución de frecuencias en el caso de variable discreta . . . . 93
2.1.3. Distribución de frecuencias en el caso de variable continua . . . 94
2.2. Tablas estadísticas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . 96

3. REPRESENTACIONES GRÁFICAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . 99
3.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 99
3.2. Caracteres cualitativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 99
3.3. Caracteres cuantitativos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 102

3.3.1. Gráficas de variables discretas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. 102 3.3.2. Gráficas para variables continuas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . 105
3.3.3. Gráfico de tallos y hojas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
108
4. MEDIDAS DE POSICIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . 109
4.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 109
4.2. Medidas de tendencia central . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . 110
4.2.1. Media aritmética . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
110

Estadísticos e-Books & Papers

4.2.1.1. Medias generalizadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
4.2.1.2. Relación entre las medias . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
4.3. Mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 114 4.4. Moda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . 116

4.5. Relación empírica entre media, mediana y moda . . . . . . . . . . . . . . . . . . .

. . . . 117
4.6. Cuartiles, deciles y percentiles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 118
4.7. Ejemplo de cálculo de la media, mediana, moda y cuartil . . . . . . . . . . . . .
119
5. MEDIDAS DE DISPERSIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . 120
5.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 120
5.2. Recorridos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . 121

5.3. Medidas de dispersión en torno a la media . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . 121 5.4. Medidas de dispersión en torno a la mediana . . . . . . . . . . . . . . . . . . .
. . . . . . . . 125
5.5. Tipificación de una variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . 126
5.5.1. Definición de variable tipificada . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
126
6. MEDIDAS DE FORMA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . 127 6.1. Medidas de simetría . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . 127 6.2. Medidas de apuntamiento . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130 6.3. Momentos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131

7. LA EXPLORACIÓN DESCRIPTIVA DE DATOS . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . 133
7.1. Datos atípicos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 133 7.2. Gráfico caja (Box Plot) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . 133
7.3. Comparación de distribuciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . 134
8. REGRESIÓN Y CORRELACIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . 135

Estadísticos e-Books & Papers

8.1. Relación entre variables: aspectos generales . . . . . . . . . . . . . . . . . . . . . . . . . . . .
135
8.2. Regresión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . 135

8.2.1. Estudio particular de la regresión lineal: ajuste de una recta por

el método de mínimos cuadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
8.2.1.1. Recta de mínimos cuadrados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136
8.3. Correlación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . 138
8.3.1. Coeficiente de correlación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
138 9. ANÁLISIS DESCRIPTIVO DE DATOS: COMANDOS . . . . . . . . . . . .
. . . . . . . . . . . . . . 141
9.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 141

9.2. La exploración de datos. Comando EXPLORAR . . . . . . . . . . . . . . . . . . .

. . . . . . 141
9.3. La distribución de frecuencias. FRECUENCIAS . . . . . . . . . . . . . . . . . . . . . . .
. . . 150
9.4. Descriptivos. La opción DESCRIPTIVOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 156
9.5. Los comandos CORRELATIONS y NOPAR CORR . . . . . . . . . . . . . . . . . . .
. . . . 160
9.6. Análisis descriptivo de datos: GRÁFICOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . 163

9.6.1. Tipos de gráficos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . 163
9.6.2. Los gráficos de barras, líneas, áreas y sectores . . . . . . . . . . . . . . . . . . . 163
9.6.3. Diagramas de caja y barras de error . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 166
9.6.4. Histograma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 167
9.6.5. Diagrama de dispersión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
167
9.6.6. Gráficos P-P y Q-Q . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
168
9.6.7. Desarrollo de algunos ejemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. 169
9.6.7.1. Gráficos de barras, líneas, áreas y sectores . . . . . . . . . . . . . . 170

Estadísticos e-Books & Papers

9.6.7.2. Diagramas de cajas y barras de error . . . . . . . . . . . . . . . . . . . . 171
9.6.7.3. Diagrama de dispersión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 173
9.6.7.4. Gráficos P-P . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 174
EJERCICIOS DE AUTOCOMPROBACIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . 176 SOLUCIÓN A LOS EJERCICIOS DE
AUTOCOMPROBACIÓN . . . . . . . . . . . . . . . . . . . 179
BIBLIOGRAFÍA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . 184
UNIDAD DIDÁCTICA 3
MUESTREO Y ESTIMACIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . 185
1. TEORÍA ELEMENTAL DEL MUESTREO. TIPOS DE MUESTREOS
. . . . . . . . . . . 187
1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 187 1.2. Diseños muestrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . 189
1.3. Selección de la muestra en diseños probabilísticos . . . . . . . . . . . . . . . . . . . . .
189
1.4. Muestreo aleatorio simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 190
1.4.1. Estimación de media, total y proporción . . . . . . . . . . . . . . . . . . . . . . . . . . 190
1.4.2. Selección del tamaño de la muestra para la estimación de la
media, total y proporción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195 1.5.
Muestreo estratificado . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
198
1.5.1. Estimadores de la media, el total y la proporción poblacional .
199
1.5.2. Cálculo del tamaño muestral para la estimación de la media, total y
proporción poblacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 202
1.5.3. Afijación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 202 1.6. Muestreo por conglomerados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . 204
1.6.1. Estimación de la media, total y proporción poblacional . . . . . . . . 205
1.6.2. Tamaño de la muestra para la estimación de la media, total
y proporción poblacional . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209
1.7. Muestreo por conglomerados en dos etapas . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
210
1.8. Muestreo sistemático . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Estadísticos e-Books & Papers

. . . . 211 1.9. Muestreo por cuotas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . 212
2. ESTIMACIÓN DE HIPÓTESIS. FUNDAMENTOS ESTADÍSTICOS . .
. . . . . . . . . 213
2.1. Inferencia estadística . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 213
2.2. Distribuciones asociadas al proceso de muestreo . . . . . . . . . . . . . . . . . . . . . . .
214 2.2.1. Distribución en el muestreo de algunos estadísticos . . . . . . . . . . . .
225
2.3. Estimación estadística . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 228
2.4. Estimadores por intervalos de confianza para parámetros de la po
blación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
232
EJERCICIOS DE AUTOCOMPROBACIÓN . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . 242 SOLUCIÓN A LOS EJERCICIOS DE
AUTOCOMPROBACIÓN . . . . . . . . . . . . . . . . . . . 243
BIBLIOGRAFÍA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . 250
UNIDAD DIDÁCTICA 4
ANÁLISIS INFERENCIAL DE DATOS. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . 251
1. DECISIÓN ESTADÍSTICA. PRUEBAS PARAMÉTRICAS . . . . . . . . . . . .
. . . . . . . . . . . 253

1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . 253
1.2. Hipótesis estadística . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 253
1.2.1. Hipótesis nula . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
254
1.2.2. Hipótesis alternativa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
254
1.3. Formulación de hipótesis. Hipótesis simple frente alternativa
simple . 255
1.3.1. Regiones críticas y de aceptación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
255
1.3.2. Error tipo I, error tipo II y potencia de una prueba . . . . . . . . . . . . . . 256

Estadísticos e-Books & Papers

1.4. Hipótesis simple frente alternativa compuesta . . . . . . . . . . . . . . . . . . . . . . . . . .
. 257 1.5. Potencia de una prueba de hipótesis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . 258 1.5.1. Función de potencia y curvas características operativas . . . .
. . . . 260 1.5.2. Cálculo de n para un a y b dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 264 1.6. Principales pruebas paramétricas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . 265 1.6.1. Muestras grandes: media y proporción muestrales . . . .
. . . . . . . . . . 267 1.6.2. Muestras pequeñas: media, varianza y correlaciones
muestrales . 271 1.7. Pruebas para comparación de medias. Los comandos
T-TEST Y
MEANS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . 277

1.7.1. Prueba T para una muestra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. 277
1.7.2. Prueba T para muestras independientes . . . . . . . . . . . . . . . . . . . . . . . . . . 279
1.7.3. Prueba T para muestras relacionadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
282
1.7.4. El comando MEANS (Medias) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
284
2. DECISIÓN ESTADÍSTICA. PRUEBAS NO PARAMÉTRICAS . . . .
. . . . . . . . . . . . . . 287
2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . 287
2.2. Pruebas no paramétricas a partir de una sola muestra . . . . . . . . . . . . . . . . . .
288
2.2.1. De bondad de ajuste . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
288
2.2.1.1. Kolmogorov-Smirnov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 288
2.2.1.2. Contraste de c2 de bondad de ajuste . . . . . . . . . . . . . . . . . . . . . 291
2.2.2. La prueba binomial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . 293
2.2.3. De aleatoriedad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
295
2.2.3.1. Prueba de rachas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 295
2.3. Pruebas bimuestrales (muestras relacionadas) . . . . . . . . . . . . . . . . . . . . . .
. . . . . 297 2.3.1. La prueba de Mc.Nemar para la significación de los
cambios . . 298
2.3.2. La prueba de los signos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Estadísticos e-Books & Papers

300
2.3.3. Prueba de pares igualados de Wilcoxon . . . . . . . . . . . . . . . . . . . . . . . . . .
302
2.4. Pruebas bimuestrales (muestras independientes) . . . . . . . . . . . . . . . . . . . . . . .
305
2.4.1. La prueba de la probabilidad exacta de Fisher . . . . . . . . . . . . . . . . . . . 306
2.4.2. Contraste de Kolmogorov . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
308
2.4.3. Contraste de c2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . 310
2.4.3.1. El procedimiento Tablas de Contingencia . . . . . . . . . . . . . . . 313
2.4.4. Test de la mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
318
2.4.5. Prueba U de Mann-Whitney . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. 320
2.4.6. Test de Wald-Wolfowitz o de rachas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
323
2.5. Pruebas para k-muestras relacionadas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. 325

2.5.1. Prueba Q de Cochran . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. 326

2.5.2. Análisis de la varianza de Friedman . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

328
2.6. Pruebas para k-muestras independientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. 331
2.6.1. Extensión de la prueba de la mediana . . . . . . . . . . . . . . . . . . . . . . . . . . . . 331
2.6.2. Análisis de la varianza de Kruskal- Wallis . . . . . . . . . . . . . . . . . . . . . . . . . .
334
2.7. Correlación no paramétrica . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . 336

2.7.1. El coeficiente de contingencia: C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

336
2.7.2. El coeficiente de correlación de rangos de Spearman: rs. . . . . . . . 338
2.7.3. El coeficiente de correlación de rango de Kendall: t. . . . . . . . . . . . 341
2.7.4. El coeficiente de correlación parcial de rango de Kendall: txy.z. . . 343
2.7.5. El coeficiente de concordancia de Kendall: W . . . . . . . . . . . . . . . . . . . 345

Estadísticos e-Books & Papers

2.8. Pruebas no paramétricas. El comando NPAR TEST . . . . . . . . . . . . . . . . . . . .
. 347 2.8.1. Pruebas para una muestra . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . 348 2.8.2. Pruebas para dos muestras independientes . . . . . . . . . . . . . . . . . . . . .
. 353 2.8.3. Pruebas para dos muestras relacionadas . . . . . . . . . . . . . . . . . . . . . . . . .
. 355 2.8.4. Pruebas para varias muestras independientes . . . . . . . . . . . . . . . . . . . .
356 2.8.5. Pruebas para varias muestras relacionadas . . . . . . . . . . . . . . . . . . . . . . .
358
EJERCICIOS DE AUTOCOMPROBACIÓN. . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . 362 SOLUCIÓN A LOS EJERCICIOS DE
AUTOCOMPROBACIÓN . . . . . . . . . . . . . . . . . . . 371
BIBLIOGRAFÍA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . 394
UNIDAD DIDÁCTICA 5
HACIA UN ESTUDIO DEL MODELO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . 395
1. EL MODELO DE REGRESIÓN. EL COMANDO REGRESION . . . . . . .
. . . . . . . . 397

1.1. El modelo de regresión . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . 397
1.1.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
397
1.1.2. Procedimiento . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
398
1.1.3. Variables de intervención . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
409
1.2. El comando REGRESSION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . 409
1.2.1. Regresión lineal simple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
409
1.2.2. Regresión lineal múltiple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
413
1.2.2.1. Estadísticos adicionales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 417
1.2.2.2. Estudio de los supuestos del modelo de regresión . . . . . 422
1.2.3. Estudio de casos influyentes y extraños . . . . . . . . . . . . . . . . . . . . . . . . . . .
433
1.3. La elaboración de pronósticos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . 436

2. ANÁLISIS DE LA VARIANZA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Estadísticos e-Books & Papers

. . . . . . . . . . . . . . . 437
2.1. El significado de la experimentación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. 437 2.2. Elementos básicos del diseño de experimentos . . . . . . . . . . . . . . . . . . . .
. . . . . 438
2.3. Los diseños factoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . 440

2.4. Análisis de la varianza factorial . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . 442
2.4.1. Análisis de la varianza con un factor. Modelo de efectos fijos . 443
2.4.2. Análisis de la varianza de dos factores . . . . . . . . . . . . . . . . . . . . . . . . . . . . 449
2.5. El comando ONEWAY . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . 453 2.6. El comando UNIANOVA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . 458
EJERCICIOS DE AUTOCOMPROBACIÓN. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . 464 SOLUCIÓN A LOS EJERCICIOS DE
AUTOCOMPROBACIÓN . . . . . . . . . . . . . . . . . . . 465 BIBLIOGRAFÍA . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 471

UNIDAD DIDÁCTICA 1
PROCEDIMIENTOS Y PREPARACIÓN DE LOS
DATOS
Objetivos
Conocer los rudimentos operativos del paquete estadístico SPSS. Saber
manejar y transformar los datos con SPSS.
Operar adecuadamente con archivos de datos.
1. GENERALIDADES
1.1. Introducción
El SPSS-PC es un paquete estadístico de Análisis de datos. En sus
comienzos funcionaba sobre MS-DOS y en la actualidad trabaja en el
entorno Windows. Se utiliza como apoyo en la investigación en ciencias
sociales, económicas y de la salud. Contiene programas capaces de realizar
desde un simple análisis descriptivo hasta diferentes tipos de análisis
multivariante como: análisis discriminante, análisis de regresión, análisis
de cluster, análisis de varianza, series temporales, etc. Está formado por un
conjunto de módulos:

Estadísticos e-Books & Papers

 — Básico (herramientas de análisis exploratorio de datos, gráficos
interactivos, tablas de contingencia, estadística descriptiva, comparación
de medias, análisis de la varianza, pruebas no-paramétricas, correlación,
regresión lineal múltiple, escalado multidimensional, análisis de fiabilidad,
análisis factorial, análisis discriminante, análisis de conglomerados o
cluster y análisis de proximidades).
— Modelos de Regresión (regresión logística binomial y multinomial,
regresión no lineal, cuadrados mínimos ponderados, cuadrados mínimos en
dos fases, modelos logit y probit.
— Modelos Avanzados (modelo lineal general (GLM), análisis
loglineal, hiloglineal y genlog, estimación de componentes de la varianza,
análisis de supervivencia: estimación Kaplan-Meier, regresión de Cox,
modelos MANOVA).
— Tablas (para tratamiento y presentación de datos en forma tabular).
— Tendencias (análisis de series temporales: métodos de medias móviles,
suavizado, Box-Jenkin, etc.).
— Categorías (procedimiento de escalamiento optimo, análisis de
correspondencias y mapas perceptuales).
Aparte de estos módulos, el paquete estadístico SPSS contiene una serie de
programas que trabajan de forma independiente al mismo:
— Análisis de segmentación-Answer Tree (segmenta la información en
grupos homogéneos respecto a una variable criterio).
— Análisis relacional-AMOS (análisis factorial confirmatorio, análisis de
ecuaciones estructurales lineales).
— QI-Análisis (herramienta para el control de calidad que incluye
estadísticos y gráficos de control interactivos para determinar las
capacidades del proceso y detectar patrones de variación o tendencia de los
datos).
— Neural Connection (herramienta para mejorar los modelos de
segmentación, factorial, conglomerados, regresión, series temporales, etc.
con técnicas de redes neuronales).
En este manual nos centraremos en la versión 12 del programa SPSS y
haremos referencia a procedimientos estadísticos incluidos en el módulo
base.
1.2. Ventanas
El SPSS utiliza diferentes ventanas:
Editor de datos (Datos nuevos) Contiene el fichero de datos. Con este

Estadísticos e-Books & Papers

editor se puede
crear un fichero de datos o modificar uno ya existente. Esta ventana se
abre automáticamente cuando se ejecuta el SPSS.
Salida (Resultado 1) Contiene los resultados de la ejecución de los
coman
dos del SPSS, tanto de lectura de datos, transformación de datos, etc.
como de análisis de datos. Esta ventana se abre automáticamente cuando
se ejecuta el SPSS. Se pueden abrir varias ventanas de salida.
Sintaxis (Sintaxis 1) Esta ventana se utiliza para ejecutar comandos del
SPSS. Estos comandos pueden pertenecer a un fichero que ha sido
creado con el SPSS, o pueden escribirse directamente, o pueden proceder
de ejecutar la opción Pegar de alguna de las ventanas de diálogo. Los
mencionados comandos se pueden grabar en un fichero para utilizarlos en
otro momento de la sesión de SPSS. Se pueden abrir varias ventanas de
sintaxis. Para ejecutar los comandos SPSS de una ventana de sintaxis, se
marca con el ratón los comandos que se desean ejecu
tar y se pincha en el icono

(ejecutar).
Proceso (Proceso 1) Ejecuta programas en Sax Basic sobre un objeto de
SPSS, por ejemplo una tabla pivote. Hay programas que contienen
procesos standard almacenados en el subdirectorio SPSS y con extensión
sbs.
En todas las ventanas del SPSS están disponibles unos menús, una
barra de herramientas, una barra de estado, y unos botones, algunos de los
cuales son comunes a todas las ventanas y otros específicos de cada una de
ellas. Las acciones que se pueden realizar con los iconos se irán
explicando a lo largo del manual. En cuanto a los menús, se comentarán
brevemente a continuación, y con más detalle a lo largo del manual.
1.2.1. Menús
Los menús más importantes del SPSSWIN son los siguientes:
Archivo Se utiliza para nuevo (datos, sintaxis, resultados, resultados
borrador,
proceso), abrir, abrir base de datos, leer datos de texto, cerrar, guardar,

Estadísticos e-Books & Papers

guardar como, mostrar información de datos, hacer caché de datos,
imprimir, presentación preliminar, cambiar servidor, detener procesador,
datos usados recientemente, archivos usados recientemente, salir de SPSS.
Edición Se utiliza para deshacer, rehacer, cortar, copiar, pegar, pegar
varia
bles, eliminar en los ficheros de datos y procedimientos y buscar en el
fichero de datos y opciones para definir las condiciones de entorno para
tablas y datos.
Ver Se utiliza para visualizar la barra de estado, visualizar los iconos
de la
barra de herramientas , cambiar las fuentes, poner o quitar la
cuadrícula en los datos y para visualizar las etiquetas de valor, y
finalmente variables (si se está en la vista de datos).
Datos Se utiliza para realizar cambios en el fichero de datos, tales
como: defi
nir propiedades de variables, copiar propiedades de datos, definir
fechas, insertar variable, insertar caso, ir a caso, ordenar casos, transponer,
reestructurar, fundir archivos (añadir casos, añadir variables), agregar —es
decir, crear grupos de casos para un análisis—, diseño ortogonal,
segmentar archivos, seleccionar casos y ponderar casos. Estos cambios,
excepto el caso de agregar que crea un archivo independiente, son
temporales a no ser que se graben antes de salir del programa.
Transformar Se utiliza para realizar cambios en las variables
seleccionadas del
fichero de datos y crear nuevas variables basadas en valores de otras
variables que ya existen. Estos cambios son temporales y se guardan al
salvar el fichero de datos. Las opciones del menú transformar son las
siguientes: calcular, semilla de aleatorización, contar apariciones,
recodificar (en las mismas variables, en distintas variables), categorizar
variables, asignar rango a casos, recodificación automática, crear serie
temporal, reemplazar valores perdidos. Además ejecutar transformaciones
pendientes.
Analizar Se utiliza para realizar el análisis estadístico deseado. Las
opciones
son: informes, estadísticos descriptivos, tablas, comparar medias,
modelo lineal general, modelos mixtos, correlaciones, regresión, loglineal,

Estadísticos e-Books & Papers

clasificar, reducción de datos, escalas, pruebas no paramétricas, series
temporales, supervivencia, respuestas múltiples. Cada opción tiene otras
sub-opciones que más adelante se comentarán.
Gráficos Se utiliza para crear gráficos de barras, histogramas, series
tempora
les, etc. Vienen en grupos de gráficos según homogeneidad de
objetivos: Galería y Interactivos. Barras, Líneas, Áreas, Sectores,
Máximos y mínimos. Pareto y Control. Diagramas de caja y Barras de
error. Dispersión, Histograma, P-P, Q-Q, Secuencia, Curva COR y Serie
temporal.
Utilidades Se utiliza para visualizar información sobre el contenido del
fichero
de datos, del fichero de parámetros, o definir grupos de variables. Las
distintas opciones disponibles son: variables, información del archivo,
definir conjuntos, usar conjuntos, ejecutar proceso y editor de menús.
Ventana Para minimizar las ventanas y donde van apareciendo los
distintos ficheros que se ejecutan.
? Este menú abre una ventana de ayuda que contiene información sobre el
uso de cualquiera de las características del SPSS.
1.2.2. Barra de herramientas y barra de estado
El SPSSWIN tiene una barra de herramientas donde se reflejan
mediante iconos las distintas opciones de la ventana activa. Consiste, por
decirlo de otra manera, un método abreviado de acceder a los menús. La
barra de estado, situada en la parte inferior de la pantalla, tiene varias
secciones:
— Área del procesador: nos indica el estado del procesador — Área de
recuento: iteraciones realizadas en el fichero de datos — Área de filtrado:
si existen datos filtrados — Área de ponderación: si los datos están
ponderados — Área de segmentación de archivos
Solo se reflejará información cuando el procesador esté realizando su
actividad y cuando se ejecute la misma.

Estadísticos e-Books & Papers

 1.2.3. Botones
Además de las ventanas explicadas anteriormente, existen otras que se
abren cuando se ejecuta alguna acción. Estas ventanas contienen distintos
campos que hay que especificar, por ejemplo:

A los diferentes menús se puede acceder pinchando con el ratón en el

campo deseado, o pulsando simultáneamente la tecla ALT y la tecla de la
letra que figura subrayada.

Estadísticos e-Books & Papers

 Obsérvese que estas ventanas disponen también de unos botones, unos
que están activados (se puede pinchar en ellos), y otros que se activarán
cuando se completen los campos de las ventanas. Estos botones son:
Almacena los campos definidos y cierra la ventana.
Crea una ventana de sintaxis que incluye el comando de SPSS
equivalente a la acción que se está realizando.

Borra los campos que se acaban de definir y no cierra la ventana.

Cierra la ventana sin grabar.

Abre una ventana de ayuda que da información sobre la ventana que

está abierta.
Los botones de Añadir, Cambiar, Borrar y se explicarán posteriormente
Hay ventanas que contiene otros botones diferentes, como por ejemplo:

donde el botón de Continuar almacena los campos definidos y vuelve

a la ventana anterior. Los otros dos botones funcionan igual que en los
casos anteriores.

Estadísticos e-Books & Papers

1.3. Entrada y ejecución del SPSS
Para entrar en SPSSWIN se «pinchará» con el «ratón» 2 veces seguidas en
el icono correspondiente al programa; entonces aparece la siguiente
ventana:

aquí se puede seleccionar: un archivo de datos, un fichero de

resultados, de sintaxis o de procedimientos. Otra forma de entrar en
SPSSWIN es «pulsar» 2 veces sobre algún fichero de sintaxis (.SPS), de
datos (.SAV) o de resultados (.SPO).
Además de estas formas de entrar en SPSS, existe dos formas de
ejecutar SPSS: una pulsando el botón ACEPTAR en el menú
correspondiente del procedimiento estadístico que estemos realizando; y
otra marcando con el ratón en el fichero de procedimientos (.SPS) los
comandos que se quieran ejecutar y pulsar
el icono

Estadísticos e-Books & Papers

 .
1.4. Pasos básicos para realizar un análisis de datos
— Introducir los datos en SPSS. Se puede abrir un archivo de datos
previamente grabado en SPSS, importar de una hoja de cálculo o una base
de datos, leer de un archivo de texto, de datos de programas estadísticos
(SYSTAT o SAS) o introducir datos directamente en el editor de datos del
SPSS.
— Seleccionar un procedimiento para calcular algún estadístico o
crear un gráfico.
— Seleccionar las variables para el análisis. Cuando se elija un
procedimiento estadístico hay que seleccionar las variables a las que se
aplicará el mismo.
— Ejecutar el procedimiento y seleccionar los resultados que se
necesiten como salida. Esta selección se realizará en el navegador de
resultados.
Todos los comandos ejecutados en una sesión de SPSS se guardan en
el fichero spss.jnl que está en el subdirectorio TEMP del Windows. Este
fichero, en ASCII, puede ser editado. Se aconseja el cambio de nombre si
se quieren conservar los comandos utilizados en la sesión para una
posterior utilización.
2. ICONOS
El programa SPSS, como cualquier otro programa de Windows,
dispone de una serie de iconos que permiten realizar ciertas operaciones
directamente, sin necesidad de utilizar los menús.
Las tres barras de iconos más utilizadas son: la correspondiente a la
ventana de datos, la de sintaxis y la de resultados.
2.1. Iconos de la ventana de datos
La barra de iconos de la ventana de datos es:

A continuación se
explica la operación que se realiza cuando se pincha con el botón
izquierdo del ratón alguno de estos iconos:

Estadísticos e-Books & Papers

 Abrir archivo . Muestra la ventana Abrir archivo para el tipo de
documento que esté en la ventana activa. Según el tipo de ventana que esté
activa, se puede utilizar este icono para abrir un archivo de datos, sintaxis,
resultados, proceso y otro. Por ejemplo, si la ventana que está activa es la
del Editor de datos, cuando se pincha este icono se abre la siguiente
ventana:

Guardar archivo. Guarda el archivo de la ventana que está activa.

Puede guardar el documento completo o las líneas de texto seleccionadas.
Si el archivo que se va a guardar no tiene nombre, muestra la ventana de
Guardar como. Por ejemplo, si la ventana que está activa es la de
resultados, aparecerá la siguiente ventana:

Imprimir archivo. Muestra la ventana de Imprimir para el tipo de

documento que esté en la ventana activa. En el caso de archivos de

Estadísticos e-Books & Papers

resultados, sintaxis y datos, puede imprimir el documento completo o un
área seleccionada. Por ejemplo, si la ventana que está activa es la de
resultados, cuando se pincha en este icono aparecerá la siguiente ventana:

Recuperar cuadro de diálogo. Muestra una lista de las últimas

ventanas abiertas (aunque no se hayan abierto en la misma sesión). Cuando
se pincha en este icono aparece el siguiente menú:

donde se selecciona la ventana operación que se desea abrir.

Deshacer/rehace. Se utiliza para hacer/deshacer las operaciones
realizadas con los datos.
Recorrer gráficas. Este icono se utiliza para activar la ventana de
gráficos.

Ir a caso. Este icono se utiliza para desplazarse a un caso en el Editor

de datos. Cuando se pincha en este icono aparece la siguiente ventana:

Información de variables. Muestra una ventana que contiene la lista

de variables y la información de la variable seleccionada. Este icono
también se utiliza para posicionar el cursor en dicha variable, basta con

Estadísticos e-Books & Papers

pinchar en el botón Ir a

Buscar texto. Se utiliza para buscar una cadena de caracteres en la

variable del fichero de datos seleccionada. Cuando se pincha en este icono
aparece la siguiente ventana:

En el campo Buscar
qué: se especifica la cadena de caracteres que se quiere localizar.

Insertar caso. En el Editor de datos, al pinchar en este icono se inserta

un nuevo caso. Tiene el mismo efecto que la selección de Insertar caso
del menú Datos.

Insertar variable. En el Editor de datos, al pinchar en este icono se

inserta una variable a la izquierda de la variable que contenga la celda
activa. Tiene el mismo efecto que la selección de Insertar variable del
menú Datos.
Segmentar archivo. Sirve para segmentar un archivo de datos en
función de una o varias variables.

Estadísticos e-Books & Papers

 Ponderar. Cuando se pincha en este icono, muestra una ventana donde
se puede seleccionar la variable utilizada para ponderar los casos en
función de las frecuencias de la misma.

Seleccionar casos. Permite la selección de casos según distintas

circunstancias.

Estadísticos e-Books & Papers

 Etiquetas de valor. Conmuta entre los valores actuales y las etiquetas
de valor en el Editor de datos.
Usar conjuntos. Abre la siguiente ventana:

Aquí se puede seleccionar los conjuntos de variables que van a

aparecer en las ventanas que se utilizan para realizar los análisis
estadísticos o transformaciones.
Si se va a utilizar algún conjunto de variables diferente a los que tiene por
defecto (ALLVARIABLES y NEWVARIABLES) éstos no pueden figuran
en el campo Conjuntos en uso:
2.2. Iconos de la ventana de sintaxis
A continuación se presenta la barra de iconos que se corresponden con

Estadísticos e-Books & Papers

operaciones de la ventana de sintaxis.

Veamos alguno de los iconos

que no se han comentado en el caso de la ventana de datos, por no figurar
entre los últimos:

Ejecutar sintaxis. En una ventana de sintaxis, este icono se utiliza

para ejecutar los comandos de SPSS previamente seleccionados. Si no se
ha seleccionado ningún comando se ejecuta el comando en el que aparezca
el cursor.

Ayuda de sintaxis. Pulsando este botón accedemos a una ayuda de

sintaxis. Si pasamos el ratón sobre un comando determinado y pulsamos se
abrirá la siguiente ventana:

Como vemos, podemos mostrar la sintaxis del comando, imprimir o

cancelar.

Estadísticos e-Books & Papers

 Designar ventana. Si tiene abierta más de una ventana del Editor de
sintaxis, la sintaxis de comandos se pega en la ventana designada del
Editor de sintaxis. Las ventanas designadas se indican por un signo de
exclamación (!) en la barra de estado. Puede cambiar las ventanas
designadas en cualquier momento.
La ventana designada no debería confundirse con la ventana activa, que es
la ventana actualmente seleccionada. Si tiene ventanas superpuestas, la
ventana activa aparecerá en primer plano. Si abre una nueva ventana del
Editor de sintaxis o del Navegador de resultados, esa ventana se convertirá
automáticamente en la ventana activa y la ventana designada.
2.3. Iconos de la ventana de resultados
Se muestra a continuación la barra de iconos que se corresponden con
operaciones de la ventana de resultados.

Veamos alguno de los iconos

que no se han comentado al hablar de los mismos en las ventanas de datos
y sintaxis:
Presentación preliminar. Permite ver los resultados en pantalla
completa, de esta forma podremos predecir el formato que tendrán al salir
por impresora. Exportar. Guarda las tablas pivote y los resultados de
texto en formato html y de texto y los gráficos en diversas opciones.
Seleccionar últimos resultados. Marca los últimos resultados
realizados por el procesador de SPSS.
Insertar encabezado. Permite colocar un encabezado en el diagrama
del navegador de resultados para que resulten más clarificadores.
Insertar títulos. Como su nombre indica, podemos insertar en los
resultados algún texto esclarecedor no relacionado con alguna tabla pivote.
Insertar texto. Coloca un texto en cualquier parte de los resultados no
relacionados con una tabla pivote.
Ocultar. Deja de presentar un resultado, texto o gráfico en la pantalla de
resultados.
Mostrar. Presenta el resultado oculto mediante el icono anterior.

Contraer/Expandir. Permite agrupar un conjunto de resultados de la

ejecución de uno o varios comandos, o por el contrario, expandir los
resultados previamente contraídos.

Estadísticos e-Books & Papers

 Ascender/Degradar. Permite, en el navegador de resultados, realizar
un proceso similar al tabulador en un procesador de textos. Es decir, llevar
a izquierda o derecha un conjunto de resultados.
3. DATOS
3.1. Matriz de datos
Para realizar un análisis estadístico es necesario disponer de una matriz de
datos. Dicha matriz se puede estructurar de la siguiente forma:
Variable 1 Variable 2 ............... Variable m Caso 1
Caso 2
Caso 3
.
.
.
Caso n
Es decir, es una matriz rectangular de dimensión n x m, donde n es el
número de filas y corresponde a las unidades o elementos de análisis, y m
que es el número de columnas y corresponde a las variables.
Para introducir los datos y después poder analizarlos con SPSS, se
puede utilizar el editor de datos de dicho programa, importarlos de una
base de datos o una hoja de cálculo, importarlos de otros programas
estadísticos, o bien con un procesador de textos crear un fichero ASCII
que contenga dicha matriz de datos.
Con introducir o importar los datos no se ha terminado la labor. Para
crear un archivo de datos de SPSS (.sav), se necesita además «definir
variables». Esta labor incluye: el nombre de la variable, el tipo, el formato
de lectura, la etiqueta de la variable, la etiqueta de las categorías (cuando
la variable es discreta) y la definición de los valores «missing».
3.2. Introducción o modificación de datos con el SPSS
Como se ha comentado, los datos se pueden introducir directamente en
el editor del SPSS. En este apartado se explica cómo formar la matriz de
datos y la definición de las variables mediante dicho editor del programa.
Es aconsejable definir primero las variables y después introducir los datos.
Ambas operaciones se realizan desde la ventana «Nuevo Datos».
La ventana de datos tiene dos visiones: a) vista de datos, donde se
muestran los valores reales o las etiquetas de valor definidas y b) vista de

Estadísticos e-Books & Papers

variables, con la información relativa a las mismas.

3.2.1. Definición de las variables

Una vez activada la ventana Nuevo Datos, si se trata de crear un
fichero de datos nuevo, o estando en un fichero de datos ya creado cuando
se pretende su modificación. Si se está en la vista de variables, se puede
definir las características de cualquier variable: nombre, tipo, anchura,
decimales, etiqueta, valores, perdidos, columnas, alineación y medida.
Estas propiedades de las variables son:
1. Nombre: en nuestro idioma puede tener como máximo 64
caracteres, que pueden ser alfabéticos o numéricos o el símbolo de
subrayado ( _ ) ; la única restricción es que el primer carácter debe ser
alfabético, $ o #, no puede contener el blanco, ni caracteres especiales, no
debe acabar en punto. No se puede duplicar el nombre de una variable en
el fichero de datos.
2. Tipo de variable: Se utiliza para modificar el tipo de la variable y el
formato. Por defecto se toma la variable como numérica de Ancho: 8,
Decimales:2 (definido en cuadro de diálogo de opciones).

Estadísticos e-Books & Papers

 donde se pinchará en el tipo que se desee.
Los tipos de variables son:
— Numéricas: Sólo toman valores numéricos en formato estándar o en
notación científica.
— Coma: Variable numérica con valores expresados con comas que
delimitan cada tres posiciones y con el punto como delimitador decimal.
— Punto: Variable numérica con valores expresados con puntos que
delimitan cada tres posiciones y con la coma como delimitador decimal.
— Notación científica: Variable numérica cuyos valores se muestran
con una E intercalada y un exponente con signo que representa una
potencia de base diez.
— Fecha: Variable numérica con valores expresados en uno de los
diferentes formatos de fecha-calendario u hora-reloj. Al indicar fecha
aparece una lista con diferentes formatos. Habrá que seleccionar uno.
— Moneda personalizada: Variable numérica con valores expresados
en uno de los formatos de moneda personalizados que se habrán definido
previamente en la pestaña Moneda del cuadro de diálogo Opciones.
— Cadena: Variable cuyos valores no son numéricos y, por tanto, no
se utilizan en los cálculos. Pueden contener cualquier carácter siempre que
no se exceda la longitud definida en el cuadro de diálogo que aparece al
seleccionar esta opción. Las mayúsculas y las minúsculas se consideran
diferentes. También se conoce como variable alfanumérica.
3. Etiqueta: Se utiliza para definir la etiqueta de la variable, no puede
exceder a 256 caracteres pueden contener espacios y caracteres reservados
que no se permiten en los nombres de las variables.
4. Valores: Son las etiquetas de valor donde a cada valor de una
variable se le pueden asignar etiquetas descriptivas de dicho valor. Es
particularmente útil si el archivo de datos utiliza códigos numéricos para

Estadísticos e-Books & Papers

representar categorías no numéricas (por ejemplo, los códigos 1 y 2 para
hombre y mujer).
Las etiquetas de valor pueden tener hasta 60 caracteres.
Estas etiquetas no están disponibles para las variables de cadena larga
(variables de cadena con más de 8 caracteres).
Al pulsar Valor se entra en el cuadro de diálogo siguiente:

Para introducir una etiqueta de valor se procede de la siguiente manera:

una vez rellenados los campos Valor y Etiqueta de valor se pincha en el
botón de Añadir. Si se desea eliminar alguna de estas etiquetas se
selecciona dicha etiqueta (pinchando con el ratón en ella) y se pulsa en el
botón de Borrar. Si se desea hacer alguna modificación en la definición
de los valores y sus etiquetas, se selecciona la etiqueta a modificar, se
pincha en el campo que se va a modificar (valor o etiqueta), y una vez
hecha la modificación se pincha en el botón de Cambiar (Estos botones
funcionan igual en todas las ventanas del SPSS, por lo que no se volverán
a comentar. Naturalmente dichos botones deben estar activos para poder
pinchar en los mismos).
5. Perdidos: Se utiliza para definir los valores missing (ausencia de
dato) de la variable que se está describiendo, estos valores no se utilizan en
la mayoría de cálculos. El SPSS distingue entre 2 tipos de valores missing:
— System missing: valores missing declarados por el SPSS, para los
espacios en blanco y caracteres ilegales que pueda haber en el fichero de
datos. Estos aparecerán en los listados representados por puntos.
— User missing: valores missing declarados por el usuario, que se
puede modificar conforme la ventana siguiente:
Cuando se pincha en Perdidos, aparece la siguiente ventana de los valores
perdidos por el usuario:

Estadísticos e-Books & Papers

 No se pueden definir valores perdidos para variables de cadena larga
(más de 8 caracteres).
6. Columnas: Se utiliza para definir el número de caracteres para el ancho
de la columna donde se introducirán los valores de la variable.
Los anchos de columna también se pueden cambiar en la Vista de datos
pulsando y arrastrando los bordes de la columna.
Los formatos de columna afectan sólo a la presentación de valores en
el Editor de datos. Al cambiar el ancho de columna no se cambia el ancho
definido de una variable. Si el ancho real y definido de un valor es más
ancho que la columna, aparecerán asteriscos (*) en la ventana Vista de
datos.
7. Alineación: La alineación se utiliza para controlar la presentación
de los valores de los datos y/o de las etiquetas de valor en la Vista de
datos. La alineación por defecto es derecha para las variables numéricas e
izquierda para las variables de cadena. Esta disposición afecta sólo a la
presentación en la Vista de datos.
8. Medida: Sirve para especificar el nivel de medida de la variable:
Escala (datos numéricos de una escala de intervalo o de razón), Ordinal o
Nominal. Los datos nominales y ordinales pueden ser de cadena
(alfanuméricos) o numéricos. La especificación de medida toma
importancia en:
— Procedimientos de gráficos o de tablas personalizadas que
identifican las variables como de escala o categóricas. Las variables
nominales y ordinales se tratan como categóricas.
— Los archivos de datos con formato SPSS utilizados con AnswerTree
y otros módulos.
3.2.2. Introducción de datos
Una vez que se han definido las variables, se pasará a introducir la matriz
de datos. Estos se introducen en el panel de la ventana Datos nuevos.

Estadísticos e-Books & Papers

 Los datos se pueden introducir de dos formas diferentes: metiendo
todos los valores de una determinada variable, es decir, introducir los datos
por columna, o metiendo todos los valores de una determinada unidad de
análisis, es decir, introducir los datos por fila, no obstante el sistema no es
rígido y se puede saltar de una variable a otra y de una columna a otra.
También se puede con los datos, como en cualquier programa de
Windows, utilizar las opciones de cortar y pegar.
3.2.2.1. Introducir los datos correspondientes a una variable
Por defecto, cuando se teclea el primer valor y se pulsa la tecla de Intro
éste se almacena en la celda correspondiente a la primera unidad de
análisis de la primera variable, el segundo valor se almacena en la celda
correspondiente a la segunda unidad de análisis de la primera variable, y
así sucesivamente hasta completar todos los datos de la primera variable.
Después se activa la segunda variable, y se procede de la misma forma. Y
así sucesivamente, hasta completar todos los datos de todas las variables.
3.2.2.2. Introducir los datos correspondientes a una unidad de análisis
A veces es más cómodo introducir los datos por unidad de análisis en
vez de por variable. En este caso, se activará la fila correspondiente a la
unidad de análisis y después se pasa a introducir los datos. Es decir, una
vez activada una determinada fila, el valor tecleado se almacena en la
primera columna de la fila activada, el segundo valor se almacena en la
segunda columna, y así sucesivamente hasta completar todos los datos del
primer caso.
Si no se ha activado ninguna fila ni ninguna columna, y después de
introducir un valor se pulsa la tecla de tabulación, en vez de la tecla de
Intro, los datos se almacenarán por fila en lugar de por columna.
3.2.2.3. Restricciones de los valores de datos El ancho y el tipo de
variable definidos determinan el tipo de valor que se puede introducir en
una casilla.
Si se escribe un carácter no permitido por el tipo de variable definido, no
se introducirá y se producirá una señal acústica.
Para variables de cadena (string), no se permite que el número de
caracteres exceda del ancho definido.
Para variables numéricas se pueden introducir valores enteros que
excedan del ancho definido, no obstante se presentará en pantalla
asteriscos indicándonos esta circunstancia.
3.3. Almacenar datos

Estadísticos e-Books & Papers

 Una vez que se ha introducido la matriz de datos utilizando el SPSS,
ésta se puede almacenar en un fichero. El SPSSWIN permite almacenar los
datos y la definición de las variables en distintos tipos de ficheros; el tipo
que se elija dependerá de lo que se vaya a hacer posteriormente.
Para almacenar los datos, se pincha en el menú Archivo y se
selecciona la opción Guardar datos o Guardar como... En ambos casos
se abrirá la siguiente ventana:

Esta ventana tiene 3 partes:

1. Nombre de archivo : es el campo donde se especifica el nombre del
fichero donde se almacenarán los datos. En cuanto a la extensión del
nombre del fichero, diremos que en el caso de un fichero SPSS, no es
obligatorio mantener las extensiones que figuran por defecto (éstas
dependen del tipo de fichero), pero si es aconsejable utilizarlas, pues dan
idea del tipo de fichero a tratar.
2. Guardar como archivos de tipo: se utiliza para especificar el tipo
del fichero en el que se desea almacenar los datos. Al pinchar en el
símbolo
de dicho campo aparece un menú con los tipos de ficheros disponibles:

Estadísticos e-Books & Papers

 Los tipos de ficheros más utilizados son:
— SPSS (*.sav): Formato SPSS. Los archivos de datos guardados con
formato SPSS no se pueden leer en versiones anteriores a la 7.5. Al utilizar
archivos de datos con nombres de variable con longitud superior a ocho
bytes en SPSS 10.X u 11.X, se utilizan versiones únicas de ocho bytes de
los nombres de variable, pero se mantienen los nombres originales para su
utilización en la versión 12.0 o posteriores. En versiones anteriores a SPSS
10, los nombres de variable largos originales se pierden si se guarda el
archivo de datos.
— SPSS 7.0 (*.sav): Formato SPSS 7.0 para Windows. Para la versión
7.0 del SPSS y versiones anteriores del SPSS para Windows.
— SPSS/PC+ (*.sys): Es un fichero binario que sólo puede crearse y
leerse con el SPSS para Ms-Dos. Si el fichero de datos contiene más de
500 variables, sólo se guardarán las primeras 500. Sólo admite un valor
perdido por variable; cuando exista más de uno se cogerá sólo el primero.
— SPSS portátil (*.por): Archivo de SPSS portátil que pueden leer
otras versiones de SPSS en otros sistemas operativos (Macintosh,UNIX).
Los nombres de variable se limitan a ocho bytes, y convertirán a nombres
únicos de ocho bytes si es preciso.
— Delimitado por tabuladores (*.dat): Es un fichero ascii que sólo
contiene la matriz de datos, por lo tanto se podrá leer con cualquier
programa de análisis de datos, y en general, con cualquier programa que
lea ficheros ascii. Tiene formato fijo y no existe tabuladores ni espacios en
blanco entre los campos de variables.
— Excel (*.xls): Archivo de hoja de cálculo de Microsoft Excel 4.0. El
número máximo de variables es 256.
— 1-2-3 versión 3.0 (*.wk3): Archivo de hoja de cálculo de Lotus 1-2-
3, versión 3.0. El número máximo de variables que puede guardar es 256.
— SYLK (*.slk): Formato de vínculo simbólico para archivos de hojas
de cálculo de Microsoft Excel y de Multiplan. El número máximo de

Estadísticos e-Books & Papers

variables que puede guardar es 256.
— dbase IV (*.dbf): Formato dbase IV.
— dbase III (*.dbf): Formato dbase III.
— dBASE II (*.dbf): Formato dBASE II.
— SAS v6 para Windows (*.sd2): Formato de archivo de SAS v6 para
Windows/OS2.
— SAS v6 para UNIX (*.ssd01): Formato de archivo de SAS v6 para
UNIX (Sun, HP, IBM).
— SAS v6 para Alpha/OSF (*.ssd04): Formato de archivo de SAS v6 para
Alpha/OSF (DEC UNIX).
— SAS v7+ Windows extensión corta (*.sd7): Versión 7-8 de SAS para
Windows con formato de nombre de archivo corto.
— SAS v7+ Windows extensión larga (*.sas7bdat): Versión 7-8 de SAS
para Windows con formato de nombre de archivo largo.
— SAS v7+ para UNIX (*.ssd01): SAS v8 para UNIX.
— Transporte de SAS (*.xpt): Archivo de transporte de SAS.
3. Guardar en : En este campo figura la estructura de subdirectorios
de la unidad especificada y permite seleccionar la ubicación donde se
almacenará el fichero de datos.
3.4. Lectura del fichero de datos
Hay veces que ya se dispone del fichero de datos para realizar el
análisis estadístico y no es necesario utilizar el SPSS para crearlo. Este
fichero puede ser un fichero ascii, en cuyo caso sólo contiene datos, o
puede haberse creado con el SPSS (versión de Windows o de Ms-Dos),
con una base de datos, o con una hoja de cálculo, en cuyo caso contiene
los datos y la definición de variables. Por lo tanto, la forma de leer el
fichero de datos dependerá de las características del mismo.
3.4.1. Abrir base de datos
Se puede leer cualquier formato de base de datos del cual se disponga
de controlador, tanto de forma local como en modo red. En el primer caso
el controlador deberá estar en el ordenador local y en el segundo en el
servidor de la red.
Se puede:
a) Leer archivos de la base de datos:
— Se seleccionará: Archivo->Abrir base de datos->Nueva consulta.
— El origen de la base de datos.

Estadísticos e-Books & Papers

— Seleccionar la tabla y campos de la base.
— Especificar cualquier relación existente entre las tablas.
b) Editar una consulta de base de datos guardada.
— Se seleccionará: Archivo->Abrir base de datos->Editar consulta.
— Seleccionar el archivo de consulta (*.spq) a editar.
— Seguir las instrucciones para crear la consulta.
b) Leer archivos de bases de datos con una consulta guardada.
— Se seleccionará: Archivo->Abrir base de datos->Ejecutar consulta.
— Seleccionar el archivo de consulta (*.spq) que se desea ejecutar.
— Algunos archivos de base de datos pueden tener una palabra de paso
para el acceso. Será necesario introducir dicha palabra.
— En algunos caso además tendrá una solicitud de entrada de datos
adicionales, como por ejemplo el mes.
Cuando se realiza la entrada a una base de datos el sistema activa el
asistente para bases de datos que mediante seis pasos guía al usuario para
introducir el archivo en el sistema. En el primer paso se selecciona la
fuente de datos; se habilita la entrada a la base, si tiene contraseña; y se
selecciona los campos de datos. El segundo permite seleccionar los datos
(campos, nombres de los mismos, ordenar éstos, etc.). El tercer paso se
dedica a especificar las relaciones entre tablas. El cuarto a limitar la
recuperación de casos, es decir, si se quiere recuperar la base en su
totalidad o parte de la misma. En el quinto se definen las variables,
etiquetas, etc. El sexto y último permite guardar la consulta para futuras
utilizaciones, ver los resultados del proceso realizado y pegar la sintaxis.
3.4.2. Lectura de un fichero de datos de texto Cuando el fichero de
datos es un fichero de texto el sistema permite diferentes formatos:
— Datos delimitados por tabulaciones.
— Datos delimitados por espacios.
— Datos delimitados por comas.
— Datos con formato de campos fijos.
En los archivos delimitados, también se puede especificar otros
caracteres como delimitadores entre valores.
Para leer un archivo de datos de texto se necesita:
— Se seleccionará: Archivo->Leer datos de texto.
— Seleccionar el fichero de texto.
— Seguir las instrucciones del asistente para la importación de texto.
El asistente para la importación de texto utiliza seis pasos para realizar

Estadísticos e-Books & Papers

el proceso. En el primero pregunta si el archivo de texto es de un formato
predefinido. En el segundo, se selecciona la forma de organizar las
variables (delimitas o de ancho fijo) y si están incluidas los nombres de las
variables en la parte superior del archivo. El paso tercero está dedicado a
seleccionar las características de los archivos delimitados o de ancho fijo,
según la opción elegida en el segundo paso. El paso cuarto completa la
visión del archivo de datos según la opción elegida de archivos
delimitados o de ancho fijo. El quinto paso permite modificar las
características de nombre y formato de datos de las variables del fichero a
importar. Finalmente el paso sexto tiene la opción de pegar la sintaxis y de
guardar el formato de archivo para futuros usos.
3.4.3. Lectura de otros tipos de fichero de datos
En general se puede leer fichero de datos en distintos formatos,
comentados anteriormente al hablar de Guardar como… Se procede,
Archivo->Abrir y aparecerá la pantalla que se muestra a continuación
donde se selecciona el formato elegido, la ubicación y el nombre del
fichero de datos que se desea abrir.

3.5. Un ejemplo de construcción de un fichero de datos

Para comprender los pasos relativos a los ficheros de datos, nos parece
interesante comentar el proceso de construcción de un fichero de datos.

Estadísticos e-Books & Papers

 El presente ejemplo nace a caballo entre datos reales de una
investigación sobre la aplicación de un programa metacognitivo de
compresión lectora a alumnos de EGB y Secundaria Obligatoria, y datos
simulados para atender a otras necesidades.
Como se ha visto la primera tarea a abordar con los datos es
precisamente, la codificación de las variables.
A su vez, y para SPSSWIN, ello conlleva varias acciones:
— Nombrar las variables.
— Codificar sus valores.
— Asignar un código específico a los valores ausentes.
— Asignar etiquetas significativas a variables y valores de algunas de
ellas. — Construir la nueva matriz de datos.
— Grabar la misma sobre un soporte magnético.
Veamos ahora cada una de estas acciones.
3.5.1. Denominación de variables
En primer lugar, se relacionan las variables estadísticas utilizadas en el
ejemplo, agrupadas en cuatro bloques:
1. Variables de clasificación:
a) Comunidad Autónoma.
b) Grupo.
c) Zona.
d) Curso.
e) Edad.
f) Sexo.
2. Variables cognitivas:
a) Inteligencia general.
b) Aptitud verbal.
c) Razonamiento abstracto.
3. Variables sociales y ocupacionales:
a) Status sociocultural.
b) Ocupación de los padres.
4. Variables pedagógicas:
a) Aprendizaje en CC. Sociales.
b) Vocabulario.
A las variables antes indicadas es preciso asignarles un nombre para
que el sistema pueda identificarlas correctamente a lo largo de las
diferentes etapas del proceso de los datos.

Estadísticos e-Books & Papers

En general es recomendable asignar nombres significativos a las
variables con objeto de facilitar las labores de proceso y, sobre todo, de
interpretación de resultados.
Además, para completar su identificación, el sistema permite asignar
adicionalmente etiquetas explicativas a los nombres de las variables. Pero,
como luego veremos, las etiquetas no son más que una facilidad para la
lectura de listados. El sistema identifica a las variables sola y
exclusivamente mediante el nombre de las mismas.
3.5.2. Codificación de los valores
Tal codificación está en función de los tipos de variables que antes hemos
comentado.
Al margen de esta recomendación, no existe ninguna regla específica para
realizar la codificación de los valores.
Decir simplemente que conviene hacer un planteamiento lo más
económico posible, de forma que se minimice el número de caracteres a
introducir sin que ello implique, claro está, pérdida de información.
Al igual que con las variables, el sistema permite también la asignación
de etiquetas a valores de las variables con idénticos fines.
En cualquier caso, siempre que sea posible, se considera como más
recomendable realizar una codificación numérica de todas las variables.
3.5.3. Codificación de los valores ausentes
Es habitual en cualquier trabajo que implique recogida de datos que en
ocasiones, y para algunas variables y sujetos, carezcamos de la
información a ellos referida.
A estos valores ausentes (MISSING) hay que asignarles un código
específico con el fin de que el sistema los procese adecuadamente. La
manera más habitual de proceder en estos casos es asignar un valor que
estemos seguros nunca podrá aparecer como valor real de la variable en
cuestión.
Por ejemplo, si para algunos sujetos carecemos de la información
relativa a su comunidad, en nuestro caso podemos asignar a estos casos el
valor 9, pues estamos seguros de que al tratarse sólo de tres comunidades
este código nunca va a aparecer como valor real.
En cualquier caso, la asignación de valores ausentes debe ser coherente
con los tipos de variables. Es decir, a una variable numérica le podemos
asignar como valor ausente cualquier número, pero sólo números. De la
misma manera, a una variable alfanumérica sólo podemos asignarle como

Estadísticos e-Books & Papers

valor ausente un conjunto de caracteres (string).
Si, como antes se afirmó, se realiza una codificación numérica para
todas las variables, es útil emplear un mismo esquema de codificación para
los valores ausentes.
De esta manera se suele emplear series de nueves como códigos de los
valores ausentes. Y así, a las variables de un solo dígito se les asigna el 9,
a las de dos el 99, etc. Es una convención útil que facilita las tareas de
preparación de los datos. Tiene como problema que, en ocasiones, el 9 —
por ejemplo— representa un valor real de la variable. Imaginemos que
trabajamos con sujetos de nueve comunidades. En tal caso, basta con
recodificar los valores reales a dos dígitos (01, 02, etc.) y asignar el 99
como valor ausente.
Sea de esta manera, o de otra cualquiera, lo importante es prever esta
posibilidad, y allá donde se requiera, asignar a estos valores códigos
específicos que estemos seguros que nunca podrán aparecer como reales.
3.5.4. Etiquetado de variables y valores
Como se ha dicho, SPSSWIN permite asignar a las variables etiquetas con
el fin de facilitar la lectura de los listados de salida.
Lógicamente, debe realizarse sólo para las variables cualitativas que
deseemos, pues para las cuantitativas no tendría sentido.
Si hemos realizado una codificación numérica de todas las variables, la
posibilidad de etiquetar los valores de las cualitativas se nos revela de
mayor utilidad incluso que el etiquetado de las variables, pues contribuye
en alto grado a facilitar la lectura e interpretación de los resultados.
3.5.5. Elaboración del plan de codificación y de la matriz de datos
Una vez tomada esta serie de decisiones, conviene registrarlas en un
plan de codificación. En el mismo deben aparecer para cada variable, su
nombre, códigos de los valores, valores ausentes y etiquetas si las
hubiese.
A continuación, se procede a cumplimentar la matriz definitiva de
datos.
Como se ha afirmado en varias ocasiones, la forma más usual de
trabajo en SPSSWIN es con matrices rectangulares. Esto es, todos los
sujetos tienen las mismas variables y ocupan el mismo número de líneas.
Además el formato de organización suele ser de los denominados
«fijos». A saber: para todos los sujetos, las variables ocupan siempre el

Estadísticos e-Books & Papers

mismo número de columnas (o si se prefiere, todos los valores de una
variable tienen el mismo número de dígitos), y se encuentran siempre en
las mismas columnas.
Por otra parte, hay que tener cuidado en el número de columnas (o
dígitos) que se reservan para cada variable. Además del caso de los valores
ausentes que ya hemos comentado, hay que tener en cuenta que todos los
valores deben tener el mismo número de dígitos. Por tanto, visto el
máximo de cada variable, por ejemplo 124, los valores inferiores a 100
deben completarse con tantos ceros o espacios en blanco a la izquierda
como sea preciso (074, 005).
Además, a la hora de asignar columnas a las variables, conviene tener
en cuenta si con posterioridad se van a incorporar al fichero nuevos datos
relativos a las mismas variables pero a otros sujetos.
En tal caso, podría ocurrir que el número de dígitos reservado resultase
insuficiente para algún sujeto, lo que implicaría costosas reformas del
fichero.
Pensemos, por ejemplo, en la variable «curso». En nuestros datos
actuales vemos que el máximo es 8 y, en consecuencia, asignamos una
columna a esta variable. Si en una muestra posterior incorporamos otros
cursos de Bachiller y queremos codificarlos con dos dígitos para
distinguirlos nos causaría problemas y habría que modificar todo el
fichero.
Anticipamos ya que en nuestro caso, y por aquello de predicar con el
ejemplo, a esta variable le hemos asignado una sola columna. Es igual,
porque si hay datos futuros, serán igualmente inventados y ya nos
cuidaremos muy mucho de la creación de tales cursos.
Si los datos que disponemos se refieren a muchas variables, o éstas
requieren muchas columnas, es posible que a la hora de grabar la matriz,
ésta no quepa en las 80 columnas habituales. En tal caso, se puede optar
por prolongar la línea hasta donde sea preciso aunque no podamos verla
entera en la pantalla o, mejor, asignar a cada sujeto más de una línea.
Por último, con respecto a hipotéticos valores decimales, decir, en
primer lugar, que SPSSWIN emplea la notación sajona, aunque se puede
modificar por nuestra coma. Segundo, a la hora de registrar este tipo de
valores no es preciso grabar el punto decimal pues los comandos relativos
a la definición de los datos permiten especificar tal cuestión. Si se desea
puede escribirse, pero en tal caso recordar que de cara a la grabación de los

Estadísticos e-Books & Papers

datos, cualquier carácter incluido el punto ocupa una columna.
Dicho esto, sólo queda el arduo trabajo de escribir los datos
codificados. La matriz de datos puede escribirse primero en papel y luego
pasarla a soporte magnético mediante el empleo de cualquier tratamiento
de textos. O puede optarse, por obviar la primera fase y grabar los datos
directamente.
Sea como fuera el fichero de datos es la materia prima fundamental,
por lo que conviene extremar las precauciones con el fin de evitar errores.
Con respecto a la entrada de los datos al sistema, lo habitual es que
éstos estén grabados en un fichero de datos independiente, tal y como
estamos explicando, en este caso se trata de un fichero de texto con
extensión DAT. SPSSWIN permite también la entrada de datos «en línea»,
es decir, dentro de una sesión y mediante la introducción de los datos por
el teclado. Decir que, en nuestra opinión, no es práctica recomendable
excepto cuando se trate de una matriz pequeña o de un ejemplo.
Acabada pues la exposición, veamos ahora como ejemplo lo relativo a
nuestros datos.
Ejemplo
El siguiente plan de codificación recoge para cada variable, su nombre,
la columna inicial y final que ocupan en la matriz de datos, su etiqueta, si
la tiene, y los valores de la misma (mínimo y máximo, si es cuantitativa;
códigos y etiquetas si es cualitativa).
Variable Posición Etiqueta Valores
COM 2 «COMUNIDAD»
GR 7 «GRUPO EXP/CONTROL»
ZO 9 «ZONA»
CU 15 «CURSO»
EDAD 19-20
SEXO 22
1 «ANDALUCIA»
2 «CANTABRIA»
3 «GALICIA»
1 «EXPERIMENTAL» 2 «CONTROL»
1 «URBANA»
2 «SEMIURBANA»
3 «RURAL»

Estadísticos e-Books & Papers

 6 «SEXTO»
7 «SÉPTIMO»
8 «OCTAVO»
MIN.: 10
MÁX.: 15
1 «HOMBRE»
2 «MUJER»
FGPRE 23-24
FGPOS 25-26
AVPRE 27-28
AVPOS 29-30 «PRETEST FACT. G» «POSTEST FACT. G» «PRETEST
APT.VERBAL» «POSTEST APT.VERBAL»
Variable Posición Etiqueta Valores RAPRE 32-33 «PRETEST RAZ.
ABST.» RAPOS 34-35 «POSTEST RAZ. ABST.» OP 37-38 «OCUPAC.
PADRES» SC 39-40 «SOCIOCULTURAL» SOCPRE 41-42 «PRETEST
PR.SOCIALE» SOCPOS 43-44 «POSTEST PR.SOCIALE» VOCPRE 45-
46 «PRETEST PR.VOCAB.» VOCPOS 47-48 «POSTEST PR.VOCAB.»
LECPRE 49-50 «PRETEST COMP.LECT.» LECPOS 51-52 «POSTEST
COMP.LECT.»
3.5.6. Fichero de procedimiento
Los comandos que corresponden con el proceso realizado con los datos del
ejemplo nos da el primer fichero de procedimiento del programa
SPSSWIN.
3.5.6.1. Fichero de comandos. EJEMPLO.SPS
Contiene todos los comandos de definición de datos y el de grabación
del fichero de sistema (SAVE). Además, se ejecutará el comando LIST
con el fin de listar cada variable y sus valores.
TITLE «PROGRAMA DE COMANDOS INICIALES».
DATA LIST FILE=«EJEMPLO.DAT»
/COM 2 GR 7 ZO 9 CU 15 EDAD 19-20 SEXO 22
FGPRE 23-24 FGPOS 25-26 AVPRE 27-28 AVPOS 29-30 RAPRE 32-33
RAPOS 34-35 OP 37-38 SC 39-40 SOCPRE 41-42 SOCPOS 43-44
VOCPRE 45-46 VOCPOS 47-48 LECPRE 49-50 LECPOS 51-52.
VARIABLE LABELS
COM «COMUNIDAD»
/GR «GRUPO EXP/CONTROL»
/ZO «ZONA»

Estadísticos e-Books & Papers

/CU «CURSO»
/FGPRE «PRETEST FACTOR G»
/FGPOS «POSTEST FACTOR G»
/AVPRE «PRETEST APT.VERBAL»
/AVPOS «POSTEST APT.VERBAL»
/RAPRE «PRETEST RAZ. ABST.» /RAPOS «POSTEST RAZ. ABST.»
/OP «OCUPAC. PADRES»
/SC «SOCIOCULTURAL»
/SOCPRE «PRETEST PR.SOCIALES» /SOCPOS «POSTEST
PR.SOCIALES» /VOCPRE «PRETEST PR.VOCAB.» /VOCPOS
«POSTEST PR.VOCAB.» /LECPRE «PRETEST COMP.LECT.»
/LECPOS «POSTEST COMP.LECT.».
VALUE LABELS
COM
1 «ANDALUCIA»
2 «CANTABRIA»
3 «GALICIA»
/GR
1 «EXPERIMENTAL»
2 «CONTROL»
/ZO
1 «URBANA»
2 «SEMIURBANA»
3 «RURAL»
/CU
6 «SEXTO»
7 «SEPTIMO»
8 «OCTAVO»
/EDAD
10 «DIEZ AÑOS»
11 «ONCE AÑOS»
12 «DOCE AÑOS»
13 «TRECE AÑOS»
14 «CATORCE AÑOS»
15 «QUINCE AÑOS»
/SEXO
1 «HOMBRE»
2 «MUJER».
MISSING VALUE CU(99) SEXO(3). LIST.

Estadísticos e-Books & Papers

SAVE OUTFILE=‘EJEMPLO.SAV’. EXECUTE.
4. TRANSFORMACIONES DE LOS DATOS
Una de las principales ventajas que aporta SPSSWIN al proceso de
datos es que —previamente al análisis estadístico de los mismos, o como
resultado de alguno en concreto— es posible transformar los datos
originales presentes en el fichero de datos.
Tales transformaciones pueden estar orientadas hacia la recodificación
de los valores de una(s) variable(s) o hacia la generación de nuevas
mediante operaciones a realizar sobre las preexistentes.
Los cinco comandos relativos a esta cuestión son: RECODE,
AUTORECODE, COMPUTE, RANK y COUNT.
Los dos primeros recodifican los valores de una variable. Mediante
COMPUTE se pueden generar nuevas variables empleando para ello
transformaciones de las antiguas. El comando RANK genera nuevas
variables asignando rango a la primera.
Por último, COUNT permite crear nuevas variables en función de la
ocurrencia o no de ciertos valores de una lista dada de variables originales.
4.1. Crear variables
Se pueden crear variables mediante transformación numérica o de
cadena de otras variables. En las nuevas variables podemos especificar el
tipo y la etiqueta de la variable. Se puede calcular valores de forma
selectiva según cumplan unas condiciones lógicas. El SPSS incorpora más
de 70 funciones aritméticas, estadísticas, de distribución y de cadena.

Para

Estadísticos e-Books & Papers

calcular variables debemos:
— Pulsar en:
Transformar.
Calcular variable.
— Elegir una nueva variable o la existente.
— Pegar las funciones elegidas y tener en cuenta las siguientes
observaciones:
• Las constantes de cadena deben estar entre comillas o apóstrofos.
• Para nuevas variables de cadena es conveniente incluir tipo y etiqueta.
4.1.1. Calcular variables: Si los casos deben cumplir una condición
lógica
Si observamos la figura anterior, pulsando el botón Si, entramos en el
siguiente menú:

— Si el resultado es cierto, se aplicará la transformación.

— Si el resultado es falso o missing, la transformación no se aplicará.
Las expresiones condicionales pueden incluir nombres de variables,
constantes, operaciones aritméticas, funciones numéricas, variables lógicas
y operadores relacionales.
4.1.1.1. Indicar tipo y etiqueta a la variable creada
Por defecto las nuevas variables creadas son numéricas. Cuando se
necesite una variable cadena hay que indicar el tipo de dato y el ancho. Las
variables de cadena no se pueden utilizar en los cálculos.
Como siempre, se puede poner etiqueta a la nueva variable creada. La
longitud máxima admisible son 120 caracteres. También se puede usar los
110 primeros caracteres de la expresión como etiqueta.

Estadísticos e-Books & Papers

 4.2. Recodificar valores
Los valores de datos se pueden modificar mediante recodificación.
Esta operación es sobre todo interesante para agrupar categorías. Se puede
recodificar los valores de variables existentes o crear unas nuevas variables
con los valores recodificados de las variables existentes.
4.2.1. Recodificación en las mismas variables
Se pueden recodificar variables numéricas y de cadena. Si se seleccionan
varias variables para su recodificación, todas deben ser del mismo tipo.

Para recodificar los valores de una variable:

— Se pulsará:
Transformar.
Recodificar.
En las mismas variables.
— Después se seleccionará las variables, especificando los valores
antiguos y los nuevos. Si se desea, se puede definir un conjunto de casos
que se van a modificar.
4.2.1.1. Recodificación en las mismas variables: valores antiguos y
nuevos

Estadísticos e-Books & Papers

 Aparecerá un cuadro de dialogo donde se pondrá:
Valor antiguo. Se indicará un solo valor, un rango de valores o los valores
perdidos por el sistema o indicados como perdidos por el usuario.
Valor nuevo. Se puede indicar un valor o indicar perdido por el sistema.
Antiguo-Nuevo . Se va introduciendo los valores recodificados,
pulsando añadir, cambiar o borrar según interese. El SPSS va ordenando
los valores conforme se añaden.
4.2.2. Recodificación en distintas variables
La recodificación sirve para reasignar los valores o rango de valores de
las variables existentes a una nueva variable. Permite, por ejemplo, pasar
de una variable de cadena a una variable numérica o al contrario. Si
seleccionamos un conjunto de variables, todas tienen que tener el mismo
rango. No se pueden recodificar juntas variables numéricas y de cadena.

Para recodificar realizaremos los siguientes pasos:

Estadísticos e-Books & Papers

— Elegir en el menú:
Transformar.
Recodificar.
En distintas variables.
— Seleccionar las variables que se quieren recodificar y pulsar Cambiar.
— Finalmente pulsar valores antiguos y nuevos para recodificar los
valores.
Esta última opción nos llevará a un cuadro de dialogo similar al que se
ha comentado anteriormente:

Sólo existen dos novedades:

Copiar valores antiguos y las variables de resultado son cadenas.
Esta última para facilitar la conversión de variables numérica a variables
de cadena y la primera para cambiar todos los demás valores de la
variable antigua y copiar valores antiguos por el valor nuevo
seleccionado.
4.2.3. Recodificación automática
También existe la posibilidad de recodificar de forma automática en
otras variables que conservarán las etiquetas de valor de las variables
antiguas. Aquellas variables que no tengan etiquetas en la recodificación,
cogerán como etiqueta el valor original de la variable origen. Como
resultado de la operación de recodificación se presentará una tabla de
valores antiguos y nuevos y las etiquetas de valor.

Estadísticos e-Books & Papers

 Para recodificar de forma automática valores enteros o de cadena en
valores enteros consecutivos. Será necesario:
— Elegir en los menús:
Transformar.
Recodificación automática.
— Seleccionar la variable o variables que desee recodificar.
— Para cada variable seleccionada, introducir un nombre para la nueva
variable y pulsar en Nuevo nombre.
4.3. Contar apariciones de valores dentro de los casos
Nos sirve para contar las apariciones del mismo valor o valores en una
lista de variables. Por ejemplo si queremos contar los diferentes tipos de
pan, que tenemos en el fichero de datos, según tengan una cantidad
definida de grasa (1) y harina (1). Procederemos de la siguiente manera:

Para contar las apariciones:

— Elegir en el menú:
Transformar.

Estadísticos e-Books & Papers

 Contar apariciones.
— Introducir el nombre de la variable de destino.
— Seleccionar dos o más variables del mismo tipo (numéricas o de
cadena). — Pulsar definir valores, con lo cual entraremos en el siguiente
cuadro de dialogo:

Se irá añadiendo valores según interese.

La forma de incrementar la frecuencia de la variable de destino será la
siguiente: se incrementará en 1 cada vez que una de las variables
seleccionada coincida con una especificación de la lista Contar valores.
Los diferentes valores que puede tener la variable de destino coinciden con
las diferentes combinaciones de valores que tengan las variables que
queramos contar. Naturalmente la variable de destino siempre será
numérica.
4.4. Asignar rangos a los casos
Sirve para asignar rangos, puntuaciones de Savage y normales, ntiles y
percentiles, para las variables numéricas creando automáticamente nuevas
variables que tendrán un nombre similar a la variable a la que se asigne el
rango, anteponiendo algún carácter esclarecedor; por ejemplo, en el caso
de los ntiles se antepone la n, así los ntiles de la variable peso se
denominará npeso.

Estadísticos e-Books & Papers

 Los pasos que realizaremos para
asignar rangos a los casos serán los siguientes: — Elegir en el menú:
Transformar.
Asignar rangos a casos.
— Seleccionar las variables. Sólo se podrán seleccionar variables
numéricas. Los tipos de asignaciones aparecen en el cuadro de dialogo

siguiente: Para los

empates entre valores de la variable los rangos pueden tomar los valores
siguientes:

Las diferentes maneras de asignación de rangos en los empates se

explican en el cuadro siguiente:
Valor Media Menor Mayor Secuencial
20 1 1 1 1
26 3 2 4 2

Estadísticos e-Books & Papers

26 3 2 4 2
26 3 2 4 2
28 5 5 5 3
30 6 6 6 4
Para comprender la tabla téngase en cuenta que la columna Valor
muestra los diferentes valores de la variable, y las columnas: Media,
Menor, Mayor y Secuencial, los distintos rangos asignados a la variable
según el método de resolver los empates.
4.5. Categorizador visual
El categorizador visual se utiliza para crear nuevas variables a partir de
otras. Se puede utilizar para categorizar una variable continua o para
agrupar las categorías, es decir, para reducir el número de las mismas en
una variable ordinal.
El programa SPSS no muestra como variables seleccionables aquellas
variables nominales o de cadena.
Para realizar la categorización visual habrá que:
— Seleccionar en los menús:
Transformar.
Categorizador visual.
— Seleccionar las variables numéricas de escala u ordinales para las que
desee crear nuevas variables categóricas (en intervalos).
Seleccionar los casos que se desean utilizar en el proceso o en su defecto,
si no hay selección utilizar todos.

Estadísticos e-Books & Papers

 A continuación al
pulsar aceptar se entrará en el cuadro de diálogo que muestra la siguiente
figura:

Aquí habrá que:

— Seleccionar una variable de la Lista de variables exploradas.
— Introducir un nombre para la nueva variable categorizada
(recuérdese que no se pueden repetir el nombre de las variables en el

Estadísticos e-Books & Papers

fichero de datos). — Definir los criterios de categorización para la nueva
variable.
4.6. Semilla de aleatorización
La semilla de aleatorización sirve para establecer un valor específico
como origen utilizado por el generador de números pseudo-aleatorios, de
modo que se pueda reproducir una secuencia concreta de números pseudo-
aleatorios.

La semilla de aleatorización cambia cada vez que se genera un número

aleatorio, por ejemplo en transformaciones de las variables. Si se quiere
replicar una secuencia de números aleatorios, se utilizará el cuadro de
diálogo mostrado en la figura anterior para restituir la semilla a un valor
específico, antes de realizar alguna transformación, o análisis que utilice
los números aleatorios.
Por defecto, la semilla de aleatorización se restablece automáticamente
con 2.000.000 cada vez que se inicia una nueva sesión de SPSS.
5. OPERACIONES EN Y CON LOS ARCHIVOS
5.1. Ordenar casos
Nos facilita la ordenación de casos tanto de modo ascendente como
descendente en función de los valores de una o varias variables.
Si hay más de una variable criterio para ordenar, entonces se procede
de forma anidada, es decir, primero se ordena la primera variable y
después se ordenará la segunda para cada caso de la primera variable.
Se debe tener en cuenta que en las variables de cadena las letras
mayúsculas preceden a las minúsculas.

Estadísticos e-Books & Papers

 Para ordenar los casos tenemos que realizar los siguientes pasos: —
Elegir en el menú:
Datos.
Ordenar casos.
— Seleccionar la variable o variables de ordenación.
5.2. Fusión de archivos
Se puede unir dos ficheros de datos de dos maneras distintas:
Añadiendo casos. Es decir, si coinciden en las variables se añaden los
casos de unos ficheros con los datos de otro.
Añadiendo variables. Si los casos coinciden se pueden anexar las
variables de un fichero de datos con las de otro.
5.2.1. Añadir casos
Como hemos dicho se unen los casos de dos ficheros que coinciden en
las variables. En los dos ficheros de datos no tiene que coincidir el orden
de colocación de las variables, sin embargo los casos si deben estar
ordenados en ambos ficheros.
Cualquier información sobre etiquetas de variable y de valor, valores
perdidos por el usuario, formatos de visualización en el archivo de datos
de trabajo se aplicará al archivo de datos fusionado.

Estadísticos e-Books & Papers

 En el cuadro de diálogo aparecen:
Variables desemparejadas . Son las variables que quedan excluidas
del fichero de datos fusionado. Las variables del archivo de datos de
trabajo se identifican con asterisco (*). Las variables del archivo de datos
externo se identifican mediante un signo más (+). En esta lista pueden
estar:
— Variables definidas como datos numéricos en un archivo y como
datos de cadena en el otro.
— Variables de cadena de longitud diferente.
Variables en el nuevo archivo de datos de trabajo . Las variables
que se incluirán en el nuevo archivo de datos fusionado. Por defecto en
esta lista estarán las variables que coinciden en el nombre y el tipo de
datos. Se pueden eliminar variables de la lista que no queramos que estén
en el fichero de datos fusionado.
Para fusionar los archivos con las mismas variables y distintos casos
tendremos: — Abrir uno de los archivos de datos.
— Elegir en el menú:
Datos.
Fundir archivos.
Añadir casos.
— Seleccionar el archivo de datos que se desee fundir con el fichero
anteriormente abierto.
— Eliminar todas las variables que se desee del nuevo archivo de datos. —
Añadir cualquier pareja de variables de la lista de variables
desemparejadas que aún teniendo distinto nombre represente lo mismo.

Estadísticos e-Books & Papers

Se puede cambiar el nombre de alguna variable del fichero de datos de
trabajo y del fichero de datos externo pulsando la tecla correspondiente.
5.2.2. Añadir variables
En este caso los dos ficheros a fusionar coinciden en el número de casos,
pero difieren en las variables de cada fichero de datos. Para realizar esta
labor se debe cumplir: — Los casos deben tener el mismo orden en los dos
ficheros y respecto a las mismas variables clave.
— Si dos o más variables coinciden en el nombre se suprimirán del
fichero de datos externo al incorporarse al fichero fusionado, ya que se
supone contienen la misma información.

Para fusionar los archivos con los mismos casos y distintas variables
tendremos: — Abrir uno de los archivos de datos.
— Elegir en el menú:
Datos.
Fundir archivos.
Añadir variables.
— Seleccionar el archivo de datos que se desee fundir con el fichero
anteriormente abierto.
— Se puede incluir alguna variable (+) del archivo de datos externo de
la lista de variables excluidas, para esto podemos cambiar el nombre,
pulsando la tecla correspondiente.
5.3. Agregar datos
Agregar datos permite crear un fichero de datos con el resumen o

Estadísticos e-Books & Papers

agrupamiento de casos basándose en el valor de una o más variables. El
nuevo archivo contiene un caso por cada grupo. Por ejemplo se puede
crear un fichero agrupado con la media de notas de los alumnos en
distintas clases.

En este cuadro de diálogo hay que tener en cuenta:

Variables de segmentación . Utilizadas para agrupar los casos en
función de las mismas. Cada valor de la variable de segmentación genera
un grupo al que se aplicará la función de agregación dando como resultado
un sujeto del fichero agregado. Todas las variables de segmentación se
guardan en el fichero segmentado con su definición. Pueden ser numéricas
o de cadena.
Variables agregadas . Variables que resultan de realizar en los grupos
la función de agregación. SPSS las nombra con los primeros caracteres de
las variables del fichero de datos origen seguidos de un subrayado y un
número secuencial de uno o dos dígitos. Las variables origen deben ser
numéricas.
Nombre y etiqueta. Podemos cambiar el nombre y la etiqueta de la
variable agregada, pero siempre con las limitaciones comentadas
anteriormente en relación al número de caracteres para el nombre de
variable y para las etiquetas de las mismas.

Estadísticos e-Books & Papers

 Función de agregación. Las funciones de agregación que podemos
utilizar son las siguientes:
• Estadísticos de resumen: media, mediana, suma y desviación típica.
• Valores específicos: primero, último, mínimo y máximo.
• Número de casos: ponderado, perdido ponderado, sin ponderar y
perdido sin ponderar.
• Porcentaje o fracción de valores: por encima o debajo de un valor
determinado. Porcentaje o fracción de valores dentro o fuera de un rango.

Para agregar un archivo de datos debemos:

— Elegir en el menú:
Datos.
Agregar.
— Seleccionar una o más variables que definan los grupos a formar.
— Seleccionar una o más variables agregadas que se van a incluir en el
fichero de datos agregado.

Estadísticos e-Books & Papers

— Seleccionar una función de agregación para cada variable agregada. —
Opcionalmente podemos cambiar el nombre y la etiqueta de las variables
agregadas, así como el nombre del fichero de destino de la agregación.
5.4. Segmentar archivos
Segmentar archivos divide el archivo de datos en grupos diferentes para el
análisis basándose en los valores de una o más variables de agrupación. Se
debe tener en cuenta:
• Si agrupamos por una variable de cadena, sólo los 8 primeros caracteres
sirven como criterio de agrupación.
• Se puede especificar hasta 8 variables de agrupación.
• Es conveniente ordenar los casos según las variables de agrupación.

Conviene destacar del cuadro de diálogo:

Comparar los grupos . Los grupos de segmentación se presentan
juntos para compararlos. Las tablas pivote que se generen en los análisis
tendrán los resultados juntos, es decir, habrá una sola tabla pivote. Para los
gráficos, se crea un gráfico para cada grupo pero se presentan juntos en el
navegador de resultados.
Organizar los resultados por grupos. Los resultados de cada análisis
se presentan por separado para cada grupo de segmentación.
Para segmentar un archivo de datos debemos:
— Elegir en el menú:
Datos.
Segmentar archivo.
— Seleccionar comparar los grupos u organizar los resultados por grupos.

Estadísticos e-Books & Papers

— Seleccionar una o más variables de agrupación.
— Ordenar archivo según variable de agrupación.
5.5. Seleccionar casos
Seleccionar casos nos permite seleccionar un subconjunto de datos
según diversos métodos: si satisfacen una condición, una muestra aleatoria
de casos, basándose en el rango del tiempo o de los casos, etc.
Los casos no seleccionados se pueden o bien filtrar o bien eliminar.
SPSS crea una variable de filtro (filter_$) para indicar el estado de filtrado
de un determinado caso. Los casos seleccionados tiene el valor 1 en la
variable de filtro y los no seleccionados el valor 0. Los casos filtrados
también están indicados con una barra transversal sobre el número de fila
del editor de datos. Si damos a la opción seleccionar todos los casos,
desactivamos el filtro de datos.

Para seleccionar un conjunto de casos debemos:

— Elegir en el menú:
Datos.
Seleccionar casos.
— Seleccionar uno de los métodos de selección de casos.
— Especificar si los casos van a ser filtrados o eliminados. Por defecto

Estadísticos e-Books & Papers

está en la opción de filtrar.
5.5.1. Seleccionar casos: Sí
El cuadro de diálogo que figura a continuación nos muestra la opción
que tenemos de seleccionar casos conforme al cumplimiento de una
expresión condicional.

5.5.2. Seleccionar casos: Muestra aleatoria

Selecciona aleatoriamente un número de casos mediante dos opciones
excluyentes:
• Aproximadamente . Un porcentaje aproximado de casos del fichero
de datos. Conforme mayor número de casos tenga el fichero de datos el
número de casos generados se aproximará más exactamente al porcentaje
que hayamos seleccionado.
• Exactamente . Un número seleccionado por el usuario. Si
seleccionamos una cantidad de casos mayor del número total de casos del
fichero de datos, sólo se cogerá una fracción del fichero de datos.

5.5.3. Seleccionar casos:

Rango
Se selecciona los casos conforme a un rango de números de casos o de
fechas u horas.
El número de caso se toma del número de fila que ocupa el caso en el
fichero de datos.

Estadísticos e-Books & Papers

Los rangos de fechas y horas sólo se pueden realizar con variables fecha
que fundamentalmente se utilizan en series temporales.

5.6. Ponderar casos

Permite ponderar los casos en función de los valores de una variable.
Los casos con valores perdidos, negativos o cero para la variable de
ponderación se excluyen del análisis.
La sintaxis del comando que realiza la ponderación es:
Weight by variable.
Supongamos, por ejemplo, que todos los cines de las zonas rurales
ofrecen siempre un programa doble, mientras que los de las ciudades sólo
proyectan una película (y además son más caros).
En tal caso, debemos ponderar a los sujetos de las zonas rurales
doblando sus puntuaciones en horas de cine.
Una vez aplicada una ponderación, permanece activada hasta que se
selecciona otra variable de ponderación o se desactive la misma.

Para ponderar caso debemos:

— Elegir en el menú:
Datos.

Estadísticos e-Books & Papers

Ponderar casos.
— Seleccionar ponderar casos mediante.
— Especificar una variable de frecuencia. Así por ejemplo si la
variable de frecuencia toma el valor 4 nos indicará que habrá 4 casos en el
archivo de datos ponderado, es decir, que el valor de la variable se repite 4
veces.
5.7. Transponer
La opción Transponer de SPSS crea un archivo de datos nuevo en el
que se transponen las filas y las columnas del archivo de datos original de
manera que los casos (las filas) se convierten en variables, y las variables
(las columnas) se convierten en casos. De igual forma crea
automáticamente nombres de variable y presenta una lista de dichos
nombres.

El proceso de transponer genera:

• Una nueva variable de cadena, case_lbl, que contiene el nombre de
variable original.
• Si el archivo de datos de trabajo contiene una variable de
identificación o de nombre con valores únicos, se puede utilizar como
variable de nombre: sus valores se emplearán como nombres de variable
en el archivo de datos transpuesto. Si se trata de una variable numérica, los
nombres de las variables comenzarán por la letra V, seguida de un valor
numérico.
• Los valores perdidos definidos por el usuario se convierten en el
valor perdido del sistema en el archivo de datos transpuesto.
Para transponer variables se debe:
— Elegir en el menú:
Datos.
Transponer.
— Seleccionar la variable o variables a transponer y, en su caso, la

Estadísticos e-Books & Papers

variable de nombres.
5.8. Reestructurar
SPSS tiene un Asistente de reestructuración de datos para realizar
dicha operación. En el cuadro de diálogo que aparece a continuación, se
debe seleccionar el tipo de reestructuración a realizar:

Reestructurar variables seleccionadas en casos . Se utiliza esta

opción cuando se dispone, en los datos, de grupos de columnas
relacionadas y se desea que aparezcan en el nuevo archivo de datos como
grupos de filas.
Por ejemplo:
var_1 var_2 12 5
14 2
En este ejemplo, las dos primeras columnas son un grupo de variables
que están relacionadas. Contienen datos para la misma variable, var_1 para
el nivel 1 del factor y var_2 para el nivel 2 del factor. En el análisis de
datos de SPSS, si los datos se estructuran de esta manera, se está hablando

Estadísticos e-Books & Papers

de medidas repetidas.
Reestructurar casos seleccionados en variables . Esta opción sirve
cuando, en los datos, se dispone de grupos de filas relacionadas y se desea
que aparezcan en el nuevo archivo de datos como grupos de columnas.
Por ejemplo:
var factor
10 1
12 1
42
52
En este ejemplo, las dos primeras filas son un grupo de casos que están
relacionadas. Contienen datos para el mismo nivel del factor. En el análisis
de datos de SPSS, cuando los datos están estructurados de esta manera, se
está hablando de un factor como variable de agrupación.
Transponer todos los datos . Se selecciona esta opción cuando se
desea transponer los datos. Todas las filas se convertirán en columnas y
todas las columnas en filas, en el nuevo archivo de datos, según se ha visto
anteriormente. Esta opción cierra el Asistente de reestructuración de datos
y abre el cuadro de diálogo Transponer datos.
Para reestructurar los datos se debe:
— Elegir en el menú:
Datos.
Reestructurar.
— Seguir las indicaciones del asistente de reestructuración.
5.9. Identificar casos duplicados
Los casos «duplicados» pueden existir por distintos motivos, entre ellos:
— Errores en la entrada de datos: cuando por accidente se introduce el
mismo caso más de una vez.
— Casos múltiples que comparten un valor de identificador primario
común pero tienen valores diferentes de un identificador secundario, como
los alumnos de un colegio que pertenecen a la misma clase.
— Casos múltiples que representan el mismo caso pero con valores
diferentes para variables que no sean las que identifican el caso, como en
el caso de varias notas del mismo alumno o grupo en diferentes materias o
en diferentes momentos.
La identificación de los casos duplicados permite definir prácticamente
como se quiera lo que se considera duplicado, y proporciona cierto control

Estadísticos e-Books & Papers

sobre la determinación automática de los casos primarios frente a los
duplicados.
Para identificar casos duplicados se debe:
— Elegir en el menú:
Datos.
Identificar casos duplicados.
— A continuación seleccionar:
• Definir casos coincidentes por. Los casos se consideran duplicados
si sus valores coinciden para todas las variables seleccionadas. Si se desea
identificar únicamente aquellos casos que coincidan al 100% en todos los
aspectos, habrá que seleccionar todas las variables.
• Ordenar dentro de los bloques coincidentes por. Los casos se
ordenan automáticamente por las variables que definen los casos
coincidentes. Se puede seleccionar otras variables de ordenación que
determinarán la secuencia de los casos en cada bloque de coincidencia.
— También se puede crear una variable:
Variable indicador de casos primarios. Crea una variable con un
valor de 1 para todos los casos únicos y para el caso identificado como
caso primario en cada bloque de casos coincidentes y un valor de 0 para
los duplicados no primarios de cada bloque. Puede:
• El caso primario ser el primer o el último caso de cada bloque de
coincidencia, según determine el orden del bloque de coincidencia. Si no
especifica ninguna variable de ordenación, el orden del archivo original
determina el orden de los casos dentro de cada bloque.
• Puede utilizar la variable indicador como una variable filtro para
excluir los duplicados que no sean primarios de los informes y los análisis
sin eliminar dichos casos del archivo de datos.
Recuento secuencial de casos coincidentes en cada bloque. Crea una
variable con un valor secuencial de 1 a n para los casos de cada bloque de
coincidencia. La secuencia se basa en el orden actual de los casos de cada
bloque, que puede ser el orden del archivo original o el orden determinado
por las variables de ordenación especificadas (ver help de SPSS).

Estadísticos e-Books & Papers

 Además se puede:
Mover los casos coincidentes a la parte superior del archivo . Para
ordenar el archivo de datos de manera que todos los bloques de casos
coincidentes estén en la parte superior del archivo de datos.
Mostrar tabla de frecuencias de las variables creadas. Las tablas de
frecuencias contienen los recuentos de cada valor de las variables creadas.
Valores perdidos. En el caso de variables numéricas, los valores
perdidos del sistema se tratan como cualquier otro valor. En el caso de
variables de cadena, los casos que no tengan ningún valor para una
variable de identificación se tratarán como si tuviesen valores coincidentes
para dicha variable.
EJERCICIOS DE AUTOCOMPROBACIÓN
1. Entrar en el programa SPSS abrir un fichero de sintaxis nuevo y

Estadísticos e-Books & Papers

escribir como si se trata del bloc de notas de windows la sintaxis del
fichero EJEMPLO.SPS (apartado 3.5.6.1), salvar dicho fichero. Debe
observar el lector que la sintaxis llama a un fichero de datos
(EJEMPLO.DAT), presente en la página del autor
(www.uned.es/personal/jgil), y que deberá copiar en algún subdirectorio
de trabajo. En consecuencia, en la sintaxis se debe referenciar la ubicación
de dicho fichero de datos. Ir al fichero de sintaxis y ejecutar la misma,
para lo cual deberá seleccionar todo el texto y pulsar el icono

(ejecutar comando actual). Salvar el fichero de datos creado como

EJEMPLO.SAV
2. Abrir SPSS. Con el fichero de datos EJEMPLO.SAV crear una
nueva variable llamada FGPRE1 que tome el valor 1 si FGPRE es menor o
igual a 30 y 2 para el resto de valores. Pegar la sintaxis en el programa
P2.SPS.
3. Se quiere construir un fichero de datos con 80 valores simulados.
Las nuevas variables serán item1, que toma valores entre 20 y 60; item2
con valores entre 40 y 99; y finalmente item3 con valores entre 0 y 99.
Suponiendo una distribución uniforme para cada variable. Se quiere
construir el fichero de sintaxis, P3.SPS y el fichero de datos, P3.SAV.
4. Las notas finales en Lengua (LG) de 40 estudiantes de una Escuela
Superior son las siguientes:
11 46 58 25 48 18 41 35 59 28
35 2 37 68 70 31 44 84 64 82
26 42 51 29 59 92 56 5 52 8
1 12 21 6 32 15 67 47 61 47
Construir la variable LGQ que tome los valores 1,2,3 y 4 según los
cuartiles que se forman con la variable ordenada. Pegar el fichero de
sintaxis como P4.SPS
SOLUCIÓN A LOS EJERCICIOS DE AUTOCOMPROBACIÓN
1. Para recoger un fichero de datos en formato texto como
EJEMPLO.DAT se puede hace dos procesos:
a) importar el fichero de datos EJEMPLO.DAT siguiendo un proceso cuyo
resultado, una vez pegada la sintaxis, se salva en un fichero
GET DATA /TYPE = TXT
/FILE = ‘c:\Ejemplo.dat’

Estadísticos e-Books & Papers

/DELCASE = LINE
/DELIMITERS = “ ”
/ARRANGEMENT = DELIMITED
/FIRSTCASE = 1
/IMPORTCASE = ALL
/VARIABLES =
V1 F1.0
V2 F1.0
V3 F1.0
V4 F5.2
V5 F1.0
V6 F4.2
V7 F9.2
V8 F36.2
V9 F32.2
V10 F32.2
V11 F30.2
V12 F11.2
V13 F3.2
V14 F1.0
V15 F1.0
V16 F1.0
V17 F1.0
V18 F1.0
V19 F1.0
V20 F1.0
V21 F1.0
.
CACHE.
EXECUTE.
Después será necesario renombrar las variables según los nombres que
toman en la investigación
b) escribir directamente la sintaxis según los comandos de lectura de
datos (DATA LIST FILE), etiquetado de variables (VARIABLE
LABELS) y etiquetados de valores de variables (VALUE LABELS).
TITLE «PROGRAMA DE COMANDOS INICIALES».
DATA LIST FILE=«EJEMPLO.DAT» TABLE
/COM 2 GR 7 ZO 9 CU 15 EDAD 19-20 SEXO 22
FGPRE 23-24 FGPOS 25-26 AVPRE 27-28 AVPOS 29-30 RAPRE 32-33

Estadísticos e-Books & Papers

 RAPOS 34-35
OP 37-38 SC 39-40 SOCPRE 41-42 SOCPOS 43-44 VOCPRE 45-46
VOCPOS 47-48
LECPRE 49-50 LECPOS 51-52.
VARIABLE LABELS
COM «COMUNIDAD»
/ GR «GRUPO EXP/CONTROL»
/ ZO «ZONA»
/ CU «CURSO»
/FGPRE «PRETEST FACTOR G»
/FGPOS «POSTEST FACTOR G»
/AVPRE «PRETEST APT.VERBAL»
/AVPOS «POSTEST APT.VERBAL»
/RAPRE «PRETEST RAZ. ABST.»
/RAPOS «POSTEST RAZ. ABST.»
/OP «OCUPAC. PADRES»
/SC «SOCIOCULTURAL»
/SOCPRE «PRETEST PR.SOCIALES»
/SOCPOS «POSTEST PR.SOCIALES»
/VOCPRE «PRETEST PR.VOCAB.»
/VOCPOS «POSTEST PR.VOCAB.»
/LECPRE «PRETEST COMP.LECT.»
/LECPOS «POSTEST COMP.LECT.».
VALUE LABELS
COM
1 «ANDALUCIA»
2 «CANTABRIA»
3 «GALICIA»
/GR
1 «EXPERIMENTAL»
2 «CONTROL»
/ZO
1 «URBANA»
2 «SEMIURBANA»
3 «RURAL»
/CU
6 «SEXTO»
7 «SEPTIMO»
8 «OCTAVO»
/EDAD

Estadísticos e-Books & Papers

10 «DIEZ AÑOS»
11 «ONCE AÑOS»
12 «DOCE AÑOS»
13 «TRECE AÑOS»
14 «CATORCE AÑOS»
15 «QUINCE AÑOS»
/SEXO
1 «HOMBRE»
2 «MUJER»
.
MISSING VALUE CU(99) SEXO(3).
SUBTITLE ‘LISTA TODAS LAS VARIABLES Y TODOS LOS
SUJETOS’. LIST.
SAVE OUTFILE=«EJEMPLO.SAV»
/COMPRESED.
2. La secuencia de operaciones necesarias para crear el fichero de
sintaxis con la recodificación de los valores de la variable FGPRE y la
creación de una nueva variable FGPRE1 con esta recodificación se
esquematiza en la siguiente secuencia de pantallas:

Se escribirá el nombre de la nueva variable y su etiqueta. A continuación

dar «Cambiar».

Estadísticos e-Books & Papers

 Se escribirá los valores antiguos y los nuevos. Después se pulsará
«Continuar». La sintaxis de P2.SPS será:
RECODE
fgpre
(Lowest thru 30=1) (31 thru Highest=2) INTO fgpre1 .
VARIABLE LABELS fgpre1 ‘factor g recodificado’.
EXECUTE.
3. Para crear el fichero de datos, una de las formas más utilizadas, será
crear una variable auxiliar, que en nuestro caso hemos denominado ID e
introducir cualquier valor, por ejemplo 1, y el número de casos necesarios
(en el ejercicio 80 casos). Después se ejecuta la sintaxis:
COMPUTE item1 = RV.UNIFORM(20,60) .
EXECUTE .
COMPUTE item2 = RV.UNIFORM(40,99) .
EXECUTE .
COMPUTE item3 = RV.UNIFORM(0,99) .
EXECUTE .
Y se tendrá como resultado el siguiente fichero de datos:
id item1 item2 item3
1 25.59 53.49 15.78
1 37.25 82.85 40.77
1 44.49 92.07 95.91
1 31.63 50.75 71.31
1 26.23 56.50 35.71
1 47.98 81.04 59.49

Estadísticos e-Books & Papers

1 33.85 93.25 65.80
1 37.83 47.25 32.52
1 22.10 69.95 43.71
1 24.13 46.92 52.25
1 25.65 94.56 2.81
1 21.72 70.52 49.95
1 44.87 56.01 3.84
1 26.14 78.03 3.03
1 48.61 77.98 4.22
1 57.13 90.32 88.47
1 43.13 43.84 64.86
1 30.47 64.00 .60
1 48.99 73.44 6.57
1 21.48 89.75 3.91
1 24.02 50.92 .35
1 49.31 54.31 21.68
1 29.02 51.05 19.05
1 28.86 98.50 94.17
1 44.40 56.08 66.78
id item1 item2 item3
1 33.54 75.47 9.73
1 22.11 94.88 21.25
1 49.53 89.34 92.03
1 24.79 95.88 81.65
1 22.36 71.78 81.88
1 27.52 91.47 60.84
1 23.98 81.73 33.61
1 47.03 62.69 92.58
1 47.71 68.56 23.28
1 54.67 40.86 81.92
1 34.05 51.21 26.45
1 39.86 74.33 9.50
1 48.08 97.60 13.73
1 28.24 78.97 37.17
1 50.94 83.81 24.51
1 22.68 56.99 25.13
1 41.08 61.86 89.79
1 46.47 78.70 52.56
1 57.43 42.31 42.16

Estadísticos e-Books & Papers

1 32.63 87.94 16.55
1 40.91 73.00 91.91
1 50.63 75.54 .99
1 25.08 84.61 41.40
1 42.37 46.36 95.62
1 59.30 62.14 43.90
1 33.01 84.15 86.45
1 41.42 95.95 74.41
1 40.31 66.24 76.88
1 31.28 82.11 43.34
1 33.89 74.05 18.64
1 56.84 42.79 24.18
1 36.33 71.04 14.41
1 23.83 60.95 69.87
1 33.36 68.03 39.29
1 44.83 97.59 80.71
1 45.65 80.04 18.37
1 50.09 81.31 93.70
1 28.20 41.48 85.68
1 25.73 40.73 47.26
1 37.84 86.12 62.20
1 34.76 92.35 76.02
1 39.41 71.41 64.54
1 23.97 51.67 17.91
1 49.03 80.07 1.48
1 21.49 65.99 72.32
id item1 item2 item3
1 46.75 55.84 75.31
1 50.45 43.69 44.37
1 52.13 73.03 47.51
1 48.11 84.81 46.22
1 21.92 43.55 73.65
1 35.77 82.32 53.37
Nótese que los valores de cada ítem son aleatorios, en consecuencia,
cada vez que se ejecute la sintaxis resultará distinto fichero de datos.
4. Si se utiliza el categorizador visual de SPSS se puede realizar la división
en intervalos que muestra la figura:

Estadísticos e-Books & Papers

 La sintaxis será:
*Visual Bander.
*lg.
RECODE lg
( MISSING = COPY )
( LO THRU 23 =1)
( LO THRU 41.5 =2 )
( LO THRU 58.5 =3 )
( LO THRU HI = 4 )
( ELSE = SYSMIS ) INTO lgq.
VARIABLE LABELS lgq ‘lg (Categorizada)’. FORMAT lgq (F5.0).
VALUE LABELS lgq
1 ‘1º cuartil’
2 ‘2º cuartil’
3 ‘3º cuartil’
4 ‘4º cuartil’.
MISSING VALUES lgq ( ).
VARIABLE LEVEL lgq ( ORDINAL ). EXECUTE.
BIBLIOGRAFÍA
ARCE, CONSTANTINO; REAL, EULOGIO (2002): Introducción al análisis

Estadísticos e-Books & Papers

estadístico con SPSS. PPU. Barcelona.
CAMACHO ROSALES, JUAN (2002): Estadística con SPSS versión 11 para
Windows. Ra-Ma, Librería y Editorial Microinformática. Madrid.
FERRÁN ARANAZ, MAGDALENA (2002): Curso de SPSS para Windows.
McGraw-Hill/ Interamericana de España. Madrid.
LIZASOAIN HERNÁNDEZ, LUIS; JOARISTI OLARRIAGA, LUIS (2003): Gestión y
análisis de datos con SPSS. Thomson Paraninfo. Madrid.
PARDO MERINO, ANTONIO; RUIZ DÍAZ, MIGUEL ÁNGEL (2002): SPSS 11.
Guía para el análisis de datos. McGraw-Hill/ Interamericana de España.
Madrid.
P ÉREZ, CÉSAR (2001): Técnicas estadísticas con SPSS. Pearson
Educación. Madrid. RÍOS, S. (1974): Métodos estadísticos. Ed. del Castillo.
Madrid.
SPIEGEL, M. R.(1992):Estadística. McGraw-Hill.Madrid.
VISAUTA VINACUA, B. (2002): Análisis estadístico con SPSS 11.0 para
Windows. McGraw-Hill/ Interamericana de España. Madrid.

UNIDAD DIDÁCTICA 2
ANÁLISIS DESCRIPTIVO DE DATOS
Objetivos
Describir el comportamiento de datos estadísticos con la ayuda de
tablas de frecuencias y gráficos.
Determinar los principales estadísticos de posición y dispersión.
Determinar los principales estadísticos de simetría y apuntamiento.
Realizar con soltura el proceso de exploración y filtrado de datos
estadísticos.
Describir el comportamiento de datos bivariados a partir de tabla de doble
entrada.
Determinar los estadísticos de correlación y regresión en datos bivariados.
Utilizar comandos SPSS para realizar los estudios exploratorio, descriptivo
y relacional de datos.
1. INTRODUCCIÓN A LA ESTADÍSTICA
1.1. Introducción
Cualquier análisis de datos suele iniciarse por una descripción de las
variables observadas. Esto suele incluir, principalmente, medidas de
tendencia central, variabilidad, asimetría y curtosis. Con estos análisis

Estadísticos e-Books & Papers

cumplimos diversas funciones. En primer lugar nos permite situarnos en la
realidad de los datos que poseemos, sus características, descubrir
individuos con puntuaciones extremas o situados fuera del rango de la
variable («outliers»), descubrir errores en la codificación de las variables,
etc. Este proceso descriptivo se conoce con el nombre de «depuración de
los datos» y es el paso previo a cualquier análisis, pues si existen errores
en la matriz de datos es necesaria su corrección para no arrastrar e
incrementar los mismos durante los análisis posteriores.
A continuación repasaremos ciertos conceptos de estadística
descriptiva y presentaremos los comandos que realizan estos cálculos
mediante SPSSWIN.
1.2. Conceptos elementales: población, observación, muestra
Cuando se realizan mediciones un individuo (objeto o caso) se caracteriza
por las siguientes propiedades:
— Es irrepetible.
— Es observable y, por tanto, objeto de estudio.
— Es semejante (similar, equivalente) a otros respecto a criterios fijados a
priori.
— Se comporta de acuerdo con leyes objetivas (es decir,
independientes del observador).
Población es el conjunto de todos los valores posibles de una
característica particular de un grupo especificado de objetos. Tal grupo
especificado de objetos se llama universo, evidentemente podemos asociar
diversas poblaciones a un determinado universo.
Por ejemplo sea el universo formado por el conjunto de individuos
cuya altura está comprendida entre 160 y 170 cm; una población asociada
a dicho universo será el conjunto de individuos de altura comprendida
entre 160 y 170 cm cuya edad sea inferior a 24 años.
Un experimento es cualquier proceso (estrategia, mecanismo) que
permite asociar a cada individuo de una población un símbolo, o grupo de
ellos, numérico o no, de entre todos los símbolos de un conjunto dado a
priori (+/-, colores, letras, números, etc.). Son experimentos, p. ej., la
determinación de la edad y el sexo de los habitantes de una ciudad; la
obtención de la velocidad o el rendimiento de una reacción química; la
realización de protocolos de enfermos; la medición de factores
ambientales, etc.
La realización concreta de un experimento recibe el nombre de ensayo

Estadísticos e-Books & Papers

o prueba, y el símbolo (o los símbolos) obtenido del ensayo o prueba se
llama resultado, observación o dato.
El conjunto (colección, colectivo) de símbolos asociables a cada
individuo de una población por un experimento se llama espacio muestral
o población estadística, o suceso seguro, y lo representaremos por E. Por
ejemplo, en la determinación del sexo en los humanos, el espacio muestral
está reducido al conjunto macho/hembra o en el lanzamiento de un dado,
el espacio muestral limitado por el conjunto de símbolos 1, 2, 3, 4, 5 y 6.
Cada elemento de E recibe cualquiera de estos nombres: observación,
o resultado, o dato.
Una muestra es una parte del espacio muestral; es, por tanto, una
colección de observaciones o datos. Cualquier proceso de obtención de
muestras recibe el nombre de muestreo. El número de elementos que
forman la muestra se llama tamaño muestral (n). Sus características se
definen por estadísticos.
A la muestra se le exige dimensión y representatividad.
1.3. Caracteres, rango y modalidades
Siempre que se estudia una población estamos prestando atención a
alguna característica de cada elemento o individuo de la población. A
dicha característica la llamaremos carácter.
Ej: Si en el lanzamiento de un dado 100 veces observamos cuál es el
número obtenido, el carácter en estudio es «resultado obtenido en el
lanzamiento de un dado». Si en el grupo de 20 alumnos, preguntamos a
cada uno por su talla, el carácter es «la talla».
Si en el mismo grupo se preguntara por el color de los ojos, el carácter en
estudio es el «color de ojos».
En los ejemplos anteriores se ha preguntado a cada individuo por
características bien diferentes. En los primeros experimentos, ambas son
características medibles, la respuesta es un número. La tercera
característica, color de ojos, es una cualidad del individuo imposible de
medir con un patrón, su respuesta no es un número.
Este ejemplo nos sirve para intuir la clasificación de los caracteres en
dos grandes grupos:
a) Caracteres cuantitativos o variables estadísticas: son caracteres
medibles de la población en estudio. A cada uno de los posibles resultados
del experimento se le llamará valor de la variable estadística. Al conjunto

Estadísticos e-Books & Papers

de todos ellos se le llamará rango o recorrido de la variable.
b) Caracteres cualitativos o atributos: son características no
medibles (no son numéricas) para los individuos de la población. A cada
uno de los posibles resultados del experimento se le llamará modalidad del
atributo.
1.4. Variable estadística y carácter 1.4.1. Tipos de variables y datos
En la fig. 2.1.1 se recogen las relaciones entre los distintos tipos de
variables, que a continuación se desarrollará.
Cuantitativas Acotadas
Discretas
Bernouilli
Binomial Otras
No acotadas Poisson Binomial negativa Otras
UNIVARIANTES
VARIABLES Y
DATOS
Cualitativas Continuas
Ordinales
Nominales Normal
Log-normal
Exponencial Chi-cuadrado t de Student F. de Snedecor Otras
MULTIVARIANTESBidimensional Tridimensional n-dimensional

FIGURA 2.1.1. Relación entre distintos tipos de variables.

Variables cuantitativas son aquellas que toman valores numéricos:
pesos, longitudes, densidades, proporciones, números de nacimientos o de
habitantes, etc.
Cuando la variable toma valores numéricos fijos sin valores
intermedios se llama discreta. Cuando el espacio muestral de una variable
discreta contiene una cantidad finita de elementos (por ejemplo, 1/2, 1,
3/2, 2, 7) la variable se llama acotada. En caso contrario es no acotada.
Las variables discretas se caracterizan por los saltos o interrupciones
en su campo de variación. Así, el número de hijos de una pareja es una
variable discreta que puede tomar los valores 0,1,2,3,4,... pero ningún

Estadísticos e-Books & Papers

valor entre 0 y 1, entre 1 y 2, etc. Son también discretas las variables:
número de hojas de una flor, número de habitantes de una ciudad, etc.
El número de lanzamientos de un dado que hay que realizar antes de
obtener por primera vez un 6, es un ejemplo de variable discreta no
acotada.
Las variables cuyo espacio muestral es todo un intervalo (a,b) se
denominan continuas. Se caracterizan por tomar «todos» los valores
comprendidos entre a y b; es decir, si x es cualquier valor mayor que a y
menor que b, hay por lo menos un individuo de la población para el que la
variable toma el valor x. Así pues, una variable continua no presenta
«huecos» en su campo de variación.
Por extensión se llaman también continuas aquellas variables cuyo
espacio muestral es la unión de varios intervalos que no se superponen.
Los pesos y las longitudes son variables continuas (si se supone que no
existe límite de precisión en el aparato de medida).
Caracteres cualitativos son aquellos cuyo espacio muestral es un
conjunto de cualidades o atributos (colores, actividades profesionales,
presencia o ausencia de un atributo, estado de animo, etc).
Cuando es posible ordenar los valores de un carácter cualitativo con
algún criterio (raro, frecuente, abundante, por ejemplo), el carácter se
llama ordinal. En caso contrario, el carácter, también a veces denominada
variable diremos que es nominal (nombres de especies, clases de
enfermedad, etc).
La escala elegida y el grado de precisión en las observaciones influyen
en la calificación de las variables. Así, si el aparato de medida utilizado
para medir longitudes de personas sólo aprecia centímetros, la variable se
considerará, a efectos prácticos, discreta con valores 0,1,2,....(aunque
«potencialmente» sea continua).
De la misma forma una variable cualitativa «color» puede considerarse
cuantitativa continua si cada clase de color se caracteriza por su longitud
de onda.
Cuando de cada individuo de una población se observan dos o más
características, el experimento correspondiente es multivariante. Cada
realización del experimento conduce a un dato múltiple o conjunto de
datos simples. Las variables asociadas a este tipo de experimentos se
llaman multivariantes.

Estadísticos e-Books & Papers

 Si el experimento consiste en la determinación del peso, de la altura y
del color de ojos de cada individuo de una población, cada realización dará
lugar a una terna ordenada (X,Y,Z), en la que X es el peso del individuo
observado e Y y Z serán, respectivamente, su altura y su color de ojos.
Las variables univariantes X, Y y Z son las componentes de la variable
trivariante (X, Y, Z).
2. DISTRIBUCIONES ESTADÍSTICAS UNIDIMENSIONALES
2.1. Distribuciones de frecuencias unidimensionales
En la tabla 2.2.1 se dan los resultados de un experimento multivariante.
La muestra, de tamaño 50, procede de la población formada por todos los
alumnos con matrícula oficial en la asignatura «Estadística aplicada a la
Investigación Educativa», durante el curso 2003-04 (por supuesto una
muestra ficticia).
Las variables de la tabla anterior se pueden clasificar de la siguiente
forma: — Las variables S=«sexo» y LR=«lugar de residencia» son
cualitativas nominales. — La variable OA=«opinión sobre la asignatura»
es cualitativa ordinal.
— Las variables E=«edad» y HE=«horas de estudio semanales» son
discretas acotadas.
— Las variables CI=«cociente intelectual» y N=«nota final» son
continuas. — La variable (S, E, CI, HE, LR, N, OA) es multivariante de
dimensión k=7.
TABLA 2.2.1. Ejemplo de datos de distintas variables.
NS E CI HE LR N OA
IndividuoSexo Edad CocienteHoras Lugar de n.º Intelectualestudio
residenciasemanales
Nota Opinión sobre final la asignatura
1 v 19 125 2.35 III
2 h 19 123 2.31 II
3 h 27 128 2.70 IV
4 v 20 105 2.61 III
5 v 19 103 3.00 I
6 h 21 107 3.17 V
7 h 19 101 3.87 III
8 v 21 110 2.85 IV
9 v 22 100 3.00 II 10 h 19 124 2.21 III 5.08 0 5.64 3 3.22 2 8.46 4 8.71 4
7.74 1 8.56 4 8.89 3 7.15 2 7.53 3

Estadísticos e-Books & Papers

NS E CI HE LR N OA
IndividuoSexo Edad CocienteHoras Lugar de Nota Opinión sobre n.º
Intelectualestudio residencia final la asignaturasemanales
11 h 19 128 2.64 III 6.49 4
12 v 20 120 3.08 I 8.30 4
13 v 19 137 3.79 V 7.38 0
14 v 20 128 3.42 IV 6.59 3
15 h 19 130 3.78 II 6.64 3
16 h 19 118 2.32 IV 5.72 4
17 h 22 109 2.31 III 7.01 1
18 v 30 133 2.46 IV 4.43 2
19 h 20 130 2.30 I 4.46 4
20 v 29 118 2.68 III 6.15 3
21 v 23 104 3.37 IV 6.61 4
22 h 19 128 3.44 II 7.22 3
23 v 19 123 3.30 III 7.66 1
24 h 20 117 2.61 IV 6.31 4
25 v 19 110 2.14 VI 3.90 2
26 h 19 121 2.45 III 4.50 2
27 v 19 142 2.33 II 4.76 3
28 h 20 139 2.50 IV 6.03 3
29 h 19 187 2.43 IV 8.05 4
30 v 21 125 2.16 I 5.23 1
31 v 19 115 2.12 V 5.88 3
32 h 22 132 2.08 III 5.84 2
33 h 19 158 2.15 IV 4.45 4
34 v 19 120 2.21 VI 5.00 3
35 v 19 155 2.44 III 6.61 4
36 v 21 106 2.34 V 6.80 2
37 v 30 135 2.69 IV 7.97 4
38 h 19 135 3.02 I 5.34 1
39 h 23 144 2.68 III 5.41 4
40 v 19 131 3.23 II 6.05 4
41 h 20 124 3.04 IV 7.85 3
42 v 20 166 3.17 III 6.98 3
43 v 19 140 3.32 I 7.96 4
44 v 24 178 3.15 I 8.04 4
45 h 19 130 2.91 III 8.09 3
46 h 25 113 3.12 III 7.26 4

Estadísticos e-Books & Papers

47 h 20 105 3.16 II 6.71 0
48 h 20 107 3.32 IV 9.09 4
49 h 26 186 5.46 II 4.84 3
50 v 19 133 3.11 IV 8.31 2
I: >= 100.000 habitantes
II: 50.000 a 100.000 habitantes III: 25.000 a 50.000 habitantes IV: 10.000 a 25.000 habitantes V:
5.000 a 10.000 habitantes VI: <= 5.000 habitantes
Variable OA: 4=excelente; 3=buena; 2=normal; 1=regular; 0=mala

2.1.1. Distribución de frecuencias en el caso de caracteres cualitativos

Cuando se ha obtenido una muestra de una población los datos se
encuentran, en general:
— Desordenados (no van de menor a mayor).
— Repetidos (dos o más individuos pueden proporcionar los mismos
valores para una o más variables).
Es usual utilizar una serie de reglas para agrupar y resumir los datos de la
muestra.
Supongamos que se tiene una población P con n individuos en los que
se estudia el carácter cualitativo C. Para dicho atributo supongamos que
existen k modalidades diferentes: c1, c2, .......,ck.
Llamamos frecuencia absoluta de una modalidad ci al número de
veces que aparece dicha modalidad en la población de los n individuos. Se
tratará evidentemente de un número natural al que denotaremos por ni. Al
conjunto de las frecuencias absolutas de cada una de estas modalidades
que se presenta en la población de los n individuos, es decir, a {n1,
n2,.......,nk} se le denomina distribución de frecuencias absolutas del
atributo c en la población P.
Esta distribución de frecuencias absolutas verificará, como es obvio,
que
k
Âinn
i=1
donde n y k son los números descritos anteriormente.
Esta igualdad tiene una interpretación clara, cada individuo de una
población debe presentar una y sólo una modalidad de las k iniciales.
Llamaremos frecuencia relativa de una modalidad ci al número fi=ni/n
donde ni y n son los anteriormente descritos.

Estadísticos e-Books & Papers

 La definición de fi nos indicará la proporción de veces que aparece la
modalidad ci en la población inicial. Al conjunto de números {f1,f2,......,fk}
se le denomina distribución de frecuencias relativas del carácter c en la
población P. Por otra parte si
k kn k

iÂÂ Â= = =in
i= ==111
2.1.2. Distribución de frecuencias en el caso de variable discreta
Sea una variable discreta X que se estudia en una población P con n
individuos y que tiene como resultados posibles
x1, x2, .......,xk.
Las definiciones de distribución de frecuencia absoluta y relativa
para X son análogas a las dadas para atributos con sólo cambiar modalidad
por valor de la variable. Es evidente que estas también verifican las
igualdades:
kk

 Âi= =1

i= =11
Además en este caso se van a poder definir dos nuevos tipos de
distribuciones de frecuencias:
— Frecuencia absoluta acumulada es un valor de la variable, xi: es
el número de individuos de la población que presenta un valor de la
variable menor o igual que xi; lo denotaremos por Ni. Si suponemos a los
x1,x2,......,xk ordenados de menor a mayor, entonces es claro que,
i
N=n= +++ 2nniÂi1
r=1

Al conjunto de números {N1,N2,........,Nk} se le denomina, distribución

de frecuencias absolutas acumuladas de X en la población inicial. Por
definición se tendrá que N1=n1 y Nk=n.
— Frecuencia relativa acumulada es un valor de la variable, xi: es la

Estadísticos e-Books & Papers

proporción de población que presenta un valor de la variable menor o igual
que xi; lo notaremos por Fi. Si nuevamente suponemos que x1,x2,......,xk
están ordenados en el orden natural,
i
Â
rFff f
i12 i
r=1

Al conjunto de números {F1,F2,........,Fk} se le llama, distribución de

frecuencias relativas acumuladas de la variable X en la población P. Por
definición será cierto siempre que F1=f1 y Fk=1.
Nota 1. En algunos libros aparece el concepto de frecuencia acumulada
en un xi como la proporción de individuos que presentan un valor de la
variable menor estrictamente que xi. Si no se advierte lo contrario,
nosotros siempre utilizaremos la definición inicial (la del ≤).
Nota 2. Está claro que hablar de frecuencias acumuladas en el caso de
atributos carece de todo sentido por la propia definición de frecuencia
acumulada.
2.1.3. Distribución de frecuencias en el caso de variable continua
Recordemos que en el caso de variable continua, el rango o recorrido
de la variable es todo un intervalo de R (conjunto de los números reales), y
por tanto, los posibles resultados del experimento es un conjunto infinito
no numerable. Para poder presentar, de forma compacta, la información
recogida para una variable de estas características, nos hace falta el
concepto de «clase».
Definición 1: Llamaremos partición de las infinitas modalidades, de
una variable continua, a un número finito de intervalos, de tal forma que
cubran todas las posibilidades de la variable, y que dichos intervalos no se
solapen (tengan intersección vacía). A estos intervalos les denominaremos
clases.
Ej: En el experimento de la talla, el rango de la variable era el intervalo
[1;2], damos a continuación dos posibles particiones:
a) [1; 1,2] (1,2; 1,4] (1,4; 1,6] (1,6; 1,8] (1,8; 2]
b) [1; 1,5] (1,5; 1,6] (1,6; 2]
Generalmente estas clases no vendrán dadas con los datos del
problema. Cuando no sea así, será la lógica y la intuición las que nos digan

Estadísticos e-Books & Papers

cómo tomarlas. En el texto, casi todas las particiones serán de intervalos
abiertos inferiormente y cerrados superiormente; la notación general para
una partición será [l0 l1] (l1 l2]........(lk-1 lk], y se supondrán ordenadas, es
decir l0≤l1≤.....≤lk.
Definición 2: Llamaremos extremos inferior y superior de la clase (li–
1 li] a los números li–1 y li respectivamente.
Definición 3: Llamaremos marca de clase i-ésima (li–1 li] al número ci
donde
=cll
iii
2
es decir, el punto medio de dicho intervalo. Aún cuando xi usualmente
representa la modalidad i-ésima, para datos agrupados en intervalos,
denota la marca de clase o punto medio, es decir son equivalentes ci y xi.
Definición 4: Llamaremos amplitud de la clase i-ésima (li–1 li] al
número ai=li- li-1, es decir, la longitud del segmento que ocupa dicha clase
en . En una partición no todas las clases tienen que tener la misma
amplitud como se observa en el ejemplo de la talla.
Una vez enfocado el estudio de las variables continuas, estamos en
condiciones de definir las distribuciones de frecuencias para una de estas
variables. Sea X una variable continua, con sus correspondientes clases,
que se estudia en una población P.
Frecuencia absoluta de la clase i-ésima (li–1 li]: es el número de
individuos que presentan un valor de la variable mayor que li–1 pero menor
o igual que li. A dicho número se le nota por ni. Al conjunto
{n1,n2,........,nk} se le denomina distribución de frecuencias absolutas de X
en la población P. Sigue siendo cierto que la suma de todas las frecuencias
absolutas es n.
Frecuencia relativa de la clase i-ésima (li–1 li]: se denomina así, a la
proporción de población que presenta un valor de la variable mayor que li-1
y menor o igual que li; la notaremos por fi. Por lo anteriormente definido
fi=ni/n. Al conjunto de números {f1,f2,......, fk} se la denomina distribución
de frecuencias relativas de la variable X en la población P. Dicha
distribución de frecuencias relativas deberá verificar, para ser tal, que la
suma de todas las frecuencias relativas sea 1.

Estadísticos e-Books & Papers

 Frecuencia absoluta acumulada hasta el extremo de clase li:
llamaremos así al número de individuos que presenta un valor de la
variable menor o igual que li; los denotaremos por Ni. Por definición de ni
y por cómo se han tomado las clases,
i
Nnn .......... nÂi1 i
r=1

Por tanto, dada la distribución de frecuencias absolutas de una variable

continua, podemos dar la distribución de frecuencias absolutas acumuladas
en los extremos de clase. Podríamos preguntarnos por la frecuencia
absoluta acumulada de un valor de la variable que no sea extremo de clase,
pero ese problema lo resolveremos más adelante.
A los números {N1,N2,........,Nk} se le denomina, distribución de
frecuencias absolutas acumuladas de X en la población inicial.
Frecuencia relativa acumulada en li: es la proporción de la población
que presenta un valor de la variable menor o igual que li lo notaremos por
Fi. Por la definición anterior
i
F
i
Â
f
f
r
= =++ +
f
12 ............. fi
r=1
A {F1,F2,......,Fk} se le denomina distribución de frecuencias relativas
acumuladas de x en P.
2.2. Tablas estadísticas
Toda la información referente a un carácter, y las distribuciones de
frecuencias de éste, en una población en estudio, suele venir expresada en
forma de tabla del siguiente modo:
a) Para carácter cualitativo: la tabla se construye escribiendo, en
primer lugar, una columna correspondiente a todas las modalidades
posibles. A continuación, otra columna con la distribución de frecuencias

Estadísticos e-Books & Papers

absolutas, y una tercera con la distribución de frecuencias relativas, de
manera que por fila vayamos leyendo cada modalidad, su frecuencia
absoluta, y su frecuencia relativa. La notación general para esta tabla será:
c ni fi c1 n1 f1
c2 n2 f2
.........
ck nk fk
Ej: Supongamos que se pregunta por el color de ojos de 20 alumnos y que
las respuestas se resumen en:
— 4 alumnos con ojos azules.
— 7 alumnos con ojos negros.
— 8 alumnos con ojos marrones.
— 1 alumno con ojos verdes.
La tabla para este carácter en la población mencionada seria entonces:
TABLA 2.2.2. Para carácter cualitativo.
Color de ojos ni fi Azules 4 4/20
Negros 7 7/20
Marrones 8 8/20
Verdes 1 1/20
b) Para variables estadísticas discretas: la tabla es análoga a la de un
atributo, pero en lugar de aparecer las modalidades, tendríamos que
especificar los valores de la variable. Además, en el caso de variables
estadísticas, se dispone de un par de distribuciones de frecuencias
acumuladas que se añadirán a la tabla. Esta queda entonces como sigue:
X ni fi Ni Fi x1 n1 f1 N1 F1
x2 n2 f2 N2 F2
.. .. .. .. .. xk nk fk Nk Fk
Ej: Supongamos que en el lanzamiento 20 veces de un dado, los
resultados han sido los siguientes:
— el 1 aparece 3 veces
— el 2 aparece 5 veces
— el 3 aparece 5 veces
— el 4 no aparece
— el 5 aparece 4 veces

Estadísticos e-Books & Papers

— el 6 aparece 3 veces
Esta información daría lugar a la siguiente tabla:
TABLA 2.2.3. Variables estadísticas discretas.
X ni fi Ni Fi
1 3 3/20 3 3/20
2 5 5/20 8 8/20
3 5 5/20 13 13/20
4 0 0 13 13/20
5 4 4/20 17 17/20
6 3 3/20 20 1
c) Para variables estadísticas continuas: la única novedad que
presentan estas tablas con respecto a las variables discretas es que, en la
columna de los valores de la variable lo que aparecen son sus clases,
pudiendo aparecer además, una columna que da las marcas de clase y otra
que da las amplitudes de clase:
XMarca Amplitud ni fi Ni Fide clase
[l0 l1] x1 a1 n1 f1 N1 F1
(l1 l2] x2 a2 n2 f2 N2 F2
...............
(lk-1 lk] xk ak nk fk Nk 1
Ej: Supongamos se les ha preguntado por su talla a un grupo de 20
alumnos. Las clases para la variable son:
[1 1,25] (1,25 1,50] (1,50 1,60] (1,60 1,70] (1,70 1,75] Los 20 alumnos
contestan con sus tallas y se cuenta el número de ellos que se quedan en
cada clase, resultando que:
— hay 1 individuo que mide entre 1 y 1,25
— hay 2 individuos que miden entre 1,25 y 1,50
— hay 3 individuos que miden entre 1,50 y 1,60
— hay 7 individuos que miden entre 1,60 y 1,70
— hay 7 individuos que miden entre 1,70 y 1,75
La tabla que construiríamos para esta variable sería la siguiente:
TABLA 2.2.4. Variables estadísticas continuas.
X xi ai ni fi Ni Fi [1 1,25] 1,125 0,25 1 1/20 1 1/20
(1,25 1,50] 1,375 0,25 2 2/20 3 3/20
(1,50 1,60] 1,55 0,1 3 3/20 6 6/20

Estadísticos e-Books & Papers

(1,60 1,70] 1,65 0,1 7 7/20 13 13/20 (1,70 1,75] 1,725 0,05 7 7/20 20 1
3. REPRESENTACIONES GRÁFICAS
3.1. Introducción
Trataremos ahora de representar los datos de una tabla de frecuencias a
través de una gráfica, sin que por ello se pierda información alguna. Es
decir, dada la tabla de frecuencias de un carácter, podemos dibujar la
gráfica y viceversa, dada cualquier gráfica vamos a ser capaces de escribir
la tabla de frecuencias que representa.
3.2. Caracteres cualitativos
Sea C un carácter cualitativo que se estudia en una población P.
Supongamos que este estudio nos da la tabla de frecuencias 2.3.1. Para
representar gráficamente esta información caben varias posibilidades:
— Diagrama de sectores: En un círculo, cada modalidad ocupará un
sector circular con ángulo proporcional a la frecuencia absoluta de dicha
modalidad. Para dibujarlo, nos planteamos con cada modalidad una simple
regla de tres, esta es, si n individuos van a repartirse 360o, ni individuos de
la modalidad ci ocuparán xi grados.
A la vista de un diagrama de sectores y conociendo n, es fácil escribir
la tabla que presenta.
— Diagrama de barras: Se dibujan unos ejes de coordenadas. En el
eje de abscisas se representarán las modalidades mediante intervalos
separados, y todos de la misma amplitud. Sobre ellos construiremos
rectángulos de altura proporcional a la frecuencia de cada modalidad; para
la modalidad i-ésima hi=c.fi. La constante de proporcionalidad c, se puede
elegir de manera que las alturas hi sean fáciles de dibujar, y siempre que c
sea la misma para todas las modalidades.
Para una gráfica de este tipo, conocer la distribución de frecuencias de
la que proviene es sencillo sólo con notar que
k
f
=
iih / c y que c =Âhi
i=1
— Pictogramas: La idea es la misma que la del diagrama de barras pero
dibujándole a cada rectángulo una figura representativa de la modalidad.
Ej: Dada la variable cualitativa «color de ojos», que presenta la tabla 2.3.1,

Estadísticos e-Books & Papers

vamos a construir las gráficas anteriores para esta distribución.
TABLA 2.3.1
Color de ojos ni fi Azules 4 4/20
Negros 7 7/20
Marrones 8 8/20
Verdes 1 1/20
• Diagrama de sectores:
— Para el color de ojos azules, corresponderá un sector de ángulo a1, para
calcularlo
360o ––––––––– 20
a1 ––––––––––– 4 a1 =4 360∞= ∞20
— Para el color de ojos negros, el ángulo lo notaremos por a2, donde 360o
––––––––– 20
.7 360
a2 ––––––––––– 7 a2 = =∞
20
— Para el color de ojos marrones, el ángulo lo notaremos por a3,
donde 360o ––––––––– 20
a3 ––––––––––– 8 a3 =8 360∞= ∞20
— Para el color de ojos verdes, el ángulo lo notaremos por a4, donde
360o ––––––––– 20
.1 360
a4 ––––––––––– 1 a4 = =∞
20
El diagrama de sectores quedaría entonces como sigue.
Color de ojos
Verdes 18% Azules 72%
Marrones 144%
Negros 126%
• Diagrama de barras:
— Para el color de ojos azules, corresponderá un rectángulo de altura h1 tal
que
— Para el color de ojos negros, h2 con h2 = c · f2 = c · 7/20
— Para el color de ojos marrones, h3 h3 = c · f3 = c · 8/20
— Para el color de ojos verdes, h4

Estadísticos e-Books & Papers

h4 = c · f4 = c · 1/20
Como constante de proporcionalidad podemos utilizar c = 20. Con ella
el diagrama de barras queda como:
Color de ojos
8
6
4
2
0 Azul Negro Marrón Verde
• Pictograma: Para construir este diagrama podríamos aprovechar el
diagrama anterior colocando encima de cada rectángulo un dibujo. En este
ejemplo parece lo más apropiado una figura de un ojo del color
correspondiente a cada modalidad.
3.3. Caracteres cuantitativos
3.3.1. Gráficas de variables discretas
Para estos caracteres existen dos tipos de gráficas:
— Diagrama diferencial o diagrama de barras (utiliza las
frecuencias relativas): Se dibujará sobre unos ejes de coordenadas. En el
eje de abscisas colocaremos los valores de la variable, y sobre cada uno de
ellos, levantaremos una línea recta de altura proporcional a la frecuencia
relativa de cada valor. Así, para xi, la línea recta tendrá altura hi = c · fi .
Como antes, la constante c será la misma para todos los valores. Dado el
diagrama de barras de una variable, es fácil escribir la tabla de frecuencias
que está representando.
— Diagrama integral o función de distribución (utiliza las
frecuencias acumuladas). Como su nombre indica se trata de la
representación de la función de distribución F(x). Por las características de
F sabemos que se tratará de una función escalonada, determinada por los
valores de la variable y las frecuencias con que los tome.
Ej: Se lanza 20 veces un dado y se obtiene la tabla 2.3.2, vamos a
construir para ella los dos diagramas anteriores:
TABLA 2.3.2
X ni fi Ni Fi
1 3 3/20 3 3/20
2 5 5/20 8 8/20
3 5 5/20 13 13/20

Estadísticos e-Books & Papers

4 0 0 13 13/20
5 4 4/20 17 17/20
6 3 3/20 20 1
• Diagrama diferencial o diagrama de barras:
— Para el primer valor de la variable, el 1, tendremos que levantar una
línea recta de altura h1, con
h1 = c · f1 = c · 3/20
— Para el segundo valor de la variable, el 2, esta altura sería h2 = c · f2 = c
· 5/20
— Para el 3,
h3 = c · f3 = c · 5/20
— Para el 4,
h4 = c · f4 = c · 0/20
— Para el 5,
— Para el 6, h6 = c · f6 = c · 3/20
A la vista de las alturas que queremos levantar, podríamos utilizar
como constante de proporcionalidad c = 40, y el diagrama quedaría
20 lanzamientos de un dado 12
10
8
6
4
2
0 123456
• Diagrama integral o función de distribución:
Podemos construir la función de distribución para este ejemplo que será:
01£3
20 12
8
20 23
13
F(x) = 20 34
13
20 45
17
20 56
16 Su gráfica será entonces:

Estadísticos e-Books & Papers

20 lanzamiento de un dado 1,2
1
0,8
0,6
0,4
0,2
0 x<1 1<x£2 2<x£3 3<x£4 4<x£5 5<x£6 x>6
3.3.2. Gráficas para variables continuas
También en este caso se podrán dibujar dos tipos de gráficas.
— Diagrama diferencial o histograma (utilizando frecuencias
relativas). Sobre unos ejes de coordenadas, dibujaremos en el eje de
abscisas las clases de la variable. Sobre cada clase levantaremos un
rectángulo de superficie proporcional a la frecuencia relativa de la clase.
Dada la clase (li-1 li], un rectángulo de altura hi, tendría superficie si=hi. ai,
donde ai es la amplitud de esta clase. Si queremos que esta superficie sea
proporcional a la frecuencia relativa fi, tendría que ser cierta la igualdad
hi.ai=c.fi . Y por tanto la altura que debemos ponerle al rectángulo vendrá
dada por
hi = c · fi/ai
Como siempre la constante de proporcionalidad c, puede ser cualquier
número, pero el mismo para todas las clases.
Dado un histograma, si queremos construir la tabla de la variable que
representa, bastará notar que la suma de todas las superficies es:
kkkk
Â
sha cfcfc
====

Âiii i i Â
i=1 i=1 i=1 i=1
y conocida c, podemos calcular las frecuencias relativas con la expresión:
f
has
i
ii i ==cc
— Diagrama integral o función de distribución (utiliza las
frecuencias acumuladas).Como hemos dicho anteriormente, encontrar el

Estadísticos e-Books & Papers

valor exacto de la función de distribución para cada ¥ . Para dibujar la
gráfica uniremos, mediante un trazo regular, los puntos (li F(li)). Por
definición se le llama función de distribución a la curva monótona
creciente, continua a la derecha y regular, que une a estos puntos. En la
práctica, la curva que se utiliza es la poligonal que une los puntos (li F(li)).
De otro lado, dada la poligonal, función de distribución de alguna
variable, es fácil determinar las clases de la variable y sus frecuencias
relativas correspondientes. Ej: Dada la tabla 2.3.3, perteneciente a la talla
de 20 alumnos, vamos a construir los diagramas anteriores para la misma
TABLA 2.3.3. Variables estadísticas continuas.
X xi ai ni fi Ni Fi [1 1,25] 1,125 0,25 1 1/20 1 1/20
(1,25 1,50] 1,375 0,25 2 2/20 3 3/20
(1,50 1,60] 1,55 0,1 3 3/20 6 6/20
(1,60 1,70] 1,65 0,1 7 7/20 13 13/20 (1,70 1,75] 1,725 0,05 7 7/20 20 1
• Diagrama diferencial o histograma:
— Sobre la clase [1 1,25], tendremos que levantar un rectángulo de
altura h1, tal que su área s1 = c · f1, es decir, 0,25.h1 = c · f1 fi h1 = c ·
f1/0,25 = c · 1/(20 · 0,25) = c · 1/5
— Sobre la clase (1,25 1,5], la altura h2 con
0,25 · h2= c · f2fi h2 = c · f2/0,25 = c · 2/(20;0,25) = c · 2/5
— Sobre la clase (1,5 1,6], la altura h3 con
0,1 · h3 = c · f3fi h3 =c · 3/2
— Sobre la clase (1,6 1,7], la altura h4 con
h4 = c · 7/2
— Sobre la clase (1,7 1,75], la altura h5 con
h5 = c · 7
Si usamos la constante de proporcionalidad c = 1, el histograma quedaría:
Variable altura 8
7
6
5
4
3
2
1
0 [1 1,25] [1,25 1,5] [1,5 1,6] [1,6 1,7] [1,7 1,75]
• Diagrama integral o función de distribución:

Estadísticos e-Books & Papers

Para dibujar esta gráfica disponemos de cinco puntos pertenecientes a la
misma:
(1,25 1/20) (1,5 3/20) (1,6 6/20) (1,7 13/20) (1,75 1) Si dibujamos estos
puntos en unos ejes de coordenadas, y los unimos a través de una curva
regular, la gráfica resultante seria:

Variable altura 1,2

1
0,8
0,6
0,4
0,2
0
[1 1,25] [1,25 1,5] [1,5 1,6] [1,6 1,7] [1,7 1,75]

3.3.3. Gráfico de tallos y hojas

Un procedimiento semi-gráfico de presentar la información para
variables cuantitativas, que es especialmente útil cuando el número total de
datos es pequeño (menor que 50), es el diagrama de tallo y hojas de Tukey.
Supongamos que tratamos con variables cuantitativas discretas o
continuas y que el número de datos no es muy grande (menor que 50). Si
la variable es cuantitativa continua en primer lugar la agrupamos en clase.
Decidir el número de clases depende del investigador, una regla
utilizada es elegir el número entero más próximo a 2 n.Sin embargo puede
ser cualquier número comprendido entre 5 y 20.
Una vez que tenemos agrupados los valores los pasos a seguir son los
siguientes: a) Redondear los datos con dos o tres cifras significativas de
forma que la clasificación sea lo más sencilla posible.
b) Dibujar el diagrama de tallos y hojas. Para ello primero dibujamos
los tallos y después separadas por una línea vertical dibujamos las hojas.
Los tallos son todos los dígitos de la marca de clase, excepto las unidades.
Las hojas son las unidades de todos los datos y se representan en la línea
correspondiente al tallo donde está la marca de clase a la que corresponde
cada dato.
Veamos el siguiente ejemplo, supongamos los siguientes datos
recogidos:
45 57 59 58 61 56 63 57 69
59 59 57 63 72 59 62 60 41
59 63 59 65 57 61 58 59 63

Estadísticos e-Books & Papers

 El primer problema que debemos abordar es calcular cuantas clase
vamos a construir, según la información precedente en este caso serán: 2
27=10,39ª10, no obstante sólo vamos a crear 9 clases.
A continuación formaremos las clases y sus correspondientes marcar
de clase:
Intervalo Centro del intervalo: marca de clase
40-43 41,5
44-47 45,5
48-51 49,5
52-55 53,5
56-59 57,5
60-63 61,5
64-67 65,5
68-71 69,5
72-75 73,5
Ahora se redondearía los datos para que el número de cifras
significativas fuese dos o tres, pero en nuestro ejemplo esto no es
necesario ya que son números de dos cifras. Por último dibujaremos el
gráfico de tallos y hojas.
41
45
4
5
579867997999789
613320313
65
69
72
decenas unidades
Observación: cuanto menor sea el número de clases menor será la
apreciación de los valores extremos.
Cuando el primer dígito de la clasificación varía poco, la mayoría de
los datos tienden a agruparse alrededor de un tallo y el diagrama resultante
tiene poco detalle. En este caso es conveniente subdividir cada tallo en dos
o más partes introduciendo algún signo arbitrario.
Una de las ventajas del gráfico de tallos y hojas es que hace los papeles
de tabla de frecuencias agrupadas e histograma al mismo tiempo.

Estadísticos e-Books & Papers

 Otra ventaja de estos gráficos es que los valores de la variable son
conservados, cosa que no ocurre con la distribución de frecuencias
agrupadas. Esta ventaja permite realizar cálculos con los valores de la
variable sobre el mismo gráfico.
4. MEDIDAS DE POSICIÓN
4.1. Introducción
Hasta ahora el tratamiento dado a un carácter ha sido el de resumir la
información (en forma de tablas) y presentarla gráficamente. A la vista de
dichas gráficas, podíamos hacernos una idea cualitativa de lo que estaba
pasando con el carácter.
Centrémonos, para este apartado, en variables estadísticas, es decir,
caracteres cuantitativos. Para estas variables nos interesa un resumen
numérico de lo que ocurre con ellas en la población. Con este objetivo,
vamos a sustituir el conjunto total de números de la tabla por otros
llamados estadísticos o características estadísticas. Estos estadísticos,
según su función, se clasifican en tres grupos:
— En primer lugar están los de tendencia central: van a indicarnos un
valor
entorno al cual se reparten los valores que toma la variable, para la
población en estudio.
— En segundo lugar los de dispersión: medirán el grado de dispersión
que hay entre los valores que toma la variable realmente y un valor central.
— En tercer lugar están los que hablarán de la forma en que se
presentan la dispersión anterior. Son los llamados estadísticos de forma.
Conviene también recordar dos aspectos terminológicos:
1. Un estadístico es una medida descriptiva calculada de los datos de la
muestra.
2. Un parámetro es una medida descriptiva calculada de todos los datos
de la población.
4.2. Medidas de tendencia central
La posición o tendencia central de una distribución hace referencia al lugar
donde se centra un conjunto de valores.
Existe diferente criterio para definir esta tendencia central. Nos
detendremos en las siguientes:
— la media aritmética
— la media geométrica, armónica y cuadrática
— la mediana

Estadísticos e-Books & Papers

— la moda
No se puede afirmar que una de ellas sea mejor que las demás.
Simplemente, habrá casos en los que una medida de tendencia central sea
más adecuada que otra. Lo que si podemos decir es que la media aritmética
es la más utilizada, y por ello será la más estudiada.
4.2.1. Media aritmética
Definición de media aritmética: Dada la variable X que toma valores xi
con frecuencias relativas fi, se define su media como
_k
Xfx=Âi i
i=1
Si expresamos la frecuencia relativa en términos de frecuencia absoluta, la
expresión anterior resulta
k
Â
nx _ k k n 1 k ii
Xfx
Â
ii

Â
Â
nx
iiii= = = =i=1
n nx ni=1 i=1 i=1
y esta es la fórmula que intuitivamente encontrábamos adecuada.
En la definición anterior hemos hablado de valores de la variable y sus
frecuencias relativas. No olvidemos que también son variables estadísticas
las variables continuas, ¿cómo entender para ellas la expresión de la
media? La respuesta es simple, en lugar de utilizar valores de la variable,
utilizaremos las marcas de clase. Como frecuencia relativa para cada
marca de clase, utilizaremos la frecuencia relativa de la clase a la que
pertenece.
Ej: Con los datos de la tabla 2.2.3 del lanzamiento de un dado 20
veces, la media sería
35543

Estadísticos e-Books & Papers

x= + + ++ + =1. ..... ,
20 20 20 40 5 20 20 33
Con la tabla 2.2.4 de la talla de 20 alumnos, la media será:
12377
x= + + + +20 155 20 165, . ,. ,. ,. ,. ª ,161 20 20 20
El cálculo de la media a través de tablas de datos agrupados lleva
implícito una perdida de precisión respecto del cálculo directo a partir de
la muestra en bruto, ya que valores distintos en la muestra se identifican
con un único representante (o marca de clase) xi de la clase Ai.
Propiedades de la media aritmética: Con la definición de media
aritmética para una variable estadística X, que acabamos de ver, se
verifican las siguientes propiedades:
i) La media ponderada de las diferencias de la variable a su media es
cero
k
Â

fx X()= 0
ii
i=1
ii) Si definimos la desviación de la variable X a un número real «a» como
el resultado de la operación
k 2Âfx a

ii ()
i=1
–
esta desviación alcanza su mínimo cuando hacemos a = X.
iii) Si dada la variable X, le aplicamos una transformación lineal para
pasar a una variable Y, es decir, Y=(a+X)/b, la media de la variable Y
resulta ser
_
_ Y aX= b
Esta tercera propiedad nos permite calcular la media de una variable
directamente, o bien a través de la media aritmética de cualquier
transformación lineal de la variable inicial. Este hecho resulta

Estadísticos e-Books & Papers

especialmente interesante, en el caso de medias para variables continuas
con amplitud de clase constantes, ya que, marcas de clase con varias cifras
decimales las podemos transformar en números enteros (restando la marca
de clase central y dividiendo por la amplitud de clase
=
u xa
c
Son aplicaciones de esta propiedad las llamadas fórmulas abreviadas de la
media para variables continuas:
1) Si di = xi – A fi xi = di + A por lo sustituyendo en la fórmula de la media
tendremos

_ Âf d A() Â = + = +ÂfdX
ii = + i i ii
iii
2) En el caso que di = c · ui entonces cui = xi – A; xi = cui + A
X=
Â

f cu+() c f u A= +=+Â Âf u
ii ii ii i i i
Ej: Dada la tabla siguiente, perteneciente a la talla de 20 alumnos, vamos a
efectuar las transformaciones expresadas anteriormente:
X xi di fi difi ui uifi [1 1,25] 1,125 -0,25 1/20 -0,0125 -1 -1/20 (1,25
1,50] 1,375 0 2/20 0 0 0 (1,50 1,75] 1,625 0,25 17/20 0,2125 1 17/20
De forma directa la media será: X–=1/20 (1,125 + 2.1,375 + 17.1,625)
= 1,575 Siendo en este caso A = 1,375 y c = 0,25
–
Con lo cual X = 1,375 + (0,2125 – 0,0125) = 1,575
–
X = 1,375 + 0,25.0,8 = 1,575
iv) — Unicidad. Para un conjunto de datos, existe una sola media.
— Puesto que cada dato de la muestra entra en su cálculo, su valor está
afectado por todos los datos. Así, los valores extremos (mínimo y
máximo) de la muestra pueden alterar gravemente el valor de la media si

Estadísticos e-Books & Papers

difieren mucho de los restantes, aún cuando tengan una baja frecuencia.
Esta última observación sugiere la necesidad de introducir otras
medidas de centralización.
4.2.1.1. Medias generalizadas
— A veces asociamos con los números X1, X2,.....,Xk ciertos factores
peso (o pesos) w1,w2, .....,wk dependientes de la relevancia asignada a cada
número. En tal caso,
_X wX w X.......... w X SwX= + + +kk =
ww Sw12+ + +wk
se llama la media aritmética ponderada.
Ej.: si en el examen final de un curso cuenta tres veces más que una
evaluación parcial, y un estudiante tiene calificación 85 en el examen final
y 70 y 90 en los dos parciales, la calificación media es:
_
X = + +170 190 385 415 83+ +==
–
— La media geométrica, que notaremos por XG, se definirá como el
resultado de hacer la operación:
n
n
1
/

Estadísticos e-Books & Papers

 n ()1/n
XX x () ’ ’
i 11
==
Ej.: la media geométrica de 2, 4 y 8 es:

X
= ◊◊ = =
13/// /13 2 4 8644

–
— La media armónica, que notaremos por XH se definirá como:
X
H
n n 1= ==
nkk

ÂÂÂ
f /x ii i=11 1
Ej.: la media armónica de los números 2, 4 y 8 es: 1 3
XH = 1 1 1 1 1 1= 1 1 1= 343
3
23434
◊+ ◊ + ◊8 2+ +8
–
— La media cuadrática, que notaremos por XC se define por:
n11k k
X
2
Ci

ÂÂÂ
2 f x2 ii n i= = =1

Estadísticos e-Books & Papers

Ej.: la media cuadrática de los números 2, 4 y 8 será:
X
C
Á
32
222ˆ12 84Ê1 1 1
= ◊ + ◊ + ◊8 ˜= =529
Ë33¯3
4.2.1.2. Relación entre las medias
Algunos resultados, que no demostraremos, nos permiten establecer el
siguiente orden entre estas tres últimas medias y la media aritmética:
XX XX HG C
4.3. Mediana
La mediana de un conjunto finito de datos es aquel valor que deja por
debajo (o por encima) a la mitad de las puntuaciones de la distribución.
Veamos como se calcula, en cada caso, el valor de la mediana que
notaremos por Me:
a) Variable discreta con un número impar de observaciones n = 2r
+ 1: si esto es así, y ordenamos las observaciones (no los valores de la
variable) de menor a mayor, habrá una de ellas que ocupe el lugar r + 1. El
valor de la variable a que corresponda dicha observación será la mediana.
b) Variable discreta con un número par de observaciones n = 2r:
ordenadas las observaciones de menor a mayor, la mediana se obtendrá
como la media aritmética de las observaciones que ocupan los lugares r y r
+ 1.
c) Variable continua: buscaremos la mediana en un punto tal que
F(Me) = 1/2. Se pueden dar dos situaciones posibles:
— Que algún extremo de clase li verifique F(li) = 1/2, en tal caso li sería la
mediana.
— Que no exista un extremo de clase que verifique la condición de
mediana. Puesto que la función de distribución es creciente, existirá una
clase (li–1 li] tal que F(li–1)<1/2 y F(li)>1/2. Esto nos indicará que la
mediana que vamos buscando es un punto de ese intervalo
Mll

ei–i()

Estadísticos e-Books & Papers

Supongamos la poligonal de frecuencias acumuladas correspondiente
al intervalo de la mediana y a sus dos contiguos:
Ni
n/2

Ni+1
Ni–
Ni
1
k
li–2 li–1 Me li li+1 xi
Tenemos li – li–1 = ai
Me –li–1 = k luego Me = li–1 + k
Planteamos la siguiente proporción:
n-N
i-1k = 2
ai ni
ˆ
Á
ii
luego k=Ë2 ¯ entonces finalmente:
aÊn N-l˜n -Ni-1 aini il= + 2 ◊eMl
- ni

donde:
li–1: es el extremo inferior de la clase mediana.
ai: es la amplitud de la clase mediana.

Estadísticos e-Books & Papers

Ni–1: es la frecuencia acumulada de la clase anterior a la clase mediana. ni:
es el número de observaciones en la clase mediana.
La mediana tiene varias cualidades que no posee la media aritmética:
— Su cálculo no se ve afectado en el caso de variable continua con algún
extremo de clase infinito.
— El hecho de que exista alguna observación extraña no afecta al valor de
la mediana.
— Unicidad. Cada conjunto de datos posee sólo una mediana.
4.4. Moda
La moda de un conjunto de datos es el valor con mayor frecuencia.
— En el caso de variable discreta, la moda será aquel valor de la
variable que presenta mayor frecuencia. La notaremos por Mo y puede no
existir o existir más de una.
— En el caso de variable continua, llamaremos clase modal a aquella
que presenta mayor frecuencia por unidad de longitud, es decir, aquella en
que hi=ni/ai sea mayor. De otra forma, la moda estará más cerca de aquel
intervalo contiguo cuya frecuencia sea mayor.
ni

ni+1
ni
ni–1
k
li–

Estadísticos e-Books & Papers

2
li–
1
Mo
li
li+ x 11
Sea:
ai–1 = li-1-li–2 ai+1 = li+1-li ai = li-li–1
Pero k =ni+1 y por la propiedad de las proporciones iak ni–1
k iak––i akk =k entonces k=a .ni+1= =>
i
n
n nn n nn i+ + +11 1 1 1 ii11
Por tanto Ml a.ni+10i-1 i nn ii11
Si la amplitud del intervalo no es constante entonces hi =ni por tanto la
fórmula de la moda queda así: ai
Ml a.hi+10i-1 i hh ii11
A diferencia de la media y la mediana, un conjunto de datos puede poseer
más de una moda o no tenerla.
4.5. Relación empírica entre media, mediana y moda
Para curvas de frecuencia unimodales que sean poco asimétricas tenemos
la siguiente relación empírica:
Media- moda = 3(media-mediana)
Para curvas asimétricas a la derecha se cumple: Para curvas asimétricas a
la izquierda se cumple: Para curvas simétricas se cumple la igualdad:
Moda<Mediana<Media Media<Mediana<Moda Media=Mediana=Moda
Asimétrica a la derecha Asimétrica a la izquierda
4.6. Cuartiles, deciles y percentiles
Si un conjunto de datos está ordenado por magnitud, el valor central (o
la media de los centrales) que divide al conjunto en dos mitades iguales, es
la mediana. Extendiendo esa idea podemos pensar en aquellos valores que
dividen al conjunto en cuatro partes iguales. Esos valores denotados por
Q1, Q2 y Q3, se llaman primer, segundo y tercer cuartiles,
respectivamente. El Q2 coincide con la mediana.
0,25 0,25 0,25 0,25 —————-|——————-|——————-|
—————— Q1 Q2 Q3

Estadísticos e-Books & Papers

 Análogamente, los valores que dividen a los datos en 10 partes iguales
se llaman deciles D1, D2,.....,D9, mientras que los valores que los dividen
en 100 partes iguales se llaman percentiles, denotados por P1,P2,.......,P99.
El 5.o decil y el 50.o percentil coinciden con la mediana. Los 25.o y 75.o
percentiles coinciden con el primer y tercer cuartiles.
0,1 0,1 0,1 0,1 0,1 0,1 ————|————|————|————
............. ————|———— D1 D2 D3 D9
Colectivamente, cuartiles, deciles y percentiles se denominan cuantiles.
El cálculo de cuantiles es distinto según de trate de variable discreta o
continua. En el caso continuo, se realiza de forma similar a como hemos
hecho anteriormente para la mediana.
Para el caso discreto existen distintos procedimientos.
Si w es la suma de las ponderaciones para todos los casos válidos, p es
el percentil dividido entre 100 y xi es el i-ésimo menor valor. Veamos un
ejemplo desarrollado con cada método para el cálculo de los cuartiles:
Sea la distribución x: 1, 2, 3, 7, 8, 9
a) Haverage: es el que utilizaremos a lo largo del resto de los temas. Si
i es la parte entera de (w+1)p y d es la parte decimal, el valor del p-ésimo
percentil es el promedio ponderado (1-d) xi + d xi+1.
w+1=6+1=7
Para Q1 p = 1/4 = 0,25; (w + 1) p = 7.0,25 = 1,75 luego i = 1 d = 0,75; xi
=1 xi+1 = 2
Q1 = (1-0,75).1 + 0,75.2 = 1,75
Para Q3 p = 3/4 = 0,75; (w + 1) p = 7.0,75 = 5,25 luego i = 5; d = 0,25; xi =
8 xi+1 = 9
Q3 = (1 - 0,25).8 + 0,25.9 = 8,25
b) Waverage: si i es la parte entera de wp y d es la parte decimal, el
valor del p-ésimo percentil es el promedio ponderado (1-d)xi + d xi+1. w =
6
Para Q1 p = 1/4 =0,25; wp = 6.0,25 = 1,5 luego i = 1; d = 0,5; xi = 1; xi+1 =
2 Q1 = (1-0,5).1 + 0,5.2 = 1,5
Para Q3 p = 3/4 = 0,75; wp = 6.0,75 = 4,5 luego i = 4; d = 0,5; xi = 7; xi+1
= 8 Q3 = (1-0,5).7 + 0,5.8 = 7,5
c) Round: es el que suele aparece en los textos. Si i es la parte entera

Estadísticos e-Books & Papers

de (wp + 0,5), el valor del p-ésimo percentil es xi.
w=6
Para Q1 p = 1/4 = 0,25; wp + 0,5 = 6.0,25 + 0,5 = 2 luego i = 2; xi = 2 Q1 =
2
Para Q3 p = 3/4 = 0,75; wp + 0,5 = 6.0,75 + 0,5 = 5 luego i = 5 xi = 8 Q3 =
8
d) Empirical: si i es la parte entera de wp, el valor del p-ésimo
percentil será xi o xi+1 dependiendo de si la parte decimal es cero o mayor
que cero. w = 6
Para Q1 p = 1/4 = 0,25; wp = 6.0,25 = 1,5 luego i = 1; xi = 1; xi+1 = 2 Q1 =
2 (por tener la parte decimal mayor que cero)
Para Q3 p = 3/4 = 0,75; wp = 6.0,75 = 4,5 luego i = 4 xi = 7 xi+1 = 8 Q3 = 8
e) Aempirical: si i es la parte entera de wp, el valor del p-ésimo
percentil será (xi + xi+1)/2 o xi+1 dependiendo de si la parte decimal es cero
o mayor que cero.
w=6
Para Q1 p = 1/4 = 0,25; wp = 6.0,25 = 1,5 luego i = 1; xi = 1; xi+1 = 2 Q1 =
2 (por tener la parte decimal mayor que cero)
Para Q3 p = 3/4 = 0,75; wp = 6.0,75 = 4,5 luego i = 4 xi = 7 xi+1 = 8 Q3 = 8
4.7. Ejemplo de cálculo de la media, mediana, moda y cuartil
En la tabla siguiente se recogen los pesos en libras de 40 estudiantes
varones de una universidad, con precisión de 1 libra. Construir una
distribución de frecuencias, agrupándolos en intervalos de amplitud 10
libras y calcular la media, mediana, moda y primer cuartil (Q1) de los
datos.
138 164 150 132 144 125 149 157 146 158 140 147
136 148 152 144 168 126 138 176 163 189 154 165
146 173 142 147 135 153 140 135 161 145 135 142
150 156 145 128
Peso Xi ni fi xifi Fi (124-134] 129 4 0,1 12,9 0,1
(134-144] 139 12 0,3 41,7 0,4
(144-154] 149 13 0,325 48,425 0,725 (154-164] 159 6 0,15 23,85 0,875
(164-174] 169 3 0,075 12,675 0,95 (174-184] 179 1 0,025 4,475 0,975
(184-194] 189 1 0,025 4,725 1 40 148,55
–

Estadísticos e-Books & Papers

 X = 148,55
Me = 144 + (0,1.10)/0,325 = 144 + 3,077 = 147,077
Mo = 144 + 10.(6)/[12 + 6] = 147,33 (estará más cerca de 144 que de
154 porque la frecuencia del intervalo (134 – 144] es 12 y la del (154 –
164] es 6) Q1 = 134 + (6.10)/12 = 139
5. MEDIDAS DE DISPERSIÓN
5.1. Introducción
La dispersión de un conjunto de datos hace referencia a la variabilidad
entre estos. Si todos los datos son iguales, no existe dispersión; si no son
todos iguales, se presenta dispersión. La «cantidad de dispersión» puede
ser pequeña cuando los valores, aunque diferentes, están próximos entre sí.
Si los valores están ampliamente separados, la dispersión será grande.
Hay varias medidas de dispersión:
— Medidas de dispersión basadas en el recorrido de la variable:
• Rango.
• Rango intercuartílico.
— Medidas de dispersión entorno a la media:
• Desviación media absoluta a la media.
• Varianza y desviación típica.
• Coeficiente de variación de Pearson.
— Medida de dispersión entorno a la mediana:
• Desviación media absoluta a la mediana.
5.2. Recorridos
Una medida de dispersión global es el rango, que es la diferencia entre
la mayor y la menor de las observaciones. Si representamos el rango por
R, la observación mayor por xmax, y la observación menor por xmin,
resulta:
R = xmax – xmin
Cuando los valores de un conjunto de observaciones están próximos a la
media muestral la dispersión es menor que cuando están repartidos en un
amplio intervalo.
Basadas en la misma idea que la del recorrido de la variable aparecen,
como medidas de dispersión, la distancia entre los dos puntos que dejan el
r% de la población central entre ellos. Para localizar estos dos puntos se
utiliza la función de distribución del modo siguiente:
a) Localizamos en primer lugar, el punto que deja al (100 – r)/2% de la

Estadísticos e-Books & Papers

población por debajo de él. A ese punto se le suele notar por Pr.
b) Localizamos el punto que deja por encima de él a esa misma cantidad
de población.
Entre las medidas definidas de este modo destaca el llamado rango
intercuartílico: Ri = Q3 – Q1 ,donde Q1 es el punto que deja por debajo de
él el 25% de la población, es decir, F(Q1) = 0,25; Q1 recibe el nombre de
primer cuartil. Q3 sería el punto que deja por encima de él el 25% de la
población, dicho de otro modo F(Q3) = 0,75; éste recibe el nombre de
tercer cuartil.
5.3. Medidas de dispersión en torno a la media Supongamos la
variable X con valores xi (marcas de clase en el caso continuo) y
frecuencias relativas fi. Si calculamos su media:
k

Xfx= ◊i iÂ

i=1–
se trata de medir como de lejos están los valores xi de X.
— Desviación media absoluta a la media: Para conseguir el objetivo
anterior, parece que lo más fácil es sumar las diferencias entre xi y la
media. Esto nos podría conducir a un absurdo pues, aunque estas
diferencias sean muy grandes, se podrían compensar al tener signo
opuesto. Así llegaríamos a la conclusión de que no existe dispersión aún
cuando ningún xi coincida con la media. La definición de desviación
media absoluta viene a evitarlo tomando valores absolutos. La expresión
que la define es:
k
D.M.= ◊XÂii
i=1
Por ejemplo:
Sea x: 1, 2, 3, 7, 8, 9
xi 1 2 3 7 8 9
–
|x– X | 4 3 2 2 3 4 18
–
D.M. = fi|xi– X|= 18/6 = 3

Estadísticos e-Books & Papers

El poner a cada sumando fi es como siempre, para pesar cada diferencia en
la medida en que aparece en los datos.
— Varianza y desviación típica: Otra manera de soslayar el problema
de los signos es tomando cuadrados. Esto nos conduce a otra medida de
dispersión llamada varianza, y que notaremos por Vx:
k2 k

VfxXfxX2 Â Â= ◊ 22 []4– xi iii

i 1= =i 1
Por ejemplo: sea x: 1, 2, 3, 7, 8, 9
xi 1 2 3 7 8 9
–
(xi– X )2 16 9 4 4 9 16 58
Vx = 58/6 = 9,6
–
Si llamamos desviación del dato xi respecto de la media a la diferencia
(xi-X), la varianza se puede interpretar como «la media de los cuadrados de
las desviaciones de los datos a la media».
Cuando tenemos que calcular la varianza de datos agrupados es
aconsejable utilizar una corrección debida a Sheppard: varianza
corregida=varianza datos agrupados-c2/12 donde c=anchura del intervalo.
La varianza modificada, o corregida, también llamada por algunos
cuasivarianza de una muestra se define por la fórmula:
k 2Ânx X

ii -()
S2 = i=1 x k1
-
La razón principal para introducir la varianza modificada es la
siguiente: se ha observado que cuando se utilizan los estadísticos para
sacar conclusiones sobre la población de la que proviene la muestra, la
media de ésta es una buena estimación de la media de la población, sin
embargo, la varianza muestral calculada como en [4] no da una buena

Estadísticos e-Books & Papers

estimación de la población. Se ha demostrado que este error se reduce
dividiendo la suma de los cuadrados por k-1 en vez de k. Esta
modificación es especialmente relevante en el caso de tamaños muestrales
reducidos. El término k-1 se denomina grados de libertad.
Como es usual en la mayor parte de la bibliografía, en lo sucesivo, el
término varianza muestral se aplicará al estadístico calculado con k-1
grados de libertad en el denominador.
La varianza se expresa como el cuadrado de las unidades en que se
midió la variable original; no es, por tanto, una medida de dispersión
totalmente apropiada. Se puede obtener otra medida de dispersión con las
mismas unidades que los datos, simplemente tomando la raíz cuadrada de
la varianza. El resultado se llama desviación típica:sx
La desviación típica se utiliza como una medida de dispersión
intrínseca dentro de un conjunto de datos. Pero no se pueden comparar dos
desviaciones típicas distintas cuando los datos están dados en distinta
escala de medida.
La varianza y la desviación típica son las medidas de dispersión que
más se utilizarán, de ahí que se estudie algunas de sus propiedades:
a) La varianza permanece invariante frente a traslaciones.
Demostración:
Si definimos la variable Y = X + A fi yi = xi + A con frec. fi
k2 k2

VfyY fxAXAVÂ () ()() =xÂyii ii()

i=1 i=1

b) La varianza no permanece constante frente a cambios de escala.

Demostración:
Definimos la variable Y = A.X fi yi = A.xi con frec. fi
k
k
22 VfyY fAxAXAV2

Âyii i i x() Â () =

Estadísticos e-Books & Papers

i=1 i=1
y por tanto sy = A.sx En el caso de variables que están representadas en
intervalos, basándonos en esta propiedad vamos a ver alguna fórmula para
calcular la varianza:
Vfx fx
2
Ê ˆ2

˜ si hacemos el cambio x = d + A entonces:

i i xii Â=
◊-◊

Á ii˜
ii ¯
V V fd2 ÊÂfd ˜ xd i iÂ= = ◊ - ◊
ˆ2
Á
Á ii˜ i Ë i ¯
si el cambio es de la forma xi = A + c.ui
È ÊÂ
= ◊ ◊ - ◊fu ˜ ˙x
22 Á
Í
Í
Â
ˆ2˘
V c fuii Á ii˜ ˙ Î i Ë i ¯ ˚
Veamos un ejemplo de cálculo de la varianza para datos agrupados. Sean
los pesos de 100 estudiantes dados por la siguiente distribución:
Peso ni xi di = xi – A dini di2ni 60-62 5 61 -6 -30 180
63-65 18 64 -3 -54 162 66-68 42 67 0 0 0
69-71 27 70 3 81 243
72-74 8 73 6 48 288 100 45 873
Vx = 873/100 – (45/100)2 = 8,52; sx = 2,92
Si utilizamos la fórmula para amplitud constante tenemos:
Peso ni xi ui uini ui2ni 60-62 5 61 -2 -10 20
63-65 18 64 -1 -18 18 66-68 42 67 0 0 0
69-71 27 70 1 27 27
72-74 8 73 2 16 32 100 15 97

Estadísticos e-Books & Papers

Vx = 32[97/100 – (15/100)2] = 8,52; sx =2,92 c) Entre la desviación típica
de una variable y la desviación media absoluta, existe siempre la relación
––
D.M. £ sx ya que |xi – X|£ (xi – X)2
— Coeficiente de variación de Pearson: Consideremos una misma
variable estudiada en dos poblaciones distintas, y supongamos que las
medias de estas variables, en las dos poblaciones, son muy diferentes.
Ej: El peso en una población de caballos y otra población de gatos. Es
evidente que una misma desviación, digamos s = 1 kg, representa una
dispersión insignificante en la población de caballos. En cambio una
desviación de 1 kg para el peso medio de los gatos indica una dispersión
importante. Es decir, si sabemos que la desviación ha sido 1 kg en ambas
poblaciones, se debe aportar alguna información más sobre la dispersión.
Las consideraciones anteriores sugieren la conveniencia de introducir
una medida de variación relativa mejor que una de variación absoluta.
Dicha medida se llama coeficiente de variación de Pearson.
El coeficiente de variación es la desviación típica medida en unidades
de la
cv. smedia.Coeficiente de variación = =
X
Cuando se desea expresar la desviación típica como un porcentaje de la
media
se emplea la fórmula: coeficiente de variación s. Es importante tener=
c.v.= 100X
en cuenta que este coeficiente tiene problemas de cálculo cuando la media
se aproxima a 0.
–
Este coeficiente, por el comportamiento de s y X, resulta invariante frente a
cambios de escala, pero no frente a traslaciones.
5.4. Medidas de dispersión en torno a la mediana
Se define la desviación media absoluta respecto a la mediana como una
medida de la dispersión, de una variable X, entorno a su mediana como:
k
DfxM

= ◊ii eÂ
i=1

Estadísticos e-Books & Papers

Sobre ella sólo enunciaremos la relación que guarda con la desviación
media absoluta a la media aritmética.
D £ D · M Otra de las medidas de dispersión en torno a la mediana más
utilizadas es la mediana de las desviaciones absolutas a la mediana,
denominada como MEDA y definida por:
MEDA = mediana |xi –Me|
que tiene la ventaja, como la mediana, de no verse afectada por datos
extremos. A las medidas que tienen esta propiedad las llamaremos
medidas robustas o resistentes. Si conocemos la mediana y la MEDA de
datos no agrupados sabemos que, al menos, el 50% de los datos están en el
intervalo (Me ± MEDA).
Veamos, como ejemplo, el cálculo de los valores D y MEDA para la
variable x cuya distribución es: 1, 2, 3, 7, 8, 9
xi 1 2 3 7 8 9
|xi– Me| 4 3 2 2 3 4 18
D = 18/6 = 3
Ordenando las diferencias |xi-Me| tenemos 2 2 3 3 4 4 luego MEDA = 3
Como podemos comprobar se cumple (Me ± MEDA) está al menos el 50%
de los casos. En nuestro ejemplo el 67%.
5.5. Tipificación de una variable
Supongamos que dos estudiantes discuten sobre el significado de sus
respectivas notas obtenidas en clases diferentes. Una comparación directa
de estas notas, podría carecer de significado, pues bastaría con el baremo
utilizado para corregir fuese distinto en una y otra clase. Este problema se
puede resolver estudiando la posición relativa, que ha obtenido cada
alumno en su clase. Para obtener estas posiciones relativas, restaríamos a
cada nota su correspondiente media, y dividiríamos por su desviación
típica. A la nueva variable construida se la denomina variable tipificada de
la inicial.
5.5.1. Definición de variable tipificada
Dada la variable estadística X que toma valores xi con frecuencias
relativas fi, se define la variable tipificada de X como la variable
transformación lineal de la inicial
=
Z xX

Estadísticos e-Books & Papers

sx
esta variable tiene las siguientes propiedades: tiene media 0 y desviación
típica 1. La media y la desviación típica nos aporta una información sobre
la distribución de los datos:
— En una distribución cualquiera: (X–– s, X– + s) está entre el 50% y el
75% de los casos. Si la distribución es normal el 68,27%.
— En una distribución cualquiera: (X–– 2s, X–+2s) está entre el 90% y el
100% de los casos. Si la distribución es normal el 95,45%.
Como ejemplo vamos a calcular los valores zi de la variable x: 1, 2, 3, 7, 8,
9
x
i
z
i
= (x
–
– X)/sx

1 –1,29
2 –0,97
3 –0,64
7 0,64
8 0,97
9 1,29
Podemos comprobar que
–
X ±sx = 5 ± 3,1 están el 67% de los casos.
6. MEDIDAS DE FORMA
Una vez estudiadas la tendencia central de la población y en qué
medida es ésta fiable, nos disponemos a estudiar de qué forma se reparte
esta dispersión entorno al promedio.
6.1. Medidas de simetría
Una inspección somera de los histogramas dibujados más abajo (ver
fig. 2.6.1) permite apreciar diferentes situaciones de simetría(o asimetría)
respecto de la recta vertical que pasa por la media. Los tres histogramas
poseen la misma media
–
Xª 0 y el mismo tamaño n = 95.

Estadísticos e-Books & Papers

Simetría
Asimétrica a la derecha
Asimétrica hacia la izquierda
FIGURA 2.6.1. Simetría.
— Definición de distribución de frecuencias simétricas respecto de
un punto a: La distribución de frecuencias de X resulta simétrica respecto
de a, si la gráfica del diagrama de barras o histograma resulta simétrica
respecto de la vertical que pasa por a.
— Definición de distribución de frecuencias simétrica: Se dice que
una distribución de frecuencias es simétrica si lo es respecto a su mediana.
— Proposición: Si X posee una distribución de frecuencias simétrica, la
media, la mediana y la moda (si la distribución es unimodal) coinciden.
Diremos que una distribución de frecuencias es asimétrica a la
izquierda, o sesgada a la izquierda, si su diagrama diferencial está más
estirado a la izquierda. Análogamente, diremos de una distribución que es
asimétrica a la derecha, o sesgada a la derecha, si el diagrama diferencial
presenta la cola más larga a la derecha.
Puesto que estudiar la simetría mediante la gráfica de cada distribución
resulta un método poco operativo, definiremos algunos estadísticos para
estudiar esta característica:
a) Primer coeficiente de sesgo de Pearson: Basándose en la idea de
que en una distribución sesgada, la media tiende a situarse, con respecto a
la moda, al mismo lado que la cola más larga:
1
s XMo
sx
Su interpretación es:
—s1 = 0 si y sólo si la distribución es simétrica.
—s1 > 0 si y sólo si la distribución es sesgada a la derecha. —s1 < 0 si y
sólo si la distribución es sesgada a la izquierda.
b) Segundo coeficiente de sesgo de Pearson: Utilizando la fórmula
empírica aproximada, para distribuciones moderadamente asimétricas, X–
– Mo = 3 · (X– – Me)
se define s2 como:
2

Estadísticos e-Books & Papers

 s XM()
=◊
sx
y naturalmente su interpretación es la misma que la de s1.
c) Coeficiente de simetría de Fisher: Se trata de uno de los coeficientes
más utilizados para medir la simetría. Su expresión es la siguiente:
g
1
=
m3

()3
k 3donde m3 es el momento centrado de orden 3, es decir, m3 = ◊Âfx–X

i ()
i=1

Su interpretación es la siguiente:
— Es nulo para todo el histograma simétrico respecto de la media.
— Es positivo para los histogramas cuya cola derecha (rectángulos
situados a la derecha de la media) es más larga que la cola izquierda:
asimetría positiva. — Es negativo para los histogramas cuya cola izquierda
es más alarga que su cola derecha: asimetría negativa.
1. El coeficiente de asimetría es adimensional e invariante por cambios
de escala en los datos.
2. Igualmente es invariante por desplazamiento del histograma a derecha o
izquierda.
3. Las condiciones 1 y 2 son aplicables al coeficiente de apuntamiento.
Los coeficientes de asimetría para los tres gráficos de la fig. 2.6.1 son,
respectivamente: g1=0 g1=0,81 y g1=- 1,45.
6.2. Medidas de apuntamiento
Los histogramas más simétricos (o aproximadamente simétricos) pueden
presentar una de las formas que aparecen en fig. 2.6.2.

Estadísticos e-Books & Papers

Caso 1
Caso 2
FIGURA 2.6.2. Apuntamiento.
El histograma del caso 1 es más «bajo» y «ancho» que el histograma del
caso 2.
Las características bajo/alto y ancho/estrecho de los histogramas
simétricos se estudian comparándolos con la forma de una curva standard:
la distribución normal. Esta curva tiene una forma característica (llamada
campana de Gauss) que se presenta en la fig. 2.6.3.
FIGURA 2.6.3. Curva normal.
El coeficiente que se utiliza para la comparación se llama coeficiente de
apuntamiento o curtosis.
El coeficiente de apuntamiento o curtosis de Fisher es la media de las
cuartas potencias de las desviaciones de los datos a la media muestral (m4)
dividida por s4 y disminuido el cociente en 3 unidades:
m
g2= 4 3 s4
Dicho coeficiente posee las siguientes características:
— Si el histograma es muy parecido a la curva normal, g2 es casi nulo; y la
llamaremos mesocúrtica.
— Si el histograma es más alto y estrecho que la curva normal, g2 es
positivo. A estas distribuciones las llamaremos leptocúrticas.
— Si el histograma es más bajo y ancho que la curva normal, g2 es
negativo. Las llamaremos plasticúrticas.
6.3. Momentos
La media, la varianza y las componentes de los coeficientes de
asimetría y apuntamiento de un conjunto de datos forman parte de una
clase más amplia de estadísticos llamados momentos muestrales.
Si r es un número entero positivo, el momento de orden r respecto del
origen es la media de las potencias de orden r de los datos de la muestra:
n
ÂXir– –
m2.r= =1 . Observemos que m1= X y m2= Xn
Si r es un número entero positivo, el momento central de orden r, o
momento de orden r respecto de la media, es «la media de las potencias de
orden r de las desviaciones respecto de la media muestral»:

Estadísticos e-Books & Papers

n rÂxX

i ()
m
r
=
i=1
n
Observemos que: m1 = 0
m2 = s2
g1 = m3/s3
g2 = (m4/s 4) – 3
Las siguientes relaciones entre los momentos m1,m2,m3,m4 y
m1,m2,m3,m4 son de utilidad en el cálculo de los coeficientes de g1 y g2,
a) m2 = m2 – m12
b) m3 = m3 – 3m2m1 + 2m13
c) m4 = m4 – 4m3m1 + 6m2m12 – 3m13
El momento de orden (r,s) respecto al origen de un variable
bidimensional (x,y) toma la expresión:
m
rs
=
1
hk

Â
Â
r
s
xyn
n
i j ij i=1 j=1
Cuando se trata de estudiar dos variables (x,y) los primeros momentos con
relación al origen toman la expresión y son:

Estadísticos e-Books & Papers

 m10 la media con relación a x
m01 la media con relación a y
m20 el momento de segundo orden con relación a x
m02 el momento de segundo orden con relación a y
m11 el momento de segundo orden con relación a x e y
Un ejemplo aclaratorio de esta nomenclatura se puede encontrar en
Martín (1994, pág. 231).
7. LA EXPLORACIÓN DESCRIPTIVA DE DATOS
7.1. Datos atípicos
Los datos que obtenemos al realizar una investigación pueden ser
clasificados en dos categorías excluyentes:
a) Datos correctos
b) Datos erróneos
Los datos erróneos son debidos a múltiples factores (errores de
trascripción, distintos instrumentos utilizados en la recogida de datos, etc).
Hay otros datos atípicos denominados outliers y extremos, que tenemos
que tener en cuenta a la hora de hacer cualquier estudio pues existen
estimadores (funciones de los estadísticos) que son sensibles frente a estos
datos y la información que nos proporcionan, si existen datos de este tipo,
es errónea.
Solamente los expertos podrán discernir entre datos atípicos y datos
erróneos. En el texto se considerará ambos como atípicos.
7.2. Gráfico caja (Box Plot)
El diagrama de caja es una representación semigráfica de una
distribución, construida para mostrar sus características principales y
señalar los posibles datos atípicos, es decir, aquellas observaciones que
parecen ser distintas de las demás.
Un diagrama de caja se construye como sigue:
— Ordenar los datos de la muestra y obtener el valor mínimo, el máximo,
y los tres cuartiles Q1, Q2, Q3.
— Dibujar un rectángulo cuyos extremos son Q1 y Q3 e indicando la
posición de la mediana (Q2) mediante una línea o un asterisco.
Si denominamos IQR = Q3 – Q1 podemos calcular los límites
admisibles, superior e inferior, que van a servir para identificar los valores
atípicos. Estos límites se calculan con:

Estadísticos e-Books & Papers

 LI = Q2 – 1,5 (IQR) FI = Q2 – 3 (IQR)
LS = Q2 + 1,5 (IQR) FS = Q2 + 3 (IQR)
Considerar como valores atípicos outlier los situados entre LI y FI o
entre LS y FS y como atípicos extremos aquellos fuera del intervalo
(FI,FS). Vendrán representados en SPSS en el gráfico boxplot mediante:
(°) en el caso de outlier y (*) para el extremo.
— Dibujar una línea que vaya desde cada extremo del rectángulo central
hasta
el valor más alejado no atípico, es decir, que está dentro del intervalo
(LI, LS). — Identificar todos los datos que están fuera del intervalo
(LI,LS), marcándolos como atípicos (outlier o extremos).
La razón de utilizar la mediana como medida de centralización y el
rango intercuartílico como medida de dispersión es que estas medidas, al
depender del orden de los datos y no de su magnitud, son poco
influenciables por unos pocos datos atípicos.
Por ejemplo, si cometemos un error al transcribir un dato, la media y la
desviación típica pueden cambiar mucho, mientras que la mediana y los
cuartiles cambiarán poco o nada. En consecuencia, si existe una pequeña
fracción de datos en la muestra heterogénea con el resto (por errores de
medida, cambio de las condiciones de medición, distinta población, etc.)
los cuartiles variarán poco, y pueden servirnos para identificar los valores
extremos.
Los diagramas de caja son especialmente útiles para comparar la
distribución de una variable en distintas poblaciones.
Si la distribución se aproxima a la normal los valores contenidos en el
rango intercuartílico (IQR) son el 50% del total. También podemos utilizar
para detectar observaciones erróneas la siguiente regla relacionada con la z
(variable tipificada): si la z para una medición x es igual o menor que -2 o
bien igual o mayor que 2, debe ser considerada como un valor inusual y
tendrá que verificarse por si se tratara de una observación errónea (outlier
o extremo). Así, por ejemplo, consideremos los siguientes datos:
3,2,0,15,2,3,4,0,1,3. Si observamos, a priori parece inusual 15. Si
tipificamos este valor tendremos el correspondiente z = (15 – 3,3)/4,32 =
2,71 luego podemos decir que este valor se puede considerar como atípico.
7.3. Comparación de distribuciones
Supongamos el siguiente ejemplo donde comparamos la distribución de
los países del Mercado Común con el resto. Tenemos:

Estadísticos e-Books & Papers

M.C. 2,2 2,3 3,2 3,9 4,6 5,3 5,5 5,9 7,4 9,1 15,9 20,1 Resto 1,7 2,9 3,2 3,4
4,1 5,1 5,8 6,7 7,6 16,3 32,7 40,5
Para los países del mercado común la mediana es 5,4 = [(5,3 + 5,5)/2]
y los cuartiles Q1 = 3,375 Q3 = 8,675. Para el resto estos valores son Q1 =
3,25; Q2 = 5,45; Q3 = 14,125. Los intervalos de admisibilidad serán (5,4 ±
7,95) para el Mercado Común y (5,45 ± 16,3125) para el resto. La figura
inferior muestra los diagramas de caja para ambos colectivos. Se observa
que en ambos hay dos valores atípicos y que la variabilidad es mucho más
baja entre los países del Mercado Común.
2,2 3,375 5,4 8,675 9,1 Mer. Común
Resto 1,7 3,25 5,4 14,125 16,3
8. REGRESIÓN Y CORRELACIÓN
8.1. Relación entre variables: aspectos generales
El estudio de una variable bidimensional (con dos dimensiones o
componentes) se hace, en la mayoría de los casos, para intentar buscar una
relación entre sus componentes. Existen dos enfoques para esta búsqueda:
— Regresión: es una técnica dirigida a encontrar una expresión que
explique una de las componentes en función de la otra
Y = f (X) o X = g (Y)
Las técnicas de regresión intentarán a partir de unas variables
independientes o explicativas encontrar la función que mejor explique el
comportamiento de una variable dependiente o explicada.
Según que tipo de función se utilice para ello, estaremos ante la
regresión de tipo lineal, parabólica, exponencial, etc.
El término de regresión se debe a Galton, que lo introdujo cuando
estudiaba la relación entre la talla de padres e hijos.
— Correlación: con ella vamos a dar una medida numérica del grado
de dependencia que hay entre las componentes de la variable
bidimensional. Dependiendo del tipo de dependencia que estemos
estudiando, nos encontraremos con los distintos coeficientes de
correlación.
8.2. Regresión
El análisis de regresión trata el problema de describir o pronosticar el
valor de una variable, llamada variable dependiente, sobre la base de otra
variable u otras variables llamadas independientes.

Estadísticos e-Books & Papers

 El problema puede concretarse, por ejemplo, cuando se quiere predecir
la calificación de un alumno en matemáticas sabiendo su comportamiento
en otras materias. O también cuando se sabe la existencia de cierta
influencia en los resultados de la mencionada materia de un conjunto de
habilidades intelectuales, y se quiere saber la configuración de dicha
relación.
8.2.1. Estudio particular de la regresión lineal: ajuste de una recta
por el método de mínimos cuadrados
Cuando se tiene una nube de puntos formado por pares (xi, yi) y nos
planteamos el problema de ajuste de y mediante una función de x, es muy
útil hacer una representación gráfica previa con la idea de darnos una
visión intuitiva del tipo de función que mejor se ajusta a nuestros datos.
Las funciones más utilizadas en los ajustes son las siguientes:
a) Línea recta Y = a0 + a1X
b) Parábola Y = a0 + a1X + a2X2
c) Curva de grado n Y = a0 + a1X + a2X2 + ....... + anXn d) Curva
exponencial Y = abX e) Curva geométrica Y = aXb
El método utilizado para tales ajustes es minimizar la suma de las
distancia al cuadrados entre los puntos y los valores de la curva para los
respectivos datos de la variable independiente.
Veamos a continuación la forma de proceder en el caso de la línea
recta y de forma similar se realizará para otras curvas.
8.2.1.1. Recta de mínimos cuadrados
Supongamos N puntos (x1, y1) (x2, y2) ...... (xN, yN) (ver fig. 2.8.1)
queremos calcular la ecuación de una recta que se aproxima a esos puntos
y= ax + b, y tal que la distancia ∑ ei2 = ∑ [yi – (axi + b)]2 sea mínima.
Donde ei = yi – (axi + b), expresa el error en la predicción. Supongamos f
(a, b) = ∑ ei2, es decir, la suma de errores al cuadrado es función de los
parámetros a y b, como tenemos que minimizar esta función hallaremos las
derivadas parciales respecto a y b respectivamente e igualando a cero cada
una de ellas tenemos las siguientes ecuaciones normales:
∑ yi = bN + a∑xi
∑ xiyi = b∑xi + a∑x2
Este sistema de ecuaciones se puede resolver por cualquier método
algebraico, como por ejemplo Cramer, con lo cual después de diversas

Estadísticos e-Books & Papers

operaciones tenemos finalmente:
S
yy
-=

xy ()[]2S xx
x
En esta ecuación b, la pendiente de la recta, será:
S
b
==
xy Covarianza / Varianza de x S
2
x
a, la ordenada en el origen, valdrá:
a = y – bx
Si x es la variable dependiente entonces la ecuación anterior y las normales
resultan de forma parecida, solamente debemos cambiar la x por la y.

FIGURA 2.8.1. Recta mínimo cuadrática.

Hay que resaltar que la estimación de y sólo es cierta para valores
dentro del margen utilizado en la predicción y nunca fuera de este
intervalo, es decir nunca para valores de extrapolación.
El método de mínimos cuadrados:
a) Es un método de ajuste de curvas y por tanto no exige suposiciones
respecto a las distribuciones de las variables, ni de los errores.
b) Puede ser aplicado en regresiones no lineales.
8.3. Correlación
Cuando tratamos de establecer el grado de asociación entre dos

Estadísticos e-Books & Papers

variables estamos refiriéndonos a su correlación, que podemos entender
como el conjunto de causas comunes a ambas, es decir, el grado de
dependencia mutua entre las variables. Así, si una variable (por ejemplo,
y) se supone <<motivada>> o <<explicada>> por otra (por ejemplo, x), la
correlación entre ambas nos hablará de su asociación, del grado en que los
fenómenos representados por ambas poseen causas comunes (por ejemplo,
como sucede cuando se quiere examinar la variación del rendimiento
académico ante variaciones producidas en el cociente intelectual).
Evidentemente, existe proximidad entre este problema y el problema de
regresión pero hay una diferencia clara entre ambos, pues mientras ésta
trata de representar el comportamiento de una variable según el atribuido a
la otra, aquella se limita a explicar la asociación de las dos variables.
En la representación gráfica de la nube de puntos, si todos los puntos
estuvieran sobre la función que los representa, la correspondencia sería
uno a uno y por tanto el grado de dependencia sería máximo. Cuanto más
se alejan los puntos de la función, es decir, conforme mayor sea la
diferencia entre el valor de y, y su estimación mediante la función y*,
menor será la intensidad de la asociación, o de otra forma, mayor será el
error (ei = yi – yi*).
8.3.1. Coeficiente de correlación
Si indicamos por yi* el valor de y para los valores estimados con la
recta de mínimos cuadrados, una medida de dispersión respecto de la recta
de regresión de y sobre x será:

Se =()2S yy []N

que se denomina error típico de y sobre x.

El error típico tiene propiedades similares a la desviación típica y nos
permite construir regiones de confianza trazando rectas paralelas a la recta
de regresión, donde para distancias verticales Se, 2Se y 3Se estarán el 68%,
95% y 99,7% respectivamente para N lo suficientemente grande.
Por otra parte, la variación total de y se define como:
yy yy y y

Estadísticos e-Books & Papers

 iii()+()

es decir, variación total = variación no explicada + variación explicada.

Si se eleva al cuadrado y se realiza la suma la descomposición queda así:

2 22() , es decir, SCT (Sy2) = SCE (Se2) + SCR (SR2)Â

 Â() +

Donde SCT será la suma de cuadrados total, SCE la suma de

cuadrados de los errores y SCR la suma de cuadrados debido a la
regresión.
Denominaremos coeficiente de determinación al cociente entre la SCR
(variación explicada por la regresión) dividido entre la variación total
(SCT) y varia entre 0 y 1. En el caso de la regresión lineal, su raíz
cuadrada se llamará coeficiente de correlación(r) y como es natural variará
entre -1 y 1 con r = 0 cuando la variables están incorreladas, y r = 1 o r =
-1 si la correlación es máxima.
Podemos poner
r
=±
S
2 S2 S2 S2

R [] y como 1=e R e

S
2
S
2

+ tenemos =r1 –S2 []S2

yyyy
o de otra forma

Estadísticos e-Books & Papers

SS 1r2

– []
ey

Las ecuaciones [4] y [5] son aplicables tanto en relaciones lineales

como no lineales, pero en el caso lineal la fórmula utilizada es la
denominada de productomomento o correlación de Pearson cuya expresión
es la siguiente:
Sxy donde Sxy representa la covarianza de las variables x e y y Sx Sy son
las desr =SS
xy
viaciones típicas de las variables.
Ejemplo
Dada la siguiente distribución:
xi yj nij
235
2 4 12
3 5 15
4 5 20
6 6 20
7 8 16
998
9 6 4 100
Calcular:
a) La recta de regresión de y sobre x.
b) Estudiar el grado de dependencia lineal entre ambas variables.
Solución: Sxya) Como sabemos y = a + bx donde =ay –bx; b=S2
x
Para calcular la varianza y covarianza planteamos la siguiente tabla de
correlación:
x\y 3 4 5 6 8 9 ni. xini. xi2 ni.
2 5 12 17 34 68
3 15 15 45 135
4 20 20 80 320
6 20 20 120 720
7 16 16 112 784

Estadísticos e-Books & Papers

9 4 8 12 108 972 n.j 5 12 35 24 16 8 100 499 2999 yjn.j 15 48 175 144 128
72 582
yj2n.j 45 192 875 864 1024 648 3648
En primer lugar:
Â
yn
j.j
y=
j 582
= =100 582
N
Â
xn
ii. 499
x= i
= =100 499
N
Â
2
xn
ii.
2
S=
2999 2 509x i 2––,,N = =
Â
2
yn
j.j
2S= j 2 3684 2 261y N ––,,
100= =

Â
Â
xy n
ij ij
30 96 225 400 720 896 144 648=++ + + + + + ◊=4,99 5,82 2,55xy N –– 100
S= i j
luego b255 0,50= =
509
a = 5,82 – 0,5 (4,99) = 3,33
en consecuencia la recta de regresión será:

Estadísticos e-Books & Papers

y = 3,33 + 0,5x
b) La dependencia lineal vendrá dada por el coeficiente de correlación
lineal:
s
r
= =509,,
xy 2,55
ssxy 261 070
Como se observa un coeficiente de correlación positivo e importante
9. ANÁLISIS DESCRIPTIVO DE DATOS: COMANDOS
9.1. Introducción
Como complemento a la estadística descriptiva y para facilitar el
cálculo se va a detallar las opciones de SPSS que realizan dichos cálculos,
y que en resumen, nos permiten una depuración, descripción y
representación de los datos. Los comandos EXAMINE, FREQUENCIES,
DESCRIPTIVES y CORRELATION, además del conjunto de comandos
relacionados con la representación gráfica. Estos comandos, cuando SPSS
no funcionaba aún bajo Windows, era imprescindible conocerlos en
profundidad para realizar los análisis. No obstante sin el apremio anterior,
hay dos motivos para no olvidarse de los mismos: a) algunas opciones de
los comandos no están contempladas en los menús y b) el manejo de los
comandos permite componer programas que facilitan al investigador la
realización de estudios con características similares con ahorro de tiempo y
esfuerzo. Recordemos que cuando en el menú de SPSS se da la opción
PEGAR, aparecerán en el fichero de sintaxis los comandos que realizan
las opciones seleccionadas en el menú.
9.2. La exploración de datos. Comando EXPLORAR
La opción de EXPLORAR de SPSS proporciona diversos tipos de
gráficos y estadísticos para el análisis exploratorio de datos. Permite el
análisis bien de todos los casos o bien de un grupo de casos por separado.
Esta exploración de los datos permite detectar valores atípicos, comprobar
los supuestos paramétricos de los datos, comprobar supuestos y
características entre subpoblaciones (grupos de casos formados en relación
a una variable o factor), indagar posibles transformaciones para conseguir
la normalidad de la distribución, etc.
Problema-ejemplo
Supongamos el siguiente problema-ejemplo.

Estadísticos e-Books & Papers

 Se pretende examinar el comportamiento de tres ítems: ITEM1
«Prueba de comprensión lectora», ITEM2 «Prueba de aptitud verbal» y
ITEM3 «Valoración en una prueba de ingles», resultados de las pruebas
realizadas a 150 alumnos de un instituto de enseñanza secundaria, medidos
en una escala de 0 a 10 puntos. También tenemos los datos de la variable
NIVEL:
1 «Primarios sin c. escolaridad»
2 «Certificado escolaridad»
3 «Graduado escolar»
4 «FP-I»
5 «BUP/COU»
6 «FP-II»
7 «Titulado grado medio»
8 «Titulado grado superior»
Desarrollo del ejemplo
Si utilizamos el SPSS para realizar el problema-ejemplo propuesto la
secuencia de ventanas del menú será las siguientes: Analizar
>Estadísticos descriptivos> Explorar.

Que abre la ventana siguiente:

Estadísticos e-Books & Papers

 VARIABLES:
Permite seleccionar las variables dependientes e independientes o
factores. Además, se puede utilizar una variable de cadena para etiquetar
los casos atípicos en los diagramas de caja.
ESTADÍSTICOS:

Descriptivos: Media, mediana, moda, media recortada el 5%, error

típico, varianza, desviación típica, mínimo, máximo, rango, rango
intercuartílico, y coeficiente de asimetría y curtosis con sus errores típicos.
Intervalo de confianza para la media al 95% aunque se puede especificar
otro valor.
Estimadores robustos:
Proporciona estimadores robustos de la media y la mediana muestral.
HUBER M-estimador de Huber.
ANDREW Estimador de onda de Andrew.
HAMPEL M-descendente de Hampel.
TUKEY Estimador biponderado de Tukey.

Estadísticos e-Books & Papers

Valores
atípicos: Muestra los cinco valores mayores y los cinco menores, con las
etiquetas de caso.
Percentiles: Permite el cálculo de percentiles. Por defecto muestra los
percentiles: 5, 10, 25, 50, 75, 90 y 95.
GRÁFICOS:

Proporciona distintos tipos de gráficos para el análisis exploratorio

datos. Diagrama de caja:
Descriptivos:
Gráficos con pruebas de normalidad:
Presenta los gráficos de caja (BOXPLOT). Existen diferentes
alternativas para controlar los mismos cuando existen más de una variable
dependiente. Niveles de los factores juntos genera una presentación para
cada variable dependiente. Dependientes juntas genera una presentación
para grupo definido por una variable o factor.
Presenta los gráficos de tallo y hojas (STEAMLEAF) y los
histogramas.
Muestra gráficos de probabilidad normal y de probabilidad normal sin
tendencia y estadísticos de Shaphiro-Wilks y de KolmogorovSmirnov para
contrastar la normalidad (NPPLOT).
Dispersión por nivel: Gráfico de nivel y dispersión, p es el poder de
transformación; si
no se especifica, será estimado a partir de los datos. Además,
proporciona el estadístico de Levene para contrastar la homogeneidad de

Estadísticos e-Books & Papers

varianzas (SPREADLEVEL(p)), todos los gráficos disponibles (ALL) y
ninguno de los gráficos disponibles(NONE). Si no selecciona ninguna
variable de factor, no se generará ningún diagrama de dispersión por nivel.
OPCIONES:
Como en otros comandos de SPSS, el subcomando MISSING controla
el tratamiento de los valores omitidos. Tiene cuatro opciones de las cuales
las tres primeras se pueden seleccionar en el cuadro de diálogo siguiente,
la cuarta se debe hacer por comando.

Excluir casos según lista (LISTWISE)

Excluir casos según pareja (PAIRWISE)
Mostrar valores (REPORT)
INCLUDE
Excluye los casos con valor omitido en cualquiera de las variables de la
lista.
En cada análisis se incluyen los casos con valor válido para la variable
dependiente.
Los valores omitidos para las variables independientes se consideran
un grupo más.
Considera los valores omitidos por el usuario como valores válidos.
Una vez seleccionadas las variables dependientes (item1 e item2) y la
independiente o factor (nivel) y marcada la opción de ambos (gráficos y
estadísticos), al dar a pegar aparecerá los siguientes comandos:
Fichero de sintaxis
EXAMINE
VARIABLES=item1 item2 BY nivel
/PLOT BOXPLOT STEMLEAF
/COMPARE GROUP
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE

Estadísticos e-Books & Papers

/NOTOTAL.
Que al ejecutarse genera los resultados siguientes:
Resultados del comando EXAMINE para la variable item1 Comprensión
lectora: Gráficos de tallo y hojas — comprensión lectora Stem-and-Leaf
Plot for NIVEL = primarios sin c.escolaridad
Frequency Stem & Leaf
5.00 0.00001
4.00 0.2233
1.00 0.4
4.00 0.6777
2.00 0.89 Stem width: 10.00 Each leaf: 1 case(s)
— comprensión lectora Stem-and-Leaf Plot for NIVEL = certificado
escolaridad
Frequency Stem & Leaf
3.00 0.111
2.00 0.33
4.00 0.4445
4.00 0.6777
2.00 0.89 Stem width: 10.00 Each leaf: 1 case(s)
— comprensión lectora Stem-and-Leaf Plot for NIVEL = graduado
escolar
Frequency Stem & Leaf
6.00 0.000111
4.00 0.2223
2.00 0.55
5.00 0.66667
4.00 0.8888 Stem width: 10.00 Each leaf: 1 case(s)
— comprensión lectora Stem-and-Leaf Plot for NIVEL = fp-I
Frequency Stem & Leaf
5.00 0.00000
1.00 1.0
4.00 2.0000 4.00 3.0000 3.00 4.000 2.00 5.00 2.00 6.00 3.00 7.000 6.00
8.000000 2.00 9.00 Stem width: 1.00
Each leaf: 1 case(s)
— comprensión lectora Stem-and-Leaf Plot for NIVEL = bup/cou
Frequency Stem & Leaf

Estadísticos e-Books & Papers

5.00 0.00111
2.00 0.33
9.00 0.444444455
4.00 0.6677
2.00 0.99 Stem width: 10.00 Each leaf: 1 case(s)
— comprensión lectora Stem-and-Leaf Plot for NIVEL = fp-II
Frequency Stem & Leaf
4.00 0.0011
2.00 0.23
4.00 0.4445
6.00 0.666777
3.00 0.899 Stem width: 10.00 Each leaf: 1 case(s)
— comprensión lectora Stem-and-Leaf Plot for NIVEL = titulo de
grado medio
Frequency Stem & Leaf
3.00 0.001
4.00 0.2233
4.00 0.4445
1.00 0. 7
2.00 0.88 Stem width: 10.00 Each leaf: 1 case(s) — comprensión lectora
Stem-and-Leaf Plot for NIVEL = titulo de grado superior
Frequency Stem & Leaf
2.00 1.00
4.00 2.0000
3.00 3.000
1.00 4.0
1.00 Extremes (> = 7.0)
Stem width: 1.00
Each leaf: 1 case(s)
Diagrama de caja
10
8 *59 6
4
2
0
-2
N= 16 15 21 32 22 19 14 11

Estadísticos e-Books & Papers

nivel
Resultados descriptivos:
DESCRIPTIVOS
Nivel Estadístico Error tipo
Comprensión lectora
Título de grado superior
Media 2.7273 .5062
Intervalo de confianza para la media al 95% Límite inferior 1.5995
Media recortada al 5% Mediana
Varianza
Desv. típ.
Mínimo
Máximo
Rango
Amplitud intercuartil Asimetría
Curtosis
Límite superior 3.8551
2.5859
2.0000
2.818
1.6787
1.00
7.00
6.00
1.0000
1.764 .661 4.025 1.279
Aptitud verbal Título de grado superior
Media 5.1818 1.0516
Intervalo de confianza para la media al 95% Límite inferior 2.8388
Media recortada al 5% Mediana
Varianza
Desv. típ.
Mínimo
Máximo
Rango
Amplitud intercuartil Asimetría
Curtosis

Estadísticos e-Books & Papers

Límite superior 7.5248
5.2576
7.0000
12.164
3.4876
.00
9.00
9.00
6.0000
–.445 .661
–1.512 1.279
Como vemos el procedimiento EXAMINE proporcionará los valores
de los estadísticos descriptivos: media, mediana, moda, media ajustada al
5%, error típico de la media, varianza, mínimo, máximo, rango, rango
intercuartílico, coeficientes de asimetría y curtosis y errores típicos
asociados. Además de los estadísticos descriptivos (sólo se ha mostrado el
nivel de titulado-superior), por cada variable dependiente se obtendrán los
diagrama de tallo y hojas y los diagramas de caja.
9.3. La distribución de frecuencias. FRECUENCIAS
Proporciona tablas de frecuencias y, opcionalmente, estadísticos
descriptivos básicos, gráficos de barras e histogramas. Sirve como punto
de partida en cualquier análisis posterior y sobre todo para localizar
valores de las variables fuera del rango de medida, cuestión que aparece
con frecuencia en los casos de error en la introducción de datos. Es un
comando de utilidad para variables categóricas (nivel de medida nominal u
ordinal) o categorizadas.
Se pueden organizar los valores de las variables en orden ascendente o
descendente e incluso se pueden ordenar las categorías por sus frecuencias.
Vale suprimir la tabla de frecuencias de una variable cuando ésta tiene
gran cantidad de categorías.
Problema-ejemplo
Supongamos el siguiente problema-ejemplo.
Se pretende saber la distribución de frecuencia de la variable NIVEL,
del ejemplo anterior del comando EXPLORAR, que como sabemos son
los resultados de las pruebas realizadas a 150 alumnos de un instituto de
enseñanza secundaria. La variable NIVEL tiene las siguientes categorías:
1 «Primarios sin c. escolaridad»

Estadísticos e-Books & Papers

2 «Certificado escolaridad»
3 «Graduado escolar»
4 «FP-I»
5 «BUP/COU»
6 «FP-II»
7 «Titulado grado medio»
8 «Titulado grado superior»
Desarrollo del ejemplo
Si utilizamos el SPSS para realizar el problema-ejemplo propuesto la
secuencia de ventanas del menú será la siguiente: Analizar >Estadísticos
descriptivos> Frecuencias.
Y aparecerá la siguiente ventana:

Cuando se pulse intro se entrará en la siguiente pantalla que permite

seleccionar la variable o variables a estudiar. En nuestro caso se ha
seleccionado NIVEL.

Estadísticos e-Books & Papers

 Como se observa, se
puede seleccionar tres tipos de menú: estadísticos, gráfico y formato. Si
seleccionamos estadísticos entraremos en el siguiente menú:

ESTADÍSTICOS: Valores percentiles:

Tendencia central:
Dispersión:
Distribución:
Se puede seleccionar: cuartiles (percentiles 25, 50 y 75) dividen las
observaciones en cuatro grupos de igual tamaño. Puntos de corte para....
grupos iguales, donde proporciona los valores que dividen la muestra en n
grupos con el mismo número de casos. Percentiles, se van añadiendo los
percentiles que se consideran convenientes en el análisis.
Proporciona estadísticos descriptivos de posición: MEAN Media.
MEDIAN Mediana.
MODE Moda.

Estadísticos e-Books & Papers

SUM Suma.
Proporciona estadísticos que miden la dispersión o variación de los
datos:
STDDEV Desviación Típica.
VARIANCE Varianza.
RANGE Rango o amplitud.
MINIMUM Mínimo.
MAXIMUM Máximo.
SEMEAN Error típico de la media.
Para describir la forma y simetría de la distribución. SKEWNESS
KURTOSIS
Coeficiente de asimetría. Coeficiente de curtosis.
Por comando podemos especificar las opciones:
DEFAULT Es equivalente a especificar MEAN, STDDEV, MINIMUM y
MAXIMUM.
ALL Todos los estadísticos disponibles.
NONE Ninguno de los estadísticos disponibles.
Los valores son puntos medios de grupos (grouped). Permite indicar
que los valores de las variables listadas corresponden a marcas de clase o
puntos medios de intervalos de la misma longitud (valores agrupados), de
tal forma que dicha información se considerará en el cálculo de los n-tiles
y, en particular, de los percentiles y de la mediana. Si se especifica un
único valor a continuación del nombre de una variable, dicho valor
indicará la longitud de los intervalos y, si se especifica más de uno, los
valores listados se considerarán como las marcas de clase (en lugar de los
valores de la variable).
En el ejemplo propuesto hemos seleccionado los cuartiles, la mediana
y la moda al tratarse de una variable ordinal.
GRÁFICOS:
Se puede seleccionar los siguientes gráficos:

Estadísticos e-Books & Papers

 Tipo de gráfico Permite seleccionar los gráficos de barras
(BARCHART), histogramas (HISTOGRAM), con la inclusión de la
curva normal superpuesta si así se desea. También se puede incluir los
gráficos de sectores.
Valores del gráfico En los gráficos de barras o de sectores, se puede
etiquetar el eje de escala con las frecuencias o los porcentajes.
Por comando se puede seleccionar:
MINIMUM(n) En los histogramas, n será el límite inferior del primer
intervalo y, en los gráficos de barras, el mínimo valor.
MAXIMUM(n) En los histogramas, n será el límite superior del último
intervalo y, en los gráficos de barras, el máximo valor.
FREQ(n) El eje horizontal contendrá frecuencias: n es opcional e indica la
máxima frecuencia que se ha de representar en un intervalo.
PERCENT(n) El eje horizontal contendrá porcentajes; n es opcional e
indica el máximo porcentaje que se ha de representar en un intervalo.
En el ejemplo propuesto se ha seleccionado, el gráfico de barras y con
valores dados en porcentajes.
Finalmente, se puede seleccionar el FORMATO entrando en el siguiente
menú: FORMATO:

Permite controlar el formato de la tabla de frecuencias. Ordenar por

Estadísticos e-Books & Papers

Múltiples variables
Permite ordenar por los valores de los datos o respecto al recuento
(frecuencia de aparición de la categoría de la variable).
Cuando se desea generar tablas estadísticas para múltiples variables, se
puede mostrar las variables en una sola tabla (comparar variables) o bien
en tablas independientes (organizar resultados según variables).
Suprimir tablas con más de n categorías Impide mostrar tablas con
más de un número especificado de categorías.
Finalmente por comando, mediante el subcomando MISSING, se puede
controlar el tratamiento de los valores omitidos. Tiene la opción:
INCLUDE Los valores omitidos por el usuario serán considerados como
valores válidos.
Con los descriptivos y gráficos marcados en el ejemplo y la opción de
formato dada por defecto, al dar a pegar aparecerán los siguientes
comandos: Fichero de sintaxis
FREQUENCIES
VARIABLES=nivel
/NTILES= 4
/STATISTICS=MEDIAN MODE
/BARCHART PERCENT
/ORDER= ANALYSIS .
Que al ejecutarse marcando los comandos y subcomandos tenemos los
resultados siguientes:
Resultados del comando frequencies para la variable nivel Resultados
descriptivos:
ESTADÍSTICOS
Nivel
N
Mediana Moda
Percentiles Válidos 150 Perdidos 0
4.0000
4.00
25 3.0000
50 4.0000
75 6.0000
NIVEL
Frecuencia Porcentaje Porcentaje Porcentaje válido acumulado

Estadísticos e-Books & Papers

 Válidos Primarios sin c. escolaridad Certificado escolaridad Graduado
escolar
FP-I
BUP/COU
FP-II
Título de grado medio Título de grado superior
Total
16 10.7
15 10.0
21 14.0
32 21.3
22 14.7
19 12.7
14 9.3
11 7.3
150 100.0 10.7 10.7 10.0 20.7 14.0 34.7 21.3 56.0 14.7 70.7 12.7 83.3
9.3 92.7 7.3 100.0
100.0
Gráficos:
NIVEL 30
20 21
14
15 13 1011 10 9
7
0
nivel
9.4. Descriptivos. La opción DESCRIPTIVOS
Proporciona estadísticos descriptivos univariantes adecuados para
variables numéricas. Además permite crear nuevas variables con los
valores de variables existentes tipificados (z). Las variables se pueden
ordenar alfabéticamente, según el valor de su media u otros estadísticos y
conforme son referenciadas para el análisis (opción por defecto).
Problema-ejemplo
Supongamos el siguiente problema-ejemplo.
Se pretende saber los descriptivos de los ITEM1, ITEM2 y ITEM3, del
ejemplo que venimos utilizando, que como sabemos son los resultados de

Estadísticos e-Books & Papers

las pruebas realizadas a 150 alumnos de un instituto de enseñanza
secundaria. Además se pide que se salve las puntuaciones z de estas tres
variables
Desarrollo del ejemplo
Si utilizamos el SPSS para realizar el problema-ejemplo propuesto la
secuencia de ventanas del menú será las siguientes: Analizar
>Estadísticos descriptivos> Descriptivos.
Y aparecerá la siguiente ventana:

Al dar la orden descriptivos se entra en el siguiente menú:

Estadísticos e-Books & Papers

 Aquí se selecciona las variables sobre las que se realizar el análisis.
En el ejemplo propuesto se ha seleccionado: item1, item2 e item3.
También se ha marcado «Guardar valores tipificados como variables»
(puntuaciones z), conforme se había planteado en el problema.
En esta ventana tenemos acceso al menú de OPCIONES que permite
seleccionar estadísticos y orden de visualización.
OPCIONES:

Como estadísticos tenemos las siguientes opciones: Por defecto

(media, desv. típica, mínimo y máximo). Media y suma Dispersión
Distribución
Orden de visualización
Se muestra estos dos estadísticos
Se puede seleccionar: desv. típica (STDDEV), Mínimo (MINIMUN),
Máximo (MAXIMUN), Error típico de la media (SEMEAN), Varianza

Estadísticos e-Books & Papers

(VARIANCE) y amplitud o rango (RANGE).
Se muestran los coeficientes de asimetría (SKEWNESS) y curtosis
(KURTOSIS) y sus errores típicos.
Se puede seleccionar el orden de visualización de las variables:
Lista de variables. Según la lista de variables. Alfabético. Por orden
alfabético.
Medias ascendentes. Por medias ascendentes. Medias descendentes. Por
medias descendentes. Además, por comando, mediante el subcomando
SORT se puede ordenar por:
STDDEV
MINIMUM MAXIMUM SEMEAN
VARIANCE SKEWNESS RANGE
SUM
Desviación Típica.
Mínimo.
Máximo.
Error típico de la media. Varianza.
Coeficiente de asimetría. Rango.
Suma.
Y también por comando, mediante el subcomando MISSING se puede
controlar el tratamiento de los valores omitidos. Con:
INCLUDE Los valores omitidos por el usuario serán considerados como
valores válidos.
En el ejemplo propuesto se ha seleccionado el cálculo de la media,
desviación típica, el coeficiente de asimetría y el de curtosis. Además, se
ha pedido que se visualizara según el orden ascendente de sus medias y
que se salvara las variables tipificadas (z). Al dar la opción de pegar
aparecerá los siguientes comandos:
Fichero de sintaxis
DESCRIPTIVES
VARIABLES=item1 item2 item3
/SAVE
/STATISTICS=MEAN STDDEV KURTOSIS SKEWNESS
/SORT=MEAN (A) .
Resultados del comando descriptives para las variables item1,item2 y
item3

Estadísticos e-Books & Papers

N Estadístico
Media
Desv. típ. Asimetría
Curtosis Estadístico Estadístico
Estadístico Error típico Estadístico Error típico ESTADÍSTICOS
DESCRIPTIVOS
Comprensión lectora
150
4.1133 2.7963
.127
.198
-1.194
.394
Aptitud Prueba N válido verbal de inglés (según lista)
150 150 150 4.2400 4.4733
2.9440 3.0360
.041 -.032
.198 .198
-1.302 -1.323
.394 .394
Además de los resultados presentados, en el fichero de datos
tendremos tres nuevas variables: zitem1, zitem2 y zitem3, con los valores
tipificados de las variables item1,item2 e item3. Cuando salvemos el
fichero de datos quedarán definitivamente incorporadas al mismo.
9.5. Los comandos CORRELATIONS y NOPAR CORR
Proporciona matrices de correlaciones. Calcula el coeficiente de
correlación de Pearson (comando CORRELATIONS), la r de Spearman y
la tau-b de Kendall (comando NOPAR CORR) con sus niveles de
significación. Es interesante, antes de realizar los cálculos, eliminar los
valores atípicos porque pueden producir errores. Además conviene
recordar que el coeficiente de correlación de Pearson asume que cada
pareja de variables es normal bivariada.
Problema-ejemplo
Supongamos el siguiente problema-ejemplo.

Estadísticos e-Books & Papers

 Se pretende saber la correlación entre los item1, item2 y item3, del
ejemplo que se viene utilizando, que como sabemos son los resultados de
las pruebas realizadas a 150 alumnos de un instituto de enseñanza
secundaria.
Desarrollo del ejemplo
Si utilizamos el SPSS para realizar el problema-ejemplo propuesto la
secuencia de ventanas del menú será las siguientes: Analizar
>Correlaciones> Bivariadas. Y aparecerá la siguiente ventana:

Donde se seleccionará las variables conforme al menú:

Estadísticos e-Books & Papers

 En el ejemplo propuesto se ha seleccionado los tres ítems. Además
permite seleccionar:
Coeficientes de correlación . Indicar el coeficiente de correlación que
se debe utilizar: correlación de Pearson para variables cuantitativas en
escala de intervalo y suficientemente simétricas (se asume que la pareja de
variables son normal bivariada), r de Spearman para variables cuantitativas
ordinales o en escala de intervalo con distribución no simétrica y tau-b de
Kendall para ordinales.
Prueba de significación . Se puede seleccionar las probabilidades
unilaterales o bilaterales de la asociación entre las variables. Por defecto la
opción señalada es bilateral al no conocer la dirección de dicha asociación.
Marcar las correlaciones significativas. Opción dada por defecto. La
significación al nivel del 5% se identifica por medio de un asterisco y al
1% con dos asteriscos. También en esta pantalla se puede marcar
OPCIONES con lo cual se entra en la siguiente pantalla:
OPCIONES:

Estadísticos e-Books & Papers

 Estadísticos Para la correlación de Pearson, se puede elegir las
siguientes opciones:
Medias y desviaciones típicas Se muestran para cada variable.
Productos cruzados y covarianzas Se muestra para cada pareja de
variables. El producto cruzado es el numerador del coeficiente de
correlación de Pearson y la covarianza una medida de relación entre dos
variables.
Valores perdidos Tiene las opciones:
Excluir casos según pareja Se excluyen los casos con valores perdidos en
alguna de las variables de la pareja. Excluir casos según lista Excluye los
casos que tiene algún valor perdido en cualquier variable de la lista
seleccionada para el análisis. Aunque representa pérdida de información
esta opción es aconsejable cuando se desea utilizar la matriz de
correlaciones en procesos que requieran inversión de la misma.
Además, por comando, se puede en éste y en el comando NONPAR
CORR:
— Salvar la matriz de correlaciones de Pearson
(MATRIX=OUT(fichero)) para utilizarse como entrada en otros procesos,
como por ejemplo en el análisis factorial.
— Obtener correlaciones de una lista de variables con todas las
variables de otra segunda lista (se utiliza WITH en el subcomando
VARIABLES).
En el ejemplo, se ha seleccionado el cálculo de coeficiente de
correlación de Pearson, el cálculo de las medias y desviaciones típicas y
los productos cruzados. Asimismo se ha excluido los casos perdidos según
parejas de variables.
Fichero de sintaxis
CORRELATIONS
/VARIABLES=item1 item2 item3
/PRINT=TWOTAIL NOSIG
/STATISTICS DESCRIPTIVES XPROD
/MISSING=PAIRWISE
Ejecutando el fichero de sintaxis tenemos los siguientes resultados:
Resultados del comando correlations para los item1, item2 y item3
ESTADÍSTICOS DESCRIPTIVOS
Media Desviación típica N Comprensión lectora 4.1133 2.79630 150

Estadísticos e-Books & Papers

Aptitud verbal 4.2400 2.94395 150
Prueba de inglés 4.4733 3.03602 150
comprensión lectora
aptitud verbal
prueba
de inglés CORRELACIONES
comprensión aptitud prueba lectora verbal de inglés
Correlación de Pearson Sig. (bilateral)
Suma de cuadrados y productos cruzados Covarianza
N
1 -.086 -.035
.293 .672
1165.073 -106.080 -44.047 7.819 -.712 -.296 150 150 150
Correlación de Pearson Sig. (bilateral)
Suma de cuadrados y productos cruzados Covarianza
N
-.086 1 -.049 .293 .553
-106.080 1291.360 -65.040
-.712 8.667 -.437 150 150 150
Correlación de Pearson Sig. (bilateral)
Suma de cuadrados y productos cruzados Covarianza
N
-.035 -.049 1 .672 .553
-44.047 -65.040 1373.393
-.296 -.437 9.217 150 150 150
9.6. Análisis descriptivo de datos: GRÁFICOS
9.6.1. Tipos de gráficos
Además de los gráficos presentes en los comandos Frecuencias
(diagrama de barra o histograma) y Explorar (diagrama de caja, de tallo y
hojas e histograma), SPSS tiene un menú específico para crear un conjunto
de gráficos para representar una o más variables. Para realizar dichos
gráficos debemos seleccionar Gráficos en el menú del programa.
9.6.2. Los gráficos de barras, líneas, áreas y sectores
En general, estos cuatro tipo de gráficos sirven para representar
gráficamente la distribución de frecuencias de las variables (ver fig. 2.9.1 a

Estadísticos e-Books & Papers

2.9.4).
Los datos que pueden manejar estos cuatro tipos de gráficos son: — Si
seleccionamos gráficos de barra simple, gráficos de líneas simples,
gráficos de áreas simples o sectores, tenemos las siguientes opciones:
A. Resúmenes para grupos de casos
Se representarán las frecuencias de las categorías de una variable.
B. Resúmenes para distintas variables
Se representarán las frecuencias de las categorías de dos o más variables.
Cada barra, línea, área o sector, representa una de las variables.
C. Valores individuales de los casos
Se representarán las frecuencias de las categorías de una sola variable.
Cada barra, línea, área o sector, representa un caso individual. — Si
seleccionamos gráficos de barra agrupado o apilada, gráficos de
líneas múltiples o verticales y gráfico de áreas apilado, tenemos las
siguientes opciones:
A. Resúmenes para grupos de casos
Las frecuencias de las categorías que toma una variable se juntan con las
categorías de otra variable.
B. Resúmenes para distintas variables
Se resumen dos o más variables dentro de categorías de otra variable.
C. Valores individuales de los casos
Se resumen dos o más variables por cada caso.

FIGURA 2.9.1. Gráfico de barras.

Estadísticos e-Books & Papers

 FIGURA 2.9.2. Gráfico de líneas.

FIGURA 2.9.3. Gráfico de áreas.

FIGURA 2.9.4. Gráfico de sectores.

9.6.3. Diagramas de caja y barras de error Estos dos tipos de gráfico se
utilizan en la exploración de los datos (ver fig. 2.9.5 a 2.9.6).

FIGURA 2.9.5. Diagrama de caja.

Estadísticos e-Books & Papers

 FIGURA 2.9.6. Barras de error.
— Cuando seleccionamos diagramas de caja o error simple, tenemos las
siguientes opciones:
A. Resúmenes para grupos de casos
Se resume una única variable numérica en categorías de otra variable.
Cada cuadro muestra la mediana, los cuartiles y los valores extremos
contenidos en una categoría.
B. Resúmenes para distintas variables
Se resumen una o más variables numéricas. Cada cuadro representa una de
las variables.
— Al seleccionar diagramas de caja o error agrupado, tenemos las
siguientes opciones:
A. Resúmenes para grupos de casos
Se resume una única variable numérica en agrupaciones definidas por
una variable categórica. Cada cuadro de una agrupación representa una
categoría de una segunda variable categórica.
B. Resúmenes para distintas variables
Se resumen diferentes variables numéricas. Cada uno de los cuadros de
una agrupación representa una de las variables de resumen.
9.6.4. Histograma El histograma servirá para mostrar el número de
casos que se encuentran en cada intervalo de la variable seleccionada.
Como podemos observar en la fig. 2.9.7 se puede representar el histograma
junto con la curva normal.

Estadísticos e-Books & Papers

 FIGURA
2.9.7. Histograma.
9.6.5. Diagrama de dispersión

FIGURA 2.9.8. Diagrama de dispersión.

— Al seleccionar diagrama de dispersión simple, tenemos las siguientes
opciones:
A. Diagrama de dispersión simple
Se representa una variable numérica en función de la otra.
B. Diagrama de dispersión simple con variable de control opcional
Pueden representarse dos variables dentro de las categorías definidas por
una tercera variable (marcador). No debe confundirse con un diagrama de
dispersión superpuesto.
— Mediante diagrama de dispersión superpuesto, se puede:
Representar dos o más pares de variables y-x. Cada par se indica mediante
un marcador diferente.
— Al elegir diagrama de dispersión matricial, hay que tener presente
que:
El número de filas y columnas es igual al número de variables de la matriz
seleccionadas. Se muestran todas las combinaciones posibles de variables.
— Cuando escogemos diagrama de dispersión 3-D, tenemos: Se
representan tres variables en tres dimensiones.
9.6.6. Gráficos P-P y Q-Q

Estadísticos e-Books & Papers

 FIGURA 2.9.9. Gráfico P-P.
Crea un gráfico de las proporciones acumuladas o de los cuantiles, de
una variable respecto a las/los de una distribución cualquiera de prueba.
Estos tipos de gráficos suelen emplearse para determinar si la distribución
de una variable coincide con una distribución dada. Si los valores
empíricos de la variable seleccionada coinciden con los valores teóricos de
la distribución de prueba, los puntos formarán una línea recta.
SPSS tiene entre las distribuciones de prueba disponibles: la beta, chi-
cuadrado, exponencial, gamma, semi-normal, Laplace, logístico,
Lognormal, normal, Pareto, t de Student, Weibull y uniforme. Según la
distribución elegida, se indicará distintos grados de libertad y otros
parámetros.
También se puede probar los valores empíricos de distribuciones
transformadas. SPSS tiene las siguientes opciones de transformación: el
logaritmo natural, tipificar valores, diferencia y diferencia estacional.
Además, se puede especificar el método utilizado para calcular las
distribuciones esperadas, así como para resolver «empates», u
observaciones múltiples con el mismo valor.

Estadísticos e-Books & Papers

 FIGURA 2.9.10. Gráfico Q-Q.
Todos los gráficos indicados tienen la posibilidad insertarles un título,
etiquetas a los ejes, un marco exterior, usar una plantilla gráfica(para crear
gráficos similares a uno almacenado), manejar los casos perdidos y
exportarlos en varios formatos: metaarchivo de windows (.wmf),
metaarchivo cgm (.cgm), postscript (.eps), mapa de bits de windows
(.bmp), jpeg (.jpg).
9.6.7. Desarrollo de algunos ejemplos
En este apartado se desarrollarán algunos ejemplos de gráficos. Debe
quedar claro, que las posibilidades de distintas combinaciones en los
gráficos hace inabordable con exhaustividad su representación; no
obstante, se intentará abordar los casos más significativos.
9.6.7.1. Gráficos de barras, líneas, áreas y sectores
De estos cuatro tipos de gráficos, mostraremos como ejemplo un
gráfico de barras, los otros tres tipos de gráficos se realizarían de forma
similar e incluso una vez confeccionado uno de los cuatros sus datos nos
pueden servir para probar con otros; así por ejemplo si hemos creado un
gráfico de barras, conservando los datos, podemos ver su representación
mediante áreas.
Problema-ejemplo
Supongamos el siguiente problema-ejemplo.
Se pretende representar, mediante un diagrama de barras, la
distribución del ITEM1 con valores agrupados por NIVEL, del ejemplo

Estadísticos e-Books & Papers

que venimos utilizando, que como sabemos son los resultados de las
pruebas realizadas a 150 alumnos de un instituto de enseñanza secundaria.
Desarrollo del ejemplo
Si utilizamos SPSS para realizar el problema-ejemplo propuesto la
secuencia de ventanas del menú será la siguiente: Gráficos >Barras>
Seleccionar agrupado>Definir (ver fig. 2.9.1).
Y aparecerá la siguiente ventana:

Como vemos en el eje de categorías está seleccionada ITEM1, los

grupos se forman con la variable NIVEL y las barras serán el % de casos.
Además pulsando Títulos se inserta un título al gráfico.
Fichero de sintaxis
GRAPH
/BAR(GROUPED)=PCT BY item1 BY nivel /MISSING=REPORT
/TITLE= ‘Gráficos de barras del item1’.
Gráfico de resultados
Gráficos de barras del item1 40
nivel
Primarios sin c. escolaridad 30 Certificado escolaridad
Graduado escolar 20
10
0

FP-I

Estadísticos e-Books & Papers

BUP/COU
FP-II
Título de grado medio
Título de grado superior
comprensión lectora
00 1.00 2.00 3.00 4.00 5.00 6.00 7.00 8.00 9.00
9.6.7.2. Diagramas de cajas y barras de error
Problema-ejemplo
Supongamos el siguiente problema-ejemplo.
Se pretende representar, mediante un diagrama de cajas, la distribución
del ITEM1 con valores agrupados por NIVEL, del ejemplo que venimos
utilizando, que como sabemos son los resultados de las pruebas realizadas
a 150 alumnos de un instituto de enseñanza secundaria.
Desarrollo del ejemplo
Si utilizamos SPSS para realizar el problema-ejemplo propuesto la
secuencia de ventanas del menú será la siguiente: Gráficos >Diagrama de
caja> Simple>Definir (ver fig. 2.9.5).

Seleccionaremos la variable ITEM1 en función de las categorías de la

variable NIVEL.
Fichero de sintaxis
EXAMINE
VARIABLES=item1 BY nivel
/PLOT=BOXPLOT/STATISTICS=NONE/NOTOTAL
/MISSING=REPORT.
Gráfico de resultados
10
8
*59

Estadísticos e-Books & Papers

6
4
2
0
-2
N= 16 15 21 32 22 19 14 11
nivel

9.6.7.3. Diagrama de dispersión

Problema-ejemplo
Supongamos el siguiente problema-ejemplo.
Se pretende representar, mediante un diagrama de dispersión, la
relación entre los ITEM1 y ITEM2, del ejemplo que venimos utilizando,
que como sabemos son los resultados de las pruebas realizadas a 150
alumnos de un instituto de enseñanza secundaria.
Desarrollo del ejemplo
Si utilizamos SPSS para realizar el problema-ejemplo propuesto la
secuencia de ventanas del menú será la siguiente: Gráficos >Diagrama de
dispersión> Simple>Definir (ver fig. 2.9.8).
Seleccionaremos el ITEM1 en el eje X y el ITEM2 en el eje Y.
Además pondremos un título al gráfico: «Relación entre ITEM1 y
ITEM2».

Estadísticos e-Books & Papers

 Fichero de sintaxis
GRAPH
/SCATTERPLOT(BIVAR)=item1 WITH item2
/MISSING=LISTWISE
/TITLE= ‘Relación entre ITEM1 y ITEM2’.
Gráfico de resultados Relación entre ITEM 1 y ITEM 2 10
8
6
4
2
0
-2
-2 0246810 comprensión lectora
Como podemos observar en el gráfico no existe relación entre los dos
ítems.
9.6.7.4. Gráficos P-P
Problema-ejemplo
Supongamos el siguiente problema-ejemplo.
Queremos observar, mediante un gráfico P-P, si la distribución de la
variable ZITEM1, del ejemplo que venimos utilizando, que como sabemos
son los resultados de las pruebas realizadas a 150 alumnos de un instituto
de enseñanza secundaria, se aproxima a la normal.
Desarrollo del ejemplo
Si utilizamos SPSS para realizar el problema-ejemplo propuesto la
secuencia de
ventanas del menú será la siguiente: Gráficos >P-P (ver fig. 2.9.9).
Seleccionaremos la variable ZITEM1.
Fichero de sintaxis PPLOT
/VARIABLES=zitem1 /NOLOG
/NOSTANDARDIZE /TYPE=P-P
/FRACTION=BLOM /TIES=MEAN
/DIST=NORMAL.
Gráficos de resultados Normal gráfico P-P de Punt. Comprensión
lectora 1.00
.75
.50
.25

Estadísticos e-Books & Papers

 0.00
0.00 .25 .50 .75 1.00 Prob. acum. observada
Como podemos observar la distribución de frecuencias se aproxima a
la normal. Además lo reafirma el gráfico siguiente.
Normal gráfico P-P de Punt. Comprensión lectora .06
.04
.02
0.00
-.02
-.04
-.06
-.08
0.0 .2 .4 .6 .8 1.0 Prob. acum. observada
Donde todos los puntos están dentro de los márgenes admisibles de
desviación.
EJERCICIOS DE AUTOCOMPROBACIÓN
A la hora de realizar ejercicios conviene recordar que según la escala de
medida, los estadísticos y gráficos más utilizados son:
Estadísticos y gráficos en los estudios descriptivos.
Escala Estadísticos y gráficos
Nominal Distribución de frecuencias Moda
Diagrama de barras
Ordinal
Intervalo o razón Mínimo
Máximo
Mediana
Cuartiles
Percentiles
Rango intercuartílico
Gráfico de caja y bigotes
Media
Rango
Varianza
Desviación típica
Coeficiente de variación
Coeficiente de asimetría
Coeficiente de curtosis
Histograma Gráfico de tallo y hojas

Estadísticos e-Books & Papers

1. Las notas finales de 100 estudiantes de una Escuela Superior son las
siguientes:
11 46 58 25 48 18 41 35 59 28
35 2 37 68 70 31 44 84 64 82
26 42 51 29 59 92 56 5 52 8
1 12 21 6 32 15 67 47 61 47
43 33 48 47 43 69 49 21 9 15
11 22 29 14 31 46 19 49 51 71
52 32 51 44 57 60 43 65 73 62
3 17 39 22 40 65 30 31 16 80
41 59 60 41 51 10 63 41 74 81
20 36 59 38 40 43 18 60 71 44
Determinar:
a) El número de estudiantes con nota superior a 50 e inferior a 80. b) La
nota del estudiante número 38 en orden a la peor puntuación.
2. Dada la siguiente tabla de frecuencias de una variable continua.
Calcular su media.
Clase ni
10-15 3
15-20 7
20-25 16
25-30 12
30-35 9
35-40 5
40-45 2
3. Hállese la media, mediana, moda, desviación típica, asimetría y
curtosis de los siguientes valores:
49 48 43 42 49 41 42
43 43 44 44 51 53 54
51 59 58 57 56 54 51
54 53 64 62 64 63 62
61 62 68 68 67 66 69
4. Un colegio realiza un programa de mejora de comprensión lectora
mediante dos métodos A y B. De una forma descriptiva desea saber, ¿cuál
de los dos métodos hace ganar más vocabulario en los alumnos? Para ello
con 34 alumnos de iguales rendimientos, aplica una prueba y mide el
número de palabras comprendidas mediante el método A por 18 alumnos y

Estadísticos e-Books & Papers

el número comprendido mediante B por otros 16. Las palabras
comprendidas se dan a continuación:
AB
256 253
274 262
AB
264 214
281 256
284 244
232 272
283 259
262 254
293 223
300 245
261 234
273 291
280 261
289 245
290 243
275 257
282
276
Dibujar el diagrama box-plot, localizar los casos atípicos y comparar
las distribuciones dando respuesta a la pregunta formulada anteriormente.
5. Las calificaciones obtenidas, en un test de Estadística y en el examen
final, por diez alumnos, fueron los siguientes:
Test (x) 6,0 7,2 4,7 7,7 6,9 3,7 7,5 8,1 9,2 5,3 Ex. final (y) 5,0 7,8 4,0 8,1
7,0 4,0 9,0 7,5 8,7 3,2
a) Calcular medias, varianzas y covarianza de x e y. b) Calcular el
coeficiente de correlación lineal r.
SOLUCIÓN A LOS EJERCICIOS DE AUTOCOMPROBACIÓN
1. a) El fichero de sintaxis nos indica el proceso a realizar con la base
de datos del ejercicio que hemos denominado p1.sav
*********** primero ordenar el fichero de datos ************.
SORT CASES BY
x (A) .
********* seleccionar los caso que cumplen la condición***********.
IF (x > 50 & x<80) cont = 1 .

Estadísticos e-Books & Papers

EXECUTE .
************* calcular su frecuencia, es decir, el número de casos
************.
FREQUENCIES
VARIABLES=cont
/ORDER= ANALYSIS .
El resultado será:
Válidos Perdidos Total
cont
Frecuencia Porcentaje 1,00 30 30,0
Sistema 70 70,0
100 100,0
Como se puede observar habrá 30 casos comprendidos entre x>50 y
x<80 b) Como la base de datos p1.sav está ordenada se buscará el caso nº
38 y se ve que se corresponde con la nota de xi = 35.
2. El fichero de sintaxis será:
*** primero ponderar cada valor de la variable con su frecuencia ****.
WEIGHT
BY frec .
****** después calcular su distribución de frecuencia y su media ***.
FREQUENCIES
VARIABLES=x
/STATISTICS=MEAN /GROUPED= x
/ORDER= ANALYSIS .
Los resultados serán: ESTADÍSTICOS x N
Media Válidos 54 Perdidos 0
26,2037
x
Frecuencia Porcentaje
Porcentaje Porcentaje válido acumulado
Válidos 12,50 3 5,6 5,6 5,6
17,50 7 13,0 13,0 18,5
22,50 16 29,6 29,6 48,1
27,50 12 22,2 22,2 70,4
32,50 9 16,7 16,7 87,0

Estadísticos e-Books & Papers

37,50 5 9,3 9,3 96,3
42,50 2 3,7 3,7 100,0 Total 54 100,0 100,0
Como se observa la media es: 26,2
3. El fichero de sintaxis será:
FREQUENCIES
VARIABLES=x /FORMAT=NOTABLE
/STATISTICS=STDDEV MEAN MEDIAN MODE SKEWNESS
SESKEW KURTOSIS SEKURT
/ORDER= ANALYSIS.
Los resultados son: ESTADÍSTICOS x
N
Media
Mediana Moda
Desv. típ. Asimetría Válidos 35 Perdidos 0
54,71
54,00
43(a) 8,784
-,010
Error típ. de asimetría ,398
Curtosis -1,231
Error típ. de curtosis ,778
(a) Existen varias modas. Se mostrará el menor de los valores. 4. La
tabla de los cuartiles, de rango intercuartílico (IQR), media y desviación
típica es la siguiente:
Q1 Q2 Q3 IQR Media Desv. A 263,50 278,00 285,25 21,75 275,28
15,951
B 243,25 253,50 260,50 17,25 250,81 18,306
Por tanto los coeficientes de variación son:
CVA = 15,951/275,28 = 0,058 CVB = 18,306/250,81 = 0,073
Para el tipo A:
LI = 278-1,5*21,75 = 245,375 LS = 278+1,5*21,75 = 310,625
Fuera del intervalo (245,375; 310,625) se situarán los valores atípicos.
Para el tipo B:
LI = 253,50-1,5*17,25 = 227,6255 LS = 253,50+1,5*17,25 = 279,375
Fuera del intervalo (227,625; 279,375) se situarán los valores atípicos.
El diagrama de caja para ambas variables es:

Estadísticos e-Books & Papers

300 o12
280
260
240
o6

220
o3
200
ab Gráficamente se ve que A tiene una mediana mayor que B, y sólo un
valor atípico, mientras B tiene dos.
Se concluye que el método A da mejores resultados porque aprenden más
palabras y tienen menor coeficiente de variación.
El fichero de sintaxis es:
EXAMINE
VARIABLES=a b
/PLOT BOXPLOT
/COMPARE VARIABLES
/PERCENTILES(25,50,75) HAVERAGE
/STATISTICS DESCRIPTIVES EXTREME
/CINTERVAL 95
/MISSING PAIRWISE
/NOTOTAL.
5. Para el cálculo de los estadísticos se plantea la siguiente tabla: a)
Los estadísticos pedidos son:
ESTADÍSTICOS DESCRIPTIVOS
Media Desviación típica N x 6,630 1,6846 10
y 6,430 2,1649 10
CORRELACIONES
x y Correlación de Pearson 1 ,895(**) Sig. (bilateral) ,000
x
Suma de cuadrados y produc
tos cruzados 25,541 29,371
Covarianza 2,838 3,263 N 10 10
Correlación de Pearson ,895(**) 1 Sig. (bilateral) ,000
y
Suma de cuadrados y produc

Estadísticos e-Books & Papers

tos cruzados 29,371 42,181
Covarianza 3,263 4,687 N 10 10
** La correlación es significativa al nivel 0,01 (bilateral).
b) El coeficiente de correlación de Pearson ya ha sido calculado en la tabla
anterior y su valor es: 0,896.
El fichero de sintaxis es:
CORRELATIONS
/VARIABLES=x y
/PRINT=TWOTAIL NOSIG
/STATISTICS DESCRIPTIVES XPROD
/MISSING=PAIRWISE .
BIBLIOGRAFÍA
ARCE, CONSTANTINO;REAL, EULOGIO (2002): Introducción al análisis
estadístico con SPSS. PPU. Barcelona.
CALOT, G. (1974): Curso de Estadística Descriptiva. Paraninfo. Madrid.
CAMACHO ROSALES, JUAN (2002): Estadística con SPSS versión 11 para
Windows. Ra-Ma, Librería y Editorial Microinformática. Madrid.
CUADRAS, C. M.; ECHEVERRÍA,B.; MATEO, J.; SÁNCHEZ, P. (1991):
Fundamentos de Estadística. PPU. Barcelona.
FERRÁN ARANAZ, MAGDALENA (2002): Curso de SPSS para Windows.
McGraw-Hill/ Interameri cana de España. Madrid.
LIZASOAIN HERNÁNDEZ, LUIS; JOARISTI OLARRIAGA, LUIS (2003): Gestión y
análisis de datos con SPSS. Thomson Paraninfo. Madrid.
MARTÍN F. G. (1994): Introducción a la Estadística Económica y
Empresarial. AC. Madrid. PARDO MERINO, ANTONIO;RUIZ DÍAZ, MIGUEL
ÁNGEL (2002): SPSS 11. Guía para el análisis de datos. McGraw-Hill/
Interamericana de España. Madrid.
PEÑA D. (1992): Estadística, Modelos y Métodos. Volumen I. Alianza
Universidad Textos. Madrid. PEÑA D. (1992): Estadística, Modelos y
Métodos. Volumen II. Alianza Universidad Textos. Madrid.
P ÉREZ, CÉSAR (2001): Técnicas estadísticas con SPSS. Pearson
Educación. Madrid. RÍOS, S. (1974): Métodos estadísticos. Ed. del Castillo.
Madrid.
SPIEGEL, M. R. (1992): Estadística. McGraw-Hill. Madrid.
VISAUTA VINACUA, B. (2002): Análisis estadístico con SPSS 11.0 para
Windows. McGraw-Hill/ Interamericana de España. Madrid.

UNIDAD DIDÁCTICA 3

Estadísticos e-Books & Papers

MUESTREO Y ESTIMACIÓN
Objetivos
Distinguir los conceptos básicos del muestreo estadístico. Distinguir
los diferentes tipos de muestreos.
Calcular el tamaño de la muestra para los diferentes muestreos.
Resolver supuestos donde se utilicen los distintos tipos de muestreos.
Utilizar programas con SPSS para el cálculo del tamaño muestral para
diferentes tipos de muestreo.
Conocer las propiedades de estimadores y reconocer las características de
bondad de los mismos.
Identificar y cuantificar los riesgos en las decisiones sobre parámetros
poblacionales.
Calcular los principales estimadores de la media, varianza, diferencia de
medias y proporciones.
1. TEORÍA ELEMENTAL DEL MUESTREO. TIPOS DE
MUESTREOS
1.1. Introducción
Al estudiar las características de un grupo de individuos u objetos,
podemos o bien examinar el grupo entero, llamado población o universo o
bien examinar una pequeña parte del grupo, llamada muestra.
Además de población y muestra existen algunos términos relacionados
con el muestreo que se necesitan conocer con cierta precisión:
— Elemento. Es un objeto en el cual se toman las mediciones.
— Población. Es un conjunto de elementos acerca de los cuales se
desea hacer inferencias.
— Unidades de muestreo. Son grupos excluyentes de elementos de la
población que completan la misma.
— Marco. Es una lista de unidades de muestreo.
— Muestra. Es una colección de unidades seleccionadas de un marco o de
varios.
Veamos un ejemplo que clarifique estos conceptos. En una ciudad se
realiza una encuesta para determinar la actitud del ciudadano frente a una
colección de fascículos antes de su lanzamiento al mercado. En concreto,
se quiso saber la proporción del público favorable a su introducción en los
circuitos comerciales.

Estadísticos e-Books & Papers

 En el ejemplo los elementos serán los potenciales encuestados,
habitantes de la ciudad, de los que se toma como medida su actitud ante el
lanzamiento del producto (1 = actitud favorable, 0 = actitud contraria a su
implantación).
La población es el conjunto de habitantes de la ciudad. Para definir
con precisión la población se necesita concretar los elementos que la
definen y la medición que se va a realizar con los mismos.
Las unidades de muestreo pueden ser los habitantes de la ciudad o
por ejemplo los hogares de la ciudad, consumidores de fascículos. Las
unidades de muestreo deben ser disjuntas de tal manera que un hogar no
pueda ser muestreado más de una vez.
El marco puede ser una lista de todos los hogares de la ciudad
obtenida del censo de la misma.
Finalmente, una muestra puede ser un conjunto de hogares seleccionados
del marco.
La teoría del muestreo estudia la relación entre una población y las
muestras tomadas de ella. Es de gran utilidad en muchos campos. Por
ejemplo, para estimar magnitudes desconocidas de una población, tales
como media y varianza, llamadas a menudo parámetros de la población o
simplemente parámetros, a partir del conocimiento de esas magnitudes
sobre muestras, que se llaman estadísticos de la muestra o simplemente
estadístico.
Muestreo Población Muestra
Inferencias a cerca de la población:
Intervalo de confianzaEstadístico Análisis de datos
FIGURA 3.1.1. Intervalo de confianza.
La teoría del muestreo es también útil para determinar si las diferencias
observadas entre dos muestras son debidas a variaciones fortuitas o si son
realmente significativas. La respuesta implica el uso de los llamados
contrastes o tests de hipótesis y de significación.
Muestreo Población
Muestra
Conocimientos o Supuestos previos Análisis de datos
Hipótesis acerca de la población Confrontación de las hipótesis con los
datos Estadístico

Estadísticos e-Books & Papers

Rechazo
de la hipótesis

FIGURA 3.1.2. Contraste de hipótesis.

Para que las conclusiones de la teoría del muestreo y de la inferencia
estadística sean válidas, las muestras deben escogerse representativas de la
población. Una forma de obtener una muestra representativa es mediante
muestreo aleatorio, de acuerdo con el cual, cada miembro de la población
tiene la misma probabilidad de ser incluido en la muestra.
Cochran (1975) enumera cuatro ventajas que aporta el empleo del
muestreo estadístico: «costo reducido, mayor rapidez, mayores
posibilidades y mayor exactitud».
1.2. Diseños muestrales
La selección de la muestra de un marco apropiado puede realizarse por
procedimientos probabilísticos, es decir, con procedimientos que aseguren
a cada una de las unidades muestrales una probabilidad de ser
seleccionadas, entonces se tendrá los muestreos probabilísticos. Cuando no
ocurre tal hecho se tendrá los muestreos no probabilísticos.
Los principales muestreos probabilísticos son: aleatorio simple,
estratificado, por conglomerados y sistemático.
Entre los segundos están: por cuotas, el intencional o deliberado y el
accidental.
Aún cuando el capítulo se dedicará a revisar el primer grupo, del
segundo el muestreo por cuotas suele auxiliar al muestreo probabilístico
para conservar cierta representación de grupos destacados en la
investigación. En el muestreo intencional el investigador selecciona la
muestra de modo directo para asegurarse la presencia de elementos
necesarios en la investigación. El muestreo accidental se caracteriza por
utilizar las muestras que tienen a su alcance.
1.3. Selección de la muestra en diseños probabilísticos Como
sabemos el objetivo del muestreo es estimar parámetros de la población
como la media, el total o la proporción de un determinado atributo. Si qes
el parámetro en estudio y ^ el estimador del mismo. Para la selección deq
la muestra será necesario tomar dos decisiones:
a) Fijar una cota para el error de estimación:
^
Error de estimación =|q– q|<e

Estadísticos e-Books & Papers

|<e
a) indicador del número de veces que al repetir el muestreo y medir el
parámetro, el error de estimación se mantiene menor que una cantidad
fijada (e).
mantiene menor que una cantidad fijada (e).
a)
)
a) = 0,95 y las distribuciones de los estimadores son aproximadamente
normales para tamaños muestrales razonablemente grandes. El objetivo del
investigador será conseguir un diseño que produzca mínimo e con un coste
reducido.
A continuación se detallarán los distintos tipos de diseños probabilísticos.
1.4. Muestreo aleatorio simple
Extraer una muestra aleatoria simple de n unidades, elegidas entre las N de
la

Estadísticos e-Books & Papers

 población, es escogerla de manera que
todas las N() muestras posibles tengann
la misma probabilidad de ser elegidas. Así por ejemplo, si en un
instituto de 1200 alumnos se quieren elegir 60 alumnos de forma aleatoria,
habrá:

Ê1200ˆ 1200! = 1141 1142..1199 1200 102ËÁ ¯˜=

60
10
()–!! 1 2 3ºº = ¥

muestras diferentes que tendrán 60 =1 probabilidad cada muestra de

ser1200 20
elegida.
Para seleccionar una muestra aleatoria simple el primer paso es
confeccionar una lista de objetos de los cuales se seleccionará la muestra.
Estos objetos, según se ha comentado, son las unidades muestrales.
La manera más sencilla y más segura de obtener una muestra aleatoria
de n unidades muestrales de una población grande N, es utilizar una tabla
de números aleatorios, comprendidos entre 1 y N, y elegir n. Los números
así elegidos forman la muestra. Este esquema de muestreo donde las
unidades muestrales no regresan a formar parte de nuevo para la siguiente
elección se llama muestreo sin reemplazamiento. Si vuelven a formar parte
de la elección el muestreo es con reemplazamiento. En la mayoría de
programas estadísticos de ordenador hay funciones de librería para extraer
los números aleatorios. Por ejemplo SPSS tiene distintos comandos para
este fin:
COMPUTE x = UNIFORM(10)
EXECUTE
Genera números aleatorios de distribución uniforme en el intervalo (0, 10).
1.4.1. Estimación de media, total y proporción
Para fijar ideas se supone el siguiente ejemplo.
Ejemplo 3.1.1

Estadísticos e-Books & Papers

Los resultados obtenidos por una muestra de 10 alumnos de una
población de 100, en una prueba de matemáticas es:
Número de ejerciciosAlumno terminados
yi
Número Sexo de ejercicios bien xi resueltos zi
Número
de ejercicios mal resueltos
wi
14
24
35
46
56
63
77
85
95
10 4
Total 49
02
02
03
02
13
11
03
02
12
12
4 22
2
2
2
4
3
2
4
3

Estadísticos e-Books & Papers

3
2
27
Estimador de la media poblacional
Si se denota por
m
la media poblacional
–
y por la media muestral, esta última es un estimador insesgado de la
primera. Es decir:
E(
–
y) = m
En el ejemplo 3.1.1:
n
Âyi 49
yi=1= ==
n 10 49
Además debemos estudiar la bondad del estimador que vendrá dado por la
varianza:

V()=s2 ÊNn ˆ [1]n ËÁN –1¯˜

Donde:

N 2Ây –()
i
s
2es la varianza poblacional =i=1
N
Como en la mayoría de los casos se desconoce s 2, pero se sabe que el
estimador insesgado de la cuasi-varianza poblacional de la media es la
cuasi-varianza muestral de la media. Es decir, se cumple:
E(s2) = S2
Donde: n

Estadísticos e-Books & Papers

 N 2 Â()2Â
()

2 es la cuasi-varianza poblacional y 2s =i=1 la cuasi

S=i=1 n –1N –1
varianza muestral (recuérdese la equivalencia, para abreviar las notaciones,
entre s^2 = s2).
Y que existe la relación Ns2 = (N – 1)S2 ó Ns2 = (N – 1)s2 al sustituir por
su estimador. Entonces la estimación de la varianza de la media muestral
será:

ˆVy()=s ÊNnˆ– ––Ê22 2ˆ () [2]

n ËÁ N ¯˜= n ËÁ1
N ¯˜=n
donde f= n se llama fracción de muestreo y Nn corrección por poblacioN N
nes finitas.
En el ejemplo 3.1.1 :

VyssÊ22ˆ ()= 0,129

() ËÁ10 1– 10100¯˜= 10 0,9

nn

2 22Â Â iyny

s2 =i= = 1 253 – 240,1 1,43n – = = =

11 9
El intervalo de confianza donde, en el (1 – a)%, de las veces estará el
parámetro poblacional m será:
ˆ

ykVy ()
donde k: factor de desviación y le corresponde, en general, una

Estadísticos e-Books & Papers

confianza P:P 1 . En la mayoría de los casos k = 2, y si la distribución del
estimakk>1– k2
dor es normal Pk = 0,954.
En la fórmula [2] si N se hace muy grande frente a n, en la práctica
Scheaffer (1986,
1
pág. 46) aconseja tomar esta medida cuando n£ 20 N, entonces f=0 y por
tanto:

ˆ()=s2

n
Estimador del total poblacional
Si se denota por Y al total poblacional de la característica y. Un estimador
de Y será:
ˆ =YNy
En el ejemplo 3.1.1:
Y
ˆ
49
=◊
100 10 = 490 ejercicios terminados La varianza será:

ˆˆ()=()=2 ()

Donde su estimación será:

2222 2
– ––
2 1 ˆˆ

Estadísticos e-Books & Papers

 ()
ˆ

= ()=
n ËÁN ¯˜= () ()
nNN n nNf
Su intervalo de confianza será: ˆˆˆ

Estadísticos e-Books & Papers

 YkVY ()
Estimador de la proporción poblacional
Supongamos que A es el número total de individuos que presentan un
atributo. En el ejemplo 3.1.1, sea el atributo ai, el sexo, que toma el valor 1
si el alumno es mujer y 0 si es hombre. Es decir, en general:
a
i
=ÏÌÓ
1 si el elemento tiene el atributo
0 si el elemento no tiene el atributo¸˝˛
N
A=
-
A y B = N – A, por tanto Q =B =NA = 1 – PÂa . Sea P =
i N N Ni=1
n
Âai aElestimador de P será p=i=1 n= n Es un estimador insesgado E(p) = P
El estimador de A será:
ˆAN N a
== n
^
Es también un estimador insesgado: E( A)=A Realmente al ser A una
variable dicotómica se cumple:
A = Y;
yp
s
22 N - 1 n
= = s; pero s = pqN n-1
Por tanto todas las fórmulas de la varianza quedan así:
V(p) =
Nn PQ N -1 n
Vp Nnpq
= N n -1

Por tanto el intervalo de confianza para p será: ±pk Vpˆ()

Para A se cumplirá las fórmulas vistas para el total:
( ˆ)() ()22NNnPQVA V N NV= = =

N -1 n Donde su estimación será:

Estadísticos e-Books & Papers

VA NV p N NnÊ ˆ pq
= = ËÁ N ¯˜ 1

Por tanto su intervalo de confianza será:

ˆ±Ak VAˆ( ˆ)
En el ejemplo 3.1.1:
A = 4 cuando sexo = 1 y n-a = 10-4 = 6 por tanto
p=
a4
==
n 10 04
Y por tanto
Vp
ˆ()
=
100-10 0406
100 10 1 = 0,024-
ˆ
A = 100.0,4 = 40
y su estimación de varianza será: ˆ( ˆ) = 1002 100-10 0406 240100 10- = En
resumen se puede plantear la siguiente tabla:
TABLA 3.1.1. Estimadores, varianzas e intervalo de confianza: media, total
y proporción.
Parámetro
Estimador Varianza Estimador Intervalo del parámetro del estimador de la varianza de
confianza
n

Âyi Vy()S2 ˆ()s2 ˆ()Mediai

y
=

=1 = 1 () Vy = 1 () yk Vy

n nn
s2
Total
ˆYNy VY N V y =( ˆ)() VY = ˆ( ˆ)() ± ˆˆ( ˆ)
nNf

Estadísticos e-Books & Papers

Proporción
p=
a Nn PQ Vp Nnpq
V(p) =
n -1pk Vpˆ()n N -1 n N
ˆ=ANp VA NV p( ˆ)() ˆ( ˆ)VA NV p2 ˆ()ˆ ±Ak VAˆ( ˆ)
1.4.2. Selección del tamaño de la muestra para la estimación de la
media, total y proporción
El elegir un número adecuado de unidades muestrales presenta un ahorro
en tiempo, dinero y una mayor eficacia.
Para calcular el tamaño de la muestra, según se ha visto en el punto tercero
del tema, el investigador necesita:
a) Fijar un error de estimación (e). Los valores más utilizados son siempre
inferiores al 10% (e=0,1).
b) Fijar un valor k para un nivel de confianza. En la mayoría de los
casos k=2, que en el supuesto de distribución normal del estimador,
representará el 95,5% de nivel de confianza, de que los intervalos
formados por
ˆ kV(ˆ) cubran al parámetro q.qq
Media poblacional
Como k=e, entonces, por lo visto anteriormente,
s Ê22ˆe
n ËÁNn
- ¯˜=
k2N -1
Como en la mayoría de los casos se desconoce
s
2 y debe reemplazarse V(– ) por
y
su estimador
Vy
ˆ()
=
-
s2 Nn entonces:
nN
s
22-= fi= s2
Nn[3]n N k2 e2 s2
+ Nk2

Si la población es infinita o el muestreo es con reemplazamiento

Estadísticos e-Books & Papers

222s e 2 k2
Vy
ˆ()
s por tanto
= =fi==k nn se2n n
A la fórmula anterior se puede llegar mediante el límite, cuando N tiende a
infinito, de la expresión [3].
En el ejemplo 3.1.1 el tamaño de muestra apropiado con e=0,05 y k=2
será:
n 143 ª 95= 0052,,143

22 + 100
Total poblacional
Para estimar, con el total poblacional, el tamaño de muestra adecuado es:
ˆ()VNy NV y2 ˆ() por tanto
s
22n Ns22
NN n
()
e
- =fi=
n k2 e2 2
k2 +Ns
En el cálculo del tamaño muestral, en este caso, no tiene sentido hablar de
población infinita.
Proporción
En el cálculo de p= a , sabemos que V(p) =Nn- PQ , por tanton N -1 n
N PQNn PQ e2
N -1
N
- = fi=
n
k
22
e 1 PQ +1
k2
Si la población es infinita o el muestreo es con reemplazamiento el tamaño
muestral será el límite de la expresión anterior cuando N tiende a infinito.
PQ 2kPQ nn = = =
• 2 e2e
k2
Cuando no conocemos PQ pero si se sabe el máximo valor que puede
tomar

Estadísticos e-Books & Papers

P=Q= 1 , lo habitual es coger ese valor extremo como estimador de PQ.
Entonces 2
las fórmulas anteriores quedarán así:
N
Población finita:
n
=
e
2
41
Población infinita:
nn
•
= = k2N -1
4e2
2
k +1
En el ejemplo 3.1.1, la muestra apropiada en las condiciones más
desfavorables del muestreo
100 P = Q =1, k = 2, e = 0,05 n=99 ª 802 40 052 1
4+ 99 En resumen se puede plantear la siguiente tabla:
TABLA 3.1.2. Cálculo del tamaño de la muestra. Muestreo aleatorio simple.
Parámetro Población finita Población infinita s2 Media
n = e2 s2 ns2 k 2 +
=
N
e
2
k2
Total
=
n Ns22
e2 k2 +Ns2
N PQ 2Proporciónn =N - 1
2
e 1 n kPQ
PQ e2
k2 + 1
N
Caso P = Q = 12, n= e241 n = k2N -1
2 4e2
k +1

Estadísticos e-Books & Papers

Nota: En el caso de un muestreo aleatorio simple, una unidad muestral contiene solamente un
elemento.

1.5. Muestreo estratificado

Un procedimiento para reducir los costos de sondeos de opinión
pública o de los consumidores, es dividir en segmentos, llamados estratos,
la región geográfica en la cual residen los elementos (personas) de la
población. Se seleccionan muestras dentro de cada estrato; después se
combina esta información para hacer inferencias acerca de toda la
población.
El muestreo aleatorio estratificado tiene otra ventaja, aparte de la
económica, no solamente puede combinar la información de las muestras
de los estratos para obtener inferencias de la población, sino también
utilizar la información de la muestra acerca de la característica de cada
estrato. Por ejemplo nos permite ver la diferencia en la opinión entre
hombres y mujeres.
La principal limitación del muestreo estratificado es que se requiere
conocer de antemano los factores importantes de la población, así como
sus proporciones relativas.
Para obtener mayor precisión en las estimaciones, con este tipo de
muestreo, se debe perseguir que los estratos cumplan la condición de que
la varianza intra-estrato sea mínima y la varianza entre-estrato máxima,
con este ideal reduciremos el error muestral o conseguiremos reducir el
tamaño muestral si deseamos mantener el mismo error muestral, es decir,
lograremos mayor eficacia.
Para seleccionar una muestra aleatoria estratificada habrá que
especificar claramente los estratos. Después se seleccionará una muestra
aleatoria de cada estrato.
Por ejemplo, se supone que se va a realizar una encuesta para estudiar
los hábitos de lectura en un núcleo de población donde hay tres zonas
perfectamente diferenciadas: A=zona rural, B=zona semi-urbana y C=zona
urbana. Para realizar el muestreo se elegirá aleatoriamente, de cada zona,
las unidades muestrales pertinentes. Si N es el tamaño poblacional y L el
número de estratos:
N1¸
N
Ô

Estadísticos e-Books & Papers

2Ô L...Ô ÂN NN ˝ = =
L estratos N tamaño del estrato
j Ô jj
...
Ô j=1
ÔN
L˛
Llamaremos Wj el peso del estrato j dentro de la población
N
j
siendo
L
Wj = =ÂWj 1
N j=1
1.5.1. Estimadores de la media, el total y la proporción poblacional
Media poblacional
Se cumplirá:
1
N
1
N
2
N
L
LLjj
yst N Ny N y11 2 2 ........ L L] 1 N 2= + + + = + + + =NyWyÂN y j=1
El estimador de la varianza de
– yst:
Vy
1 2122 ˆ( 2 NV y2 ˆ()] N 2 N 2
stˆ() [ 2 L L N Vyˆ()1 N Vyˆ(2+ + + = + + + =N Vyˆ()LLjj ˆ()N NV y NV y
N2L 12

Â
j=1
Vy Nn
- s2
jj j
j
=Como , sustituyendo: Nj nj
L WNn- s2

Vy

Estadísticos e-Books & Papers

ˆ() jj j st = Âj Nj njj=1
nótese que s2 es la cuasi-varianza muestral.j
El intervalo de confianza de la media poblacional será:
stykVyˆ()st
En el ejemplo anterior de los hábitos de lectura supongamos los siguientes
datos:
Ejemplo 3.1.2
Zona A Zona B Zona C n1=18 n2=10 n3=12
–1=34 –y2=25,2 – y y3=18,5 s2=35,4 s2=210,2 s2=86,81 2 3 N1=160
N2=72 N3=98
N = N1 + N2 + N3 = 160 + 72 + 98 = 330
3ywy Vy wNn 3 - s2 jj j

st  Âj Nj njj= =1
160 16 72 12 98 49ww w
12 3= = = = = = 330 33 330 55 330 165
16 12 49
yst= + + =33 34 55 25 2.., ., ,27 477 165 18 5
Vy
st
=Ê
ËÁ ˆ
22 2
ˆ() ,, ,
+Ê
ËÁ ˆ
72 10+ÊËÁ
ˆ 86 8 165
¯˜
98
12 = 1 8318 160 18
Total poblacional
LL
ˆ
st st= = =Âj j Âj j
j=1 j=1
La estimación de la varianza de Yˆst será:

Estadísticos e-Books & Papers

L ÊNNnjj ˆs2
VY
ˆ( ˆ ) j
st = =st j
N V yˆ() Â22ÁÁ Nj ˜˜njj=1 Ë ¯
Por tanto el intervalo de confianza será:
ˆˆ( ˆ )
stYkVYst
En el ejemplo 3.1.2 conocido styVyˆ()= 1,8318 entonces:st
ˆ =YNy = 330.27,477 = 9067,4
st st
VY
ˆ( ˆ )
2
ˆ() .,
N V yst= = 199480st
Proporción poblacional p
N
N
NL

Â
p
ˆ 1 (ˆˆ ˆ ) ˆˆ 2= + + + = + + + =.........ˆˆLLjjst N Np N p11 2 2 N pL L N 1 N 2 Npwp
j=1
ˆ
El estimador de la varianza de pst será:
Vpstˆ( ˆ)[
LLˆˆ
jj jj
N NV p NV pj
1 2ˆ( ˆ ) 2 ˆ( ˆ ) wV p 22 2wNn- pq
2 L ˆ( ˆ )]L Â
NV p = +++ = =
j Âj N j nj -1j=1 j=1
El intervalo de confianza será:
ˆst ±pkVpˆ( ˆst )
En el ejemplo 3.1.2 supongamos que se sabe que el número de hogares
donde se lee algún libre de aventuras se distribuye en los estratos de la
siguiente manera:

Estadísticos e-Books & Papers

Núm. de hogares Estrato
Tamaño donde se leeˆ de la muestra algún libro depj aventuras
A 18 8 0,44 B 10 4 0,4 C 12 6 0,5
La estimación de la proporción de personas que leen algún libro de
aventuras en la población será:
L
ˆˆ 16 12 49
st
pwpj j= = + +
Â5504 165 0 5 = 0,44909j=1 33044
L
ˆ( ˆ
Vp ÂwVp2 ˆ( ˆ )j pero:st )=j
j=1
ˆˆ
Vp Nnpq11 = 160-18.,.,044056 = 0,012864
1 11
N n1 -1 160 18-11
ˆˆ
ˆ( ˆ )22
N
Vp Nn pq 72-10. ,.,0406 = 0,0229632 22 n2 -1= 72 10-12
ˆˆ
Vp Nn
pq
33 98-12. ,. ,0505 = 0,019944
3 33 n3 - 1=

N 98 12-13
En consecuencia
Vp
st
=Ê
ËÁ ˆ
22 2
ˆ( ˆ)., ., .,+ÊËÁ ˆ +ÊËÁ49 ˆ 0 019944= 0,005876165¯˜
1.5.2. Cálculo del tamaño muestral para la estimación de la media total y
proporción poblacional
Media
LWS22

Estadísticos e-Books & Papers

Â
jj
wjn=j=1

2 1 LeÂ

+
N WS
2
k
2 jj
j=1
Total
LNS22
Â
jj
wjn=j=1
2 Le +ÂNS2
k
2 jj j=1
Proporción
L N PQ
j jjÂW2
j N -1 w
j jn= j=1
2 1 L N2e Âj PQ
+
N
j
-
1
jj22
kNj=1
n
j
es la cuasivarianza poblacional. Recordar que
S
2
=
N j - 1 jjj =
Nj PQ donde y S jn
1.5.3. Afijación Se denomina afijación al reparto del tamaño muestral n

Estadísticos e-Books & Papers

entre los distintos estra
L
tos de tal forma que se verifique =Ânnj . Puede ser de distintos tipos:
j=1
a)
Afijación uniforme,
donde se reparte por igual entre todos los estratos n j
=
n L b) Afijación proporcional, la que se hace en proporción al tamaño
del estrato.
nj =cte. Teniendo, en este caso, todas las unidades muestrales la
mismaNj
probabilidad de ser seleccionadas en la muestra.
c) Afijación óptima o de mínima varianza, donde se eligen los nj de forma
que minimicen la varianza para un n fijo:
nNSjj nj =L
ÂNSjj
j=1
d) Afijación para un coste, en la que se eligen los nj de forma que
minimicen la varianza para un coste fijo, C que generalmente se expresa
como
L
cc nc0
= +Âjj donde cj es el coste de elegir una unidad en el estrato j y
j=1
c0 es el coste inicial, se obtiene los tamaños:
1NSjj

ncj nj =L 1ÂNSjj
jcj=1
o también 1
n
()0 cc WSjj cj nj = L
Â
WS c
jj j
j=1

Si se diera el caso que el tamaño de nj es mayor que el tamaño del

estrato Nj , evidentemente inviable. El problema se resuelve dando al

Estadísticos e-Books & Papers

estrato j el tamaño Nj y repartiendo el resto de unidades nj – Nj entre los
demás estratos, siempre conservando el tamaño total, n, de la muestra. Este
cambio alteraría la varianza del estimador, que se debería modificar.
Es interesante destacar la influencia del tipo de afijación en el error de
muestreo. Sea por ejemplo 3 estratos de tamaños: N1=100, N2=400 y
N3=500. Se elige una muestra de n=100. ¿Qué precisión se tiene con los
datos de la siguiente tabla?. Observar el resultado para afijación
proporcional y para afijación optima.
Estrato Nj Sj
1 100 50
2 400 5
3 500 6 1000
a) En la afijación proporcional se tiene:
n 100 100
nN 100 50jj Nnn n12 3.. .= = == = = =
1000
2 L 1 -= -=S2
Vy
S
ˆ() 2L jj j j
st
Nj

= j ÂnNWN njj j njj= =j j 1

NnL Nn L =11

ÂÂ
j
=N jjNS2 N
n
j j 1n j 1= =
=
1 1000-100
1000
2

Estadísticos e-Books & Papers

..278000= 2,502 100
luego el error de estimación será
Vystˆ() ,2 502 = 1,5818
=
b) En la afijación optima
nn NS
jj
nn n100.. .3000 30j L 10000= ====== 10000ÂNS
5000 2000
12 3 100 10000
jj
j=1
Vyˆ() = L jjS222 LWS22
-=
jj
WNn
st
j
N

 ÂÂNjj 1 j nj n

= ==j j 1
nn NSjj
j
=
como entonces L
ÂNSjj
j=1
Ê L ˆ2
ÁÁÂWSjj˜˜L 2 1
Vy
ˆ()= Ëj=1 ¯ 110
2
st nN WSÂ - 1000 278= 0,722jj 100j=1
Por tanto el error de muestreo Vyst =ˆ() ,0 722 = 0,8497 . Como se puede
apreciar se consigue menor error muestral con la afijación optima.
1.6. Muestreo por conglomerados
Un conglomerado es una colección de elementos que tiene una
configuración parecida a la población de que procede.
Cada conglomerado es un grupo natural constituyente de la población, así

Estadísticos e-Books & Papers

por ejemplo: las casas que componen una manzana, las personas que
integran una familia.
La principal ventaja que aporta este método es su bajo coste, por la
facilidad de elección de los elementos muestrales. Por contra su principal
inconveniente es el posible error sistemático que se pueda incurrir al elegir
por ejemplo un determinado bloque que sea poco representativo de la
población.
El muestreo por conglomerados (monoetápico) en realidad es una
variante del aleatorio simple o el estratificado con la única salvedad que en
este caso las unidades muestrales no son los individuos sino los propios
grupos (conglomerados), elementos naturales de la población. Este tipo de
muestreo debe perseguir que la varianza intra-conglomerado sea elevada y
la varianza inter-conglomerados baja.
Scheaffer (1986, página 197) aconseja utilizar el muestreo por
conglomerados cuando:
a) No se puede disponer o es muy costoso obtener el marco muestral que
lista los elementos de la población, mientras que se puede lograr
fácilmente un marco que liste los conglomerados.
b) El costo por obtener observaciones se incrementa con la distancia que
separa los elementos.
La forma de seleccionar una muestra en el muestreo por conglomerados
consiste en conformar un marco que liste todos los conglomerados de la
población. Después se elegirá una muestra aleatoria simple de este marco.
1.6.1. Estimación de la media, total y proporción poblacional
El muestreo por conglomerados es un muestreo aleatorio simple donde
cada unidad de muestreo contiene un número de elementos.
Nomenclatura
N = número de conglomerados en la población. n = número de
conglomerados seleccionados en la muestra. mi = número de elementos en
el conglomerado i, i = 1,..., N.
m
=
1
n
Âmi , tamaño promedio del conglomerado en la muestra.n i=1
N
=ÂMmi , número de elementos de la población.
i=1

Estadísticos e-Books & Papers

M =M , tamaño promedio del conglomerado en la población.N
Media
El estimador de la media poblacional será:
n
Âyi
i 1y = =
n
Âmi
i=1
El estimador de la varianza de
– y será:
n
Â
()2
Vy Nn
ii .i=1
= NnM2 n -1

Por tanto el intervalo de confianza de la media es:

ykVyˆ()
Ejemplo 3.1.3
Se realiza entrevistas en 10 hogares españoles sobre los gastos en
esparcimiento (ocio) en un pueblo de 400 hogares. Los resultados se
presentan en la tabla siguiente:
Conglomerado Número de personas Gastos en ocio i mi (euros) yi
1 4 120
2 6 72
3 8 320
4 10 240
5 4 82
6 6 76
7 7 94
8 5 72
9 3 60 10 2 42
Estimar la media y calcular el error de estimación. La media o gasto
medio por persona será:
n
Âyi
yi=1 1178 = 21,418n = =55Âmi

Estadísticos e-Books & Papers

i=1
n
Â
()2
Vy Nn
ii
400-10.34285= 19645 = NnM2 n -1400 10..Ê 55 ˆ2 9 ËÁ400¯˜
.i=1 =
por tanto el error de estimación será:
Vyˆ() = 140,16
Total poblacional
El estimador del total poblacional será: ˆYMy
ˆˆ()
La estimación de la varianza de es: YVMy MVy2 ˆ()
Por tanto el intervalo de confianza será: YkVY ±ˆˆ( ˆ)
Proporción poblacional p
Sea ai el número de elementos en el conglomerado i que posee la
característica en estudio.
n
Âai
ˆ =1p
=n
Âmi
i=1
El estimador de la varianza de
^
p:
n
Â
(
apmˆ)2 Vp Nnii
ˆ( ˆ).- i=1
NnM2 n -1 y su intervalo de confianza: ˆpkVpˆ( ˆ)
Ejemplo 3.1.4
Supóngase el ejemplo 3.1.3 donde además se quiere saber la
proporción de personas de cada hogar que son titulados superiores. La
tabla se completa con los siguientes datos:
Conglomerado i
Número Número Gastos en de personas mi de titulados ai ocio (euros)
yi

Estadísticos e-Books & Papers

 1 4 2 120
2 6 2 72
3 8 3 320
4 10 4 240
5 4 1 82
6 6 2 76
7 7 2 94
8 5 3 72
9 3 1 60
10 2 1 42
Se desea saber la proporción de titulados y calcular el error de
estimación.
ˆ i=1p
n
Âai 21 0 3818n = ==
Â
m
55
i
i=1
n
Â
(
apm
ˆ)2
Vp Nn
ii
2
n
-
1
400-10
. ,2 4264i=1 - = 1 3903
=
NnM400 10..Ê 55 ˆ2 10 ËÁ400¯˜
El error de estimación será Vpˆ( ˆ), ,1 1791
1.6.2. Tamaño de la muestra para la estimación de la media total y
proporción poblacional
Suponiendo que se ha elegido el tamaño del conglomerado y que se
intenta que sea mínima la varianza entre conglomerados, entonces el
número de conglomerados para la estimación de la media poblacional será:

Estadísticos e-Books & Papers

e2 Nn.s2= -
k
22c
NnM
n
Â
()2
ii
donde s2 =i=1 que se obtiene de una muestra previa.c n -1
Ns
2c
Y por tanto n =e2 22 k2 NM+sc
Ejemplo 3.1.5
Supóngase que los datos de la tabla anterior se consideran como previos
para
el cálculo del tamaño muestral para la estimación de la media poblacional:
400 34285
n=9 ª 400
0052, ..Ê 55ˆ2 34285
4 ËÁ400¯˜ + 9
Si se quiere obtener el tamaño muestral para el cálculo de total poblacional
será:
2 M NnNnMsn Ns22
c
k2
e=
22
k2 + Nsc
En el caso de la proporción, se vuelve a utilizar una muestra piloto y se
obtiene:
n
Â
(
apmˆ )2
ii
s2 =i=1 con lo cual n será:c n -1
e
2
=
-

Estadísticos e-Books & Papers

Nn
.s2,
resultado similar al calculado en la estimación de la media
poblacional: k
22c
NnM
Ns
2 cn = e2 22
k2NM+sc
1.7. Muestreo por conglomerados en dos etapas
Aún cuando por su complejidad no vamos a entrar en detalle para éste
tipo de muestreo, no obstante se ha querido mostrar al lector una visión
general del mismo para que conozca algún método complejo de muestreo.
Una muestra en el muestreo por conglomerados bietápico se obtiene
seleccionando primero una muestra aleatoria de conglomerados y
posteriormente una muestra aleatoria de los elementos de cada
conglomerado elegido en la etapa precedente.
Por ejemplo para conocer la opinión de los universitarios sobre la
guerra, se puede seleccionar en primer lugar de forma aleatoria las
universidades, para posteriormente elegir una muestra aleatoria de los
alumnos de cada universidad seleccionada anteriormente.
Scheaffer (1986, págs. 233-234) propone dos condiciones deseables a
la hora de seleccionar la muestra:
a) Proximidad geográfica de los elementos dentro de cada
conglomerado. b) Tamaño de conglomerado conveniente para su manejo.
Además añadimos que se necesita un tamaño de conglomerado que
controle el coste total de la investigación.
Un muestreo por conglomerados en dos etapas muy utilizado es aquel
donde las probabilidades de elección del conglomerado son proporcionales
al tamaño del mismo.
Ejemplo
Un investigador quiere saber la proporción de alumnos que faltan más
de 2 días a clase en 6 institutos públicos. Desea elegir 3 institutos y puesto
que los mismos varían en número de alumnos, su elección desea realizarla
de forma proporcional a su tamaño. Además en los institutos elige un 10%
de total de alumnos. Con los datos adjuntos, vamos a calcular la
proporción de alumnos solicitada.

Estadísticos e-Books & Papers

 Instituto Número de alumnos Intervalo acumulado
1 420 1-420
2 360 421-780
3 620 781-1400
4 480 1401-1880
5 510 1881-2390
6 210 2391-2600
Se procede de la siguiente manera:
Se elige aleatoriamente 3 números del 1 al 2600. Supongamos dan por
resultado: 842, 2048 y 108. Mirando en la columna de intervalo
acumulado estos números se localizan en los institutos 3, 5 y 1.
Supongamos que en estos institutos el resultado de muestrear al 10%
del total arroja los siguientes datos:
Instituto
Número de alumnos muestreados Número de alumnos que faltan más
de 2 días
1 42 20 3 62 32 5 51 22
Con estos datos la proporción por instituto será la media muestral, en
consecuencia para las tres muestras:
ˆ
1Ê20 32
m= ++22ˆ= 0,4745
3ËÁ42 62 51¯˜
1.8. Muestreo sistemático
La simplicidad en la selección de la muestra ha hecho del muestreo
sistemático uno de los procedimientos más utilizados.
Consiste en seleccionar un elemento de los primeros k elementos en el
marco y después cada k-ésimo elemento.
Presenta la ventaja frente al muestreo aleatorio simple que es más fácil de
llevar a cabo y además proporciona más información por unidad de costo.
Un ejemplo donde se utiliza este tipo de muestreo es en las cadenas de
montaje, donde el control de calidad se realiza seleccionando, de forma
secuencial, un producto de cada k fabricados.
La forma de seleccionar una muestra n de una población N de forma
sistemática cada k elementos con la condición k £ N/n, será elegir un
número menor de k y luego de forma secuencial cada k elementos elegir
los n elementos de la muestra.

Estadísticos e-Books & Papers

 En éste tipo de muestreo debe prestarse especial atención al reparto no
secuencial de los elementos en el marco. Por ejemplo si se está haciendo
un estudio en un colegio mixto y se seleccionan exclusivamente hombres,
o en una encuesta de opinión sobre un producto de cosmética femenina
salen seleccionadas exclusivamente mujeres mayores. Se puede evitar este
problema cambiando al azar, cada cierto tiempo, el punto de partida.
A la hora del cálculo de los estimadores de la media, total y proporción
existen tres posibles variantes:
a) Población aleatoria
Se dirá que una población es aleatoria si sus elementos están ordenados al
azar. En éste caso el muestreo sistemático es equivalente al muestreo
aleatorio simple y se puede aplicar las fórmulas vistas para el segundo. Por
ejemplo, si se quiere elegir una muestra de investigadores en CC. de la
Educación y se coge como población los socios, ordenados
alfabéticamente, de AIDIPE. La población estará ordenada al azar y por
tanto para estudiar, por ejemplo, el número promedio de investigaciones
realizadas durante el año 2002 se podrá utilizar las mismas fórmulas vistas
en el muestreo aleatorio simple.
b) Población ordenada
Se dirá que la población está ordenada, si los elementos dentro de la
población están ordenados de acuerdo con algún esquema previo. Por
ejemplo si se ordenan las calificaciones de los alumnos de un curso en una
determinada materia y se quiere saber la efectividad en la misma, cogiendo
una muestra de calificaciones. En este caso la población de calificaciones
está ordenada y el muestreo sistemático producirá menor error de
estimación que el muestreo aleatorio simple; no obstante una cota superior
del mismo puede ser el error muestral obtenido para el muestreo aleatorio
simple.
c) Población periódica
Será aquella en que los elementos de la población tienen variación cíclica.
Por ejemplo se quiere saber el promedio de ventas diarias en una cadena
de tiendas de ropa deportiva. La población de ventas diarias claramente es
cíclica. En este caso el error muestral en la estimación de dicho promedio
será superior mediante muestreo sistemático, que si se realizara un
muestreo aleatorio simple de las ventas diarias.
Para evitar este problema, como ya se comentó, lo que se hace es
aleatorizar varias veces el punto de arranque en el muestreo sistemático; de
ésta forma se podrá utilizar la misma formulación del muestreo aleatorio

Estadísticos e-Books & Papers

simple.
1.9. Muestreo por cuotas
Entre los muestreos no probabilísticos uno de los más utilizados es el
muestreo por cuotas donde los elementos se eligen de acuerdo con ciertas
instrucciones pero sin la intervención del azar.
Las cuotas de elementos de la muestra se eligen de acuerdo con el
criterio del investigador entre las categorías de las variables
independientes más relevantes: por ejemplo sexo, nivel económico, nivel
de instrucción, etc. En el tamaño de las cuotas se intenta respetar la
proporcionalidad con la población objeto de estudio.
Este tipo de muestreo presenta la dificultad del conocimiento del error
muestral y por tanto de la representatividad de la muestra, y el
desconocimiento de la idoneidad de las cuotas elegidas como variables
importantes y representativas de las características del universo.
Presenta como ventaja su bajo coste.
Este tipo de muestreo no probabilístico, a veces, se combina con otro
probabilístico como el de conglomerados. Por ejemplo, en principio se
eligen al azar las manzanas de una ciudad y en segunda instancia se eligen
las personas respetando un esquema de cuotas definido con anterioridad.
Un ejemplo de esquema de asignación por cuotas puede ser el
siguiente: se desea entrevistar a un grupo de 40 personas de 3 núcleos de
población: rural, urbano y semi-urbano, con representación de hombre y
mujeres y de 3 intervalos de edad. El esquema será:
Sexo Zona Edad Mujeres 18 Rural 12 20-35 10
Hombres 22 Urbana 18 36-45 14
Semi-urbana 10 46-60 16
Total 40 Total 40 Total 40
2. ESTIMACIÓN DE HIPÓTESIS. FUNDAMENTOS
ESTADÍSTICOS
2.1. Inferencia estadística
La Inferencia Estadística es la parte de la Estadística que incluye los
métodos utilizados para tomar decisiones o para obtener conclusiones
sobre una característica desconocida de la población, a partir de la
información contenida en una o más muestras representativas de esa
población. La herramienta teórica que utiliza es la teoría de la
probabilidad.

Estadísticos e-Books & Papers

 Por ejemplo: un profesor quiere experimentar un nuevo tipo de método
de enseñanza y desea obtener conclusiones sobre la forma en que
funcionará una vez que se aplique a gran escala. Para ello toma una
muestra de 200 alumnos, y de las conclusiones que obtenga podrá inferir el
funcionamiento en toda la población escolar.
La inferencia estadística aborda, a partir de una o varias muestras,
problemas tales como:
— Determinación de parámetros y medición del grado de precisión
obtenido. — Aceptación o rechazo de un modelo teórico predeterminado.
— Discriminación entre modelos.
La Inferencia Estadística, estudia principalmente dos tipos de problemas:
a) La Estimación: consiste en determinar una característica
desconocida de la población. Ejemplo: tasa media de aprendizaje con el
citado método de enseñanza.
Puede ser:
Puntual: determinar el valor concreto.
Por intervalos: determinar un intervalo en el que esté contenido con
cierto grado de probabilidad.
b) El Contraste de hipótesis: determinar si es aceptable, a partir de los
datos muestrales, que la característica estudiada tome un valor
predeterminado o pertenezca a un intervalo concreto. Ejemplo: ¿es la tasa
media de aprendizaje del método mayor del 10%? ¿la tasa media de
aprendizaje tiene una distribución normal?
2.2. Distribuciones asociadas al proceso de muestreo
Para centrarnos, veamos uno de los problemas que trata este apartado.
Supongamos dos variables aleatorias independientes que son los posibles
resultados que se obtienen al tirar un dado. Pensemos en el estadístico su
distribución aparece en la tabla 3.2.1.
TABLA 3.2.1. Distribución media muestral.
–
x 1 1,5 2 2,5 3 3,5 4 4,5 5 5,5 6 Pr 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36
3/36 2/36 1/36
Las muestras que se escojan en un proceso de inferencia tienen que ser
representativas de la población y el número de elementos si se trata de una
población finita puede ser:

Estadísticos e-Books & Papers

— con reemplazamiento .......... nN
— sin reemplazamiento ........... N

Estadísticos e-Books & Papers

 n()

Donde N tamaño de la población y n tamaño de cada muestra.

–
En el muestreo con reemplazamiento, la media muestral X verifica:
––
E(X) = m Var(X) = s2/n
–
En el muestreo sin reemplazamiento, la media muestral X verifica:
– – Nn s2 E(X) = m Var(X) =
Nn
Para obtener la distribución en el muestreo de un estadístico existen
distintos métodos, cuya misión es facilitar el proceso de cambio de
variable aleatoria:
1. Muestreo artificial o de Montecarlo.
2. Método de la función característica.
3. Cambio de variable matemática en la integral.
4. Método geométrico.
5. Cambio de variable aleatoria.
6. Método de inducción.
7. Métodos de aproximación asintótica.
8. Métodos de cálculo aproximado.
Vamos a utilizar el método de muestreo artificial o de Montecarlo para
obtener aproximadamente la distribución en el muestreo de la media:
XX XXX1 234
=+++
4
de una muestra de extensión 4 de una población N(20,5). Por el método
del muestreo artificial se han obtenido 40 muestras de cuatro valores cada
una, según se muestra en la tabla 3.2.2. Para cada una de estas mues
tras calculamos la media: XX XXX1 234 y se obtiene los resultados de la 4
tabla 3.2.3.
–
Si se dibuja el histograma, será una aproximación de la curva de densidad
de X, que como puede verse en la fig. 3.2.1 se aproxima a la normal.
TABLA 3.2.2. Muestra artificial.
17 14 22 16 16 18 17 30 21 23

Estadísticos e-Books & Papers

24 16 16 19 23 21 18 14 22 15
31 24 23 30 15 21 15 13 21 23
10 27 24 22 21 29 28 14 23 22
23 20 19 24 19 19 31 22 20 21
14 16 20 25 21 12 18 21 15 23
16 23 18 24 17 12 18 17 10 18
19 17 27 22 25 22 18 31 16 17
20 13 18 20 24 21 17 27 17 21
18 21 22 25 16 25 27 22 22 14
13 14 17 17 21 18 16 20 26 15
17 22 18 20 21 12 18 14 23 19
26 20 26 22 17 21 19 14 16 22
20 25 18 28 19 24 29 23 17 20
30 19 27 25 27 18 15 20 22 19
17 25 19 21 24 23 15 12 21 15
T ABLA 3.2.3. Medias de cada muestra.
20.50 20.25 21.25 21.75 18.75 22.25 19.50 17.75 21.75 20.75
18.00 19.00 21.00 23.75 20.50 16.25 21.25 22.75 15.25 19.75
17.00 17.50 18.75 20.50 20.50 19.00 19.50 20.75 22.00 17.25
23.25 22.25 22.50 24.00 21.75 21.50 19.50 17.25 19.00 19.00
10
8
6
4
2

Desv. típ. = 2.09 Media = 20.1

0 N = 40.00 15.0 16.0 17.0 18.0 19.0 20.0 21.0 22.0 23.0 24.0
Media
FIGURA 3.2.1. Representación gráfica de la variable media (distribución
muestral de medias).

A partir de los valores de la tabla 3.2.3 se puede calcular la media y la

desviación típica, comprobándose que la media (20,1) es aproximadamente
igual a la media de la población y que la desviación típica (2,09) está cerca
del valor5 . La4 desviación típica de una distribución en el muestreo de un
estadístico se suele llamar error típico.
Los resultados de este procedimiento confirman las expresiones de la

Estadísticos e-Books & Papers

distribución de la media muestral que antes se habían adelantado y
constituye un método útil cuando el cálculo matemático presenta
dificultades.
Se presentan a continuación algunos conceptos necesarios para
comprender la distribución en el muestreo de algunos estadísticos:
A. Grados de libertad
Siguiendo a Spiegel (1992) definiremos grados de libertad de un
estadístico, generalmente denotado por n, como el número n de
observaciones independientes en la muestra (o sea, el tamaño de la
muestra) menos el número k de parámetros de la población, que debe ser
estimado a partir de observaciones muestrales n=n-k
También se puede definir como el número de comparaciones lineales
independientes que se pueden hacer entre las n observaciones. Así, si con 3
puntuaciones hemos de sumar 30, entonces se puede elegir 2 libremente y
la tercera estará condicionada, luego el número de grados de libertad será
2=n-1.
B. Algunas distribuciones continuas
1. Distribución N(0,1)
Una variable continua X se distribuye N(0,1) si su campo de variación es
el eje
real,
•
<
¥
<+
•
y su
función de densidad
es
f (x) =
1e- x2
2
p
2
siendo la función de distribución
x -t2
F(x) = P(X£ x) =1 Úe2 dt2 p-•

Estadísticos e-Books & Papers

 La densidad de la variable aleatoria N(0,1) es simétrica y presenta dos
asíntotas en • e •. Presenta un máximo para x=0. En la fig. 3.2.2 se puede
apreciar las dos funciones, donde la de densidad es la conocida campana
de Gauss.
Parámetros de la distribución Normal (N(0,1)) a) Media: m=0
b) Varianza: V(X)=s2=1
c) Desviación estándar: s=1
1
2p

0
FIGURA 3.2.2. Funciones de densidad y de distribución de una N(0,1).
Aproximación a la distribución Normal N(0,1) de algunas
distribuciones discretas.
Veamos el esquema siguiente:
n grande np>10 N(0,1)
l>20 l grande
Binomial (n,p) Poissón l n grande p<0,1; np=l<5
Si la distribución Binomial se aproxima a la de Poisson entonces l=np y si
la aproximación es hacia la distribución Normal entonces z= x-np
generando una N(0,1).npq
En el caso de la distribución de Poisson z= x lserá una N(0,1).l

Estadísticos e-Books & Papers

2. Distribución N(m,s)
Consideremos dos parámetros m y s, con campos de variación •<m<• y
s>0, y definimos una nueva variable aleatoria Y=m+sX, a partir de la
variable aleatoria X distribuida N(0,1). El campo de variación de Y es,
como el de X, el eje real (•,•); la distribución de probabilidad de la
nueva variable será:
()m2
gy
()
=
1
e
-
1-
2 s2
sp
La expresión de la función de distribución de la variable aleatoria N(m,s)
es igual a:
G(y) =
1
y 1 ()2
Ú
e
- 2 s2

2dt sp-•
Propiedades de la función de densidad
— Es simétrica respecto al eje que pasa por la abscisa x= m, o de otra
forma, la media, mediana y moda coinciden.
— Es asintótica al eje de abscisas.
— Posee un máximo en x=m, de valor 1 .sp
— Existen puntos de inflexión, a distancia s del eje de simetría. — El área
encerrada es igual a la unidad.
Parámetros de la distribución Normal (N( m, s)) a) Media: m
b) Varianza: V(X)=s2
c) Desviación estándar: s
Manejo de tablas de la distribución N(0,1)
La obtención de probabilidades de sucesos relacionados con la variable

Estadísticos e-Books & Papers

aleato
e
-
x2

ria N(0,1) es muy complicada pues la función 2 no tiene primitiva

siendo preciso recurrir a procedimientos aproximados. Para evitar esta
situación se ha construido tablas que proporcionan aproximaciones de las
probabilidades.
A continuación presentamos diversos ejemplos de cálculo de dichas
probabilidades:
1. P(Z ≥0,56)=0,2877
2. P(Z£-0,24)=0,4052
3. P(Z£1,36)=0,9131
4. P(Z≥-2,5)=0,9938
5. P(0,30<Z£2,89)=0,3802
6. P(-0,70£Z£-0,15)=0,1984
7. P(-1,12<Z£1,63)=0,8170
Para el cálculo de probabilidades en sucesos de variables N(m, s) se
normaliza
la variable (ym)/s cuya distribución es N(0,1).
C. Distribuciones derivadas de la distribución normal
1. Distribución c2 de Pearson
Sean n variables aleatorias independientes X1,..........., Xn distribuidas
N(0,1). Se define la variable Y=X21+............+X2n , que recibe el nombre
de c2(n) siendo n, número de variables aleatorias que la integran,
denominado grados de libertad.
Como el campo de variación de las variables normales es el intervalo
(•,•) y la variable c2 (n) es suma de sus cuadrado, su campo es el intervalo
[0,•).
Parámetros de la distribución ji-cuadrado
a) Media: n
b) Varianza: V(X)=2n
La forma de la función de densidad de probabilidad (ver fig. 3.2.3)
cambia con los valores que toma n (grados de libertad).
f (x)

Estadísticos e-Books & Papers

 c2 FIGURA 3.2.3. Funciones de densidad
de la distribución ji-cuadrado para distintos grados de libertad.
Manejo de tablas
Veamos varios ejemplos donde se utilizan la tabla de la ji-cuadrado: a)
P(3,94£c2(10)£15,987)=0,85.
b) P(8,231£c2(19)£a)=0,725 hállese a, después de cálculos resulta
a=22,718. Para valores elevados de n(mayores que 30) la variable aleatoria
znn= -c2221es aproximadamente N(0,1).
c) P(1027£c2(1000)£1061)=0,1820 será equivalente a calcular P(0,61£z
£1,36) =0,1820.
d) P(1432£c2(1527)£a)=0,2047 hállese a, después de cálculos resulta
a=1488,74.
2. Distribución t de Student
Sean n+1 variables aleatorias N(0,s) e independientes (y,y1,y2, ........., yn).
Definimos la variable t de Student con n grados de libertad t(n), como:
t(n) = y (*)2 2y + y + .....+ y2
12n
n
el número de grados de libertad es igual al número de variables que
figuran en el denominador de t(n). El campo de variación de la variable
t(n) es el intervalo (•,•).
f (x)

Estadísticos e-Books & Papers

 0 t (n) FIGURA 3.2.4. Función de densidad de la distribución t.
La función de densidad de la distribución t- Student es simétrica respecto
al eje de ordenadas y tiene dos asíntotas en • y •.
La importancia de esta variable aleatoria reside en el hecho de no
depender de la varianza de las variables que la integran, no figura en la
función de densidad, y su utilidad se verá plenamente al estudiar la
Inferencia Estadística y para el caso de s2 desconocida.
Si llamamos l0 l1............ ln a sendas variables aleatorias N(0,1) de
acuerdo con la definición de la normal tenemos:
y0=sl0 y1=sl1..................... yn=sln
sustituyendo en (*) tenemos:
sl0 l0 t(n) = 2) +( sl2) + .........+ ( sl )2 = 2+ 2+ .........+2( sl l l2 l n n
luego también podemos decir que:
t(n) =l con l0 Æ N(0,1)2(n)c
n
Parámetros de la distribución t-Student a) Media: 0
b) Varianza: V(X)=n/(n-2)
Manejo de tablas
Para el manejo de las tablas de la t(n) es importante recordar que tal
distribución es simétrica.
a) P(t(7) £1,1192)=0,85
b) P(-0,723£t(22)£a)=0,18 hállese a, después de cálculos tenemos
a=-0,256 Cuando el número de grados de libertad es elevado (por ejemplo

Estadísticos e-Books & Papers

mayor que
30), utilizaremos la aproximación N(0, ) n-2
507
P(t(507)≥ ≥ 0,4) = 0,3449
505

3. Distribución F de Fisher-Snedecor
Consideremos m+n variables aleatorias N(0,s) e independientes y1 y2 ........
ym y z1 z2 .... zn, la variable
2 2y + y + .......+ y2
12m
F(m,n) =
m
2+ z2+ ......+ z2z1 2 n
n
sigue la distribución F de Fisher-Snedecor con m y n grados de
libertad.
f (x)

F (n)
FIGURA 3.2.5. Función de densidad de la distribución F de Fisher-
Snedecor.
Las principales características de esta función son las siguientes: no
depende de la varianza de las variables integrantes, no es simétrica y su
campo de variación, como producto de cuadrados, es el intervalo [0,•).
Veamos que no depende de s. Por la definición de normal podemos

Estadísticos e-Books & Papers

poner: y0=sa0 y1=sa1 ..................... ym=sam
z0=sb0 z1=sb1 ..................... zn=sbn
122+as as222+ ......+ asm22 2( 2+ ....+ 2 )luego
F(m,n) =m sa am
2 2+bs bs2 2+ ....+2bs2 = n 2(2+ .....+ 2)
1 2 n m1sb bn
n
que nos lleva a la expresión:
F(m,n) =
n2(m)c m c2(n)
variable que puede expresarse como cociente de dos c2 que, como
sabemos, están distribuidas N(0,1) y no dependen de s2.
Propiedades
Se cumple que F(m,n).F(n,m)=1 que nos lleva a F(n,m)=1/F(m,n) También
F(1,n)=t2(n)
Directamente relacionada con esta variable está la denominada z de
Fisher z=ln F, cuyo campo de variación es (•,•).
Manejo de tablas
a) F(5;30)=3,70 para a=0,01
b) F(5;32)=3,65 para a=0,01
D. Relación entre la distribución normal, ji-cuadrado, t de Student
y F de Snedecor
Existe relación entre las distribuciones mencionadas, su expresión se
representa en la fig. 3.2.6.
Distribución F
F(1,n)=tn2 F(1,•)=z2 F(n,•)=cn2/n
Distribución t de Student
Distribución Normal Distribución Ji-cuadrado
t•=z c12=z2

FIGURA 3.2.6. Relación entre la distribución normal, ji-cuadrado, t de

Student y F de Snedecor.
E. Teorema Central del Límiten Este teorema que se aplica tanto a la
media muestral
–
X como a la ÂXi esta

Estadísticos e-Books & Papers

i=1
blece que cuando es grande el tamaño de la muestra n, la distribución
muestral de la media tenderá aproximadamente una distribución normal
con media m y una desviación estándar de s/ n . Si se trata de la suma
tenderá a una distribución normal de media nm y desviación estándar s/ n .
La aproximación será cada vez más exacta a medida que n se haga cada
vez mayor.
2.2.1. Distribución en el muestreo de algunos estadísticos
A continuación hacemos un breve repaso de las aplicaciones de los
estadísticos normal, t de Student, ji-cuadrado y F, en la distribución de
ciertos estadísticos en el muestreo, sobre la base de los siguientes criterios:
1. Condiciones de aplicación.
2. Forma del estadístico.
3. Distribución del estadístico.
A. Media y proporción muestrales
Caso 1:
1. x– es la media de una muestra de tamaño n de una población normal
N(m,s) de varianza s2 conocida.
2. (x m)/(ˆ/) es aproximad
3. Si la población es aproximadamente normal, la condición 2 es
aproximadamente válida. Para n≥30 la aproximación es suficientemente
válida. Si la población no es aproximadamente normal, para n≥100, 2 es
aproximadamente válida.
Caso 2:
1. x– es la media de una muestra de tamaño n de una población normal
N(m,s) de varianza s2 desconocida, siendo sˆ 2 la cuasi-varianza muestral.
2. (- )/(snˆ/) es una tn-1 [t de Student con (n-1) g.l.]
m
3. Se usa preferentemente en muestras pequeñas (n <30).
Caso 3:
1. x– es la media de una muestra de tamaño n de una población normal
N(m,s) de varianza s2 desconocida, siendosˆ 2 la cuasi-varianza muestral.
Si n≥30 entonces 2. (xm)/(ˆ/) es aproximadamente N(0,1)
3. Si la población es aproximadamente normal y n ≥30, 2 es
aproximadamente válido. Si la población no es aproximadamente normal
pero n≥100, es aproximadamente válido.

Estadísticos e-Books & Papers

Caso 4:
1. p es la proporción muestral de los elementos principales (éxitos) de una
binomial B(n,P) siendo n≥25 y 0,1<P<0,9 entonces
2. (p-P)/(PQ ) es aproximadamente N(0,1).n
B. Varianza muestral
1.
s
2
ˆ es la cuasi-varianza de una muestra de tamaño n de una población
normal.
2. (n-1)
s
2
ˆ/s2 es una ji-cuadrado con (n-1) g.l.
C. Diferencia de medias y proporciones muestrales
Supondremos tomadas dos muestras (n1,x1,s12) y (n2,x2,s22) de dos
poblaciones normales independientes N(m1,s1) y N(m2,s2)
respectivamente.
Caso 1:
1. varianza conocidas s21 y s22.

2. ()( )es N(0,1).

2ss2
1+ 2

1nn2
3. Si las poblaciones son normales y n1 ≥30 y n2 ≥30 o siendo
aproximadamente normales es n1 ≥100 y n2 ≥100, 2 es válida
aproximadamente. Caso 2:
1. varianzas desconocidas y n1 ≥30 y n2 ≥30.

2.()( ) es aproximadamente N(0,1).

s
2ˆˆs2
1+ 2
n1 n2

Estadísticos e-Books & Papers

Caso 3:
1. varianzas desconocidas pero iguales (s21 = s22)

2.()( ) es una t de Student con (n1+n2-2) g.l.

1111
+

()
ˆ2 ns n sˆ2

+()22

nn nn–212 12
3. Se utiliza preferentemente en muestras pequeñas (n1£30, n2£30).
Si las poblaciones son aproximadamente normales y n1 ≥30 y n2 ≥30, 2
es aproximadamente N(0,1). Si las poblaciones no son aproximadamente
normales pero n1 ≥ 100 y n2 ≥100, 2 es aproximadamente N(0,1).
Caso 4:
1. varianzas desconocidas no necesariamente iguales.

2.()( ) es una t de Student con m (g.l.) donde

s
2ˆˆ2
2
n1
1+ n2
Ê
s
2ˆˆ2
2
n1m =

Estadísticos e-Books & Papers

ˆ
ËÁ 1 +n2 ¯˜ –2ËÁ ˆ2 ËÁ ˆ2ˆˆ
n1 + + n211
Caso 5:
1. p1 y p2 son las proporciones muestrales del suceso principal (éxito)
de dos poblaciones binomiales independientes B(n1,P1) y B(n2,P2)
respectivamente. Si se cumple n1,n2 ≥ 25 y 0,1 < P1,P2< 0,9 entonces:

2.()( ) es aproximadamente N(0,1)

PQ PQ
11+ 22
n1 n2
D. Cociente de varianzas muestrales
1. sˆ2 y sˆ2 son las cuasi-varianzas de dos muestras (de tamaño n1 y n2,
respec1 2
tivamente) de dos poblaciones normales independientes, N(m1,s1) y
N(m2,s2). Entonces:
2.
s
ˆ2 / s2
1 1 sˆ2 , sˆ2 son las s

ˆ2 / s2 es una F de Snedecor con (n1-1,n2-2) g.l., donde 1 2

22
cuasi-varianzas muestrales.
2.3. Estimación estadística
La función de densidad de una variable aleatoria (v.a.) X depende de
algunos parámetros, tales como la esperanza y la varianza. Los verdaderos
valores de estos parámetros son desconocidos en la práctica, debiendo ser
estimados a partir de una muestra aleatoria simple de X.
Sea f(x,q) la función de densidad de X, q el parámetro desconocido. Se
llama estimador de q a una v.a. función de la muestra.
U=g(x1,x2, ....,xn)
que, en algún sentido que precisaremos, alcanzan valores próximos al

Estadísticos e-Books & Papers

valor desconocido de q. U es por lo tanto un estadístico cuya distribución
dependerá de f, q y n. Obtenida una muestra aleatoria simple x1,x2, ....,xn,
entonces
^=g(x
1,x2,
....,xn)q
es el valor numérico que se asigna al parámetro y recibe el nombre de
estimación de q.
Es decir un estimador es una regla que expresa cómo calcular la
estimación, basándose en la información de la muestra y se enuncia, en
general, mediante una fórmula.
n
ÂXi
Por ejemplo, la media muestral X =i=1 es un estimador puntual de lan
–
media poblacional m, es decir E[X]=m, y explica exactamente cómo
puede obtenerse el valor numérico de la estimación, una vez conocidos los
valores muestrales X1,X2,....,Xn. Por otra parte, un estimador por
intervalos, utiliza los datos de una muestra para determinar dos puntos que
pretenden abarcar el valor real del parámetro estimado. Por ejemplo, para
la estimación de un parámetro como la media m se da un intervalo de
confianza que incluye al estimador: (X–-e, X–+e) y luego se exige una
probabilidad de que el valor m caiga dentro de ese intervalo:
––
P(X-e<m< XXa
Propiedades de los estimadores
Entre los posibles estimadores de un parámetro q, debemos seleccionar
aquel o aquellos que gocen de buenas propiedades. Un buen estimador es
aquel que reúne ciertas propiedades: insesgado, consistente, eficiente y
suficiente.
a) Sesgo
Se dice que U es estimador insesgado de q si su valor medio es q E(U)= q
si E(U) πq se dice que el estimador es sesgado, con sesgo positivo si
E(U)> q y sesgo negativo si E(U)< q.
Es interesante que un estimador sea insesgado, porque tomará valores que
estarán alrededor del verdadero valor del parámetro de q. Un estimador
que sea sesgado tenderá a tomar valor sistemáticamente desviados de q.
Por ejemplo, la media muestral es un estimador insesgado de la media

Estadísticos e-Books & Papers

poblacional. Sin embargo la varianza muestral es un estimador sesgado de
la varianza poblacional, pero este sesgo desaparece cuando n tiende a
infinito, y se dice entonces que la varianza muestral es un estimador
asintóticamente insesgado de la varianza poblacional.
Aunque parece una condición indispensable la carencia de sesgo en los
estimadores, sin embargo esto no es así, pues existen estimadores
sesgados, que presentan menor variabilidad que los insesgados y son
utilizados para la estimación.
b) Consistencia
El estadístico ^=g(x1,x2, ....,xn) es un estimador consistente de q si la
probaq
bilidad de que el valor del estadístico se aproxime al del parámetro q, se
aproxima a la unidad conforme el tamaño de la muestra aumenta
lim (|ˆqq e- > = ó limPP(|ˆ |)01 Æ•nnÆ•
para todo e>0 arbitrariamente pequeño.
En otras palabras a medida que aumentamos el tamaño de la muestra la
imagen de la población que nos proporciona será, en general, mejor y, por
tanto, nuestras estimaciones podrán ser mejores; dicho de otra manera,
parece lógico que procuremos escoger nuestros estimadores de forma que
sus cualidades mejoren a medida que aumenta el tamaño de la muestra.
Esta propiedad se revela importante cuando el tamaño de la muestra es
grande. Por ejemplo la media muestral es un estimador consistente de la
media poblacional.
c) Eficiencia
Supongamos que U1 y U2 son dos estimadores insesgados de q. Se dice
que U1 es más eficiente que U2 si
var(U1)< var(U2)
U1 será un estimador más deseable para estimar q, porque los valores que
puede tomar estarán menos dispersos alrededor del verdadero valor de q
que U2.
El cociente e=var(U1)/ var(U2) se llama eficiencia relativa de U1
respecto de U2. Tendremos 0£e£ 1. Si e es próximo a 0, U1 es mucho
mejor que U2. Si e=1, U1 y U2 tienen la misma eficiencia.
Un ejemplo clásico donde queda patente la eficiencia relativa es la
estimación de la media poblacional (m) mediante la media muestral y la

Estadísticos e-Books & Papers

mediana muestral. Cuando la población es normal, la media y la mediana
son estimadores insesgados y consistentes de m. Para comparar su
eficiencia se calcula
s
2
sus varianzas. La varianza de la media es: n y la varianza de la mediana
es:
1,57
s2
n . Por tanto en distribuciones iguales la varianza de la media es menor que
la varianza de la mediana, y en consecuencia la media muestral es un
estimador más eficiente que la mediana muestral.
Varianza mínima
Fijado un tamaño muestral n, si entre todos los estimadores insesgados
de q podemos encontrar uno cuya varianza sea mínima, entonces,
adoptando como criterios el sesgo y la eficiencia, habremos conseguido el
estimador óptimo para q.
Bajo ciertas condiciones esta varianza mínima tiene una acotación
conocida
^
como acotación de Frechet-Cramer-Rao cuya expresión es: var(q)≥1/I(q),
siendo I(q) la cantidad de información:
ÈÊ f q)ˆ2˘

()|.nE ∂Log (x,¯˜ ˙ÍÍËÁ ∂q ˙Î ˚

Un estimador es asintóticamente eficiente, o simplemente eficiente, si
la varianza del estimador es igual al mínimo dado por la desigualdad de
Frechet-Cramer-Rao.^
var(q)=1/I(q)
d) Suficiencia
Se considera que un estimador es suficiente cuando él sólo da toda la
información muestral posible acerca del parámetro, de tal manera que
cualquier otro estimador no pueda proporcionar más que escasa
información adicional.
Esta propiedad tiene su trascripción operativa al calcular la estimación

Estadísticos e-Books & Papers

por intervalos de confianza mediante el cálculo del error de estimación. En
la estimación puntual no se puede establecer el error cometido al estimar el
parámetro.
Método de cálculo de estimadores
Existen diversos métodos de cálculo de estimadores: método de
máxima verosimilitud, método de los momentos, método de mínimos
cuadrados y método de la mínima c. Por limitaciones de espacio y por su
importancia, sólo se verá el primero.
Método de máxima verosimilitud
Este método de estimación es, sin duda, el más importante de los que
se utilizan en Estadística. Fisher demostró que los estimadores obtenidos
por este método son siempre consistentes y son iguales o más eficientes
que los obtenidos por otro procedimiento. No poseen, en cambio, con
carácter general la propiedad de ser insesgados, aunque si lo sean en
muchos casos.
Veamos el siguiente ejemplo recogido de Ríos (1967). Supongamos
una urna con cuatro bolas y que solo sabemos que son blancas o negras,
pero sin conocer en qué proporción. Si p es la proporción de blancas,
puede ser p=0, 1/4, 2/4, 3/4 y 1.
Si hacemos dos extracciones con devolución y obtenemos una blanca y
otra negra. El problema es estimar, a partir de este resultado, la
composición de la urna. La idea maestra del método de máxima
verosimilitud consiste en admitir que la población base es aquella que
daría máxima probabilidad al suceso considerado.
En nuestro ejemplo los posibles resultados de 1 bola blanca y 1 bola
negra tendrán las siguientes probabilidades: 0, 6/16, 8/16, 6/16 y 0, según
la urna tenga de 0 a 4 bolas blancas. Luego la máxima probabilidad es 8/16
y admitiendo la idea del método de máxima verosimilitud la composición
de la urna será 2 bolas blancas y 2 bolas negras.
Si f(x, q) es la función de densidad de la población, de la cual tenemos
una muestra aleatoria simple x1, x2,.........,xn la estimación de máxima
verosimilitud es la
^^
q =q (x1, x2,.........,xn), que hace máxima la llamada función de
verosimilitud: L(x1, x2,.........,xn, q)=f(x1, q)f(x2, q)........f(xn,q) donde L es
una función de q y x1, x2,.........,xn se consideran fijos.

Estadísticos e-Books & Papers

Como L es una función positiva, coinciden los máximos de L con los de su
logaritmo y si es derivable, entonces el máximo se obtiene resolviendo la
ecuación: ∂logL= 0∂q
^^
Toda solución q =q (x1, x2,.........,xn) se llama estimador de máxima
verosimilitud del parámetro q.
Veamos un ejemplo de cálculo de un estimador de máxima verosimilitud.
Supongamos una muestra de extensión n procedente de una población
normal N(m,s). El logaritmo de la función de verosimilitud será:

log––– 1 ÂLx nn log()= 2 ()s m s p

i2 22
y si queremos obtener un estimador de m entonces:

∂logL =1 Â ()= 0
∂m s2
i
que despejando m tenemos:
ˆm= =1Ân xx
i
2.4. Estimadores por intervalos de confianza para parámetros de la
población
Antes de comentar las expresiones de los estimadores de distintos
parámetros poblacionales conviene que veamos algunos términos
utilizados posteriormente.
Intervalo de confianza, nivel de confianza y error
Sea x1,x2,.....,xn una muestra aleatoria simple de una v.a. X cuya
distribución depende de un parámetro q (y posiblemente de otros
parámetros). Se dice que los estadísticos
U=g1(x1,x2,.....,xn) V=g2(x1,x2,.....,xn)
constituyen un intervalo de confianza para qqa, o al 100(1-a)%, si se
verifica:
1. U<V para toda muestra de tamaño n
2. P(U<qqa
para todos los valores de los demás parámetros.
Entonces (U,V) constituyen un intervalo de confianza para q con nivel

Estadísticos e-Books & Papers

de confianzafianzaaaa)%.
El nivel de confianza es elegido por el investigador aunque en la practica
suele El nivel de confianza es elegido por el investigador aunque en la
practica suele aaa =0,99.
=0,99.
a mayor es el grado de confianza, pero también es mayor el intervalo de
confianza y más pequeña la precisión del estimador.
El sentido que debe tomar el intervalo de confianza es frecuencista, es
decir, si
El sentido que debe tomar el intervalo de confianza es frecuencista, es
decir, si a= 0,95 (por ejemplo), en una larga serie de determinaciones de
intervalo (U,V), el 95% de los casos cubrirán al verdadero valor de q.
El error que cometeremos en estas apreciaciones viene dado por a y sus
valores más utilizados son 0,05 y 0,01.
Intervalos de confianza para las medias
–
a) Si X es la media de una muestra de tamaño n de una población normal
N(m,s) de varianza s2 conocida.
s x ± z /2 n (1) si el muestreo es de una población infinita o finita con repo
sición. s Nn x ± z /2 n N –1 (2) si el muestreo es de una población finita sin
repo
sición de tamaño N.
En la práctica si la relación n/N es menor o igual a 0,05 se considera a la
población como infinita.
En ambas fórmulas za/2 depende del nivel particular de confianza y sus
valores son:
TABLA 3.2.4. Nivel de confianza.
Nivel de confianza 99,73% 99% 95,45% 95% 90% 68,27% za/2 3,00 2,58
2 1,96 1,645 1,00
b) Si la varianza es desconocida entonces sustituiremos en las fórmulas
anteriores (1) y (2) la varianza muestral s por su estimador insesgado la
varianza muestral corregida o cuasi-varianza
22 22sˆ = Æ=
n n–11
Esta sustitución es válida cuando n>30.
Si x– es la media de una muestra de tamaño n de una población normal
N(m,s) de varianza s2 desconocida, siendo s^2 la cuasi-varianza muestral y

Estadísticos e-Books & Papers

el tamaño de la muestra es menor que 30 entonces:
xsn
±

Estadísticos e-Books & Papers

 ()
ˆ/,
–– n1 /2 es una t de Student con (n-1) g.l. y s^2 es la cuasivarianza muestral.
c) Si la población no es normal, siempre que el tamaño de la muestra
sea grande (n>30, aunque algunos autores aconsejan n>100), entonces los
intervalos se construirán de igual manera a los apartados anteriores, según
sea conocida la varianza o no. Cuando el tamaño de la muestra es pequeño
y la población es no normal, no se pueden construir intervalos de
confianza.
Ejemplo 1:
Se desea estimar el promedio de horas de sueño de los jóvenes de 14 –
20 años, sabiendo que el tiempo se distribuye normalmente. Después de
extraer una muestra representativa de 1000 jóvenes se obtiene los
siguientes resultados:
–=9 horas/diarias; ^
x s=2 horas/diarias
Calcular un intervalo de confianza del 95% para el promedio de horas
diarias de sueño.
za/2=z0,025=1,96
I = 9 1,962 = 9 1,960,063 = 9 0,124, luego I = (8,876;9,124)1000 ± ±¥±
Ejemplo 2:
Se recogen los datos de absentismo de una muestra aleatoria de 10
jóvenes de un instituto en las fechas próximas a los exámenes. Los
resultados son: 4, 3, 5, 3, 3, 6, 7, 2, 1, 2 días. Suponiendo que la
distribución de los días de ausencia es normal, determinar el intervalo de
confianza al 99% del promedio de ausencias.
Con los datos de la muestra se calcula: x–=3,6 días;
Â
x
2
162
s
2 i 22324 luego ˆ210

Estadísticos e-Books & Papers

––,, ssˆ 19
===
9 324 3 6n 10
En las tablas de la t de Student se calcula t0,005;9=3,25 por tanto el
intervalo de
19
confianza de la media será: en consecuencia
±±
I=(1,65;5,55).10
Intervalos de confianza para las proporciones
Si p es la proporción muestral de los elementos principales (éxitos) de una
binomial B(n,P) siendo n≥ 30 y 0,1<P<0,9 entonces las fórmulas (1) y (2)
quedan
pq pz a/2 n si el muestreo es de una población infinita o finita con
reposición.
±
pq Nn pz a/2 n N –1 si el muestreo es de una población finita sin reposición
de
±
tamaño N.
Como podemos observar resultan de sustituir en (1) y (2) xpq
Ejemplo 1
Para determinar el porcentaje de fumadores en un instituto se eligió
una muestra de 280 alumnos encontrándose que 80 de ellos fumaban.
Establecer el intervalo de confianza del 95% de dicha proporción.
En primer lugar se utiliza como estimador de la proporción
poblacional, la proporción muestral:
ˆ
80 pnpˆ 280 0 28680 08
= = = = >5 se puede hacer la aproximación
280
a la normal, z0,025=1,96 por tanto:
I = 0,286 1,96. 0,286.0,714 = 0,286 0,053, por tanto I = (0,233;0,339) ± ±
280
Intervalos de confianza para la varianza
a) Si estamos ante una población normal de varianza s2 y una muestra
menor ()ˆ
2
que 100 sabemos que 2 se distribuye en el muestreo como una jis

Estadísticos e-Books & Papers

cuadrado con n-1 grados de libertad, entonces se puede definir el intervalo:
Ê()ˆ2 ;()ˆ2 ˆ Ê 1()ˆ2 ˆ
2£ - 2
I
ÁÁ
=- nsc a 2c c2 ˜˜ donde PÁÁc- /;( ) s2a ann- ˜˜=
Ë a a/;() /;()¯ Ë ¯
y por tanto despejando s2 tenemos:
Ê
()ˆ ()ˆ
22 ˆ
ÁÁPns ns- £ £c 12 1/;( )˜˜= a
Ë
c
/;( )
21
nn
aa ¯
b) Cuando la muestra es mayor o igual a 100 los valores de ji-cuadrado en
los límites de confianza se calculan de forma aproximada mediante las
fórmulas:

Estadísticos e-Books & Papers

 ()
2
c
2
a
(/);( )
-
=2

Estadísticos e-Books & Papers

 ()
2
c
2
(/ );( )21 =2
ÊI=()ˆ211;()ˆ2 ˆ

ÁÁ- ˜˜
Ë c c/;() /;() ¯
Ejemplo 1
En una muestra de 20 personas de una ciudad, se sabe que la altura
tiene una media de 170 cm y una desviación típica de 10 cm. Se quiere
saber a un nivel de confianza del 95% el intervalo de confianza de la
varianza poblacional. Resolver el mismo supuesto cuando n=200.
22 220
= = = =; ˆ.,105 26
19 100
2 = 2 = 32 85
(/ );( ) n-c c
21 0,025;19
2 = 2 =890( – /);( ) n-c
c 0,975;19
Luego el intervalo de confianza para la varianza será:
Ê19.105,26;.,19 105 26ˆ
= (60,88; 224,71)0I=ËÁ 32,85 890 ¯˜
y para la desviación típica: (7,80;14,99).
Si el tamaño de la muestra es n=200 entonces se aproximará: 22

Estadísticos e-Books & Papers

 2 =() =() =162 27c12 1 2 2
22

Estadísticos e-Books & Papers

 c2 =() =
2 200 –1+()
2 = 240 57(/ );( )21 2

ÊI=()ˆ2- ;()ˆ2 ˆ˜˜=ÊËÁ199 100 5; .,199 100 5ˆ ()ÁÁ 2

c c 2 ¯240 57 162 27 ¯˜=Ë /;( )21- - 12 1/;( )

Y el intervalo de confianza de la desviación típica será: (9,12; 11,10).

Intervalo de confianza para las diferencia de medias y proporciones
muestrales
a) Supondremos tomadas dos muestras (n1,x1,s12) y (n2,x2,s22) de dos
poblaciones normales independientes N(m1,s1) y N(m2,s2)
respectivamente, con varianza conocida s21 y s22, entonces el intervalo de
confianza de la diferencia de medias será:
2ss2

()xx z nn1± + 2
12

b) Si las poblaciones son normales y n1 ≥30 y n2 ≥30 o siendo

aproximadamente normales es n1 ≥100 y n2 ≥100, la expresión también es
válida aproximadamente.
c) Si las varianzas son desconocidas y n1 ≥30 y n2 ≥30 entonces el
intervalo de confianza quedará de la siguiente forma:

xx z s2 2ˆˆ ˆˆy 2 son las cuasi-varianzas muestrales.

()12 2a ± +n ss 2n1 2
d) Si las varianzas son desconocidas pero iguales (s21 = s22) entonces

Estadísticos e-Books & Papers

el intervalo será.

()ˆ2 +()ˆ2
()
xx t nn
±+
1111
11 22 donde t
a/2 es una t denn –212 12
Student con (n1+n2-2) g.l. esta expresión se utiliza preferentemente en
muestras pequeñas (n1£30,n2£30).
e) Si las varianzas desconocidas no son necesariamente iguales entonces:

()

xx ts2ˆˆs2
12 2
a
± +1 2 donde ta/2 es una t de Student con m (g.l.) donde
n1 n2
Ês2ˆˆs2 ˆ2
ËÁ
1+ 2
n2 ¯˜
– ˆˆ2 y 2 son las cuasi-varianzas.m =n1
ËÁ ˆ
2 ËÁ ˆ2 1 2
ˆˆ
n
1
+ +2111
Si p1 y p2 son las proporciones muestrales del suceso principal (éxito) de
dos poblaciones binomiales independientes B(n1,P1) y B(n2,P2)
respectivamente, las fórmulas anteriores son válidas con la salvedad de
sustituir xpq
Si en lugar de querer obtener la diferencia de medias queremos obtener
la suma de medias tendríamos las mismas fórmulas anteriores solamente
que sustituyendo

Estadísticos e-Books & Papers

– – x–2 por x–1+x–
1

x 2.
En todas las fórmulas que hemos presentado en los diferentes cálculos
de los intervalos de confianza, de forma general, cuando hablemos del
error probable de la estimación vendrá dado por za/2Var(q) o ta/2 Var(q),
es decir, el segundo término de las fórmulas.
Ejemplo 1
Se quiere comparar el promedio de problemas matemáticos resueltos
semanalmente por dos clases similares de alumnos. Se toma dos muestras
de 8 y 9 alumnos respectivamente y se observa el número de problemas
resueltos:
Clase A: 8, 9, 9,10,10,11,11,12
Clase B: 9,8,8,10,10,11,10,10,11
Suponiendo que la distribución de resueltos en ambas clases es normal y
de
varianzas iguales, calcular el intervalo de confianza del 95% para la
diferencia de promedios entre ambas clases.
Clase A: ˆxs n = 811 1
Clase B: xs n = 922 2
En las tablas obtenemos: t0,025,(8+9-2)=2,13
I= 10 – 9,67

()
2,13 1 ().,13122
±+

+()– .,9 1 109

9
892
=0,33 1,23±
8
luego I =(–0,90; 1,56).

Estadísticos e-Books & Papers

 Ejemplo 2:
El promedio de horas de vida de las cobayas, procedentes de dos camadas,
uti
lizadas en una prueba del laboratorio de biología de un instituto es el
siguiente: Camada A: 800, 720, 740, 710, 750, 760
Camada B: 412, 420, 390, 410, 400
Construir el intervalo de confianza del 95% para la diferencia de vida
media de
cada camada, en el supuesto de que la distribución de horas de vida es
normal y
que la variabilidad es distinta para cada grupo en la población de cobayas.
Camada A: xsn = 611 1
Camada B: xs n = 522 2
Por ser la distribución de horas de vida de las cobayas normal y las
varianzas distintas calculamos el número de grado de libertad mediante la
fórmula:
Ês2ˆˆs2 ˆ2 Ê32,04222 ˆ2
m = n1 n2 ËÁ 6 + 1161¯˜
Ê22
ËÁ 1 + 2 ¯˜ –2=5
–2=ª7 2
Ê32,042 ˆ22 Ês2 ˆ ËÁ ˆ2
ËÁ
1¯˜ˆˆ ËÁ 6 ¯˜ + ËÁ1161ˆ
5 ¯˜
n
n1+ +
112 + 7 61
Luego la t0,025;7=2,36
Por tanto el intervalo de confianza será:
32,04222
I = (746,67 – 406,4)
11,61
± + ±= 340,27 33,214 6 5
luego I=(307,056; 373,484).
Intervalo de confianza para las diferencia de medias, datos
relacionados Si la distribución es normal y la diferencia d=x-y se pueden
dar los siguientes casos:
La desviación típica (sd) es conocida:
I=dz sd02 n

Estadísticos e-Books & Papers

Si la desviación típica (sd) es desconocida, n>30.
I=
dzsˆd0 02n
Si la desviación típica (sd) es desconocida, n<30. sˆd0
I=dt± 021/,( )
n
Ejemplo 1
Para probar la eficacia de un seminario de resolución de problemas
matemáticos realizado en una Escuela de Magisterio, se les pasó una
prueba antes y después de realizar el seminario a una muestra de 12
alumnos. Calcular el límite de confianza del 95% para el cambio
producido en los errores de resolución, en el supuesto de que las
diferencias se distribuyan normalmente.
Errores/alumno 1 2 3 4 5 6 7 8 9 10 11 12
Antes 12 13 15 10 11 14 15 7 8 7 12 12
Después 10 11 14 8 11 12 12 5 9 7 10 12
Para la resolución del ejercicio se suele construir la siguiente tabla:
Antes Después di (di – d–)2
12 10 2 0.5625
13 11 2 0.5625
15 14 1 0.0625
10 8 2 0.5625
11 11 0 1.5625
14 12 2 0.5625
15 12 3 3.0625
7 5 2 0.5625
8 9 –1 5.0625
7 7 0 1.5625
12 10 2 0.5625
12 12 0 1.5625
Total 15 16,25
ta/2,(n-1)=2,20 sˆ 16 25 1 2154d= =
11
I=125 2 201 2154, ,, (. ;. )
± =±=
12
Intervalo de confianza para la razón de varianza de dos poblaciones
normales

Estadísticos e-Books & Papers

Si tenemos dos muestras independientes de tamaños n1 y n2, procedentes
de poblaciones distribuidas normalmente con varianzas s2y s2. La variable
aleatoria:1 2
s
ˆ2s2
12 = F
s
ˆ2s2 11) 2 1
1

a) de la razón de varianzas será:

s
ˆ2sˆ2 1 1
s
ˆ2sˆ2
I
=
F
2; 2
/ ;(21 1 )F12 1 1)a a
12 12
Ejemplo 1
Dos clase de 1.º de Secundaria fueron sometidas a una prueba de
ortografía, la primera clase, formada por 31 alumnos obtuvo una cuasi-
varianza de 124 errores y la segunda clase de 28 alumnos, consiguió 128
errores. Construir el intervalo de confianza de la razón de varianzas del
90%, en el supuesto de normalidad de población y muestras
independientes.
F0,05;30.27=1,88; F0,95;30.27=0,53 conviene recordar que
F
12 1 1
1
12
) = Fa/ ;(21 1)
12
124 124
Por tanto I = (128 ;128 ) = (0,5153;1,8278)188 053
EJERCICIOS DE AUTOCOMPROBACIÓN
1. En un muestreo aleatorio simple con tamaño poblacional de 100, un

Estadísticos e-Books & Papers

error del 5% y un nivel de confianza del 95,5%. Se desea calcular el
tamaño de la muestra en las condiciones más desfavorables del muestreo
p=q=0,50. Construir el programa SPSS para resolver el supuesto y mostrar
como salida los datos de entrada y el tamaño de la muestra para una
población finita.
2. Se realiza un muestreo estratificado con el siguiente reparto por estrato:
j Nj Sj
1 30 9
2 45 4
3 75 6
Para una afijación óptima con e=2, k=1,96 cual será el tamaño de la
muestra apropiado y el reparto de la misma por estrato. Calcular también
el reparto de la muestra para afijación proporcional. Construir el programa
SPSS para resolver el supuesto.
3. Una población consiste en los números 6, 4, 8 y 10. Se consideran
todas las posibles muestras de tamaño 2 de esa población con reposición.
Hallar: la media y la desviación típica de la población y la media y la
desviación típica de la distribución en el muestreo de las medias.
4. Con los datos del problema anterior resolver si el muestreo es sin
reemplazamiento.
5. Resolver con ayuda del ordenador el cálculo de las siguientes
probabilidades realizadas anteriormente con el empleo de las tablas
estadísticas de la distribución normal:
P(Z £-0,24)
P(Z≥-2,5)
P(0,30<Z£2,89)
6. Ídem al problema anterior pero con la distribución t de Student.
P(t(7)£1,1192)
P(t(507)≥0,4)
7. Resolver con ayuda del ordenador el cálculo del valor de F tal que
P[F>F(5,30)]=0,01.
8. Resolver con ayuda del ordenador el cálculo de las siguientes
probabilidades realizadas anteriormente con el empleo de las tablas
estadísticas de la distribución ji-cuadrado:
P(3,94£c2(10)£15,987)

Estadísticos e-Books & Papers

P(1027£c2(1000)£1061)
SOLUCIÓN A LOS EJERCICIOS DE AUTOCOMPROBACIÓN 1.
El programa SPSS pedido será:
*** MUESTREO ALEATORIO SIMPLE*******.
***Tamaño de una muestra para un error y un nivel de confianza
** El programa calcula el tamaño de la muestra en función del
** nivel de confianza (nc) y del error (e), para una población.
** Como salida se obtiene el tamaño corregido por poblaciones finitas
(n_mue) además de las entradas. Como regla general la proporción (p) de
un atributo a estimar es desconocida.
***Por eso se asume un valor por defecto de p = .50, que representa la
situación más conservadora (donde el tamaño es mayor).
**
NEW FILE.
INPUT PROGRAM.
LOOP #X=1 TO 1.
END CASE.
END LOOP.
END FILE.
END INPUT PROGRAM.
* Introduzca un nivel de confianza (95,5% por defecto).
COMPUTE nc = 95.5 .
VARIABLE LABELS nc ‘nivel de confianza’ .
* Introduzca un error (en porcentaje).
COMPUTE e = 5 .
VARIABLE LABELS e ‘error muestral’ .
* Introduzca el tamaño de la población (si se desconoce, n_pob = 0).
COMPUTE n_pob = 100.
VARIABLE LABELS n_pob ‘tamaño población’ .
* Introduzca un p del atributo (por defecto, p = 0.50).
COMPUTE p= 0.50.
VARIABLE LABELS p ‘p atributo’ .
EXECUTE .
RECODE n_pob(0=SYSMIS).
COMPUTE e1=e/100.
COMPUTE k=ABS(IDF.NORMAL((1-nc/100)/2,0,1)).
COMPUTE n_inf=k*k*p*(1-p)/(e1*e1).

Estadísticos e-Books & Papers

 COMPUTE n_mue=n_inf*n_pob/((n_pob-1)+n_inf).
COMPUTE n_inf=TRUNC(n_inf)+1.
COMPUTE n_mue=TRUNC(n_mue)+1.
EXECUTE.
FORMATS n_inf(F8.0) n_mue(F8.0) n_pob(F12.0) nc(F8.2) e(F8.2)
p(F8.2).
*****Salida.
LIST VARIABLES=n_mue e nc p n_pob.
La salida será la siguiente:
_
n_mue e nc p n_pob 81 5,00 95,50 ,50 100 Number of cases read: 1 Number of cases listed: 1
2. El programa SPSS para realizar el ejercicio es:
*** MUESTREO ESTRATIFICADO*******.
***Tamaño de una muestra para un error y un nivel de confianza
** El programa calcula el tamaño de la muestra en función del
** nivel de confianza (nc) y del error (e), para una población.
** Como salida se obtiene el tamaño (n_mue) y el reparto de la muestra
por estrato según la afijación proporcional y la óptima.
NEW FILE.
INPUT PROGRAM.
LOOP #X=1 TO 1.
END CASE.
END LOOP.
END FILE.
END INPUT PROGRAM.
* Introduzca un nivel de confianza (95,5% por defecto).
COMPUTE nc = 95 .
VARIABLE LABELS nc ‘nivel de confianza’ .
COMPUTE k=ABS(IDF.NORMAL((1-nc/100)/2,0,1)).
* Introduzca un error (en porcentaje).
COMPUTE e = 2 .
VARIABLE LABELS e ‘error muestral’ .
compute e1=e/100.
execute.
matrix.
get datos
/file=*.

Estadísticos e-Books & Papers

compute k=datos(2).
compute e1=datos(4).
**** Introducir datos de tamaño y desviación típica de cada
estrato*******. print /title ‘***Datos tamaño y desviación típica de cada
estrato***’.
compute x={30,9;45,4;75,6}.
print x/title ‘ ‘.
compute px=x(:,1)&*x(:,2).
compute n=csum(x(:,1)).
compute px1=csum(px)/n.
compute px2=x(:,1)&*x(:,2)&*x(:,2).
compute px3=csum(px2)/n.
compute c=e1**2/k**2.
compute n_mue=rnd(px1**2/(c+px3/n)).
print/title ‘***La muestra total será***’.
print n_mue/title ‘ ‘.
**************************.
*************Afijación óptima, reparto de la muestra**************.
print/title ‘***Reparto de la muestra por estrato afijación óptima*** ‘.
compute y=rnd(n_mue&*px/csum(px)).
print y/title ‘ ‘.
*********** Afijación proporcional**************.
print/title ‘***Reparto de la muestra por estrato afijación proporcional***
‘. compute y1=rnd(n_mue&*x(:,1)/n).
print y1/title ‘ ‘.
end matrix.
Cuya salida es:
Run MATRIX procedure:
***Datos tamaño y desviación típica de cada estrato***
30 9
45 4
75 6
***La muestra total será***
138
***Reparto de la muestra por estrato afijación óptima***
41
28
69
***Reparto de la muestra por estrato afijación proporcional***
28
41

Estadísticos e-Books & Papers

69
——— END MATRIX ——

3. La media poblacional será:

648 10
m=+ + + =7
4
La desviación típica:
s
2 222 2
=- +- +- + =+ + += = 5
4 4 4 s= =5224
Al ser el muestreo con reemplazamiento el número de muestras posibles
será: 42=16
(6,6) (6,4) (6,8) (6,10) (4,4) (4,6) (4,8) (4,10) (8,8) (8,6) (8,4) (8,10)
(10,10) (10,6) (10,4) (10,8)
La media de cada muestra será:
6578
4567
8769
10 8 7 9
La media de la distribución muestral de las medias será:
X
6 5 784 5 678769 10879 112 =+ + + + + + + + + + + + + + += =
7
16 16
VX
() (
22 2 2 22 2 6 73 5 72 7 74 8 73 4 71 9 72 10 71 =- +- +- +- +- +- +
16
VX()
38 39 8 9
=+ + + + += ==X 25 158
16
Como vemos en el muestreo con reemplazamiento (o en población
infinita):
s2 5
VX() = ==

Estadísticos e-Books & Papers

n 2 25
4. Si el muestreo es sin reemplazamiento el número de muestras posibles
será:
Ê4ˆ 4! 1234
Á2˜= = = 6 Ë ¯ 22!. ! 22
(6,4) (6,8) (6,10)
(4,8) (4,10) (8,10)
La media de cada muestra será:
57 8
67 9
La media de la distribución de medias será:
X =+ + + + + =7
6
La desviación típica de la distribución de medias será:
22 22241 1 4
VX()( )( ). ( )( )( ) = + + + = 167
=- +- +- +- +
66
sX = =167 129
Se puede comprobar como:
VX
()
=
s2 ÊNnˆ 5Ê42ˆ 52 5 n
ËÁ
-
N
-
1
¯˜=
2
ËÁ
-
41¯˜= ==3 167
-
5. El programa de SPSS que realiza el cálculo se presenta a
continuación. Debe destacarse que la introducción del comando BEGIN

Estadísticos e-Books & Papers

DATA
–END DATA se realiza para construir un fichero de datos con un solo
registro donde introducir los valores de la variables creada con COMPUTE
data list free/x.
begin data
1
end data.
execute.
format x (f8.4).
***** probabilidad de z menor o igual que a *******.
********* por ejemplo prob. z menor o igual que -0.24 ***********.
COMPUTE pz1 = CDFNORM(-0.24) .
format pz1 (f8.4).
***** probabilidad de z mayor o igual que a *******. ********* por
ejemplo prob. z mayor o igual que -2.5 ***********. COMPUTE pz2 =
1-CDFNORM(-2.5) .
format pz2 (f8.4).
********** probabilidad de z entre dos valores a, b ****************.
***** por ejemplo prob. z entre 0.30 y 2.89 ***********.
COMPUTE pz3 = CDFNORM(2.89)-CDFNORM(0.30) . format pz3
(f8.4).
execute.
6. De forma similar al ejercicio anterior, el programa que realiza el cálculo
será:
data list free/x.
begin data
1
end data.
execute.
format x (f8.4).
***** probabilidad de t menor o igual que a *******.
********* por ejemplo prob. t(7) menor o igual que 1.1192 ***********.
COMPUTE pt1 = CDF.T(1.1192,7) .
format pt1 (f8.4).
***** probabilidad de t mayor o igual que a *******.
********* por ejemplo prob. t(507) mayor o igual que 0.4 ***********.

Estadísticos e-Books & Papers

COMPUTE pt2 = 1-CDF.T(0.4,507) .
format pt2 (f8.4).
execute.
7. El programa que realiza el cálculo propuesto es:
data list free/x.
begin data
1
end data.
execute.
format x (f8.4).
***** Valor de F tal que P[F>F(5,30)]=0.01 *******. COMPUTE if1
= IDF.F(0.99,5,30) .
format if1 (f8.4).
execute.
8. El programa que realiza el cálculo es:
data list free/x.
begin data
1
end data.
execute.
format x (f8.4).
********** probabilidad de chi-cuadrado entre dos valores a, b
****************. ***** por ejemplo prob. chi(10) entre 3.94 y 15.987
***********.
COMPUTE pchi1 = CDF.CHISQ(15.987,10)-CDF.CHISQ(3.94,10) .
format pchi1 (f8.4).
execute.
********** probabilidad de chi-cuadrado entre dos valores a, b
****************. ***** por ejemplo prob. chi(1000) entre 1027 y 1061
***********.
COMPUTE pchi2 = CDF.CHISQ(1061,1000)-
CDF.CHISQ(1027,1000) . format pchi2 (f8.4).
execute.
BIBLIOGRAFÍA
Arce, Constantino; Real, Eulogio (2002): Introducción al análisis

Estadísticos e-Books & Papers

estadístico con SPSS. PPU. Barcelona.
Calot, G. (1974): Curso de Estadística Descriptiva. Paraninfo. Madrid.
Camacho Rosales, Juan (2002): Estadística con SPSS versión 11 para
Windows. Ra-Ma, Librería y Editorial Microinformática. Madrid.
Cuadras, C. M.; Echeverría, B.; Mateo, J.; Sánchez, P. (1991):
Fundamentos de Estadística. PPU. Barcelona.
Ferrán Aranaz, Magdalena (2002): Curso de SPSS para Windows.
McGraw-Hill/ Interamericana de España. Madrid.
Labrousse, C. (1976): Estadística. Ejercicios resueltos (Tomo II). Madrid:
Paraninfo. Lizasoain Hernández, Luis; Joaristi Olarriaga, Luis (2003):
Gestión y análisis de datos con SPSS. Thomson Paraninfo. Madrid.
Martín F. G. (1994): Introducción a la Estadística Económica y
Empresarial. AC. Madrid. Martín, M. F.; Fernández, R.; Seisdedos, A.
(1985): Estadística inferencial. Manual de prácticas para las ciencias de
la conducta.Salamanca: Universidad pontificia. Pardo Merino, Antonio;
Ruiz Díaz, Miguel Ángel (2002): SPSS 11. Guía para el análisis de datos.
McGraw-Hill/ Interamericana de España. Madrid.
Peña D. (1992): Estadística, Modelos y Métodos. Volumen I. Alianza
Universidad Textos. Madrid.
Peña D. (1992): Estadística, Modelos y Métodos. Volumen II. Alianza
Universidad Textos. Madrid.
Pérez, César (2001): Técnicas estadísticas con SPSS. Pearson
Educación. Madrid. Ríos, S. (1974): Métodos estadísticos. Ed. del Castillo.
Madrid.
Spiegel, M. R. (1992): Estadística. McGraw-Hill. Madrid.
Visauta Vinacua, B. (2002): Análisis estadístico con SPSS 11.0 para
Windows. McGraw-Hill/ Interamericana de España. Madrid.

UNIDAD DIDÁCTICA 4
ANÁLISIS INFERENCIAL DE DATOS
Objetivos
Conocer los fundamentos de los tests estadísticos y su incidencia en las
decisiones sobre los parámetros poblacionales.
Diferenciar las pruebas de una sola cola frente a las de dos. Distinguir
los condicionantes paramétricos de las pruebas estadísticas. Valorar la
utilización de pruebas paramétricas.

Estadísticos e-Books & Papers

Utilizar con soltura las principales pruebas paramétricas.
Diferenciar el contexto de utilización de las pruebas no paramétricas.
Distinguir, según las condiciones de los problemas, la prueba más
adecuada para resolverlo.
Aplicar el contraste no paramétrico más pertinente.
Utilizar los comandos SPSS para resolver pruebas paramétricas y pruebas
no paramétricas.
1. DECISIÓN ESTADÍSTICA. PRUEBAS PARAMÉTRICAS
1.1. Introducción
Hay ocasiones en que tenemos que tomar decisiones relativas a una
población sobre la base de los conocimientos que tenemos de la muestra.
Por ejemplo, si los resultados de un determinado medicamento afectan
positivamente la salud de los enfermos, si un método pedagógico es más
eficaz que otro, si un determinado dentífrico es preferido por la mayoría de
la población, etc.
A la hora de tomar una decisión, tenemos que enunciar una hipótesis
(según el diccionario de la Real Academia «suposición de una cosa, sea
posible o imposible, para sacar de ella una consecuencia»), es decir,
tenemos que hacer unas suposiciones y ver si estas se cumplen o se
rechazan. Para realizar este proceso necesitamos el empleo de unas
pruebas estadísticas denominadas también test o dócimas para contrastar la
veracidad o falsedad de las hipótesis enunciadas.
Los test o pruebas estadísticas se clasifican en dos grandes grupos:
pruebas paramétricas, las más estudiadas y de uso más frecuente, y las
pruebas no paramétricas, de uso más reciente y aún no muy desarrolladas.
En las primeras se considera que la variable que estamos tratando tiene
una función de distribución determinada, bien totalmente o con algunos
parámetros desconocidos. En las segundas no se hace ninguna
consideración sobre la función de distribución.
1.2. Hipótesis estadística
En el apartado anterior se ha discutido la estimación de parámetros,
con el conocimiento de estadísticos de las muestras. En este apartado se
hablará del contraste de hipótesis centrándose en las pruebas paramétricas.
Tanto la estimación por intervalos como el contraste de hipótesis tratan el
mismo problema: el conocimiento de la población a través del estudio de
la muestra y proporcionan información similar (Ríos 1977, página 359):
Intervalo de confianza Test de hipótesis

Estadísticos e-Books & Papers

 Deja cubrir el parámetro
Cubre valores erróneos
Extensión de muestra necesaria para limitar la longitud del intervalo de
confianza
Error de tipo I
Error de tipo II
Extensión de muestra necesaria para que la potencia sea mayor que un
cierto valor
Una hipótesis estadística es una proposición sobre la distribución de
una o más variables aleatorias, en referencia a la forma que adopta dicha
distribución o los parámetros que definen la población. Así, por ejemplo,
se puede decir que la variable aleatoria se distribuye como una ji-cuadrado
o que los parámetros poblacionales son: media igual 20 y desviación típica
igual a 3.
Lo habitual en el planteamiento de hipótesis estadísticas es dar por
supuesto ciertas condiciones de la distribución de la variable aleatoria y
centrarse en el conocimiento de los parámetros de la población.
La formulación de una hipótesis estadística se puede realizar mediante
una hipótesis simple (m=5) o mediante una hipótesis compuesta,
formada con varias simples (mπ5, m>5 o m<5).
1.2.1. Hipótesis nula
En la nomenclatura la hipótesis H0 se denomina hipótesis nula y será
aquella formulación teórica que trata de «proteger» a priori a la
distribución que se pretende contrastar, teniendo dos planteamientos:
H0: «el estadístico es compatible o pertenece a una distribución de
parámetro X». Por ejemplo: H0: m=100.
H0: «no hay diferencia significativa entre los estadísticos». Por ejemplo
H0: m1-m2=0.
El término nula indica que la diferencia puede ser explicada por
variaciones aleatorias de la muestra y no que la diferencia tenga que ser
igual a cero.
1.2.2. Hipótesis alternativa
Frente a la hipótesis nula, se plantean las hipótesis alternativas
expresadas mediante H1. En los dos casos anteriores las hipótesis

Estadísticos e-Books & Papers

alternativas serán: Frente a H0: m=100 se plantean las siguientes hipótesis
alternativas: H1:m>100; H1:m<100; H1:mπ100 ;H1:m=104 .....
Frente a H0:m1-m2=0; H1:m1-m2π0; H1: m1-m2<0 ; H1: m1-m2 >0 ....
En realidad la hipótesis alternativa es la que queremos probar y su
formulación es imprescindible aún cuando H0 no se rechace.
1.3. Formulación de hipótesis. Hipótesis simple frente alternativa
simple
Sea X una variable aleatoria cuya distribución de probabilidad F(X)
depende de un parámetro q. La densidad de probabilidad es: f(xi, q). El
parámetro q desconocido puede tomar los dos valores q0 y q1. El contraste
consiste en elegir entre dos hipótesis simples:
H0 (hipótesis nula): q=q0 H1 (hipótesis alternativa): q=q1
La decisión estadística denomina test o contraste de hipótesis, a una
regla que permite decidir cuál de las dos hipótesis es aceptada, partiendo
de una muestra aleatoria x=(x1,.....,xn) de x.
1.3.1. Regiones críticas y de aceptación
La aceptación o rechazo de la hipótesis nula, supone la división previa
de la distribución muestral en dos regiones: crítica (W) o de rechazo de la
hipótesis nula y no crítica o de aceptación de dicha hipótesis. Se llama
región crítica W de nivel de significación aa un subconjunto del espacio
muestral Rn, tal que la probabilidad de que la muestra x pertenezca a W,
cuando es cierta H0, es igual a a, es decir,
P(xŒW|H0 es cierta)=a
La probabilidad de que x no pertenezca a W cuando es cierta H0 es
P(xœW|H00a
El nivel de significación a es una probabilidad pequeña (0,1; 0,05 ó
0,01) que normalmente elige el experimentador. Si suponemos que una
hipótesis particular es cierta pero vemos que los resultados hallados en una
muestra aleatoria difieren substancialmente de los esperados desde tal
hipótesis (es decir, no debidos al azar), entonces se dirá que las diferencias
observadas son significativas a nivel de significación a.
La regla de decisión para resolver entre H0 y H1 es la siguiente: — Si se
presenta el suceso (xŒW), se rechaza H0 y se acepta H1, es decir que si la
muestra pertenece a la región crítica se rechaza H0 y se acepta la

Estadísticos e-Books & Papers

alternativa.
— Si se presenta el suceso (x œW), se acepta H0 y se rechaza H1.En
otras palabras, si la muestra no pertenece a la región crítica, es decir
pertenece a la región de aceptación, se acepta H0 y se rechaza H1.
Se justifica este criterio porque si H0 es cierta, el suceso (xŒW) tiene
solamente una probabilidad a de presentarse. Como es razonable suponer
que no se presentará bajo H0, cuando realmente se presenta (xŒW) (la
muestra pertenece a la región crítica W), existen razones para inferir que la
hipótesis verdadera es H1.
1.3.2. Error tipo I, error tipo II y potencia de una prueba
El rechazar la hipótesis nula H0 siendo cierta, se llama error de tipo I. La
probabilidad de cometer este error es el nivel de significación a.
La probabilidad de equivocarse cuando se acepta H0, siendo cierta H1,
es P(xœW|H1 cierta)=b
y es la probabilidad de cometer el llamado error tipo II. Si la hipótesis
cierta es H1, la probabilidad de que la muestra pertenezca a W (es decir,
aceptar H1 siendo cierto H1) es:
P(xŒW|H11b
que recibe el nombre de potencia del test. Decimos que una prueba es
más potente que otra cuando, con un aab es mayor en una prueba que en
otra. Asimismo dentro de una prueba es más potente la decisión unilateral
que la bilateral.
TABLA 4.1.1. Hipótesis y decisión estadística.
Decisión
H0 H1
H0
Hipótesis H1verdaderas

sin error a (error –I)

b (error –II) sin error
Potencia (1–b)
Ejemplo
Se supone que la altura de una población de jóvenes es 172 cm con una
desviación típica de 10 cm. Se toma una muestra de 144 alumnos de un
instituto dando como media 175 cm. Además se sabe que la altura media

Estadísticos e-Books & Papers

de los alumnos del instituto es 177 cm. ¿cuál es la probabilidad de cometer
error tipo I y tipo II si se establecen las siguientes hipótesis H0=172, frente
H1=177, sabiendo que la muestra escogida tiene como media 175 cm?
a) Se calcula el error típico de la distribución muestral de la media:
s
10
sx = = =144 083
n

b) Se toma como punto crítico (Xc) el valor de la media muestral, en

nuestro caso Xc=175. Si se supone la distribución normal, se puede hacer
el siguiente planteamiento gráfico:
a= error tipo I
m0 =172 – =175
b= error tipo II
– =175 m0 =177
Se calcula los valores de z y su probabilidad asociada:
175-= Æ Æ=
zH0 = 0 00016
083,,,
175 177-= Æ Æ=
z 0 00798H1 = 083
Si la muestra fuera menor, por ejemplo n=36 entonces los valores de los
errores tipo I y II serian mayores:
175-= Æ Æ=
zH0 = 0 03593
167,,,
175 177-= Æ Æ=
z 0 11507H1 = 167
1.4. Hipótesis simple frente alternativa compuesta
En muchos contrastes normalmente existe más de una hipótesis
alternativa frente a una hipótesis nula H0. A menudo el problema se puede
formular de modo que la densidad de la v.a. X es f(x,q) dependiendo de un
parámetro q. El contraste de hipótesis se formula entonces así:
H0: q=q0 (un valor conocido)
H1: qπq0
y se dice que H1 es una alternativa bilateral.
Los test de hipótesis simple frente alternativa simple generan regiones
críticas de una sola extremidad y son llamadas pruebas de una sola cola o
unilaterales
Región Región de rechazo de rechazo

Estadísticos e-Books & Papers

1– a 1– a
Zona de aceptación a a Zona de aceptación
FIGURA 4.1.1. Pruebas unilaterales derecha e izquierda. Regiones de
aceptación y rechazo.
y los test de hipótesis simple frente alternativa compuesta tienen regiones
críticas de dos extremidades y por eso son denominadas pruebas de dos
colas o bilaterales.
Región Región de rechazo1– a de rechazo
a/2 Zona de aceptación a/2
FIGURA 4.1.2. Prueba bilateral. Regiones de aceptación y rechazo.
En todas las pruebas fijaremos un nivel de significación a y hay que
tener presente que si el estadístico calculado cae en la región de rechazo
entonces se refutará la hipótesis nula.
1.5. Potencia de una prueba de hipótesis
Según hemos visto b representa la probabilidad de aceptar H0 cuando
es falsa, cuando es falsa, b es la probabilidad de rechazar dicha hipótesis
cuando es falsa. Esta probabilidad es conocida como potencia de una
prueba.
El objetivo es conseguir pruebas potentes con valores bajos del error tipo I
(a) y del error tipo II (b) sin embargo éstos y la potencia tienen unos
condicionantes:
1. El valor de a se fija al escoger la región de rechazo.
2. El valor de b dependerá de la hipótesis alternativa que se escoja.
3. Para un tamaño muestral fijo, al aumentar la región de rechazo (y por lo
tanto a), b disminuye. Si a decrece, b aumentará.
4. Al aumentar el tamaño muestral n, a y b decrecerán a la vez.
Como vemos para conseguir el objetivo de máxima potencia y menor
error la solución está en aumentar el tamaño de la muestra. Así mismo,
dentro de una prueba la decisión unilateral es más potente que la bilateral.
Veamos un ejemplo:
Supongamos una muestra aleatoria n=36. Se plantea H0: m=10 frente la
alternativa H1:m=12, se elige a=0,05 y se supone una población normal
con s2=16.
16
En primer lugar calculemos el error típico: sx= =36 066

Estadísticos e-Books & Papers

a) Si se elige una región crítica unilateral derecha entonces za=1,645 por
tanto:
1,645 =Xc 10-Æ =c 11 086066
Con este punto crítico (Xc), si suponemos H1 como verdadera entonces
X–<Xc=11,086, con lo que si aceptamos H0 cometemos un error tipo II.
Para el valor de H1:m=12 tendremos que averiguar qué z corresponde a Xc
y calcular la probabilidad de valores menores que esa z.
z= 11 086-12 = –,1 385 Æ P(z<–1,385)=0,08379 y por tanto b=0,08379,
de066
ahí que la potencia=1–b=1-0,08379=0,91621.
b) Si se elige una región crítica unilateral izquierda, siguiendo un
procedimiento similar al anterior.
–1,645 =Xc-Æ =c 8 914
066
Suponiendo H1 cierta
z= 8 914-12 = –,4 675 Æ P(z>–4,675)=0,9997 y por tanto b=0,9997, de
ahí066
que la potencia=1–b=1-0,9997=0,0003
c) Finalmente al elegir una región crítica bilateral habrá dos puntos
críticos:
–1,96 = Xc1 -Æ =c1 8 706,066
196= Xc2 -Æ =11 294,066 c2
Suponiendo H1 cierta z 8 706-12= –,4 9911 = 066
z11 294-12 = –,1 0701 =066
La P(–4,991<z<–1,070)=0,14228, por tanto b=0,14228, de ahí que la
potencia=1–b=1–0,14228=0,85772.
En consecuencia es evidente que la región crítica que da mayor
potencia es la unilateral derecha, por supuesto porque 12 es mayor que 10,
o lo que es lo mismo H1>H0.
1.5.1. Función de potencia y curvas características operativas
El caso anterior se ha dado una hipótesis nula (H0:m=10) y una
alternativa simple (H1:m=12) pero también se podría dar una alternativa
compuesta H1:m>10;m<10 o mπ10. En cualquiera de los casos de la
alternativa compuesta, no hay un riesgo b único sino un conjunto de

Estadísticos e-Books & Papers

valores en función de los distintos valores que vaya tomando m en la
hipótesis H1; entonces se habla de una función de potencia en lugar de
hablar de una potencia única.
Veamos un ejemplo. Supongamos H0:m=200 frente H1:mπ200 con
a=0,05, n=625, y que la población se distribuye normalmente con s=100.
Con estos datos se podrían dar infinitos valores de m, sin embargo para
concretar se ha dado once datos, cinco por encima y cinco por debajo del
valor 200, además del m=200. Los valores de los datos (X), Z1,Z2, bbb
aparecen a continuación:
X Z1 Z2 b p=1–b
224.00 –7.96 –4.04 .0000 1.0000
220.00 –6.96 -–3.04 .0012 .9988
212.00 –4.96 –1.04 .1492 .8508
208.00 –3.96 –.04 .4840 .5160
204.00 –2.96 .96 .8299 .1701
200.00 –1.96 1.96 .9500 .0500
196.00 –.96 2.96 .8299 .1701
X Z1 Z2 b p=1–b
192.00 .04 3.96 .4840 .5160
186.00 1.54 5.46 .0618 .9382
182.00 2.54 6.46 .0055 .9945
176.00 4.04 7.96 .0000 1.0000
Como se observa en la tabla cuanto más lejos está H1 de H0 mayor es
la potencia. Esta cuestión debe destacarse como uno de los factores que
influye en el aumento de la potencia de una prueba.
La gráfica de la función de potencia aparece a continuación:
FIGURA 4.1.3. Curva de potencia de una prueba bilateral.
La forma en V de la curva de potencia es propia de las pruebas
bilaterales, conforme más estrecha sea mejor discrimina la prueba entre H0
y los distintos valores de H1.
Las pruebas unilateral izquierda y unilateral derecha tienen unas curvas de
potencia mostradas en las fig. 4.1.4 y fig. 4.1.5.
FIGURA 4.1.4. Curva de potencia de una prueba unilateral izquierda.
FIGURA 4.1.5. Curva de potencia de una prueba unilateral derecha.
En la práctica estas curvas se utilizan poco, en su lugar se emplea la

Estadísticos e-Books & Papers

curva característica operativa donde se representa X en función de b. Las
gráficas serán entonces (ver fig. 4.1.6 a 4.1.8).
FIGURA 4.1.6. Curva carecterística operativa de una prueba bilateral.
FIGURA 4.1.7. Curva carecterística operativa de una prueba unilateral
izquierda.
FIGURA 4.1.8. Curva carecterística operativa de una prueba unilateral
derecha.
1.5.2. Cálculo de n para un a y b dados
Existe relación entre los valores de a y b y el tamaño de la muestra (n).
Aunque los valores de a y b son inversos entre sí, lo que indudablemente
se necesita es que ambos tengan sus valores lo más bajos posibles. Para
concretar su cálculo supongamos el siguiente ejemplo: sea una población
normal con s2= 625 y se plantean las hipótesis H0=40; H1=36 con los datos
a=0,05 y b=0,10.
Al ser H1<H0 se plantea una región crítica unilateral izquierda, que
para a=0,05 nos lleva a z=-1,645, por tanto el valor crítico será:
Xc =1 645 25+40
n
y por los datos de b=0,10 nos lleva a z=1,28 y por tanto el valor crítico
será:
128 25
Xc ,= +36 n
La representación gráfica de las dos zonas será:
a=0,05
40 z = –1,645
b=0,10
36 z = 1,28
Igualando las dos expresiones tenemos:
1 645 25
1 28 25
,,- += + 36 después de despejar n se tiene: n=334. nn
El procedimiento de cálculo que se ha realizado para una prueba de
alternativa simple, se puede ejecutar, sin mayor problema, para una prueba
de alternativa compuesta.
1.6. Principales pruebas paramétricas
En la selección de la prueba estadística hay que tener presente no sólo

Estadísticos e-Books & Papers

la naturaleza de la población, sino la aleatoriedad de las muestras, la
independencia de los datos y la relación o no de las muestras. Estas
cuestiones son algunas de las condiciones que exigen las pruebas
denominadas paramétricas, en concreto se exige:
a) Independencia de los datos:
— Cualquier sujeto tiene las mismas posibilidades de ser elegido en la
muestra (aleatoriedad).
— La puntuación de un sujeto no influye en la asignada a otro. b)
Normalidad:
— Las poblaciones de las que se extraen los sujetos de las muestras
deben estar distribuidas normalmente para el parámetro a estimar. — Esta
condición es habitual asumir su cumplimiento cuando la muestra es
grande.
c) Homocedasticidad:
— Cuando hay varios grupos, se supone que proceden de la misma
población o poblaciones con igual varianza.
— El incumplimiento de ésta condición afecta a los contrastes de
varios grupos. d) Medida de intervalo:
— Las variables deben medirse en una escala de intervalo o casi-
intervalo, es decir, en una escala ordinal multicategórica.
e) Linealidad (sólo en la prueba F):
— La relación atribuida a los efectos de las interacciones entre fila y
columna o a ambos, debe ser aditiva y no multiplicativa para evitar su
influencia sobre las varianzas.
El principio de Neyman-Pearson y la construcción de la región crítica
por medio de la razón de las funciones de verosimilitud asociadas a las
hipótesis H0 y H1, que no veremos en el texto, son elementos importantes a
la hora de construir test paramétricos.
Para contrastar una hipótesis estadística se pueden seguir los siguientes
pasos:
1. Formular la hipótesis nula H0 y la hipótesis alternativa o de
investigación.
2. Fijar el nivel de significación (a).
3. Comprobar las características de las variables y plantear las
suposiciones necesarias. Cumplimiento o no de las condiciones
paramétricas.

Estadísticos e-Books & Papers

 4. Elegir un estadístico para contrastar la hipótesis.
5. Estudiar las características de la distribución muestral del estadístico.
6. Determinar la región crítica o de rechazo de H0 y la de aceptación.
Viene determinada por el nivel de significación (a) dado y por la dirección
de H1.
7. Decidir sobre la aceptación o rechazo de H0. Si el valor calculado
en la muestra cae dentro de la zona de aceptación, se acepta la hipótesis
nula y si no se rechazará.
Veamos, para finalizar este punto, las principales pruebas paramétricas
según la siguiente secuencia:
1. Formulación de la hipótesis nula.
2. Enunciado de la hipótesis alternativa, presentando la exposición para
una y/o dos colas.
3. Estadístico utilizado en la prueba.
4. Región de rechazo.
1.6.1. Muestras grandes: media y proporción muestrales
Media:
1. Hipótesis nula: H: m=m0
2. Hipótesis alternativa:
Prueba de una extremidad (o cola) Ha: m>m0 o bien Ha: m<m0
Prueba de dos extremidades (o colas) Ha: mπm0
3. Estadístico de la prueba:
z
=
x –m0
sx
n
Si se desconoce s (lo que normalmente sucede), sustitúyase por la
desviación estándar muestral.
4. Región de rechazo:
Prueba de una extremidad.
z>za (o bien z<-za, cuando la hipótesis alternativa es Ha: m<m0). Prueba
de dos extremidades.
z>za/2 o bien z<-za/2

Estadísticos e-Books & Papers

a a/2 a/2
Za–Za/2Za/2
Suposiciones: Muestra aleatoria con n>30
Proporción:
1. Hipótesis nula: H: p=p0
2. Hipótesis alternativa:
Prueba de una extremidad (o cola) Ha: p>p0 o bien Ha: p<p0
Prueba de dos extremidades (o colas) Ha: pπp0
3.
Estadístico de la prueba:
ˆ–
z pp pp
ˆ–
00 p= x
= = pqdonde
sˆ np 00

n
4. Región de rechazo:
Prueba de una extremidad
z>za (o bien z<-za,cuando la hipótesis alternativa es Ha: p<p0) Prueba de
dos extremidades
z>za/2 o bien z<-za/2
a a/2 a/2
Za–Za/2Za/2

Suposiciones: El muestreo satisface los supuestos de un experimento

binomial y n suficientemente grande para que la distribución muestral de x
(y por consiguiente de
^
p)tenga una distribución aproximadamente normal.
Diferencia de medias:
1. Hipótesis nula: H: (m-m)=D0 donde D0 es alguna diferencia
especificada que se quiera probar. En muchos casos se deseará probar la
hipótesis de que no hay una diferencia entre m1 y m2 , es decir, D0=0.
2. Hipótesis alternativa:
Prueba de una extremidad (o cola)

Estadísticos e-Books & Papers

Ha: (m1 m2)>D0 o bien Ha: (m1 m2)<D0
Prueba de dos extremidades (o colas) Ha: m1 m2πD0

()

z xx D12 03. Estadístico de la prueba: =2ss2

1+2
1nn2
Si se desconoce s12 y s22 (lo que normalmente sucede), sustitúyase por las
cuasi-varianzas muestrales
^2 y ^

s2.1 s2
4. Región de rechazo:
Prueba de una extremidad
z>za (o bien z<-za, cuando la hipótesis alternativa es Ha: m-m<D0) Prueba
de dos extremidades
z>za/2 o bien z<-za/2
a a/2 a/2
Za–Za/2Za/2
Suposiciones: Se seleccionaron las muestras aleatorias e independientes de
dos poblaciones y n1>30 y n2>30.
Diferencia de proporciones:
1. Hipótesis nula: H: (p1-p2)=D0 donde D0 es alguna diferencia
especificada que se quiera probar. En muchos casos se deseará probar la
hipótesis de que no hay una diferencia entre p1 y p2 - es decir, D0=0.
2. Hipótesis alternativa:
Prueba de una extremidad (o cola)
Ha: (p1 -p2)>D0 o bien Ha: (p1-p2)<D0
Prueba de dos extremidades (o colas)
Ha: p1-p2πD0
3. Estadístico de la prueba:

()

Estadísticos e-Books & Papers

=
12 0 donde p1 = =x2 pq
ˆ– ˆz pp D– ˆˆx1 y p2 n211 + pq22 n1
n1 n2
Como en general se desconoce p1 y p2 tendremos que aproximar sus
valores para poder calcular la desviación estándar de que aparecen en el
denominador de z. Existen aproximaciones para dos casos:
Caso I: Si suponemos que p1 es igual a p2, o sea, D0=0 entonces
p1=p2=p, y el mejor estimador de p se obtiene acumulando
ponderativamente los datos de ambas muestras. De modo que, si x1 y x2
son los números de éxitos obtenidos de las dos muestras, entonces la
estimación ponderada de p es
pxx12= nn
12
El estadístico de la prueba es: z pp

ˆ ()–0

ˆˆ+ ˆˆ
pq pq
n
n 12
Caso II: Si suponemos que D0 no es igual a cero, es decir D0π0 entonces
los mejores estimadores para p
1
yp
2

son
^ y ^ respectivamente ^ y ^

p . El esta1 p2 p1 p2 dístico de la prueba será:

()
ˆ – ˆz pp D12 0= ˆ ˆ pqˆ ˆ
11

Estadísticos e-Books & Papers

pq+ 22
n1 n2
4. Región de rechazo:
Prueba de una extremidad
z>za (o bien z<-za, cuando la hipótesis alternativa es Ha:(p1-p2)<D0)
Prueba de dos extremidades
z>za/2 o bien z<-za/2
a a/2 a/2
Za–Za/2Za/2

Suposiciones: Se seleccionaron las muestras aleatorias e

independientes de dos poblaciones binomiales y n1 y n2 suficientemente
grandes para que las distribuciones muestrales de p
1
yp
2
(y por lo tanto, de
–
p) sea aproximadamente normales.
1.6.2. Muestras pequeñas: media, varianza y correlaciones muestrales
Media:
1. Hipótesis nula: H: m=m0
2. Hipótesis alternativa: Prueba de una extremidad (o cola) Ha: m>m0 o
bien Ha: m<m0 Prueba de dos extremidades (o colas) Ha: mπm0
3. Estadístico de la prueba:
t
=
x –m0 s n
4. Región de rechazo:
Prueba de una extremidad t>ta(o bien t<-tacuando la hipótesis alternativa
es Ha: m<m0) Prueba de dos extremidades
t>ta/2 o bien t<ta/2
a a/2 a

/2
ta–ta/2ta/2

Estadísticos e-Books & Papers

 Los valores de t, ta y ta/2 se basan en (n-1) grados de libertad.
Suposiciones: La muestra se seleccionó aleatoriamente de una población
distribuida normalmente
Diferencia de medias-muestras independientes:
1. Hipótesis nula: H: (m1-m2)=D0 donde D0 es alguna diferencia
especificada que se quiera probar. En muchos casos se deseará probar la
hipótesis de que no hay una diferencia entre m1 y m2, es decir, D0=0.
2. Hipótesis alternativa:
Prueba de una extremidad (o cola)
Ha: (m1 m2)>D0 o bien Ha: (m1 m2)<D0
Prueba de dos extremidades (o colas)
Ha: m1 m2πD0
3. Estadístico de la prueba:
t xx D12 0
11
snn
12
n1 n2
Â
() ( )2 2
ii
1 Â2
donde
s
2= i=1 i=1
nn–212
4. Región de rechazo:
Prueba de una extremidad
t>ta(o bien t<-ta, cuando la hipótesis alternativa es Ha: m1 m2<D0)
Prueba de dos extremidades t>ta/2 o bien t<-ta/2
a a/2 a

/2
ta–ta/2ta/2

Los valores de t, ta y ta/2 se basan en (n1+n2-2) grados de libertad.

Suposiciones: Se seleccionaron las muestras aleatorias e
independientes de dos poblaciones normalmente distribuidas. Las

Estadísticos e-Books & Papers

varianzas poblacionales s12 y s22 son iguales.
Si las varianzas no son iguales entonces:
t xx D12 0 donde t se distribuye según una t de Student con m gra
= - 2s1ˆˆ2

n
+
1n2
dos de libertad.
Ês2ˆˆs2 ˆ2
ËÁ
1+ 2
Con mn1 n2¯˜ -2=Ês2 ˆ2 Ês2 ˆ2
ËÁ
2
n1
1 ¯˜ˆˆËÁn2 ¯˜
n1 + + n211
+
Diferencia de medias -muestras relacionadas:
1. Hipótesis nula: H: (m1 m2)=md =0
2. Hipótesis alternativa:
Prueba de una extremidad (o cola) Ha: md >0 o bien Ha:md <0
Prueba de dos extremidades (o colas) Ha: mdπ0
3. Estadístico de la prueba: td –0 d= =ssdd
n n donde n=número de diferencias por parejas

n 2Âdd()

s
d
=
i=1
n –1
4. Región de rechazo:
Prueba de una extremidad
t>ta(o bien t<-ta, cuando la hipótesis alternativa es Ha: m <0) Prueba de

Estadísticos e-Books & Papers

dos extremidades
t>ta/2 o bien t<-ta2
a a/2 a
/2
ta–ta/2ta/2

Los valores críticos de t, ta y ta/2 se basan en (n-1) grados de libertad.

Suposiciones: Se seleccionan aleatoriamente las n diferencias por parejas
de una población normalmente distribuida.
Varianza poblacional .
1. Hipótesis nula: H0: s2=s02
2. Hipótesis alternativa:
Prueba de una extremidad (o cola)
Ha: s2>s02 o bien Ha:s2 <s02
Prueba de dos extremidades (o colas) H
a
:
s
2πs2

0 ()ns2

3. Estadístico de la prueba:
2
c =s2 0
4. Región de rechazo:
Prueba de una extremidad
c2>c2 (o bien c2<cca, cuando la hipótesis alternativa es Ha:s2 <s02 )
dondea
c2 y cca son los valores de la cola superior e inferior respectivamente dea
c2 que ponen a en las áreas de las colas.
Prueba de dos extremidades
c2>c2 o sea c2<cca/2, donde c2 y cca/2 son los valores de la cola supea/2 a/2
rior e inferior respectivamente de c2 que ponen a/2 en las áreas de las
colas.

Estadísticos e-Books & Papers

a a/2 a/2
c
2 c2 c2 a 1–a/2a/2
Los valores críticos de c2 se basan en (n-1) grados de libertad.
Suposiciones: La muestra se seleccionó aleatoriamente de una población
normalmente distribuida.
Igualdad de dos varianzas poblacionales .
1. Hipótesis nula: H0: s12=s22
2. Hipótesis alternativa:
Prueba de una extremidad (o cola) H
a
:
s
12
>
s
22

2 o bien Ha:s12 <s2 Prueba de dos extremidades (o colas) H

a
:
s
12
π
s
2
2
3. Estadístico de la prueba:
Prueba de una extremidad:
s
2s2
F1 (o bien, Fs2 para Ha:s12 <s2 ) s
2= =2
21
Prueba de dos extremidades:
s
2
F
=
1
s

Estadísticos e-Books & Papers

2 donde s12 es la mayor varianza muestral
2

4. Región de rechazo:
Prueba de una extremidad F>Fa
Prueba de dos extremidades F>Fa/2
Cuando
F
=
s
2
1 , los valores críticos, Fa y Fa/2 , se basan en n1=n1-1 y n2=n2-1s2
2
grados de libertad.
a a/2
FaFa/2
Suposiciones: Las muestras se seleccionaron aleatoria e
independientemente de poblaciones con distribución normal.
Prueba para el coeficiente de correlación poblacional simple r
1. Hipótesis nula: H0: r =0
2. Hipótesis alternativa:
Prueba de una extremidad (o cola)
Ha: r >0 o bien Ha: r <0
Prueba de dos extremidades (o colas) Ha: r π0
3. Estadístico de la prueba: =t rn–2 1–r2
4. Región de rechazo:
Prueba de una extremidad
t>ta(o bien t<-ta,cuando la hipótesis alternativa es Ha: r <0) Prueba de dos
extremidades
t>ta/2 o bien t<-ta2
a a/2 a
/2
ta–ta/2ta/2

Los valores críticos de t, ta y ta/2 se basan en (n-2) grados de libertad.

Suposiciones: Las suposiciones son las relacionadas con el modelo de
regresión lineal y se verán en la sección dedicada a dicho modelo.
1.7. Pruebas para comparación de medias. Los comandos T-TEST Y

Estadísticos e-Books & Papers

MEANS
El comando T-TEST
Permite aplicar la prueba t de Student para una muestra, para dos muestras
relacionadas o para dos muestras independientes.
1.7.1. Prueba T para una muestra
Se utilizará para comparar la media de una variable con un valor conocido
o que queremos inferir.
Supongamos el siguiente problema-ejemplo.
Problema-ejemplo
Queremos calcular el estadístico t, para contrastar la hipótesis de que la
media es igual a 4,2, en cada una de las variables item1 y item2, del
ejemplo práctico que venimos manejando (fichero examinar.sav).
Desarrollo del ejemplo
Seleccionaremos en el menú del SPSS, Analizar>Comparar
medias>Prueba T para una muestra que nos llevará a la siguiente
ventana:

Aquí seleccionaremos las variables item1 y item2 y escribiremos el

valor que queremos contrastar (4,2). Después pulsaremos opciones para
indicar el intervalo de confianza y el tratamiento de los datos perdidos.

Fichero de sintaxis
T-TEST

Estadísticos e-Books & Papers

/TESTVAL=4.2
/MISSING=ANALYSIS
/VARIABLES=item1 item2
/CRITERIA=CIN (.95) .
Resultados prueba T para una sola muestra
ESTADÍSTICOS PARA UNA MUESTRA
N Media
Desviación típ. Error tip. de la media
Comprensión lectora 150 Aptitud verbal 150 4.1133 2.7963 4.2400
2.9440 .2283 .2404
PRUEBA PARA UNA MUESTRA
Valor de prueba = 4.2 Intervalo de confianza para la diferencia
t gl Sig. Diferencia (bilateral) de medias Inferior Superior
Comprensión –.380 149 lectora
.705 –8.6667E-02
–.5378 .3645
aptitud verbal .166 149 ,868 4.000E-02
–.4350 .5150
Como podemos observar, se plantea la hipótesis H0: m=4,2 frente a la
alternativa H1: mπ4,2, nos da la significación que es mayor de 0,05 luego
aceptamos H0. Incluso nos da el intervalo de confianza de la media
poblacional.
1.7.2. Prueba T para muestras independientes Compara la igualdad
de medias para dos grupos independientes.
Problema-ejemplo
Supongamos que queremos saber si existe diferencia significativa en la
variable item1 en función de la variable sexo del alumno, en los datos del
ejemplo que venimos tratando (fichero examinar.sav).
Desarrollo del ejemplo
Será necesario indicar al SPSS: Analizar>Comparar medias>Prueba T
para muestras independientes que nos llevará a la siguiente ventana:

Estadísticos e-Books & Papers

 Aquí señalaremos las variables para contrastar, en nuestro caso item1 y
la variable de agrupación que será sexo. En esta variable habrá que definir
los grupos (en nuestro caso 1=hombres y 2=mujeres).

También como opción alternativa está el punto de corte que nos

permitirá dividir una variable en función de un valor de corte, de tal forma
que los valores menores que ese valor formarán un grupo y aquellos
mayores o iguales que este valor formará otro grupo, así podremos
contrastar la igualdad de medias en los dos grupos formados.
Después podemos pulsar opciones que nos permite seleccionar el
intervalo de confianza y el tratamiento de valores perdidos.

Fichero de sintaxis
T-TEST
/ROUPS=sexo(1 2) /MISSING=ANALYSIS /VARIABLES=item1

Estadísticos e-Books & Papers

/CRITERIA=CIN(.95) .
Resultados de la prueba T para muestras independientes
ESTADÍSTICOS DEL GRUPO
sexo
N
Media
Desviación típ. Error tip. de la media
Comprensión lectora hombre 76 4.1447 2.7699 mujer 74 4.0811
2.8417 .3177 .3303
PRUEBA DE MUESTRAS INDEPENDIENTES
Comprensión lectora
Se han asumido varianzas iguales
No se han asumido
varianzas iguales
Prueba de Levene para la igualdad de varianzas F
Sig. .100 .752
Prueba T para la igualdad de medias
t
gl
sig. (bilateral)
Diferencia de medias Error típ. de la diferencia Intervalo de confianza para
la diferencia
Inferior Superior .139
148
.890
6.366E-02 .4582
–.8418 .9691
.139
147.594 .890
6.366E-02 .4583
–.8421 .9694
Como los condicionantes para aplicar la prueba son igualdad de
varianzas y normalidad, aunque respecto a esta última, la prueba t es muy
robusta para desviaciones de la normalidad, sólo será interesante
comprobar que las distribuciones son simétricas, y que no contiene valores

Estadísticos e-Books & Papers

atípicos.
En este ejemplo observamos que se puede asumir que las varianzas son
iguales y además, según el contraste, vemos no existe diferencia
significativa para los grupos formados.
1.7.3. Prueba T para muestras relacionadas
Compara la igualdad de medias para dos grupos relacionados.
Problema-ejemplo
Supongamos que tenemos los resultados del pretest y postest de una
prueba de comprensión lectora realizada a un grupo de 34 alumnos de una
escuela pública (fichero t-testrel.sav). Queremos saber si existe diferencia
significativa de medias entre los resultados de estos alumnos, antes y
después del test.
Desarrollo del ejemplo
Será necesario indicar al SPSS: Analizar>Comparar medias>Prueba T
para muestras relacionadas que nos llevará a la siguiente ventana:

Iremos
seleccionando las variables por pares. En nuestro caso hemos elegido a y b
que se corresponde con la variable bajo estudio, antes y después de la
prueba. Si pulsamos el menú opciones se entrará a configurar el intervalo
de confianza y el tratamiento de los valores perdidos.

Estadísticos e-Books & Papers

 Fichero de sintaxis
T-TEST
PAIRS= a WITH b (PAIRED) /CRITERIA=CIN(.95)
/MISSING=ANALYSIS.
Resultado de la prueba T para muestras relacionadas
ESTADÍSTICOS DEL GRUPO
Media
N
Desviación típ.
Error tip. de la media
Par 1 A 60.0000 34 8.9341 1.5322
B 54.0000 34 10.7280 1.8398
CORRELACIONES DE MUESTRAS RELACIONADAS
N Correlación Sig.
Par 1 A y B 34 .903 .000
PRUEBA DE MUESTRAS RELACIONADAS
Par 1
A-B
Diferencias relacionadas
t
gl
Sig. (bilateral) Media
Desviación típ.
Error típ. de la media
Intervalo de confianza para la diferencia
6.0000
4.6775 .8022
Inferior 4.3680 Superior 7.6320
7.480 33 .000
Se contrasta la hipótesis de que no hay diferencia entre la media antes
y después de la prueba. Según vemos en los resultados, si hay diferencia
significativa, es mayor en A respecto a B. También se calcula la
correlación entre las notas y su significación estadística, bajo la hipótesis
de r=0.
1.7.4. El comando MEANS (Medias)

Estadísticos e-Books & Papers

 Calcula estadísticos descriptivos básicos para una o más variables
dependientes en los grupos de casos definidos por los valores de una o más
variables independientes. Se puede obtener el análisis de la varianza de un
factor, la eta y una prueba de linealidad.
Las variables dependientes son cuantitativas y las independientes
categóricas. Los valores de las variables categóricas pueden ser numéricos
o de cadena corta.
Problema-ejemplo
Supongamos el siguiente problema-ejemplo.
Se pretende saber las medias de tres ítems: ITEM1 «Prueba de
comprensión lectora», ITEM2 «Prueba de aptitud verbal» e ITEM3
«Valoración en una prueba de ingles», resultados de las pruebas realizadas
a 150 alumnos de un instituto de enseñanza secundaria, medidos en una
escala de 0 a 10 puntos en función de la variable NIVEL:
1. «Primarios sin c. escolaridad».
2. «Certificado escolaridad».
3. «Graduado escolar».
4. «FP-I».
5. «BUP/COU».
6. «FP-II».
7. «Titulado grado medio».
8. «Titulado grado superior».
Desarrollo del ejemplo
Si utilizamos el SPSS para realizar el problema-ejemplo propuesto la
secuencia de ventanas del menú será la siguiente: Analizar >Comparar
medias> Medias.
Que nos lleva a la siguiente ventana:

Estadísticos e-Books & Papers

 Seleccionamos las variables dependientes: ITEM1, ITEM2 y ITEM3 y
la variable independiente o factor NIVEL. Después pulsaremos Opciones
para seleccionar los estadísticos.

Se puede seleccionar uno o varios estadísticos de los indicados a

continuación para las variables dentro de cada categoría de la variable
independiente o factor: suma, número de casos, media, mediana, mediana
agrupada, error típico de la media, mínimo, máximo, rango, valor de la
variable de la primera categoría de agrupación, valor de la variable de la
última categoría de la variable de agrupación, desviación típica, varianza,
curtosis, error típico de la curtosis, asimetría, error típico de la asimetría.
Además, permite obtener un análisis de la varianza para cada una de
las variables dependientes considerando únicamente la primera lista de

Estadísticos e-Books & Papers

variables independientes. También se puede obtener las medidas de
asociación eta y eta cuadrado. Eta cuadrado es la proporción de la varianza
en la variable dependiente que se explica por la diferencia entre los grupos.
Resulta de dividir la suma de cuadrado entre grupos, por la suma de
cuadrados total.
Además se puede observar la linealidad del modelo cuando ordenamos
las categorías de la variable independiente. Como indicador de la medida
de ajuste tenemos R y R2.
Fichero de sintaxis
TMEANS
TABLES=item1 item2 item3 BY nivel /CELLS MEAN COUNT
STDDEV .
Resultados del comando MEANS INFORME
Nivel
Primarios sin c. escolaridad
Certificado escolaridad
Graduado escolar
FP-I
BUP/COU
FP-II
Título de Grado Medio
Título de Grado Superior
Total
Comprensión Aptitud Prueba lectora verbal de inglés
Media 3.6785 4.2500 3.9375
N161616
Desv. típ. 3.1983 3.2762 3.2958
Media 4.6667 2.9333 5.6667
N151515
Desv. típ. 2.6095 2.7894 2.9439
Media 4.0476 4.7143 4.5238
N212121
Desv. típ. 2.9913 2.2835 3.1878
Media 4.4375 3.6563 3.9375
N323232
Desv. típ. 3.0367 2.8240 2.9939

Estadísticos e-Books & Papers

 Media 4.1364 3.9545 5.8182
N222222
Desv. típ. 2.5690 2.9677 3.3329
Media 4.6842 4.2632 3.4211
N191919
Desv. típ. 2.9069 3.1419 2.5015
Media 3.6429 5.9286 3.8571 N141414 Desv. típ. 2.6489 2.6736
2.8516
Media 2.7273 5.1818 5.0000
N111111
Desv. típ. 1.6787 3.4876 2.2804
Media 4.1133 4.2400 4.4733
N 150 150 150
Desv. típ. 2.7963 2.9440 3.0360
Como podemos observar en la tabla denominada informe aparecen los
estadísticos seleccionados (media, n y desviación típica). Si hubiéramos
marcado el análisis de la varianza de los item1, item2 y item3 en función
del factor NIVEL aparecería otra tabla con su estudio, asimismo si se
selecciona el contraste de linealidad, se presentaría otra tabla dedicada a
informar sobre el grado de bondad de ajuste al modelo lineal y la
proporción de la varianza explicada en la variable dependiente por la
diferencia entre grupos del factor.
2. DECISIÓN ESTADÍSTICA. PRUEBAS NO PARAMÉTRICAS
2.1. Introducción
Todos los estadísticos y las razones críticas de z, t o F de Fisher parten
de unos supuestos denominados paramétricos: normalidad de la
distribución base, la medición de los datos por lo menos en una escala de
intervalo, la igualdad de varianzas entre las poblaciones, la independencia
de las observaciones realizadas de modo que la selección de un dato
cualquiera no afecte a las probabilidades de selección de otro distinto, etc.
En la práctica aparecen situaciones en las que tales requisitos no se
cumplen, como el caso de distribuciones claramente asimétricas o
muestras muy pequeñas. En estas ocasiones existen otros métodos,
denominados no paramétricos, que no suponen nada sobre la distribución
poblacional básica, a lo sumo la continuidad de la función de distribución
o la continuidad de la función de densidad.

Estadísticos e-Books & Papers

Estos métodos aportan unas ventajas:
— Capacidad para trabajar con datos que sean mediciones cuantitativas
ordinales o incluso nominales.
— En general no necesitan que se cumplan supuestos previos para su
aplicación.
— Son sencillos de aplicar.
— Queda como única posibilidad cuando el tamaño de la muestra es
pequeño. Tienen unos inconvenientes:
— Para la misma potencia de la prueba, los test paramétricos necesitan
menor tamaño muestral que los test no paramétricos.
— Cuando el tamaño de la muestra es elevado obtenemos los mismos
resultados con las pruebas paramétricas que con las no paramétricas.
Podemos establecer una clasificación de las pruebas no paramétricas
atendiendo a la organización de los datos y si son utilizadas
preferentemente con medidas nominales u ordinales. Esta clasificación
aparece en la tabla 4.2.1.
TABLA 4.2.1. Clasificación de las pruebas no paramétricas.
Organización de los datos Utilizada con medidas nominales
Utilizada con medidas ordinales
Una muestra Ji-cuadrado Binomial
Rachas
Kolmogorov-Smirnov
Dos muestras relacionadas McNemar Signos
Wilcoxon
K-muestras relacionadas Q-Cochran Análisis de la varianza de Friedman
Dos muestras independientes Ji-cuadrado
Prueba exacta de Fisher Mediana
U de Mann-Whitney Kolmogorov-Smirnov Rachas
K-muestras
independientes Ji-cuadrado Mediana
Análisis de la varianza de Kruskal-Wallis
2.2. Pruebas no paramétricas a partir de una sola muestra
Cuando tenemos una única muestra las propiedades más importantes que
podemos estudiar son las siguientes:
1. Comprobar el supuesto de que la muestra proviene de una distribución
conocida (bondad de ajuste).
2. Ver si la muestra es aleatoria para saber si los resultados se pueden

Estadísticos e-Books & Papers

extender a toda la población o a un único extracto o por el contrario no se
puede extender. 3. Comprobar la simetría de la muestra.
2.2.1. De bondad de ajuste
2.2.1.1. Kolmogorov- Smirnov
El método de Kolmogorov-Smirnov se basa en la comparación entre
las frecuencias acumuladas de la distribución empírica de la muestra y de
la distribución hipotética teórica, fijándose en el punto en el que las dos
distribuciones presentan mayor divergencia. Sólo se puede aplicar para
mediciones ordinales o de intervalo. Se calcula Dn=máxima desviación
|Fn(x)- F(x)| donde:
Fn= frecuencia relativa acumulada (observada)
F= frecuencia relativa acumulada (teórica)
Una vez calculado Dn, construimos el contraste H0 (no existe
discrepancia entre la distribución teórica y la observada) de la siguiente
forma: fijado el nivel de significación buscamos en las tablas de valores
críticos del test de Kolmogorov-Smirnov el valor D (que depende tanto del
nivel de significación a como del tamaño muestral n) tal que P(D>Da)=a.
Si Dn>D (R.Ca{D>cte} ) entonces se rechaza la hipótesis nula sobre
igualdad de distribuciones, en caso contrario se acepta.
La prueba de Kolmogorov-Smirnov tiene una ventaja en relación con
la prueba de c2, que se verá a continuación, no se ve afectada por los
agrupamientos de intervalos y se puede aplicar en muestras pequeñas.
Para observar la bondad de ajuste cuando se trata de una distribución
Normal puede que algunas veces interese estimar su media y su varianza.
En este caso utilizaremos el contraste de Kolmogorov-Simirnov-
Lilliefors.
Este contraste se define de la misma forma que el contraste de
KolmogorovSmirnov pero ahora no se supone el valor de la media y de la
varianza sino que se estiman mediante sus valores muestrales.
Ejemplo 1
Se supone que los niños menores de 10 años prefieren regalos en los
que se desarrolla más actividad. Para confirmar esta hipótesis se reúnen 15
niños a los que se les propone que elijan un regalo entre cuatro posibles:
cuentos, pinceles-pinturas, juguetes mecánicos y juguetes de «guerra»,
obteniéndose los siguientes resultados:

Estadísticos e-Books & Papers

 Número de niños cuentos 2
pinceles-pinturas 1
juguetes mecánicos 3
juguetes de guerra 9
Los cuentos, por ser el regalo que menor actividad hace desarrollar
recibe el puesto o rango 1; los pinceles-pinturas el rango 2, los juguetes
mecánicos el rango 3 y, por fin, los juguetes de «guerra» el rango 4.
Si los regalos son elegidos independientemente de la actividad que
hacen desarrollar serán escogidos por igual número de niños ( Px=1/4 )
La hipótesis nula sostiene que la muestra puede provenir de una población
en la que los regalos se eligen por igual y sin preferencias (distribución
uniforme).
1.º 2.º 3.º 4.º Número de niños que eligen cada rango 2 1 3 9 Fn(x) =
frecuencias relativas acumuladas (observadas) 2/15 3/15 6/15 15/15 F(x)=
frecuencia relativa acumulada(teórica) 1/4 2/4 3/4 4/4 |Fn(x)-F(x)| 7/60
18/60 21/60 0
En este caso Dn=máxima desviación=21/60=0,35
Si buscamos en las tablas de Kolmogorov-Smirnov D(N=15, a=0,05)
tenemos D=0,338 luego como Dn>D se rechaza la hipótesis nula. Luego se
admite que los niños menores de 10 años prefieren aquellos regalos que les
supongan acción y actividad.
Ejemplo 2: Contraste Kolmogorov- Smirnov- Lillefors
Se contrasta la hipótesis que los datos siguientes provienen de una
distribución Normal.
20,22,24,30,31,32,38
La hipótesis planteada es: H0:N(m,s) frente H1: no N(m,s)
^
–
= x^ 2 =s^2 x–= (20+22+......+38)/7=28,14m s
Â2
ˆ
2
=
i
()(,) ( ,)
22

Estadísticos e-Books & Papers

sn-1 6 =- 28 14 = 40,83; = 6,39ˆ6
Además x(i) =(20,22,24,30,31,32,38)
Ï 0 si x < x()Ô
Fx() /Ì n si xx x = nii< < ( )Ô +
1 si x > x()Ó
F(x)=P{z£ (x-28,14)/6,39} así F(20)=P{z£ (20-28,14)/6,39}=0,1020 Así:
x 20 22 24 30 31 32 38 Fn(x) 1/7 2/7 3/7 4/7 5/7 6/7 7/7 F(x)= 0,1020
0,1685 0,2578 0,6141 0,6736 0,7258 0,9383 |Fn(x)-F(x)| 0,04 0,1165
0,1702 0,0431 0,0404 0,1312 0,0617
D=máx{Dn}=0,1702
RCa{D>cte}; RC0,05{D>0,38} como 0,1702<0,38 aceptamos H0 y por
tanto se trata de una distribución Normal.
2.2.1.2. Contraste de 2 de bondad de ajustec
Como el contraste anterior tiene la misión de observar si una variable
tiene una distribución de probabilidad dada. Por tanto, la hipótesis nula H0
hará referencia a que las observaciones muestrales constituyen un conjunto
de n valores procedentes de una variable con distribución de probabilidad
dada F(x).

n oe()2

Se calcula el estadístico c2 =Âii [1] donden eii=1

oi=frecuencia observada y ei= frecuencia esperada
Si el acuerdo entre las frecuencias observadas y esperadas es grande la
diferencia (oi-ei) será pequeña y entoncesc2 será pequeño. Si la diferencia
es grande será grande.n
La distribución muestral de c2 se aproxima muy bien con la
distribución ji-cuan
drado, si las frecuencias esperadas son al menos iguales a 5 y mejora para
valores más grandes.
El número de grados de libertad n viene dado por:
1. n=k-1 si las frecuencias esperadas se pueden calcular sin tener que
estimar los parámetros de la población a partir de estadísticos muestrales.

Estadísticos e-Books & Papers

Nótese que hemos restado 1 ya que si por ejemplo los datos de 50 casos
están clasificados en dos categorías, tan pronto como sepamos que 35
casos pertenecen a una categoría, sabremos que 15 deben estar en la otra,
de ahí que haya k-1 grados de libertad.
2. n=k-1-m si las frecuencias esperadas se pueden calcular sólo
estimando m parámetros de la población a partir de estadísticos de la
muestra.
Este procedimiento se emplea para datos numéricos:
— Si la población es discreta y finita.
— Si la población es discreta pero infinita o es continua. En este caso
lo que hacemos es formar categorías equiprobables o de forma que en cada
categoría haya como mínimo 3 datos y que el número de clases sea mayor
o igual que 5 y además que las categorías sean mutuamente exhaustivas y
excluyentes.
El método para la obtención de c2 será el siguiente:
1. Se clasifican las frecuencias observadas en un número k de
categorías. La suma de las frecuencias debe ser N, es decir, el número de
observaciones independientes.
2. A partir de H0, se determinan las frecuencias esperadas (las ei) para
cada una de las k-celdillas. Cuando k>2, si más del veinte por ciento de las
ei son menores que 5, habrá que combinar las categorías adyacentes
cuando sea razonable hacerlo, reduciendo de ese modo el valor de k e
incrementando los valores de algunas de las ei . Cuando k=2, la prueba c2
para el caso de una muestra no puede usarse apropiadamente a menos que
cada frecuencia esperada sea 5 o más. Si después de agruparse las
categorías las ei continúan siendo menores que 5 se aconseja el uso de la
prueba binomial en lugar de la c2 para determinar la probabilidad asociada
con la ocurrencia de las frecuencias observadas conforme H0. Si N<50 no
se aconseja utilizar esta prueba.
3. Con la fórmula [1] se calcula el valor de cn2.
4. Se determina el valor de los g.l. según hemos expuesto anteriormente.
5. Con los criterios expuestos sobre los g.l., fijado el nivel de
significación a, calculamos P[
c
2>c 2

Estadísticos e-Books & Papers

a ]=a empleando las tablas de la c2.
La regla de decisión sobre la aceptación o rechazo del test se regirá por
el siguiente criterio: si c2n >c2 ( RCa{c2n >c2k-1,a} )calculada entonces
rechazamos la hipótesis nula y en caso contrario se acepta.
En contraste con la prueba de Kolmogorov-Smirnov esta prueba se
puede aplicar cuando se desconocen parámetros poblacionales y para todo
tipo de medidas.
Ejemplo
Se sabe que el 30% de las pequeñas barras de hierro se romperán
cuando se las someta a una carga de 3000 Kg. En una muestra aleatoria de
50 barras se encontró que 21 de ellas se rompían cuando se les sometía a
esa carga. Investíguese si esta muestra proviene de la misma población.
a=0,01.
Se trata de una prueba de bondad de ajuste. Datos categóricos luego
aplicaremos la prueba de c2.
Hay dos categorías: se rompe (1.º) y no se rompe (2.º).
H0: P{rompe}=0,3 ¤ H0: p1=0,3
P{no se rompe}=0,7 p2=0,7
Calculemos el valor crítico de P[c2n>c2]=a con c2 de g.l=2-1=1 c2n =7,879.
Como c2 = 3,429 < 7,879 entonces nada se opone para aceptar la hipótesis
H0.
oi ei (oi-ei)2 (oi-ei)2 /ei se rompe 21 50.0,3=15 36 36/15= 2,4 no se
rompe 29 50.0,7=35 36 36/35=1,029 c2 3,429
2.2.2. La prueba binomial
Existen ocasiones que se realizan investigaciones estadísticas sobre
poblaciones a las que se considera divididas en dos categorías: por
ejemplo, masculino-femenino, aprobados-suspensos, afiliados a un
partido-no afiliados, etc. Naturalmente, en toda población dividida en dos
categorías al conocer la proporción de casos en una categoría p se conoce
automáticamente la proporción de casos en la otra categoría q ya que
siempre p+q=1.
La prueba binomial se basa en la distribución binomial que es la
distribución muestral de las proporciones (o frecuencias) observadas en
muestras tomadas al azar de una población dividida en dos categorías.

Estadísticos e-Books & Papers

Método
La probabilidad de obtener x objetos en una categoría y N-x objetos en la
otra es dada por:
px()=ÊËÁ ˆx pqxN x [2] donde p=proporción de casos esperados en una
categoría
y q=1-p= proporción de casos esperados en la otra categoría, con
ËÁ ˆ
¯˜=
N! xN x)!
Por ejemplo, suponiendo un dado perfecto, la probabilidad de que
salga seis en dos de cinco tiradas viene dada por la fórmula [2] cuya
expresión numérica será la siguiente:

p()=ÊËÁ ˆ2 563 016()() =

También si deseamos conocer la probabilidad de obtener dos o menos

veces el seis, cuando tiramos cinco veces un dado perfecto. Tenemos:
p(x£2)=p(0)+p(1)+p(2)=0,4+0,40+0,16=0,96
Muestras pequeñas
Cuando se observa que el menor de Np ó Nq es menor que 10
consideraremos x

que N es pequeña, entonces emplearemos la

fórmula: px() = ËÁ ˆi pqiN i sienÂ
i=0

do N el número de casos en la muestra, p la proporción en la población

de casos favorables, q la proporción de casos desfavorables y x el número
de casos favorables en la muestra.
Ejemplo
Se sabe que en una determinada ciudad por cada 100 hombres que
nacen, nacen 105 mujeres. Se pregunta por la probabilidad de que una
familia con 4 hijos tenga o todos los hijos varones o todos los hijos
hembras.
Sabemos que N=4, p={proporción de hombres}=100/205=0,49 q=

Estadísticos e-Books & Papers

{proporción de mujeres}=105/205=0,51; x={4 y 0}
p()=Ê4ˆ 0 49 40 = 0 0576
ËÁ4¯˜( , ).( , ) ,
p
()
=Ê
ËÁ ˆ
0 49 04
( , ).( , ) = 0 271
luego p(x)=p(4)+p(0)=0,0576+0,271=0,329 aproximadamente el 33%
Muestras grandes
Si el menor de Np o Nq es mayor que 10 consideramos que N es
grande, entonces la distribución binomial se aproxima con la distribución
normal, pudiéndose solucionar las cuestiones según la distribución
muestral de proporciones o frecuencias que sigue la distribución normal.
La prueba binomial, según esto, utilizará la razón crítica z:
— con proporciones
zpp
pq N — con frecuencias
zfm- mx siendo mx= = NpNpq
Es importante tener en cuenta que cuando se trabaja con frecuencias se
suele hacer la corrección por falta de continuidad ya que fm de la
distribución binomial es un dato discontinuo y la distribución normal exige
datos continuos. Si fm >mx se toma fm -0,5. Si fm <mx se toma fm +0,5.
Entonces

z =fm±()05,–mx siendo mx =NpNpq

Ejemplo
Un comerciante al por mayor sabe que normalmente el 5% de las cajas de
productos agrícolas que le envían durante el mes no sirven para la venta al
público. ¿Qué probabilidad existe de que en un determinado mes, de 3400
cajas recibidas a lo más 150 cajas estén en mal estado?.
Tenemos fm=150 p=0,05 ; mx=Np=3400.0,05=170
zfm- mx= =150-170 =157 por tanto P[z<-1,57]=0,0582 luego será el 5,82%.Npq
3400 0 05 0 95

Estadísticos e-Books & Papers

2.2.3. De aleatoriedad
2.2.3.1. Prueba de rachas
Esta prueba tiene por objeto comprobar el carácter aleatorio de una
muestra atendiendo a la obtención original de los valores u observaciones
realizadas. Para ver la aleatoriedad de unos datos se analiza el número de
rachas (sucesiones de símbolos idénticos) que se producen en la obtención
de esos datos. Tanto si hay pocas rachas, como si su número es importante
este será un motivo para afirmar que la muestra no es aleatoria y rechazar
la hipótesis.
Como metodología para resolver el problema cogeremos los datos de
forma dicotómica o dicotomizada (p y q) y contaremos las ocurrencias del
hecho p (que denominaremos n1) y las ocurrencias del hecho q (por n2).
Luego contaremos las rachas (r) número de ocurrencias de cambios de p a
q en la serie objeto de estudio.
Se toma la decisión de acuerdo con el siguiente criterio:
— Si n1 y n2 tiene un valor igual o inferior a 20 se determinan los
valores de rachas mínimos (r1) y rachas máximo (r2) mirando en las tablas
correspondientes para un nivel de significación de por ejemplo a=0,05 se
cumplirá P(r£r1)=0,025 y P(r<r2)=0,975 y entonces si el valor r cumple
r1<r<r2 se acepta de hipótesis de aleatoriedad.
— Si n1 o n2 son mayores que 20 habrá que hacer una transformación
de r en z de la siguiente forma:
r
–
Ê 2nn ˆ
ËÁ
12+ 1¯˜z=
nn
12
22

12 12 1 2 nn nn()
12

()

Estadísticos e-Books & Papers

2

nn nn()
Si z<z( a) aceptamos Ho de aleatoriedad
Si z>z(a) se rechaza H0 donde z(a) se obtiene de la N(0,1)
Si empleamos la prueba de dos colas la región de rechazo será z>z(a/2) o
bien
z<-z(a/2).
Cuando los datos son numéricos una forma de aplicar el test de rachas es
proceder como sigue:
- Test sobre- y bajo mediana para la aleatoriedad de datos numéricos.
Para determinar si unos datos numéricos son aleatorios, se colocan primero
en el mismo orden que fueron cogidos, hallamos la mediana y sustituimos
cada entrada por las letras p y q según que este valor esté sobre o bajo
mediana. Si un valor coincide con la mediana se suprime. La muestra será
aleatoria según lo sea la secuencia de p y q obtenida.
Ejemplo 1
Supongamos los resultados de extraer 15 letras A y B según la siguiente
secuencia: A,B,B,A,A,B,A,A,A,B,A,B,A,B,B. Queremos saber si la
extracción ha sido aleatoria.
Datos:
n1= 8 letras A
n2= 7 letras B
r=10 rachas
a=0,05
Cálculos:
Miramos en las tablas P(r £ r1)=0,025 y P(r<r2)=0,975 para n1 y n2
dados llegamos a que r1=5 y r2=12 luego como r1<r<r2 aceptamos la
hipótesis de aleatoriedad en la extracción.
Ejemplo 2
La sucesión de 40 extracciones de A y B es la siguiente:
B,A,A,B,B,B,A,A,B,B,B,B,B,B,A,A,B,B,B,A,B,A,B,B,B,B,A,A,B,B,B,A,B,A,B,B,A,
B,B,B. Queremos saber si la extracción ha sido aleatoria.
Datos:

Estadísticos e-Books & Papers

n1=13 letras A
n2=27 letras B
r=19 rachas
a=0,05
Como N=40 tenemos que emplear la aproximación a la normal, con la
fórmula Cálculos:
r
–
Ê 2nn ˆ
ËÁ
12+ 1¯˜z=
nn
12
22

12 12 1 2 nn nn()
12

()
2

nn nn()
Sustituyendo por los valores tenemos z=(19-18,55)/2,73=0,16
La región de rechazo para una prueba de cola inferior con a=0,05 es z<
-z0,05 o bien z<-1,645. Como el z obtenido (0,16) es mayor que -1,645
entonces nada se opone en aceptar la hipótesis H0.
2.3. Pruebas bimuestrales (muestras relacionadas)
Las pruebas bimuestrales para muestras relacionadas se usan cuando el
investigador desea saber la diferencia entre dos tratamientos: por ejemplo
comparar dos métodos de enseñanza, haciendo que cada sujeto sirva como
su propio control.
En estas comparaciones de dos grupos, algunas veces se observan
diferencias significativas que no son resultado del tratamiento. Por

Estadísticos e-Books & Papers

ejemplo, para comparar dos métodos de enseñanza, un investigador elige
un grupo al azar para aplicarle un método de enseñanza y otro grupo
diferente para el otro método. El resultado puede no ser fiable porque en
un grupo existan alumnos más capacitados que en el otro.
Una manera de resolver este problema es usar dos muestras
relacionadas y esto se puede lograr si a cada individuo se le aplican los dos
tratamientos o si se forman parejas lo más semejante posibles, con respecto
a cualquier variable externa que pueda influir en el resultado de la
investigación.
Siempre que sea posible es preferible aplicar a cada individuo los dos
tratamientos, debido a que nuestra capacidad para formar parejas se ve
limitada por la ignorancia de las variables que determinan su conducta.
La prueba paramétrica usual para analizar datos provenientes de dos
muestras relacionadas o de parejas de datos igualados es aplicar una
prueba de t a los puntajes de las diferencias, pero la prueba t exige que
estas diferencias estén distribuidas normalmente y las medidas tienen que
estar dadas por lo menos en una escala de intervalo.
Con estos condicionantes algunas veces no se puede aplicar la prueba t
porque: a) los datos no se ajusten a la escala de medida indicada, b) las
diferencias entre las puntuaciones no son datos numéricos o c) la
distribución de las diferencias no es normal o independiente.
En estos casos el investigador puede escoger una de las pruebas
estadísticas no paramétricas para dos muestras relacionadas. Estas pruebas
tienen la ventaja que no requieren que las parejas provengan de una misma
población.
2.3.1. La prueba de Mc.Nemar para la significación de los cambios
Objetivo
Es llamada prueba de «antes y después» y resulta adecuada para
observar estos cambios. Los mismos sujetos constituyen el grupo
experimental y control de la prueba. Se utiliza para detectar cambios de
actitudes, por ejemplo: la efectividad de una visita personal para la venta
de un producto, la construcción de un edificio para conseguir votos un
partido político. En la prueba se presentan los datos de forma dicotomizada
en dos categorías, según el esquema siguiente:
Después
– + Antes + A B
–CD

Estadísticos e-Books & Papers

 Como se puede observar en la tabla las filas representan las distintas
respuestas antes de utilizar ningún método y las columnas las respuestas
después de emplear el método que queremos estudiar.
En esta tabla vamos a designar por + y - los dos tipos de respuestas que
se pueden dar, luego los cambios producidos van a aparecer en las casillas
A y D en A serán los cambios de + a - y en D los cambios de - a +. Si no
existen cambios entonces todos los casos estarán en las casillas B ó C.
Hipótesis
La hipótesis nula se plantea en los siguientes términos: no existe diferencia
en las situaciones antes y después del tratamiento o estudio.
Estadístico
Puesto que A+D representa el número total de personas que
cambiaron, se espera, según H0 que 1/2(A+D) casos cambiarán en una
dirección y 1/2(A+D) cambiarán en la otra.
El estadístico que utilizaremos es:

2k() como Ei=(A+D)/2 operando tenemosc2

=ÂEii=1

c
2
=
Â
AAD

() []
22

DAD()[] que después de cálculo resulta:

AD
AD()/2+ AD()/2
c

Estadísticos e-Books & Papers

 2
2 =()

ÂAD [3] que se distribuye como una c2 con 1 g.l.

AD

Si hacemos la corrección por continuidad (se utiliza una distribución

continua ji-cuadrado para aproximar una distribución discreta), entonces la
fórmula [3] queda de la siguiente forma:
c

2
2 =()
AD
Si las frecuencias esperadas ((A+D)/2), es muy pequeña (menor que 5),
deberá usarse la prueba Binomial antes de la prueba de McNemar. En el
caso binomial N=A+D, y x es la menor de las dos frecuencias observadas
A o D, y p=0,5.
Decisión
Si c2 <c2 crítico, se acepta H0
Si c2 >c2 crítico, se rechaza H0. El cambio es significativo.
Ejemplo
Los 25 alumnos de una clase de 1.º de Bachillerato son sometidos a un
entrenamiento en habilidades numéricas obteniéndose los siguientes
resultados antes y después de la aplicación de esta metodología de apoyo.
Se desea contrastar si el entrenamiento mejora estas habilidades.
Después
– + Antes + 14 4
–34
Donde + indica clasificación mayor que la mediana y - menor que la
mediana respectivamente en las puntuaciones de la prueba de habilidades
numéricas.

2 ()2 ()211441 45c c2 =

14+4 =

Estadísticos e-Books & Papers

AD
+
Cuya región de rechazo será P[ c2 > c2 ]=a que dará c2 =3,84 como
4,5>3,841,a
rechazamos la hipótesis H0 sobre que no hay variación en el grupo de
alumnos con el entrenamiento en habilidades numéricas.
Si hubiéramos aplicado la prueba binomial a los datos anteriores
(A+D)/2 entonces: (14+4)/2=9 >5 no seria necesario utilizar esta prueba,
pero si aún así se hubiera hecho tendríamos N=A+D=18 y x=4 para
P=Q=0,5 que nos lleva a una significación p=0,015 aproximadamente un
valor casi similar al que se obtiene aplicando McNemar.
2.3.2. La prueba de los signos Objetivo
Es útil para muestras relacionadas cuando el experimentador desea
establecer que ambas condiciones son diferentes. El único supuesto que se
exige es la continuidad de la variable considerada y naturalmente que las
muestras tengan la misma extensión para que se puedan comparar por
pares. Las muestras pueden provenir de poblaciones distintas con la única
condición que el experimentador haya logrado formar pares de semejantes
características.
La prueba de los signos es de sencilla aplicación pero debido a que no
posee información cuantitativa o si la posee la pierde ya que usa solamente
los signos + o - (de ahí su denominación) y no las cantidades, es de
eficacia limitada.
Hipótesis
Se halla para cada par de datos el signo de la diferencia, por ejemplo
entre la muestra A y la muestra B, sean tales datos mediciones
cuantitativas o no. Si alguna diferencia es cero ésta se suprime.
Supongamos que tenemos pares de muestras: (x1,y1),(x2,y2),.......,
(xn,yn) de poblaciones continuas cuyas funciones de densidad son f1(x) y
f2(x) respectivamente.
Consideramos la hipótesis nula H0: f1(x)=f2(x), es decir, una vez
calculado el número de diferencias positivas y negativas se verifica la
hipótesis de que una muestra no es superior a la otra (igualdad de
frecuencias relativas poblacionales):

Estadísticos e-Books & Papers

p(XA > XB)=p(XA < XB)=1/2
Entonces la variable zi = 1 si yi-xi>0 signo + ; 0 si yi-xi<0 signo -
zi∫B(1;0,5)
será una binomial correspondiente a un solo experimento y p=0,5; por lo
que la
n
suma =Âzzi será una binomial correspondiente a n pruebas y p=1/2.
z∫B(n,1/2).
i=1

Si la hipótesis alternativa H1 se define como f1(x)=f2(x-c) con c>0

entonces las xi serán mayores que las yi lo cual indica que debemos tomar
como región critica la rama de la derecha de la distribución binomial.
Análogamente, si la hipótesis alternativa fuese la correspondiente a c<0,
tomaríamos como región crítica la rama izquierda.
En el caso de tomar como hipótesis alternativa cπ0 tomaríamos la
región crítica bilateral.
Estadístico
Para muestras pequeñas (N £ 25) se aplica la distribución binomial
con p=q=1/2, hallando la probabilidad asociada a la ocurrencia de S signos
+ (o S signos -) en N número de parejas igualadas cuyo puntaje de
diferencia tiene un signo (no se contabiliza el caso de igualdad de valores)
y siendo x el número menor de signos(+ o -).
x
px() =Âi05 05Ni [4]
i=0
Para muestras grandes (N > 25) hacemos las siguientes consideraciones:
ˆ1 ˆˆs Npq1 N2m s2 s2
1
z xx
xN = =1 N2
haciendo la corrección por continuidad:
1
xN

z = () 2[5]1 N2

Estadísticos e-Books & Papers

donde x+0,5 se usa cuando x<1/2 N y x-0,5 cuando x>1/2 N
Decisión
Si N es 25 o menos utilizamos la binomial para el cálculo del valor p
asociado con el valor observado x, luego si p<0,05(2p en la prueba de dos
colas) rechazamos la hipótesis nula.
Si N >25 utilizamos la aproximación normal calculando z según la
fórmula [5], luego obtenemos Q según P[Q>za]=a si z<Q aceptamos la
hipótesis H0(prueba de una cola).
Ejemplo
Sean 12 adolescentes elegidos al azar entre miembros de un club de
cine-forum. Interesa comprobar si después de la proyección de una
película violenta, los adolescentes muestran una mayor agresividad que
perdure incluso varios días. Realizados test, antes de la película y tres días
después, resultan los siguientes datos:
Adolescentes Antes (A) Después (B) B-A
1 14 19 +
2 16 18 +
3 23 22 –
4 26 27 +
5 24 28 +
6 28 35 +
7 27 30 +
8 18 17 –
9 15 17 + 10 22 28 + 11 20 30 + 12 25 24 –
En este ejemplo tenemos, 9 signos positivos y 3 negativos al calcular
las diferencias.
Si no hubiera diferencia tendríamos 6 signos positivos y otros tantos
negativos. Como N<25 aplicamos la distribución binomial:
3

px()= ËÁ ˆ 1205 05xx si efectuamos cálculos

tendremos: p(x)=0,079 comoÂ
x=0

p>0,05 no puede afirmarse al nivel del 5% que existe diferencia

significativa y de ahí que se acepte la hipótesis de que no existe ningún

Estadísticos e-Books & Papers

influjo entre las películas violentas sobre la agresividad de los adolescentes
de un club de cine-forum.
2.3.3. Prueba de pares igualados de Wilcoxon Objetivo
La prueba T de Wilcoxon es muy similar a la prueba de los signos pero
más potente en la medida en que utiliza la información adicional del
tamaño de las diferencias entre los datos.
Se utiliza para datos cuantitativos continuos o discretos. Y como
mínimo se exige que las variables estén dadas en escala ordinal.
Hipótesis
La hipótesis nula se plantea en el sentido de que no existe diferencia
significativa entre los dos grupos de individuos (igualdad de frecuencias
relativas poblacionales).
Estadístico
Con las diferencias entre los valores de cada par de sujetos, se
establece una ordenación de esas diferencias desde la más pequeña a la
mayor (independientemente del sentido o signo de la diferencia). Si el
valor absoluto de esa diferencia coincide para dos o más datos se asignan a
todos la media de los lugares que les correspondería. Si una diferencia es
cero, no se toma en consideración. La suma de los rangos obtenidos para
las diferencias positivas y negativas nos aporta dos valores, Tp y Tn de tal
modo que se cumpla:
Tp+Tn =N(N+1)/2 (Suma de una progresión aritmética de razón 1) Si
no hubiera diferencia significativa entre las dos muestras Tp y Tn tendrían
que ser iguales con un valor cercano al promedio de los N rangos:

T NN +() luego tomamos como T de Wilcoxon el

menor de los valores en= 4

tre Tp y Tn .
Decisión
a) Si n£25 donde n es el número de pares de sujetos cuya diferencia es
distinta de cero, se observa en la tabla de Wilcoxon el valor crítico de T. Si
T>T crítico, aceptamos H0. No hay diferencia significativa. Si T£T crítico,
rechazamos H0 (Prueba de una sola cola).
b) Si n>25 hacemos normalización del valor de T mediante la ecuación:

Estadísticos e-Books & Papers

 T nn+()

z =4

nn +()12 1+()
24
si |z|≥z(a) rechazamos H0 (prueba de dos colas).
Ejemplo
Podemos utilizar el mismo ejemplo que hemos presentado en el caso del
test de signos:
Sean 12 adolescentes elegidos al azar entre miembros de un club de
cine-forum. Interesa comprobar si después de la proyección de una
película violenta, los adolescentes muestran una mayor agresividad que
perdure incluso varios días. Realizados test, antes de la película y tres días
después, resultan los siguientes datos:
Adolescentes Antes (A) Después (B)
1 14 19
2 16 18
3 23 22
4 26 27
5 24 28
6 28 35
7 27 30
8 18 17
9 15 17
10 22 28
11 20 30
12 25 24
Para resolver el ejercicio planteamos la siguiente tabla:
Adolescentes Antes (A) Después (B) Diferencia B-A Rango de
diferen. Tp Tn
1 14 19 5 9 9
2 16 18 2 5,5 5,5
3 23 22 -1 2,5 2,5
4 26 27 1 2,5 2,5

Estadísticos e-Books & Papers

5 24 28 4 8 8
6 28 35 7 11 11
7 27 30 3 7 7
8 18 17 -1 2,5 2,5
9 15 17 2 5,5 5,5 10 22 28 6 10 10 11 20 30 10 12 12 12 25 24 -1 2,5 2,5
La suma de las Tp es 70,5 y las Tn=7,5 luego se toma T=Tn=7,5.
Mirando en las tablas de Wilcoxon para N=12 a un nivel de a=0,01
tenemos que T(a)=10 luego como 7,5<10 rechazamos la hipótesis de
igualdad, en consecuencia los adolescentes después de la película son más
agresivos que antes.
La prueba T de Wilcoxon, como se ve, mejora los resultados de la
prueba de los signos apreciando la diferencia significativa donde antes no
había sido detectada. Si hubiéramos supuesto para T la aproximación a la
normal tendríamos como valor de z:

T nn+() 12 13–,– z4 4 –,247=nn +()12 1+()= =

12 13 25
24 24
P(z<-2,47)=0,0068, valor que se aproxima al que pudiéramos obtener
con la tabla de Wilcoxon para P(T>7,5), luego por los dos procedimientos
debemos rechazar la hipótesis al nivel de a=0,01
2.4. Pruebas bimuestrales (muestras independientes)
Frecuentemente, la naturaleza de la variable dependiente impide usar a
los sujetos como su propio control, como sucede cuando la variable
dependiente es el tiempo empleado para resolver un problema poco
familiar, pues esto solo sucede una vez.
Cuando el uso de dos muestras relacionadas no es práctico ni
adecuado, pueden usarse muestras independientes. En este diseño, las dos
muestras pueden obtenerse con la ayuda de dos métodos:
a) Tomando al azar de dos poblaciones.
b) Asignando al azar ambos tratamientos a miembros de alguna muestra de
orígenes arbitrarios.
En cualquier caso no es necesario que las dos muestras tengan el
mismo tamaño. Es importante que los datos de las dos muestras a

Estadísticos e-Books & Papers

contrastar sean independientes.
Un ejemplo del método de asignación al azar puede presentarse en un
estudio de la efectividad docente de dos instructores en la enseñanza del
mismo curso, al asignar al azar la mitad de los estudiantes a un instructor y
la otra mitad al otro.
Las técnicas paramétricas usuales para analizar datos de dos muestras
independientes consisten en aplicar una prueba t a las medias de los dos
grupos. La prueba t supone que los puntajes (que se suman al calcular las
medias) son observaciones independientes de poblaciones distribuidas
normalmente con varianzas iguales. Debido a que usar las medias y otros
estadísticos obtenidos por operaciones aritméticas, requiere que las
observaciones se midan por lo menos en una escala de intervalo.
En todas las pruebas que vamos a examinar en este apartado queremos
ver si las dos muestras proceden de la misma población. Sirven para
examinar la significación de la diferencia entre dos muestras
independientes.
— Cuando se desea saber si las dos muestras representan poblaciones
que difieren en su media fi Test U de Mann-Withey.
— Cuando se desea contrastar si las dos muestras son de poblaciones
que difieren en cualquier aspecto: media, varianza,...... fi (c2, Kolmog., W-
W). Emplearemos c2 cuando los datos aparezcan clasificados por grupos.
El test de Kolmogorov o el de W-W para datos continuos, bien entendido
que la prueba de Kolmogorov es la más potente.
2.4.1. La prueba de la probabilidad exacta de Fisher
Objetivo
Esta prueba es útil para analizar datos discretos (nominales u ordinales)
cuando las dos muestras independientes son pequeñas. Requiere que los
datos estén clasificados dicotómicamente, es decir, que los datos de cada
muestra pertenezcan a una o a otra de las categorías de la variable
analizada; por ejemplo acuerdo-desacuerdo, si-no, positivo-negativo, etc.
Los puntajes se representarán en una tabla 2x2.
Hipótesis
La hipótesis nula plantea que los grupos no difieren en la proporción
corres
pondiente a las clasificaciones (independencia nij =ni .n.j ).fiN N N
Estadístico

Estadísticos e-Books & Papers

 La probabilidad exacta de observar un conjunto particular de
frecuencias en una tabla 2x2, cuando los totales marginales se consideran
fijos, está dada por la distribución hipergeométrica
ÊACˆÊBDˆ
ËÁ + ¯˜ËÁ + ¯˜ que desarrollando queda como:=A BpÊ N ˆ
ËÁAB¯˜

() ()!! ! !()p= ()

NABC D !!! ! !
Esta probabilidad determina la ocurrencia de una distribución dada; pero si
se quiere conocer la probabilidad de ocurrencia de tal distribución u otra
más extrema habrá que calcular las distintas probabilidades para cada
forma de la distribución hasta llegar a la más extrema.
Decisión
Se rechaza H0 si pp= <i a

Â
i
Ejemplo
Se quiere comprobar si en el ambiente universitario de una Facultad de
CC. de la Educación los líderes «carismáticos» se «queman»
significativamente más que los líderes «no-carismáticos». Estudiados 14
líderes resultó la siguiente distribución:
«Quemados» «No quemados» Lid. «carismáticos» 6 2 8
Lid. «no carismáticos» 1 5 6
7 7 14
La probabilidad exacta de ocurrencia de tal distribución será:
p
=
++
NABC D!!! ! !

()

Estadísticos e-Books & Papers

+

()
+

()
!! ! !

()
8677!!!!
= =fi
14 6 2 1 5!! !! !,,%
Concluiríamos, a nivel de confianza del 5% que tal distribución no
puede darse al azar. Ahora bien, es necesario calcular la probabilidad
asociada a una distribución todavía más extrema que la dada (se logra
aumentando el valor mayor de la tabla en el sentido de la hipótesis
alternativa). Esta sería la siguiente,
«Quemados» «No quemados» Lid. «carismáticos» 7 1 8
Lid. «no carismáticos» 0 6 6
7 7 14
8677
p
= =fi
147610
!!!! !!!!!,%

Otra distribución más extrema que esta última ya no puede darse. Por
consiguiente, la probabilidad exacta de ocurrencia de una distribución
empírica como la primitiva o más extrema será:
p=4,90+0,233=5,133%
Existe una modificación del test de Fisher introducida por Tocher que
consiste en sumar tan sólo las probabilidades de las configuraciones que
sugieren mayor asociación que la dada (p0) y compararlo con el nivel de
significación a, de tal manera que:

Estadísticos e-Books & Papers

 1. Si p1+p2+.......+ pn>a, aceptamos H0.
2. Si p1+p2+.......+ pn<a y po+p1+p2+.......+ pn<a, rechazamos H0.
3. Si p1+p2+.......+ pn<a y po+p1+p2+.......+ pn>a, Tocher recomienda el
cálculo del siguiente cociente:
T pp
..............

12= + + +()

p0
Una vez calculado el valor de T acudimos a una tabla de números
aleatorios y tomamos al azar un número n comprendido entre 0 y 1. El
criterio de aceptación o rechazo de la hipótesis nula H0 será entonces el
siguiente:
— si n<T rechazamos H0 — si n>T aceptamos H0
2.4.2. Contraste de Kolmogorov
Objetivo
Este contraste ya se ha visto para el caso unimuestral, en el caso de dos
muestras se aplica de la misma forma pero ahora no examinamos el grado
de ajuste entre las frecuencias acumuladas de una distribución teórica
específica y la frecuencia acumulada de la función de distribución
empírica sino entre las frecuencias acumuladas de las dos muestras.
Si las dos muestras provienen de la misma población cabe esperar que
sus distribuciones respectivas de frecuencias acumuladas sean semejantes
entre si ya que únicamente presentan diferencias casuales debidas al azar.
Si por el contrario las diferencias son grandes, habrá que concluir que no
pueden provenir de la misma población.
Hipótesis La hipótesis nula se plantea en los siguientes términos: H0:
FA=FB (no hay diferencia entre las funciones de distribución). Frente a la
hipótesis alternativa: H1: FAπFB Estadístico Para cada una de las dos
muestras se construyen los mismos intervalos, pues si los intervalos son
distintos entonces no se pueden comparar.
Si denotamos por Fbi la frecuencia acumulada hasta el intervalo i-
ésimo de la muestra B y Fai la frecuencia acumulada hasta el intervalo i-

Estadísticos e-Books & Papers

ésimo de la muestra A entonces obtenemos:
D
i
=
Fai Fbi
–
nm
La prueba de Kolmogorov-Smirnov examina la mayor diferencia Di
encontrada D=máx {Di}
Decisión Si n=m=N y cuando N£40 utilizaremos la tabla de Kolmogorov
para hallar la región de rechazo (RC={ D>cte}).
Si n y m>40 entonces utilizaremos otra tabla de Kolmogorov o bien
calculare
mos el estadístico
c
22.
= 4D
nm con g.l=2 no siendo necesario que n=m, tam
nm
+
bién esta última fórmula la podemos aplicar con muestras pequeñas y
si se rechaza la hipótesis nula podemos confiar en la decisión. La región de
rechazo para la ji-cuadrado será: RCa={c2>cte}.
Cuando decidimos hacer el contraste de Kolmogorov hay que tener en
cuenta que cuanto más grande hagamos los intervalos más información
perdemos, por tanto, lo idóneo es usar una cantidad elevada de intervalos.
Esta prueba es más poderosa que las de c2 y la mediana.
Ejemplo
Se realiza el siguiente experimento: tomemos un grupo de niños de 1.º
ESO (m=10) y los hacemos memorizar una serie de objetos. Pasada una
hora les decimos que nos comuniquen todos los objetos que recuerdan.
Contamos el número de fallos que cometen. Repetimos la misma
operación con (n=10) niños de 2.º ESO. Queremos probar que la
distribución de los errores (proporción de fallos) es mayor en los de 1.º
ESO que en los de 2.º ESO.
Datos:
1.º ESO 2.º ESO 39,1 35,2
41,2 39,2
45,2 40,9

Estadísticos e-Books & Papers

46,2 38,1
48,4 34,4
48,7 29,1
55 41,8
40,6 24,3
52,1 32,4
47,2 32,6
Sea: FA:proporción de fallos de 1.º ESO
FB:proporción de fallos de 2.º ESO
Las dos muestras por definición son iguales. Propongamos las hipótesis:
H0:FA=FB
H1:FA>FB
Tomando intervalos de amplitud 3 unidades tenemos:
24-27 28-31 32-35 36-39 40-43 44-47 48-51 52-55 Fai/m 0/10 0/10
0/10 0/10 3/10 5/10 8/10 10/10 Fbi/n 1/10 2/10 5/10 7/10 10/10 10/10
10/10 10/10 |Fai/m-Fbi/n| 1/10 2/10 5/10 7/10 7/10 5/10 2/10 0
Calculamos D=máx{Di}=7/10=0,7
para a=0,05 n=10 P{D>Da}= nos lleva a la R.C0,05={D>0,6} como
0,7>0,6 rechazamos H0.
2.4.3. Contraste de c2
Objetivo
El objetivo de esta prueba es determinar la significación de las
diferencias entre dos grupos independientes. Los datos tienen que estar
dados en categorías discretas y básicamente el método utilizado es contar
los casos de cada grupo en cada categoría y comparar la proporción de
casos en las distintas categorías de un grupo con la del otro.
Hipótesis
La hipótesis nula se plantea en los siguientes términos los dos conjuntos de
características son independientes.
Estadístico
Sea Oij n.º de casos observados en la fila i y columna j y Eij n.º de casos
esperados en la fila i columna j
rk2

ÂÂd=()

Estadísticos e-Books & Papers

i=1 j=1Eij

sigue una c2 con (r-1).(k-1) grados de libertad donde:

r∫ n.º de filas∫ n.º de categorías
k∫ n.º de columnas ∫ n.º de grupos
OO
Las frecuencias esperadas
E
ij
=
ij
N
Es necesario recordar que la prueba c2 está sometida a una serie de
condiciones según se trate de tablas 2x2, es decir, de 1 grado de libertad o
de F filas y K columnas(F ó K>2), es decir, de más de 1 grado de libertad,
cuando las frecuencias teóricas son pequeñas:
a) Tabla 2 x 2
1. Cuando N<20 se usa en todos los casos la prueba de la probabilidad
exacta de Fisher.
2. Cuando N está entre 20 y 40 la prueba c2 puede usarse siempre que las
frecuencias esperadas sean mayor que 5. Si alguna frecuencia es menor
que 5 debe usarse la prueba de la probabilidad exacta de Fisher.
3. Cuando N>40 se usa la c2 corregida por la falta de continuidad.
NAB BC| N)2
c
2 =-2
()( )( )( )
b) Tabla F x K
1. Puede usarse c2 cuando ninguna celdilla tenga una frecuencia teórica
menor que 1.
2. Cuando varias celdillas (el 20% de ellas o más) tenga una frecuencia
teórica menor que 5 conviene combinar categorías de modo que la
frecuencia teórica para todas o casi todas las celdillas sea mayor que 5.
Hay que tener presente que la prueba c2 es insensible al orden, de ahí que
haya que tener precaución al agrupar categorías si se necesita sacar
conclusiones sobre este aspecto.
Decisión

Estadísticos e-Books & Papers

La región crítica será: {d≥c2(r-1)(k-1), a}, así una vez calculado d vamos a la
tabla de c2: Si d≥c2(r-1)(k-1), a se rechaza H0
Si d<c2(r-1)(k-1), a se acepta H0
Ejemplo
Deseamos probar que las personas altas y bajas difieren con respecto a
sus cualidades como dirigentes. Tomemos dos muestras la primera entre
las personas bajas con m=43 y la segunda entre las altas con n=52. Los
clasificamos en tres categorías: líder, adepto e inclasificable. Obtenemos la
siguiente tabla de datos:
Bajo Alto Líder 12 32
Adepto 22 14
Inclasif. 9 6
Total 43 52
H0: proporción de líderes en las personas altas=proporción de líderes
en las personas bajas.
H1: Estos dos grupos {personas altas y personas bajas} difieren en sus
cualidades como dirigentes.
Calculemos en primer lugar las frecuencias esperadas:
N=43+52=95
O1.=12+32=44
O2.=22+14=36
O3.=9+6=15
O.1=12+22+9=43
O.2=32+14+6=52
luego por ejemplo E11=44.43/95=19,92 y procediendo de forma similar
calculamos las restantes frecuencias esperadas. Entonces:
r kd=()-2

ijcomo sigue una con (r-1).(k-1) grados de libertad.

ÂÂij
i=1 j=1Eij
tenemos: d=10,67
La región crítica será R.C.={d≥5,991} como 10,67>5,991 fi rechazamos

Estadísticos e-Books & Papers

H0
2.4.3.1. El procedimiento Tablas de Contingencia
El procedimiento Tablas de Contingencia proporciona tablas de
clasificación múltiple, estadísticos y medidas de asociación entre las
variables. Los estadísticos y las medidas de asociación sólo se calculan
para dos vías de clasificación, si existe un tercer factor o capa, se
calcularán aquellos por categoría del tercer factor.
Problema-ejemplo
Supongamos que queremos saber si existe relación entre la variable
nivel y la variable selección en una prueba, con el fichero de datos que
venimos utilizando en el desarrollo de los ejemplos.
Desarrollo del ejemplo
Para ejecutar el procedimiento Tablas de Contingencia, seleccionaremos
en el menú: Analizar>Estadísticos descriptivos>Tablas de
contingencia.

En primer lugar
seleccionaremos las variables. Hemos elegido, nivel en las filas y selección
en las columnas. Estas variables pueden ser numéricas o de cadena.
Cuando pulsemos el botón estadísticos podremos seleccionar:

Estadísticos e-Books & Papers

 — Chi-cuadrado. Como medida de relación general. Calcula el
estadístico jicuadrado, el ji-cuadrado de la razón de verosimilitud. La
prueba exacta de Fisher para tablas 2x2 y el ji-cuadrado corregido de
Yates.
— Correlaciones. Da el coeficiente de correlación de Spearman, rho.
Sólo debemos utilizarlos en datos numéricos. Cuando las variables sean
continuas el coeficiente de correlación que obtenemos es el de Pearson,
como medida de asociación lineal.
— Para variables nominales, utilizar los siguientes estadísticos: Phi
para tablas 2x2 y V de Cramer para el resto de las tablas, coeficiente de
contingencia (cc), lambdas simétrica y asimétricas (LAMBDA) y
coeficientes de incertidumbre simétrico y asimétricos (uc).
— Para variables ordinales, utilizaremos los siguientes estadísticos:
Gamma(GAMMA), Taub de Kendall (BTAU),Tauc Kendall (CTAU), D
de Somers, versiones simétrica y asimétricas (D) —servirá para predecir
las categorías de columnas a partir de las categorías de fila—.
— Para variables nominal por intervalo, es decir cuando una
variable es categórica y la otra cuantitativa: Eta (ETA).
— KAPPA. Coeficiente Kappa de Cohen para tablas con igual números de
categorías en filas y en columnas.
— Riesgo. Riesgo relativo, para tablas con dos filas y dos columnas.
— McNemar. Como sabemos es la prueba no-paramétrica para dos
muestras relacionadas, ligada a los diseños del tipo antes-después.
En las casillas podemos seleccionar:

Estadísticos e-Books & Papers

 Frecuencias (observadas y esperadas —si hay independencia entre las
filas y las columnas—), porcentajes (de fila, de columna, total) y los
residuos —diferencia entre las frecuencias observadas y las esperadas—
(no tipificados, tipificados y tipificados corregidos).
En formato podemos:

Ordenar de forma ascendente o descendente las categorías de las

variables. Independiente de las anteriores facilidades, mediante el
comando CROSSTABS podemos realizar las siguientes funciones:
Mediante el subcomando VARIABLES especificar la lista de variables
para el análisis, así como, a continuación y entre paréntesis, el mínimo y el
máximo valor a considerar en cada una de ellas. Los valores mínimo y
máximo deben ser enteros.
Con el subcomando MISSING nos permite controlar el tratamiento de
los valores omitidos por el usuario y tiene las siguientes opciones:
TABLE En cada tabla se considerarán los casos con valores válidos para
todas las variables de la tabla.
INCLUDE Los valores omitidos por el usuario serán tratados como
válidos. REPORT Los valores omitidos por el usuario serán considerados
como un valor válido más en la construcción de la tabla, pero no en el
cálculo de los estadísticos.

Estadísticos e-Books & Papers

 Con el subcomando WRITE podemos escribir las frecuencias
observadas en cada celda de las tablas de contingencia en el fichero de
resultados especificado en SET (por defecto, en el SPSS.PRC), de tal
forma que puedan servir como entrada para otros procedimientos. Tiene
las siguientes opciones:
NONE La información relativa a todas las celdas no se escribirá en el
fichero de resultados.
ALL La información relativa a todas las celdas se escribirá en el fichero de
resultados.
CELLS La información relativa a las celdas no vacías se escribirá en el
fichero de resultados.
Además si se dispone del módulo de pruebas exactas, se habilitan
ciertas opciones para tablas con pocas frecuencias esperas en las casillas,
sobre todo es útil para muestras pequeñas.

Fichero de sintaxis
CROSSTABS
/TABLES=nivel BY selecc
/FORMAT= AVALUE TABLES
/STATISTIC=CHISQ GAMMA
/CELLS= COUNT COLUMN.
Ejecución del comando crosstabs
Tabla de contingencia nivel* selección.
Selección
Seleccionado No seleccionado Total
Nivel Primarios sin c. escolaridad Recuento 8 8 16 % de selección 10.5%

Estadísticos e-Books & Papers

10.8% 10.7%
Certificado escolaridad Recuento 8 7 15 % de selección 10.5% 9.5%
10.0%
Graduado escolar Recuento 11 10 21 % de selección 14.5% 13.5% 14.0%
FP-I Recuento 15 17 32 % de selección 19.7% 23.0% 21.3%
BUP/COU Recuento 10 12 22 % de selección 13.2% 16.2% 14.7%
FP-II Recuento 11 8 10 % de selección 14.5% 10.8% 12.7%
Título de grado medio Recuento 8 6 14 % de selección 10.5% 8.1% 9.3%
Título de grado superior Recuento 5 6 11 % de selección 6.6% 8.1% 7.3%
Total Recuento 76 74 150 % de selección 100.0% 100.0% 100.0%
Pruebas de chi-cuadrado.
Valor
gl
Sig. asint. (bilateral)
Chi-cuadrado de Pearson 1.245a 7 .990
Razón de verosimilitud 1.248a 7 .990
Asociación lineal por lineal .009a 1 .924
N de casos válidos 150
Medidas simétricas.
a 0. Casillas (.0%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima esperada es
5.43.

Ordinal por ordinal

Gamma N de casos válidos Valor
–0.11 150
Error típ. asint.a .108
T aproximadab
–1.05
Sig. aproximada .917
a No asumiendo la hipótesis nula.
b Empleando el error típico asintótico basado en la hipótesis nula.
Como vemos en las tablas de las medidas de asociación, es independiente
nivel de selección.
2.4.4. Test de la mediana
Objetivo
La prueba de la mediana es un test para probar si dos muestras
independientes difieren en sus tendencias centrales (medianas). Más
exactamente, la prueba de la mediana dará información acerca de la
probabilidad de que dos grupos independientes se hayan tomado de

Estadísticos e-Books & Papers

poblaciones con igual mediana.
Hipótesis
La hipótesis nula supone que provienen de poblaciones con igual
mediana; la hipótesis alternativa puede ser unilateral (que la mediana de
una muestra sea mayor que la de la otra) o bilateral (que las medianas son
distintas).
Estadístico
Al aplicar la prueba de la mediana, se empieza por determinar el valor
de la mediana para las dos muestras combinadas.
El siguiente paso es dicotomizar los conjuntos de valores de la mediana
combinada y se distribuyen los datos en una tabla de 2x2.
Muestra I Muestra II + A B
–CD
donde + son los valores por encima de la mediana y – son los valores
por debajo o iguales que la mediana.
Ahora bien, si las muestras I y II tenemos muestras procedentes de
poblaciones con igual mediana, cerca de la mitad de los valores de cada
muestra deberán estar por encima de la mediana combinada y la otra mitad
por debajo. Es decir, esperamos que las frecuencias de A y C sean
aproximadamente iguales, y las frecuencias B y D también lo sean.
Se cumple que:
ÊACˆÊBDˆ
ËÁ
+ ¯˜ËÁ+

Pab(, )=A B ¯˜ donde n+ = nÊnn12ˆ 12

ËÁ AB ¯˜
n1: número de individuos de la muestra I.
n2: número de individuos de la muestra II.
Cuando n1+n2 es menor que 20, se usa la prueba de Fisher.
Si el número total de casos es suficientemente grande (n1+n2 >20), puede
usarse el contraste de c2 con un grado de libertad, corregida por
continuidad, teniendo en cuenta las observaciones que hicimos
anteriormente para tablas 2x2.
Decisión
En cualquier caso si la probabilidad (p) asociada al valor calculado es p<a

Estadísticos e-Books & Papers

se rechaza la hipótesis nula.
Ejemplo
Sean dos muestras de n1=16 casos y n2=13 casos cuyos datos aparecen
en la tabla siguiente y que se refieren al grado de aceptación personal que
tiene el gerente de una empresa química por parte de las mujeres y por
parte de los hombres que trabajan en ella.
Mujeres Hombres 6 7
10 15
19 26
21 27
20 8
14 30
Mujeres Hombres
29 26
11 23
12 9
24 25
13 28
17 17
18 15
23
22
16
Calculamos la mediana Me=18 Formamos el siguiente cuadro:
Mujeres Hombres Superior a la mediana 7 7 14
Igual o inferior a la mediana 9 6 15
16 13 29
NAB BC| N)229 77 79 . | 29)2
c2 = - 2 = - 2 = 0 00016()( )(
)( ) 14 15 16 13
Como c2<c2a
entonces se acepta la hipótesis nula. Los dos grupos no son
significativamente distintos.
2.4.5. Prueba U de Mann-Whitney
Objetivo
Esta prueba es, ciertamente, muy útil cuando las medidas de una
determinada variable se han tomado de forma ordinal. Incluso cuando los
datos se han tomado de forma cuantitativa pero por alguna causa se

Estadísticos e-Books & Papers

sospecha que las condiciones de normalidad, e igualdad de varianzas entre
las dos poblaciones de las que provienen las muestras no se cumplen.
Hipótesis
La hipótesis alternativa bilateral establece en forma sencilla que las
distribuciones no son la misma para las dos muestras. Pero la hipótesis
alternativa sólo implica un desplazamiento en la tendencia central de una
distribución respecto a la otra y no sugiere la diferencia en la forma o en la
dispersión.
Estadístico
La prueba de Mann-Whitney es en realidad un cálculo del «desorden
de clasificaciones» entre las dos muestras, es decir, cuántas veces los datos
de un grupo están precedidos por los datos de otra muestra.
En la práctica, para obtener Ua o Ub es necesario calcular de antemano
Ra y Rb. Ra es la suma de los rangos del grupo A.
Rb es la suma de los rangos del grupo B.

()
+ +()Se cumplirá: R+R =

ab2

Si las muestras provienen de poblaciones que tienen la misma

distribución, se espera que los rangos en cada muestra se encuentren lo
suficientemente dispersos, cuando se observa en que orden se encuentran
las observaciones. Si las poblaciones tienen distinta distribución, entonces
se espera que los rangos estén agrupados.
Con estos valores calculados, Ua y Ub vienen dados de la siguiente
forma:

Unm nn +()–R

aa 2

Unm mm+()– R

Estadísticos e-Books & Papers

bb2
que cumple: Ua+Ub=n.m donde n es el tamaño del grupo A y m el tamaño
del grupo b. Para determinar si las dos muestras provienen de la misma
población se elige el min(Ua,Ub) y la comparamos con la U de las tablas
de Mann-Whithey.
Decisión
Si min(Ua,Ub)<U, siendo U el valor de las tablas para n,m a un
determinado nivel de confianza entonces rechazamos la hipótesis nula
afirmando que existe diferencia significativa entre las dos muestras.
Si n y m aumentan de tamaño (mayor que 20) la distribución muestral
de U sigue una Normal con:
n.m
/
2
ms
y
=

.nm n m+ +()
12
Ejemplo
Se dispone de dos tipos de cobayas I y II que se las adiestra para
recorrer un determinado laberinto. Se nos pide contrastar si las cobayas de
tipo I alcanzan la salida con un número medio de errores igual al que da
las cobayas de tipo II. Fijemos a=0,05. Tomamos una muestra de m=8
cobayas de tipo I y n=9 cobayas de tipo II y se quiere contrastar si las dos
muestras son idénticas.
I 17 12 15 10 14 11 8 13 II 13 16 9 11 9 18 6 10 7
Se quiere contrastar la hipótesis H0: provienen de la misma población
(µ1=µ2) frente H1: µ1>µ2 (test de una cola).
Xi Ri
17 16
12 10
15 14
10 6,5

Estadísticos e-Books & Papers

14 13
11 8,5
83
13 11,5
13 11,5 16 15 9 4,5 11 8,5 9 4,5 18 17 6 1 10 6,5 7 2
RA=16+10+ ........+12=82,5 RB=11,5+15+.........+2=70,5
UA=m.n+m(m+1)/2- RA=8.9+8.(8+1)/2-82,5=25,5 UB=m.n+n(n+1)/2-
RB=8.9+9.(9+1)/2-70,5=46,5
U=min{UA,UB}=min{25,5;46,5}=25,5
Como la hipótesis alternativa que queremos contrastar es H1:µ1>µ2 =>test
de una sola cola.
Calculamos el valor crítico en la tabla U de Mann-Witney para a=0,05
m=8 n=9 tenemos Uc=18 como U>Uc aceptamos la hipótesis nula.
Si hubiéramos aproximado por la normal tendríamos:
E[U]=m.n/2=8.9/2=36
V[U] =

nm n m+ +()..89 8 9 1() = 10 3912 = + +

12
P{z<(25,5-36)/10,39}=P{z<-1,01}=0,16
como a <0,16 aceptamos la hipótesis nula.
Cuando existen bastantes pares igualados es conveniente hacer la
corrección
nm 33-

por pares igualados quedan V[U] =.().NNTTttNN

112 Â Â 12
siendo t el valor de la frecuencia de cada par igualado.
2.4.6. Test de Wald-Wolfowitz o de rachas Objetivo
Otro método para comparar las distribuciones de dos poblaciones con
base en muestras aleatorias independientes es la prueba de tendencias de
Wald-Wolfowitz. Considera una distribución continua y requiere que la

Estadísticos e-Books & Papers

medida de la variable sea por lo menos en una escala ordinal.
Hipótesis
Para esta prueba la hipótesis nula es que las dos muestras aleatorias
provienen de poblaciones con distribuciones idénticas, pero a diferencia de
la prueba de U de Mann-Whitney, la hipótesis alternativa no es solo una
diferencia de medias sino mucho más amplia. En este contraste la hipótesis
alternativa es que las distribuciones difieren en algún aspecto como la
tendencia central, en la dispersión o la asimetría. O sea la prueba de Wald-
Wolfowitz descubre cualquier clase de diferencia.
Estadístico
En este contraste las observaciones de las dos muestras se ordenan y se
calcula el número de rachas que hemos formado: asignando el signo + a
aquellos rangos cuya observación pertenece a la primera muestra y el
signo – a los rangos cuya observación corresponde a la segunda muestra.
Si hay pares ligados se deben construir las combinaciones posibles de
parejas y calcular las rachas (R) para las diferentes posibilidades. Si hay
muchos pares ligados la prueba no se puede aplicar.
Si la hipótesis nula es que tienen la misma distribución entonces las
observaciones de las dos muestras se deben encontrar bien mezcladas,
produciendo de esta forma un gran número de rachas. Pero si las
distribuciones difieren en algún aspecto entonces las observaciones
aparecerán agrupadas.
Si n,m £20 utilizamos las tablas de rachas.
Para valores n,m>20 se cumple que:

1 22[].––()E 2nm
[] = ++ =
()nm nm()
Decisión
Si n,m £20 la región crítica será: RC={R<cte}
Si n,m>20 entonces z=(R- E[R])/ ÷V[R] se distribuye según una
normal, luego la región crítica será RC={|z|>cte}.
Para valores próximos a n,m>20 se efectúa ajuste por distribución
continua.

Estadísticos e-Books & Papers

 ()––,05=z RER VR()

Ejemplo
Se desea estudiar si hay diferencias sexuales en la cantidad de agresión
exhibida por los niños en el juego.
Para ello se observa el comportamiento de 12 niños y 12 niñas durante el
desarrollo de una sesión de juego, puntuando el grado de agresión de cada
individuo. Los datos obtenidos son los siguientes:
Niños(+) Niñas(+)
86 55
69 40
72 22
65 58
113 16
65 7 118 9
45 16
141 26
104 36
41 20
50 15
H0: la agresión es la misma en ambos sexos.
H1: los niños y las niñas muestran diferencias en el grado de agresión.
Como la hipótesis H1 es cualquier clase de diferencia entre los dos grupos
(y por
supuesto estos son independientes) se escoge la prueba de rachas de
WaldWolfowitz.
Ordenamos los datos:
7 9 15 16 16 20 22 26 36 40 41 45 50 55 58 65 65 69 72 86 104 113 118
141
––––––––––+++––+++++++++
r=4 rachas
La región crítica será {r<cte}
Si miramos en la tabla para n=m=12 y a=0,05 fi {r<7}
Como 4<7 fi rechazamos H0fi existe diferencia en función del sexo.
2.5. Pruebas para k-muestras relacionadas
A veces, las circunstancias requieren que diseñemos un experimento de

Estadísticos e-Books & Papers

modo que más de dos muestras o condiciones puedan estudiarse
simultáneamente. Cuando tres o más muestras o condiciones van a ser
comparadas en un experimento, es necesario usar una prueba estadística
que indique si hay una diferencia total entre las k muestras o condiciones,
antes de escoger un par para probar la significación de la diferencia entre
ellas.
Si quisiéramos usar una prueba estadística de dos muestras para probar
diferencias entre, digamos, 5 grupos, necesitaríamos calcular, para
comparar cada par
de muestras, 10 pruebas estadísticas ËÁ ˆ¯˜= 10. Pero al hacer 10 pruebas
estadísticas
de la misma hipótesis, se incrementa la probabilidad de error tipo I. Se
puede demostrar que el nivel de significación efectivo de tal procedimiento
llega a ser a=0,40.
Solamente, cuando una prueba total —una prueba de k muestras— nos
permite rechazar la hipótesis de nulidad, se justifica el uso subsiguiente de
un procedimiento para probar las diferencias significativas entre cualquier
par de las muestras k.
La técnica paramétrica para probar si varias muestras proceden de
poblaciones idénticas es el análisis de varianza o prueba F. Las
suposiciones asociadas con el modelo estadístico que fundamenta la
prueba F son éstas: que los puntajes u observaciones sean sacados
independientemente de poblaciones distribuidas normalmente; que las
poblaciones tengan todas la misma varianza, y que las medidas en las
poblaciones distribuidas normalmente sean combinaciones lineales de
«efectos» debidos a renglones y columnas, es decir, que los efectos sean
aditivos. Además, la prueba F requiere por lo menos medidas de intervalo
de las variables involucradas.
Si encontramos inadecuadas semejantes suposiciones para los datos
deberemos utilizar las pruebas no paramétricas.
2.5.1. Prueba Q de Cochran
Objetivo
Esta prueba se puede considerar como una extensión de la prueba de
McNemar. La prueba Q pretende analizar la posible diferencia
significativa de los cambios producidos en tres o más situaciones distintas.
Las variables tienen que ser nominales dicotómicas o dicotomizadas
(pierde potencia la prueba si se utiliza con variables continuas

Estadísticos e-Books & Papers

dicotomizadas) y los sujetos pueden estar relacionados o se relacionan.
Esta prueba se puede utilizar por ejemplo, para saber la dificultad que
tienen distintos ítems de un test por medio del análisis de datos
compuestos de información «pasa-falla» en k ítems para N individuos. En
este diseño, los k grupos se consideran «igualados» porque cada persona
contesta todos los k ítems.
Por otra parte, podríamos también analizar solamente un ítem, para
comparar las respuestas de los N sujetos en k diferentes condiciones.
Hipótesis
La hipótesis nula se plantea en la forma siguiente: se supone no existe
diferencia significativa entre las características que tienen los sujetos en
los k-grupos.
Estadístico
Se colocan los resultados de la experimentación en un cuadro con tantas
filas como sujetos y tantas columnas como grupos existan.
Se calcula el estadístico Q que sigue una distribución c2 con k-1 g.l.
mediante la fórmula:
Q=
kk
(kkA A2 Â2
)]
Âjj
j=1 j=1 donde:N N
Â
kL kLÂ2
ii
i=1 i=1

k=número de grupos
A= suma de los valores 1 de cada grupo (suma de columnas)
L= suma de los valores 1 de cada sujeto o grupo de sujetos iguales (suma
en las filas)
Decisión
Si Q<c2 crítico se acepta H0
Si Q≥c2 crítico se rechaza H0 y por tanto hay diferencia significativa.
Ejemplo
Supongamos 3 grupos de 18 amas de casa de iguales características.
Cada uno de estos grupos es sometido a una entrevista con diferente estilo.
Queremos saber si las diferencias brutas entre los tres estilos de entrevistas

Estadísticos e-Books & Papers

influyeron en el número de respuestas «si» dadas a un ítem particular por
los tres grupos igualados. Los datos aparecen en la tabla siguiente:
Grupos I II III Li Li2
100000
211024
301011
400000
510011
611024
711024
801011
9 1 0 0 1 1 10 0 0 0 0 0 11 1 1 1 3 9 12 1 1 1 3 9 13 1 1 0 2 4 14 1 1 0 2 4
15 1 1 0 2 4 16 1 1 1 3 9 17 1 1 0 2 4 18 1 1 0 2 4 Ai 13 13 3 29 63 Ai2 169
169 9
kk
(
–
1
)[ .
kkA A2 – (Â2
Âjj ) ] 22 2
) – (13 13 3 2
=
Q=j=1 j=1 (3–1 3 1313+ + ++3 ) ] =16 7 N N 329 63ÂkL kLÂ2
ii
i=1 i=1

Si hacemos el cálculo de P(Q ≥ 16,7) da p<0,001 lo que nos lleva a

pensar en que para una significación de a=0,05 se rechace la hipótesis nula
de igualdad entre los tres grupos.
2.5.2. Análisis de la varianza de Friedman
Objetivo
Es comparar k-muestras relacionadas para ver si provienen de la misma
población. Se emplea con variables, por lo menos, en una escala ordinal.
Funciona de forma similar a como lo hace el análisis de la varianza
(prueba F de Snedecor) con datos de intervalo continuos. Los tamaños de
los grupos son iguales o se pueden igualar.
Hipótesis
La hipótesis nula se plantea en la idea de que no existe diferencia

Estadísticos e-Books & Papers

significativa entre las k-muestras relacionadas.
Estadístico
Se establece un cuadro de resultados formado por n filas y k columnas (n
sujetos y k grupos).
Se ordena cada fila (es decir, cada sujeto o grupo de sujetos igualados)
en rangos, asignando el puesto 1.º al valor más pequeño y el último al
mayor. En caso de empates se reparte el puesto o rango medio entre los
valores que forman ese empate.
Se calcula la suma de rangos para cada columna o grupo (R).
Se aplica el estadístico:
12k
c22Â1 31) donde:rj().
j=1

n=número de filas
k= número de columnas
R= suma de rangos en la columna j
Si la hipótesis de nulidad (que todas las muestras —columnas—
proceden de la misma población) es en efecto verdadera, la distribución de
los rangos de cada columna será obra del azar y los rangos en los
diferentes grupos 1, 2, 3,....,k deberán aparecer en todas las columnas con
frecuencia casi igual.
Decisión
Si k=3 y 1<n<10 o k=4 y 1<n<5
Las tablas de Friedman nos proporcionan un valor p para un nivel de
significación. Entonces:
Si p£a se rechaza H0. Hay diferencia significativa entre los grupos. Si p>a
se acepta H0.
Si no se cumple las condiciones anteriores entonces se calcula c2 (ji-
cuadrado) crítico según el valor de a y k-1 g.l.
Si cr2< c2 crítico, aceptamos H0.
Si cr2≥c2 crítico, rechazamos H0.
Ejemplo
Supongamos que 18 conjuntos de ratas formados cada uno por tres
ratas de la misma camada son sometidos en su aprendizaje a tres diferentes
métodos de motivación. Las puntuaciones que se adjudican a cada rata se
obtienen al computar los errores cometidos por cada una de ellas a lo largo
del recorrido a realizar y son los siguientes:

Estadísticos e-Books & Papers

 Grupos I II III
1354
2342
3142
4256
5713
6452
7321
8286
9734
10 6 3 5
11 5 6 4
Grupos I II III
12 2 4 1
13 4 2 1
14 3 5 2
15 3 3 1
16 5 3 2
17 5 4 2
18 3 4 1
Se trata, de contrastar la hipótesis de igualdad de los tres grupos.
Evidentemente, son tres muestras compuestas por 18 sujetos y
relacionadas. Primero ordenamos por separado cada uno de los 18 grupos
de ratas según los
errores cometidos en los tres tipos de motivación, calculando los
rangos por grupo de ratas. Los resultados aparecen en la tabla siguiente:
Grupos I II III
1132
2231
3132
4123
5312
6231
7321
8132
9312
10 3 1 2
11 2 3 1

Estadísticos e-Books & Papers

12 2 3 1
13 3 2 1
14 2 3 1
15 2,5 2,5 1
16 3 2 1
17 3 2 1
18 2 3 1
39,5 42,5 26
Si hacemos la suma de rangos por tipo de motivación los resultados
permiten calcular la suma de los Ri. Veamos los resultados:
c = 1222+
k 12 ).[39 522 2] –3 18.(3 1) 8 56rjnk k Rnk+().–( )= 18 3 3 + + + +=
j=1

El valor de c2 para k-1=3-1=2 g.l y un nivel de significación del 5% es

5,99. Luego como 8,56>5,99 entonces rechazamos la hipótesis nula y se
admite que las puntuaciones de las ratas, es decir, los errores que cometen
dependen del tipo de motivación a que son sometidas en el aprendizaje.
2.6. Pruebas para k-muestras independientes
Vamos a estudiar la significación de diferencias entre tres o más
grupos o muestras independientes. Se trata de técnicas para probar la
hipótesis de nulidad de que k muestras independientes se recogieron de la
misma población o de k poblaciones idénticas.
La técnica paramétrica usual para probar si varias muestras
independientes proceden de la misma población es el análisis de la
varianza de una clasificación o prueba F. Las suposiciones asociadas con
el modelo estadístico en que se basa la prueba F piden observaciones
independientes tomadas de poblaciones distribuidas normalmente, todas
las cuales tienen la misma varianza. El requisito de medida de la prueba F
es, por lo menos, una medida de intervalo de la variable estudiada.
Cuando estas suposiciones no se cumplen, o necesitamos una
generalización de nuestros resultados, tenemos las pruebas no-
paramétricas para ayudarnos en tal labor.
2.6.1. Extensión de la prueba de la mediana
Objetivo
La extensión de la prueba de la mediana determina si k grupos
independientes (no necesariamente de igual tamaño) han sido recogidos de
la misma población o de poblaciones con mediana iguales. Es útil cuando

Estadísticos e-Books & Papers

la variable en estudio ha sido medida por lo menos en una escala ordinal.
Hipótesis
La hipótesis nula supone que provienen de poblaciones con igual
mediana; la hipótesis alternativa puede ser unilateral (que la mediana de
una muestra sea mayor que la de las otras) o bilateral (que las medianas
son distintas).
Estadístico
Los pasos necesarios para usar esta prueba son los siguientes:
1. Se determina la mediana común de los puntajes de los k grupos.
2. Se convierten en signos positivos todos los puntajes que estén por
encima de la mediana y en signo menos todos los que sean menores o
iguales que la mediana. Se colocan las frecuencias en una tabla de 2xK.
Muestra I Muestra II Muestra J Muestra K
+O11O12 ...O1j ...O1k
– O21 O22 ... O2j ... O2k
3. Con los datos de esta tabla se calcula el estadístico: Sea Oij∫n.º de
casos observados en la fila i y columna j y Eij∫n.º de casos esperados en la
fila i columna j
donde i=1,2

Estadísticos e-Books & Papers

 d=() sigue una c2 con (2-1).(k-1) grados
de libertadÂÂEiji=1 j=1
k∫n.º de columnas ∫n.º de grupos
OO
Las frecuencias esperadas
E
ij
=
ij
N
Decisión
En cualquier caso si la probabilidad (p) asociada al valor calculado es p<a
se rechaza la hipótesis nula.
Ejemplo
Supongamos que un investigador de la educación desea estudiar la
influencia que el nivel de educación tiene en el grado de interés de las
madres en la instrucción escolar de sus hijos. Para ello, toma el grado
escolar más alto que cada madre alcanzó como índice de su nivel de
educación. Además como índice del grado de interés en la instrucción de
su hijo toma el número de visitas voluntarias que cada madre hace a la
escuela durante un año escolar: a representaciones de la clase, a reuniones
de padres, a entrevistas de iniciativa propia con maestros y
administradores, etc. Sacando cada décimo nombre de la lista de nombres
de los 440 niños inscritos en la escuela, obtiene los nombres de 44 madres,
quienes constituyen su muestra. Su hipótesis es que el número de visitas de
las madres variará de acuerdo con el número de años de instrucción que las
madres completaron en la escuela.
Escuela primaria 10.º SecundariaEstudios (8.ºgrado)
grado
12.º grado
universitarios incompletos Con títulos universitarios Estudios de post-
graduados
2429
0344

Estadísticos e-Books & Papers

4012
3763
813
020
502
235
151
712
16
5
1
Calculamos la mediana Me=2,5 Formamos el siguiente cuadro:
2
4
5
2
26
Escuela 10.º SecundariaEstudios primariagrado 12.º grado universitarios
(8.ºgrado) incompletos Con títulos universitarios Estudios
de postTotal graduados
Superior a la mediana 5 4 7 3 2 1 22
Igual o inferior a la mediana
5 7 6 1 2 1 22
10 11 13 4 4 2 44
c2= 0+0,409+0,0385+0,2+0+0,409+0,0385+0,2=1,295 Como c2<c2a
entonces se acepta la hipótesis nula. El número de visitas escolares hechas
por las madres es independiente de su nivel educativo.
2.6.2. Análisis de la varianza de Kruskal- Wallis Objetivo
Esta prueba pretende ver si existe diferencia entre varias muestras que
provienen de la misma población. Se exige, como mínimo, una medición
ordinal de la variable. La prueba supone que la variable en estudio tiene
como base una distribución continua.
Hipótesis
La hipótesis nula se plantea en los términos de que no existe diferencia
significativa entre k-muestras independientes, es decir provienen de la
misma población.

Estadísticos e-Books & Papers

Estadístico
Se ordena todos los valores de los k grupos en una única serie desde 1.º
hasta en N, independientemente del grupo al que pertenezcan esos valores,
asignando el rango 1.º al valor más pequeño y respetando, aunque se
ordenen en conjunto, la pertenencia de cada valor a su grupo
correspondiente. Los empates se resuelven asignando un rango medio a
todos los valores empatados.
— Se calcula R que es la suma de rangos de cada uno de los k grupos.
— Se calcula el valor de H mediante la ecuación:
12k R2
H NN
+
()
Âj –( )+1 31
j=1j
donde N es el número total de sujetos y nj el número de sujetos de cada
grupo. Si hay más del 25% de empates conviene introducir una corrección
en la fórmula de H.
Hc =H
1
–
ÂT
3–NN
donde T=t3- t y t es el número de sujetos empatados en cada grupo de
puntuaciones repetidas. Es decir, habrá tantos valores T como distintas
puntuaciones empatadas haya.
Decisión
Si k=3 y n1, n2 y n3£5 se consulta la tabla de Kruskal-Wallis y se toma el
valor p asociado al valor H calculado.
Si p£a rechazamos H0.
Si p>a aceptamos H0.
En cualquier otro caso se calcula el valor de c2 crítico para k-1 g.l. Si H≥c2
crítico, rechazamos H0.
Ejemplo
Supongamos que un profesor de EGB quiere comprobar si tres
métodos distintos de dirección de grupo originan diferentes rendimientos

Estadísticos e-Books & Papers

escolares entre los alumnos. Para ello, elige al azar tres grupos de 9, 8 y 7
alumnos a los cuales los somete respectivamente a la dirección de grupo
«autoritario», «directivo-democrática» y «dejar-hacer». Los resultados
escolares son los siguientes para cada grupo:
Autoritaria Directivo-democrática Dejar-hacer
33 38 22
15 50 36
17 39 37
19 23 21
26 35 16
32 41 20
18 40 25
28 47
29
Planteamos la hipótesis nula de que no hay diferencia significativa
entre los tres grupos.
Resolución:
Ordenando conjuntamente todos los datos y calculando los rangos
tenemos:
Autoritaria Directivo-democrática Dejar-hacer 15 19 8 1 24 17 3 20
18 5 9 7
11 16 2 14 22 6 4 21 10 12 23
13
R1=78 R2=154 R3=68
Si no existiera diferencia significativa entre las muestras, es decir, si no
fueran significativamente distintos los rendimientos escolares el rango
promedio de las muestras tendería a coincidir o, al menos, sus diferencias
serían explicables por efecto del azar. Si los rangos promedio, por el
contrario, se diferencian bastante, quiere decir que las muestras son
significativamente diferentes o que no provienen por elección al azar de
una misma población.
El valor de H será:
12k R2 12 78 15422 268
H NN
+
()
Âj –( ) ()[]–(),11 021 31

Estadísticos e-Books & Papers

j=1 j+ + + +=

Una H=11,02>9,21 que es el c2 al nivel de confianza del 1% para 3-1

grados de libertad. Por consiguiente, existe diferencia significativa entre
las tres muestras, o lo que es lo mismo, los tres modos de dirección de
grupo originan rendimientos escolares significativamente distintos.
La prueba U de Mann-Whitney es la apropiada para comprobar
posteriormente si tal diferencia es producida por los resultados de un solo
grupo o de varios.
2.7. Correlación no paramétrica Introducción
En muchas investigaciones necesitamos conocer si dos conjuntos de
puntajes están relacionados o conocer el grado de su relación.
En algunos casos el fin último de la investigación es detectar la existencia
de esa relación para probar la confiabilidad de nuestras observaciones.
Hay que hace distinción entre el problema de la existencia de una
correlación y el grado de asociación entre los conjuntos de puntajes. El
coeficiente de correlación es un indicador del grado de asociación en tanto
que la significación nos indica que las variables en estudio posiblemente
estén relacionadas en la población.
En el caso paramétrico la medida de asociación más utilizada es el
coeficiente de correlación r momento-producto de Pearson, que exige una
escala de intervalos en las variables y los puntajes deben provenir de una
población normal bivariada.
Las medidas no paramétricas que vamos a estudiar exigen en alguno de
los casos que las variables tengan una base continua.
2.7.1. El coeficiente de contingencia: C Objetivo
El coeficiente de contingencia es una medida del grado de asociación o
relación entre dos conjuntos de atributos. Es especialmente útil cuando la
información acerca de los atributos consiste en una serie no ordenada de
frecuencias. No necesita la existencia de una base continua de las
diferentes categorías usadas para medir uno o ambos conjuntos de
atributos. El coeficiente de contingencia, calculado a partir de una tabla de
contingencia, tendrá el mismo valor al margen del orden de las categorías
en las filas y en las columnas.
Hipótesis
La hipótesis nula se plantea en la forma siguiente: se supone no existe
correlación en la población.
Estadístico

Estadísticos e-Books & Papers

Se colocan los datos formándose una tabla de contingencia de f(filas) y
k(columnas).
2 r k()2
C=
c
N
+
c

ij - ij sigue una c2 con (r-1).(k-1) grados

2 donde ÂÂ
de libertad.
i=1 j=1Eij
r∫nº de filas ∫n.º de categorías. k∫nº de columnas ∫n.º de grupos.
OO
Y las frecuencias esperadas
E
ij
=
..ij
N
Decisión
Para probar si el valor observado de C indica que hay una asociación
entre las dos variables de la población muestreada, se determina la
probabilidad asociada conforme H0 de un valor tan grande como la c2
observada con (r-1).(k-1) en la tabla. Si la probabilidad es igual o menor
que a, se rechaza H0 y se acepta H1.
Limitaciones
1. El coeficiente de contingencia no vale 1 si la correlación es perfecta,
aunque si es igual a cero cuando es nula.
2. El valor máximo (Cmáx) de correlación es función del número de
categorías. Si k=r tenemos que k –1 es el valor que puede tener. De ahí que
sólo se- k
rán comparables dos coeficientes de correlación si proceden de tablas
de igual tamaño.
3. Se necesita que las tablas de contingencias tengan unas frecuencias

Estadísticos e-Books & Papers

esperadas en más del 80% de las celdas, mayor que 5, y ninguna menor
que 1. 4. No es directamente comparable con ninguna medida de
correlación, por ejemplo, la r de Pearson, la rs de Spearman, o la r de
Kendall.
Observaciones y otros estadísticos
Para tablas cuadradas se puede calcular Ca=C/Cmáx que varia en todos los
casos entre 0 y 1.
2
También se puede calcular la V de Cramer que se define como V =c
donde:Nm
m=min(r-1,c-1) que alcanza el valor 1 si la asociación es perfecta,
independiente de la dimensión de la tabla.
Ejemplo
Tenemos una tabla de contingencia que recoge la asociación entre la
posición social (frecuencia de una serie ordenada) y los cursos de
capacitación (frecuencia de una serie no ordenada) a la que pertenecen un
grupo de jóvenes de un Colegio Privado. Los datos aparecen en la
siguiente tabla:
I y II III IV V Total Primaria 23 40 16 2 81
EGB 11 75 107 14 207
BUP 1 31 60 10 102
Total 35 146 183 26 390
c
2 69 2,
Si calculamos el valor de C tendremos C=N+ c2 =390+69 2 039
Como P(c2≥69,2)<0,001 nos lleva a rechazar la hipótesis nula y concluir
que el status de clase social y la elección de curso están relacionadas.
La V de Cramer será igual a:
V=
c2 69 2,
==
Nm 390 2 029
2.7.2. El coeficiente de correlación de rangos de Spearman: rs.
Objetivo
Tiene por objeto medir el coeficiente de correlación entre dos variables
medidas en una escala ordinal, de manera que los objetos o individuos en
estudio puedan colocarse en dos series ordenadas.
Fundamento

Estadísticos e-Books & Papers

 Sean di=Xi-Yi la disparidad entre dos conjuntos de rangos. Si la
relación entre los rangos fuera perfecta di=0. Cuando tratamos de observar
la discrepancia total las di positivas serían entorpecidas por las di negativas
de ahí que se tome di2.
–
Supongamos x=X–
X
e y=Y–
Y
– la expresión general para el coeficiente de correlación es:

r = Âxy  Â
22 xy Cuando X e Y son los rangos de las muestras tenemos r=rs luego
tenemos:

2 Â Âd2d

rs= =1–
NN3 –NN–
6
Como d=x-y=(X–X–)–(Y–Y–)=X-Y puesto que X–=Y– al tratarse de
rangos quedando finalmente la fórmula:
N
6
Â
d
2
i
rs =1–i=1 []3NN
Si existen muchas observaciones ligadas esta fórmula debe ser sustituida
por la siguiente:
22 2

+Âr xy d
= []s 222 Â Âxy
3x NNTy NN––33 – t) / 12donde  Â–Â= = – T con T

Estadísticos e-Books & Papers

= (t12 xy
12
Método
Una vez calculados los rangos de las dos muestras se determinan el
valor de di para cada uno de los sujetos, substrayendo su rango Y de su
rango X. Se eleva al cuadrado este valor para determinar las di2 de cada
sujeto. Se suman las di2 de los N casos para determinar Sdi2.
Si la proporción de ligas en las observaciones de X o de Y es grande,
se usa la fórmula [2] para calcular rs. En otros casos, se usa la fórmula [1].
Si los sujetos constituyen una muestra al azar de alguna población, se
puede probar si el valor observado de rs indica una asociación entre las
variables X e Y en la población. El método para hacerlo depende del
tamaño de N:
a) Para N de 4 a 10, los valores críticos vienen dados en la tabla de
Spearman.
b) Para N≥10, la significación se determina mediante la aproximación
a la t de Student por la fórmula:
tr
N –2
= Æt calculándose el valor crítico con este estadístico.
sN-2
1
–
r
2
s
Ejemplo
Supongamos que la dirección de una empresa ha clasificado a ocho
gerentes en relación con sus habilidades administrativas, y que a todos
ellos se les ha hecho una prueba psicológica para la cual se supone que la
calificación está correlacionada con la potencialidad para la
administración. Con los datos que presentamos en la tabla siguiente
podemos suponer alguna relación entre ambas notas.
Gerente
Rango para las Calificaciones habilidades administrativas de la
prueba
1 7 44

Estadísticos e-Books & Papers

2 4 72
3 2 69
4 6 70
5 1 93
6 3 82
7 8 67
8 5 80
Las dos variables de interés son el rango y las calificaciones de la
prueba. La primera variable ya se encuentra en forma de rangos, y las
calificaciones de la prueba se pueden ordenar de manera similar, según
aparece en la tabla siguiente:
Gerente
Rango para las habilidades administrativas
17
24
32
46
51
63
78
85
Calificacionesdi di2de la prueba
1 6 36
5 –1 1
3 –1 1
424
8 –7 49
7 –4 16
2 6 36
6 –1 1
N
6
Â
d
2
i –()

r
s

Estadísticos e-Books & Papers

1
–
i=1
3= = = – ,0 714
NN– 864 1)
Si queremos contrastar la hipótesis nula de que no existe relación en la
población y empleamos una prueba bilateral tendremos RCa ={rs≥0,643} ó
{rs£-0,643} como rs=-0,714 está en la zona de rechazo no se acepta la
hipótesis nula.
2.7.3. El coeficiente de correlación de rango de Kendall: t Función
El coeficiente de correlación de rango de Kendall, t(tau), es una
medida de correlación conveniente para la misma clase de datos que rs. La
distribución muestral de t conforme a la hipótesis de nulidad es conocida
y, por consiguiente, como sucede con rs, está sujeta a pruebas de
significación.
Una ventaja de t sobre rs es que la primera puede generalizarse a un
coeficiente de correlación parcial.
Método
1. Se ordenan las observaciones en la variable X de 1 a N. Se ordenan las
observaciones en la variable Y de 1 a N.
2. Se colocan los rangos X de los sujetos en una lista de N sujetos
conforme a su orden natural, esto es, 1,2,3,.....,N.
3. Se observa el orden en que ocurren los rangos de Y cuando los
rangos de X están naturalmente ordenados. Se determina el valor de S
(suma del número de inversiones (-1) o orden natural(1) entre Y y X para
cada par de valores) para este orden de los rangos de Y.
4. Si no hay pares ligados emplearemos el estadístico:
total efectivo
t= =S que nos indica el número mínimo
máximo total posible 12NN –1)
de inversiones o intercambios que se requieren entre vecinos para
transformar una ordenación en otra. Es decir, t es una clase de coeficiente
de desorden. Si hay ligas emplearemos la fórmula:
t=S
11) –T
12 ( –NN – ) –T12 xy
donde T= 1Âtt() y t es el número de observaciones ligadas en cadax 2

Estadísticos e-Books & Papers

grupo de ligas de la variable X.
1
yT= Âtt -() y t es el número de observaciones ligadas en cada grupo de2

ligas de la variable Y.
5. Si los N sujetos constituyen una muestra aleatoria de alguna población,
se
puede examinar el grado en que el valor observado de t indica la existencia
de una asociación entre las variables X e Y de esa población. El método
para
obtener tal resultado, depende del tamaño de N:
a) Para N£ 10 utilizaremos la tabla de rango de Kendall que contiene la
probabilidad asociada —de una cola— de un valor tan grande como el de
una S observada.
b) Para N>10 aproximaremos a la normal mediante la fórmula:
media=mt=0 22()+5desviación estándar = =t 91)
tmtz= st
Decisión
Si la p obtenida por el método adecuado es igual o menor que a entonces
rechazamos H0 y confirmamos H1.
Comparación dettyrs
Aún cuando los valores que obtenemos con t y rs son distintos y por
tanto no comparables, sin embargo la prueba de significación que hagamos
respecto a la población nos debe llevar en ambos casos a resultados
similares.
Ejemplo
Estamos interesados en analizar el grado de asociación entre el nivel de
industrialización de los países de la CEE (medido por el porcentaje de
empleo en la industria con respecto al total, factor A), y la parte de gastos
totales familiares que dedican a transportes y comunicaciones, factor B.
Los datos aparecen a continuación:
País Factor A Factor B Xi Yi Alemania 40,7 13,9 10 6
Francia 32,1 13,7 5 4
Italia 34,6 13,6 8 3
Holanda 28,7 10,7 3 1
Bélgica 32,7 12,2 6 2
Luxemburgo 32,0 16,5 4 7

Estadísticos e-Books & Papers

Reino Unido 35,0 16,9 9 8
Dinamarca 26,6 17,5 2 9
Grecia 26,0 17,9 1 10
España 33,0 13,8 7 5
Si calculamos el valor de t=2.(-7)/10.9=-0,15 que indica una débil
asociación negativa entre los dos factores considerados. Si queremos
contrastar la hipótesis nula (no hay asociación) en la población, aún
cuando N=10 podemos hacer la aproximación a la normal z=-0,625 que
nos lleva a no rechazar la hipótesis de independencia entre factores.
2.7.4. El coeficiente de correlación parcial de rango de Kendall: txy.z
Función
Cuando se observa una correlación entre dos variables, siempre hay la
posibilidad de que esta correlación sea debida a la asociación entre cada
una de las dos variables y una tercera. Por ejemplo, entre un grupo de
niños de diversas edades que van a la escuela, es posible encontrar una alta
correlación entre la amplitud del vocabulario y la estatura. Esta correlación
puede no reflejar una relación genuina o directa entre estas dos variables,
sino más bien resulta del hecho de que tanto la extensión del vocabulario
como la estatura están asociadas con una tercera variable, la edad.
Estadísticamente, este problema puede ser examinado con los métodos
de correlación parcial. En la correlación parcial, los efectos de variación
por una tercera variable sobre la relación entre las variables X e Y son
eliminados. En otras palabras, la correlación entre X e Y se encuentra al
tener la tercera variable, Z como un valor constante.
Como en el apartado anterior los datos de las muestras han de ser
medido como mínimo en una escala ordinal.
Método
1. Sean X e Y las dos variables cuya relación va a determinarse y Z la
variable cuyo efecto sobre X e Y va a ser parcializado o mantenido
constante. 2. Se ordenan las observaciones en la variable X de 1 a N. Se
ordenan las observaciones en las variables Y y Z.
3. Se calculan txy, tzy y txz atendiendo a las correcciones oportunas si
existen pares ligados.
4. Se calcula el valor de txy.z con los valores anteriores mediante la
fórmula:
t ttt
xz
xy.z

Estadísticos e-Books & Papers

(
11
–
22 )
zy zx
Se demuestra que
t
xy.z
=
c2 N lo que de alguna forma nos indica que txy.z mide el grado en que X e
Y concuerdan independientemente de su relación con Z.
Ejemplo
Supongamos tres variables indicadoras de búsqueda de posición social,
autoritarismo y conformidad (condescendencia) de 12 individuos, dadas
por sus rangos según muestra la tabla siguiente. Queremos saber si existe
relación entre búsqueda de posición social (X) y autoritarismo (Y)
independiente de la variable Z (condescendencia).
Sujeto
Búsqueda deAutoritarismo Y Conformidad posición social X
(condescendencia) Z
1 3 2 1,5
2 4 6 1,5
3 2 5 3,5
4 1 1 3,5
5 8 10 5
6 11 9 6
7 10 8 7
8638
9 7 4 9 10 12 12 10,5 11 5 7 10,5 12 9 11 12
Empleando la fórmula anterior tenemos:
t ttt– . xz 067 036039 = = 062xy.z = 22 2 2
(11
– zyttzx ) (1036 1039–,)
Como no podemos hacer ninguna prueba de significación para este
coeficiente de correlación parcial, sólo nos queda observa si txy es
aproximadamente igual a txy.z para entonces hacer pruebas con el primero
e inferior resultados aproximados para el segundo.
La correlación parcial con SPSS se realiza con dos comandos distintos

Estadísticos e-Books & Papers

según el tipo de nivel de medida. En el caso de variables ordinales el
cálculo de la t,de Kendall se efectúa mediante el comando NOPAR CORR
y en el caso de variables de escala se realiza mediante PARTIAL CORR.
Para seleccionar estos comandos habrá que pasar por los siguientes pasos:
Analizar fiCorrelacionesfiBivariadas en el caso de la t, de Kendall y
AnalizarfiCorrelacionesfiParciales para el coeficiente de correlación
parcial de Pearson.
2.7.5. El coeficiente de concordancia de Kendall: W Función
En este punto vamos a considerar una medida de la relación entre varias
ordenaciones de N objetos o individuos.
Cuando tenemos k ordenaciones, podemos determinar la asociación
entre ellas usando el coeficiente de concordancia de Kendall. Mientras que
rs y t expresa el grado de asociación entre dos variables medidas o
transformadas en rangos, W expresa el grado de asociación entre k
variables semejantes. Tal medida puede ser particularmente útil en
estudios de confiabilidad entre jueces o entre pruebas y también tiene
aplicaciones en estudios de agrupamientos de variables.
Estadístico
Si queremos comparar k conjuntos de rangos, parece razonable la
determinación de las rs (o las t) entre todas las parejas posibles de
ordenaciones para calcular el promedio de estos coeficientes y determinar
la asociación total. Siguiendo tal
procedimiento, necesitaríamos calcular ËÁ ˆcoeficientes de correlación
de rango.
A menos que k fuera pequeño este procedimiento sería largo.
Si hacemos los cálculos mediante W es mucho más fácil, y W mantiene
una relación lineal con el promedio de rs tomado de todos los grupos. Si
denotamos el valor promedio de los coeficientes de correlación de rango
de Spearman entre los ËÁ ˆ pares posibles de ordenaciones como rsav, se
cumple que:
r
sav
=
kW –1
k –1
Para calcular W, coeficiente de concordancia de Kendall es necesario
realizar los siguientes pasos:

Estadísticos e-Books & Papers

 1. Sea N=número de entidades que van a ordenarse y sea k=el número
de jueces que asignarán los rangos. Ordénese los rangos observados en una
tabla de kxN.
2. Para cada entidad, se determina Rj, la suma de los rangos asignados
a esa entidad por los k jueces.
3. Obtenemos s, suma de desviaciones al cuadrado, mediante el cálculo
de la media de las Rj, después se hace las diferencias de las Rj a esta media
y se eleva al cuadrado tal diferencia, para finalmente hacer la suma de
estas diferencias al cuadrado.
4. Si la proporción de ligas de los k conjuntos de rangos es grande,
utilizamos la fórmula:
s

W= 1 23– ) – ÂkN N k T12 (

T Â(3tt– )
donde siendo t=número de observaciones en un grupo liga12
do por un rango dado.
S indica sumar todos los grupos de ligas dentro de cualquiera de las
ordenaciones.
El efectuar esta corrección por ligas representa aumentar el valor de W. Si
el número de ligas es pequeño o si no existe la fórmula que emplearemos
es la siguiente:
sW= 1 23 – )12 (kN N
Significación
Si queremos estudiar si el estadístico W es significativamente distinto de 0
tenemos que atender al tamaño de N:
a) Si N es menor o igual a 7 emplearemos la tabla de Kendall que contiene
los valores críticos a los niveles 0,05 y 0,01.
b) Si N>7 la fórmula: c2=k(N-1)W puede usarse para calcular un valor de
c2 cuya significación, para gl=N-1, podemos encontrar en la tabla de la ji-
cuadrado.
Interpretación de W
Un alto valor de W, es decir un alto grado de acuerdo acerca de un
orden no significa necesariamente que el orden escogido es el «objetivo»,
ya que esta coincidencia puede tener algún trasfondo no deseado. En este

Estadísticos e-Books & Papers

sentido Kendall nos indica que cuando la W resulta significativa una
estimación «mejor» está asociada con el cuadrado mínimo.
Ejemplo
Supongamos que a tres ejecutivos se les pide entrevistar a seis
solicitantes de empleo, con instrucciones de que han de separar los órdenes
de las calificaciones que resulten. Los datos aparecen en la tabla siguiente:
Solicitante
abcdef
Ejecutivo X 1 6 3 2 5 4
Ejecutivo Y 1 5 6 4 2 3
Ejecutivo Z 6 3 2 5 4 1
Rj 8 14 11 11 11 8
Los cálculos para obtener W serán los siguientes: s=(8-10,5)2+(14-10,5)2+
(11-10,5)2+(11-10,5)2+(11-10,5)2+(8-10,5)2=25,5
luego W= 1 23 2 3
– ) – )12 (kN N ( 1236 6
s 25 5 también podemos encontrar = = 016
1
kW –1 3 0 16–1
rsav= = = – ,026
k –1 31
La diferencia entre rsav y W es que el primero está comprendido entre –
1 y 1 y el segundo entre 0 y 1 . Esta relación lineal entre ambos
coeficientes nos permite observar los desacuerdos entre los k jueces.
Si queremos ver la significación de W como N=6 debemos emplear la
tabla de Kendall que nos da un valor crítico para s de 103,9 como
25,5<103,9=>que H0 se acepta. No hay diferencia significativa entre
jueces.
También si hubiéramos calculado el valor de ji-cuadrado tendríamos
c2=3(6-1) 0,16=2,4 que como se distribuye según una ji-cuadrado con N-1
grados de libertad nos da un valor crítico de 11,07 luego como 2,4<11,07
fi aceptamos H0.
2.8. Pruebas no paramétricas. El comando NPAR TEST
El comando NPAR TEST
Permite aplicar diversas pruebas estadísticas para una muestra, así como
pruebas no paramétricas para muestras relacionadas o para muestras
independientes. Los ejemplos propuestos para la comprensión de las

Estadísticos e-Books & Papers

pruebas, se basan en el fichero de datos que se viene utilizando (fichero
examinar.sav).
2.8.1. Pruebas para una muestra
Prueba de rachas
Contrasta la aleatoriedad de los valores de una muestra. Una racha es
una secuencia de valores de la variable. Si una muestra tiene muchas o
pocas rachas indican una tendencia y por tanto no será aleatoria.
Para realizar la prueba dar: Analizar>Pruebas no
paramétricas>Rachas

Se aplicará la prueba a cada una de las variables seleccionada.

Se puede personalizar el punto de corte (v), para cada variable, la
primera categoría estará formada por los valores menores que v y la
segunda por el resto; el punto de corte puede ser la media (MEAN), la
mediana (MEDIAN), la moda (MODE).
Si se pulsa el botón de opciones podemos seleccionar los estadísticos
descriptivos y los cuartiles, así como el tratamiento de los valores
omitidos.

Estadísticos e-Books & Papers

 Una vez seleccionada la variable, el punto o criterio de corte, los
estadísticos y los valores perdidos, tenemos, el siguiente fichero de
sintaxis:
NPAR TESTS
/RUNS(MEDIAN)=item2
/MISSING ANALYSIS.
Que ejecutado nos lleva a la siguiente salida:
PRUEBA DE RACHAS Aptitud verbal
Valor de pruebaa 4.0000 Casos < Valor de prueba 63 Casos >= Valor
de prueba 87 Casos en total 150 Números de rachas 72 Z –.350 Sig.
asintót. (bilateral) .726
a Mediana

Como podemos observar, utilizando como punto de corte la mediana,

tenemos 63 por debajo de este valor y 87 iguales o superiores. Vemos que
estas diferencias no son estadísticamente significativas y por tanto
podemos afirmar que la muestra de valores de la variable item2, es
aleatoria.
Prueba de la binomial
La prueba binomial nos sirve para contrastar las frecuencias
observadas de una variable dicotómica con las frecuencias esperadas de
una distribución binomial de parámetro (p) especificado. Por defecto este
parámetro es 0,5.
Para realizar la prueba dar: Analizar>Pruebas no
paramétricas>Binomial.

Estadísticos e-Books & Papers

 Podemos definir la dicotomía: obtener de los datos o fijar un punto de
corte y dar el valor de p.
También podemos dar opciones y podemos seleccionar los estadísticos
descriptivos y los cuartiles, así como el tratamiento de los valores
omitidos. Una vez seleccionada la variable, definida la dicotomía, los
estadísticos y los valores perdidos, tenemos, el siguiente fichero de
sintaxis:
NPAR TEST
/BINOMIAL (.50)= sexo
/MISSING ANALYSIS.
Que ejecutado nos lleva a la siguiente salida:
PRUEBA BINOMIAL
Sexo
Grupo 1 Grupo 2 Total Categoría hombre mujer
N 76 74 150 Proporción observada .51 .49 1.00 Prop. de prueba .50
Sig. asintót. (bilateral .935a
a Mediana
Como podemos observar, en la variable sexo hay una proporción de 0,51
hombres y 0,49 mujeres, que en la hipótesis de p=0,5 vemos que no es
significativa.
Prueba jicuadrado para una muestra
La prueba ji-cuadrado tabula una variable en categorías y calcula este
estadístico. Esta prueba de bondad de ajuste compara las frecuencias
observadas y esperadas en cada categoría.
Para realizar la prueba dar: Analizar>Pruebas no paramétricas>Chi-

Estadísticos e-Books & Papers

cuadrado.

Se puede definir el rango esperado cuando se quiere concretar distintas

categorías dentro de un rango específico o se puede obtener estas
categorías de los datos. También se pueden especificar los valores
esperados o que todas las categorías tengan valores esperados iguales.
Si se pulsa el botón de opciones podemos seleccionar los estadísticos
descriptivos y los cuartiles, así como el tratamiento de los valores
omitidos. Una vez realizadas las operaciones que hemos comentado, se
puede pegar el siguiente fichero de sintaxis:
NPAR TEST
/CHISQUARE=nivel
/EXPECTED=EQUAL
/MISSING ANALYSIS.
Que ejecutado nos lleva a la siguiente salida:
NIVEL N observado N esperado Residual Primarios sin c.
escolaridad 16 18.8 –2.8 Certificado escolaridad
Graduado escolar
fp-I
bup/cou
fp-II
Título de grado medio
Título de grado superior
Total

Estadísticos e-Books & Papers

15 18.8 –3.8 21 18.8 2.3 32 18.8 13.3 22 18.8 3.3 19 18.8 .3 14 18.8 –4.8
11 18.8 –7.8
150
ESTADÍSTICOS DE CONTRASTE
Nivel Chi-cuadradoa 15.760 gl 7 Sig. asintót. .027
a 0 casillas (.0%) tienen frecuencias esperadas menores que 5. La frecuencia de casilla
esperada mínimas es 18.8.

Como vemos hay diferencia significativa entre la distribución de

frecuencias observada y esperada.
Prueba de KolmogorovSmirnov para una muestra
Está prueba compara la distribución acumulada de frecuencias observadas
con
la esperada, que puede ser la normal, uniforme, exponencial o de poisson.
Para realizar la prueba dar: Analizar>Pruebas no
paramétricas>Kolmogorov-Smirnov.

Si se pulsa el botón de opciones podemos seleccionar los estadísticos

descriptivos y los cuartiles, así como el tratamiento de los valores
omitidos. Una vez seleccionada la distribución esperada, se puede pegar el
siguiente fichero de sintaxis:
NPAR TESTS
/K-S(NORMAL)= item1
/MISSING ANALYSIS.
Que tras su ejecución nos lleva a los siguientes resultados:
PRUEBA DE KOLMOGOROV-SMIRNOV PARA UNA MUESTRA

Estadísticos e-Books & Papers

N
Parámetros normalesa,b
Diferencias más extremas
Z de Kolmogorov-Smirnov Sig. asintót. (bilateral)
Comprensión lectora 150
Media 4.1133 Desviación típica 2.7963
Absoluta .116 Positiva .108 Negativa –.116
1.417 .036

a La distribución de contraste es la Normal. b Se han calculado a partir de los datos.

Existe una ligera discrepancia entre los datos empíricos de la

distribución del item1 y la distribución normal, como vemos el contraste
resulta ligeramente significativo.
2.8.2. Pruebas para dos muestras independientes
En general las pruebas que se incluyen en este apartado comparan dos
muestras independientes de una variable. Las pruebas que podemos utilizar
son: la U de Mann Whitney, Kolmogorov Smirnov, rachas de Wald
Wolfowitz y reacciones extremas de Moses.
Para una exposición detallada en los aspectos estadísticos, consúltese
el apartado dedicado a las pruebas no-paramétricas en este manual.
En general, las cuatro pruebas necesitan que las muestras sean
independientes y aleatorias. Además, la prueba U de Mann-Whitney,
quizás la más conocida, exige igualdad de forma para las dos muestras.

Estadísticos e-Books & Papers

 Para realizar la prueba dar: Analizar>Pruebas no paramétricas>2-
muestras independientes .
Necesitamos definir las variables dependientes que queremos estudiar
y la variable de agrupación o factor, en nuestro ejemplo hemos
seleccionados para las primeras item1 y item2 y entre las segundas, la
variable sexo.
Después será necesario seleccionar las dos categorías del factor que
vamos a analizar.

Finalmente seleccionaremos la prueba:

— U de Mann-Whitney si queremos contrastar la hipótesis de igualdad de
rangos entre las dos muestras.
— La prueba z de Kolmogorov-Smirnov y la prueba de rachas de
WaldWolfowitz, si queremos detectar diferencias entre las posiciones y
formas de las distribuciones.
— La prueba de reacciones extremas de Moses presupone que el factor
afectará a algunos sujetos en una dirección y a otros sujetos en la dirección
opuesta.
Como en las pruebas anteriores al pulsar el botón de opciones
podemos seleccionar los estadísticos descriptivos y los cuartiles, así como
el tratamiento de los valores omitidos.
Una vez realizadas las operaciones que hemos detallado, se puede
pegar el siguiente fichero de sintaxis:
NPAR TESTS
/M-W= item1 item2 BY sexo(1 2)
/MISSING ANALYSIS.
Que ejecutado da los siguientes resultados:
Prueba de Mann-Whitney RANGOS
Sexo N Rango promedio Suma de rangos Comprensión lectora Hombre
76 76.07 5781.00 Mujer 74 74.92 5544.00 Total 150
Aptitud verbal Hombre 76 71.84 5459.50 Mujer 74 79.26 5865.50 Total

Estadísticos e-Books & Papers

150
U de Mann-Whitney W de Wilcoxon
Z
Sig. asintót. (bilateral) ESTADÍSTICOS DE CONTRASTEa
Comprensión lectora Aptitud verbal
2769.000 2533.500
5544.000 5459.500
–.163 –1.053 .871 .292
a Variable de agrupación: sexo.

Como vemos la última tabla presenta la U de Mann-Whitney y la W de

Wilcoxon de suma de rangos. El resultado para el item1 y item2 en el
factor sexo, no resulta significativo.
2.8.3. Pruebas para dos muestras relacionadas
Las pruebas para dos muestras relacionadas comparan las
distribuciones de dos variables. Las pruebas que podemos utilizar son: la
W de Wilcoxon, signos y Mc Nemar.
Para una exposición detallada en los aspectos estadísticos, consúltese
el apartado dedicado a las pruebas no-paramétricas en este manual.
Para realizar la prueba dar: Analizar>Pruebas no paramétricas>2-
muestras relacionadas.

Seleccionaremos la prueba en función del tipo de dato: para datos

continuos u ordinales, utilizar la prueba de signos o la de Wilcoxon. Para
datos de sujetos recogidos antes-después de la ocurrencia de un evento,

Estadísticos e-Books & Papers

utilizar la prueba de McNemar.
Como en las pruebas anteriores al pulsar el botón de opciones
podemos seleccionar los estadísticos descriptivos y los cuartiles, así como
el tratamiento de los valores omitidos.
Una vez seleccionada la prueba, se puede pegar el siguiente fichero de
sintaxis:
NPAR TEST
/WILCOXON=item1 WITH item2 (PAIRED)
Que ejecutado nos da el siguiente resultado:
RANGOS
Aptitud verbal-Comprensión lectora
Rangos negativos Rangos positivos Empates Total
N 15a 15b 15c 150
Rango promedio 67.33 68.64
Suma de rangos 4444.00 4736.00
a Aptitud verbal < comprensión lectora. b Aptitud verbal > comprensión lectora. c
Comprensión lectora = aptitud verbal.

ESTADÍSTICOS DE CONTRASTEb
Aptitud verbalComprensión lectora
Z –.322a
Sig. asintót. (bilateral) .748
a Basaso en los rangos negativos.
b Prueba de los rangos con signo de Wilcoxon.

Por fines didácticos, hemos supuesto que aptitud verbal (pretest) y

comprensión lectora(postest), son los resultados de una prueba, realizada
con el mismo grupo de sujetos. Como podemos observar no existe
diferencia significativa en los resultados.
2.8.4. Pruebas para varias muestras independientes
Compara varios grupos de casos en una variable. Las pruebas que
utilizaremos son: de la mediana y análisis de la varianza de Kruskal Wallis
para k muestras independientes.
Para una exposición detallada en los aspectos estadísticos, consúltese
el apartado dedicado a las pruebas no-paramétricas en este manual.
Para realizar la prueba dar: Analizar>Pruebas no paramétricas>k-
muestras independientes.

Estadísticos e-Books & Papers

 Habrá que seleccionar las variables dependientes que queremos
contrastar y la independiente, variable de agrupación o factor. En este
último será necesario definir el rango, es decir, la categoría mínima y la
máxima.

La prueba H de Kruskal-Wallis puede considerarse una extensión de la

U de Mann-Whitney, es la versión no paramétrica del análisis de la
varianza de un factor.
La prueba de la Mediana es más general que la anterior, pero menos
potente, que la primera, detecta diferencia entre las distribuciones.
Como en otras pruebas al pulsar el botón de opciones podemos
seleccionar los estadísticos descriptivos y los cuartiles, así como el
tratamiento de los valores omitidos.
Una vez seleccionada la prueba, se puede pegar el siguiente fichero de
sintaxis:
NPAR TESTS
/K-W=item1 item2 BY zona(1 3)
Que ejecutado dará los siguientes resultados:
RANGOS
Zona N Rango promedio
Comprensión lectora Rural 55 77.12

Estadísticos e-Books & Papers

 Semirural 44 77.69 Urbana 51 71.86 Total 150
Aptitud verbal Rural 55 28.29
Semirural 44 77.77 Urbana 51 124.45 Total 150
ESTADÍSTICOS DE CONTRASTEa, b
Comprensión lectora Aptitud verbal
Chi-cuadrado .552 131.361
gl 2 2
Sig. asintót. (bilateral) .759 .000
a Prueba de Kruskal-Wallis. b Variable de agrupación: zona.
Vemos que existe diferencia significativa en aptitud verbal. Claramente
resultan superiores los valores en la zona urbana respecto a las otras zonas.
2.8.5. Pruebas para varias muestras relacionadas
Las pruebas para K muestras relacionadas comparan las distribuciones
de dos o más variables. Las pruebas que podemos utilizar son: la Q de
Cochran, F de Friedman y la W de Kendall.
Para una exposición detallada en los aspectos estadísticos, consúltese
el apartado dedicado a las pruebas no-paramétricas en este manual.
Para realizar la prueba dar: Analizar>Pruebas no paramétricas>k-
muestras relacionadas.

Seleccionaremos la prueba Friedman, como equivalente no

paramétrico de un análisis de la varianza de dos vías con una observación
por casilla, en diseños de medidas repetidas. Se prueba si las k variables
relacionadas proceden de la misma población. La W de Kendall, se puede
interpretar como el coeficiente de concordancia, es decir, una medida de
acuerdo entre jueces; es una normalización de la prueba de Friedman.

Estadísticos e-Books & Papers

La prueba Q de Cochran es similar a la prueba de Friedman, pero para
variables dicotómicas. Es una extensión de la prueba de McNemar.
En estas pruebas se pueden calcular ciertos estadísticos:

Una vez seleccionada la prueba, se puede pegar el siguiente fichero de

sintaxis:
NPAR TESTS
/FRIEDMAN = item1 item2 item3
/KENDALL = item1 item2 item3
/STATISTICS QUARTILES
/MISSING LISTWISE.
Que ejecutado nos da el siguiente resultado:
ESTADÍSTICOS DESCRIPTIVOS
Percentiles
N 25 50 (Mediana) 75
Comprensión lectora 150 2.0000 4.0000 7.0000
Aptitud verbal 150 1.7500 4.0000 7.0000
Prueba de inglés 150 2.0000 5.0000 7.0000
Prueba de Friedman RANGOS
Rango promedio
Comprensión lectora 1.93
Aptitud verbal 2.03
Prueba de inglés 2.04
ESTADÍSTICOS DE CONTRASTEa
N 150
Chi-cuadrado 1.228
gl 2
Sig. asintót. .541
a Prueba de Friedman.
Prueba W de Kendall
Rango promedio
Comprensión lectora 1.93
Aptitud verbal 2.03

Estadísticos e-Books & Papers

Prueba de inglés 2.04 ESTADÍSTICOS DE CONTRASTE
N 150
W de Kendalla .004
Chi-cuadrado 1.228
gl 2
Sig. asintót. .541
a Coeficiente de concordancia de Kendall.
Para los dos estadísticos, Friedman y Kendall, la diferencia no es
significativa.
EJERCICIOS DE AUTOCOMPROBACIÓN
1. El tiempo medio de permanencia en los estudios de una muestra de
100 médicos es de 7,2 años con una desviación típica de 0,3 años. Si m
representa el tiempo medio de permanencia en los estudios de toda la
Facultad, contrastar la hipótesis m=6,8 frente a la alternativa mπ6,8,
usando el nivel de significación a=0,05.
2. Un instituto de enseñanza secundaria sostiene que sus alumnos
aprueban la selectividad en el 90% de los casos. En una muestra de 180
alumnos, aprobaron 150. Determinar si la afirmación del instituto es cierta.
3. Un profesor está interesado en analizar la actitud de sus alumnos
hacia la Estadística. Por su experiencia personal piensa que, si ofrece
explicaciones amplias sobre el uso, la utilidad y la importancia de la
materia, conseguirá que estos alumnos mejoren su actitud, aunque no está
seguro. Para probar su hipótesis de que la actitud podría cambiar, divide la
muestra total (n=36) en dos grupos: uno de control (n=16) que seguirá con
sus clases normales, y otro experimental (n=20) donde se ofrecerán esas
explicaciones complementarias.
Tras un semestre de prueba en práctica de la experiencia, y basándose en
su observación personal, otorga unas puntuaciones en actitud a cada uno
de los sujetos de la muestra (en una escala de 0-80). Dada la amplitud de la
escala y a la rigurosidad del observador, se supone distribución normal. Al
nivel del a=0,05, ¿existe diferencia en las valoraciones de los dos grupos?
Grupo A: 5- 7- 9- 14- 19- 25- 27- 35- 39- 40- 42- 47- 56- 60- 65- 72.
Grupo A: 5- 7- 9- 14- 19- 25- 27- 35- 39- 40- 42- 47- 56- 60- 65- 72. 75-
78- 80.
4. Una compañía que produce lapiceros escolares, afirma que tiene una
varianza de diámetro no mayor de 0,0002 cm. Una muestra aleatoria de 10
lápices dio una varianza muestral de s2=0,0003. Si se supone que las
medidas del diámetro se distribuyen de forma normal, ¿hay evidencia para

Estadísticos e-Books & Papers

refutar lo que afirma la compañía? a=0,05
5. Se quiere contrastar la hipótesis de que los datos siguientes
provienen de una distribución normal.
20, 22, 24, 30, 31, 32, 38.
• Se trata del ejemplo 2: Contraste Kolmogorov-Smirnov de la parte
teórica.
6. Se sabe que el 30% de las pequeñas barras de hierro se romperán
cuando se las someta a una carga de 3000 Kg. En una muestra aleatoria de
50 barras se encontró que 21 de ellas se rompían cuando se les sometía a
esa carga. Investíguese si esta muestra proviene de la misma población.
a=0,01.
• Se trata del ejemplo de la prueba ji-cuadrado de adherencia de ajuste de
la parte teórica.
7. Supongamos los resultados de extraer 15 letras A y B según la siguiente
secuencia: A,B,B,A,A,B,A,A,A,B,A,B,A,B,B. Queremos saber si la
extracción ha sido aleatoria.
• Se trata del ejemplo 1 de la prueba de rachas de la parte teórica.
8. Los 25 alumnos de una clase de 6º de Primaria son sometidos a un
entrenamiento en habilidades numéricas obteniéndose los siguientes
resultados antes y después de la aplicación de esta metodología de apoyo.
Se desea contrastar si el entrenamiento mejora estas habilidades.
Después
– + Antes + 14 4
–34
Donde + indica clasificación mayor que la mediana y – menor que la
mediana respectivamente en las puntuaciones de la prueba de habilidades
numéricas.
• Es el ejemplo de la prueba de McNemar de la parte teórica.
9. Sean 12 adolescentes elegidos al azar entre miembros de un club de
cineforum. Interesa comprobar si después de la proyección de una película
violenta, los adolescentes muestran una mayor agresividad que perdure
incluso varios días. Realizados test, antes de la película y tres días después,
resultan los siguientes datos:
Adolescentes Antes (A) Después (B) B-A
1 14 19 +
2 16 18 +
3 23 22 –

Estadísticos e-Books & Papers

4 26 27 +
5 24 28 +
6 28 35 +
7 27 30 +
8 18 17 –
9 15 17 + 10 22 28 + 11 20 30 + 12 25 24 –
• Es el ejemplo de la prueba de los signos de la parte teórica. 10. Se
utiliza el mismo enunciado que el ejercicio anterior, pero en esta ocasión
se pide utilizar la prueba de Wilcoxon.
• Es el ejemplo de la prueba de Wilcoxon de la parte teórica.
11. Se quiere comprobar si en el ambiente universitario de una
Facultad de CC. de la Educación los líderes «carismáticos» se «queman»
significativamente más que los líderes «no-carismáticos». Estudiados 14
líderes resultó la siguiente distribución:
«Quemados» «No quemados» Lid. «carismáticos» 6 2 8
Lid. «no carismáticos» 1 5 6
7 7 14
• Es el ejemplo de la prueba de Fisher de la parte teórica.
12. Se realiza el siguiente experimento: tomemos un grupo de niños de
1.º ESO (m=10) y los hacemos memorizar una serie de objetos. Pasada una
hora les decimos que nos comuniquen todos los objetos que recuerdan.
Contamos el número de fallos que cometen. Repetimos la misma
operación con (n=10) niños de 2.º ESO. Queremos probar que la
distribución de los errores (proporción de fallos) es mayor en los de 1.º
ESO que en los de 2.º ESO.
Datos:
1.º ESO 2.º ESO 39,1 35,2
41,2 39,2
45,2 40,9
46,2 38,1
48,4 34,4
48,7 29,1
55 41,8
40,6 24,3
52,1 32,4
47,2 32,6
• Es el ejemplo de la prueba de Kolmogorov de la parte teórica.

Estadísticos e-Books & Papers

 13. Deseamos probar que las personas altas y bajas difieren con
respecto a sus cualidades como dirigentes. Tomemos dos muestras la
primera entre las personas bajas con m=43 y la segunda entre las altas con
n=52. Los clasificamos en tres categorías: líder, adepto e inclasificable.
Obtenemos la siguiente tabla de datos:
Bajo Alto Líder 12 32
Adepto 22 14
Inclasif. 9 6
Total 43 52
• Es el ejemplo de la prueba de ji-cuadrado de la parte teórica.
14. Sean dos muestras de n1=16 casos y n2=13 casos cuyos datos
aparecen en la tabla siguiente y que se refieren al grado de aceptación
personal que tiene el gerente de una empresa química por parte de las
mujeres y por parte de los hombres que trabajan en ella.
Mujeres Hombres
67
10 15
19 26
21 27
20 8
14 30
29 26
11 23
12 9
24 25
13 28
17 17
18 15
23
22
16
• Es el ejemplo de la prueba de la mediana de la parte teórica. 15. Se
dispone de dos tipos de cobayas I y II que se las adiestra para recorrer un
determinado laberinto. Se nos pide contrastar si las cobayas de tipo I
alcanzan la salida con un número medio de errores igual al que da las
cobayas de tipo II. Fijemos a=0,05. Tomamos una muestra de m=8
cobayas de tipo I y n=9 cobayas de tipo II y se quiere contrastar si las dos

Estadísticos e-Books & Papers

muestras son idénticas.
I 17 12 15 10 14 11 8 13 II 13 16 9 11 9 18 6 10 7
Se quiere contrastar la hipótesis H0: provienen de la misma población
(µ1=µ2) frente H1: µ1>µ2 (test de una cola).
• Es el ejemplo de la prueba U de Mann-Whitney de la parte teórica.
16. Se desea estudiar si hay diferencias sexuales en la cantidad de agresión
exhibida por los niños en el juego.
Para ello se observa el comportamiento de 12 niños y 12 niñas durante
el desarrollo de una sesión de juego, puntuando el grado de agresión de
cada individuo.
Los datos obtenidos son los siguientes:
Niños(+) Niñas(+)
86 55
69 40
72 22
65 58
113 16
65 7 118 9
45 16
141 26
104 36
41 20
50 15
• Es el ejemplo de la prueba de Wald-Wolfowitz de la parte teórica.
17. Supongamos 3 grupos de 18 amas de casa de iguales
características. Cada uno de estos grupos es sometido a una entrevista con
diferente estilo. Queremos saber si las diferencias brutas entre los tres
estilos de entrevistas influyeron en el número de respuestas «si» dadas a un
ítem particular por los tres grupos igualados. Los datos aparecen en la
tabla siguiente:
Grupos I II III
1000
2110
3010
4000
5100
6110

Estadísticos e-Books & Papers

7110
8010
9100
10 0 0 0
11 1 1 1
12 1 1 1
13 1 1 0
14 1 1 0
15 1 1 0
16 1 1 1
17 1 1 0
18 1 1 0
• Es el ejemplo de la prueba Q de Cochran de la parte teórica.
18. Supongamos que 18 conjuntos de ratas formados cada uno por tres
ratas de la misma camada son sometidos en su aprendizaje a tres diferentes
métodos de motivación. Las puntuaciones que se adjudican a cada rata se
obtienen al computar los errores cometidos por cada una de ellas a lo largo
del recorrido a realizar y son los siguientes:
Grupos I II III
1354
2342
3142
4256
Grupos I II III
5713
6452
7321
8286
9734
10 6 3 5
11 5 6 4
12 2 4 1
13 4 2 1
14 3 5 2
15 3 3 1
16 5 3 2
17 5 4 2
18 3 4 1

Estadísticos e-Books & Papers

Se trata, de contrastar la hipótesis de igualdad de los tres grupos.
• Es el ejemplo de la prueba de Friedman de la parte teórica.
19. Supongamos que un profesor de EGB quiere comprobar si tres
métodos distintos de dirección de grupo originan diferentes rendimientos
escolares entre los alumnos. Para ello, elige al azar tres grupos de 9,8 y 7
alumnos a los cuales los somete respectivamente a la dirección de grupo
«autoritario», «directivo-democrática» y «dejar-hacer». Los resultados
escolares son los siguientes para cada grupo:
Autoritaria Directivo-democrática Dejar-hacer
33 38 22
15 50 36
17 39 37
19 23 21
26 35 16
32 41 20
18 40 25
28 47
29
Planteamos la hipótesis nula de que no hay diferencia significativa
entre los tres grupos.
• Es el ejemplo de la prueba de Kruskal-Wallis de la parte teórica. 20.
Supongamos que la dirección de una empresa ha clasificado a ocho
gerentes en relación con sus habilidades administrativas, y que a todos
ellos se les ha hecho una prueba psicológica para la cual se supone que la
calificación está correlacionada con la potencialidad para la
administración. Con los datos que presentamos en la tabla siguiente
podemos suponer alguna relación entre ambas notas.
Gerente
Rango para las habilidades administrativas
17
24
32
46
51
63
78
85

Estadísticos e-Books & Papers

Calificaciones de la prueba
44
72
69
70
93
82
67
80
• Es el ejemplo de correlación no paramétrica rangos de Spearman de
la parte teórica.
21. Estamos interesados en analizar el grado de asociación entre el
nivel de industrialización de los países de la CEE (medido por el
porcentaje de empleo en la industria con respecto al total, factor A), y la
parte de gastos totales familiares que dedican a transportes y
comunicaciones, factor B. Los datos aparecen a continuación:
País Factor A Factor B Alemania 40,7 13,9
Francia 32,1 13,7
Italia 34,6 13,6
Holanda 28,7 10,7
Bélgica 32,7 12,2
Luxemburgo 32,0 16,5
Reino Unido 35,0 16,9
Dinamarca 26,6 17,5
Grecia 26,0 17,9
España 33,0 13,8
• Es el ejemplo de correlación no paramétrica rangos de Kendall de la
parte teórica.
22. Supongamos tres variables indicadoras de búsqueda de posición
social, autoritarismo y conformidad (condescendencia) de 12 individuos,
dadas por sus rangos según muestra la tabla siguiente. Queremos saber si
existe relación entre búsqueda de posición social (X) y autoritarismo (Y)
independiente de la variable Z (condescendencia).
Sujeto
Búsqueda deAutoritarismo Y Conformidad posición social X
(condescendencia) Z

Estadísticos e-Books & Papers

 1 3 2 1,5
2 4 6 1,5
3 2 5 3,5
4 1 1 3,5
5 8 10 5
6 11 9 6
7 10 8 7
8638
9 7 4 9 10 12 12 10,5 11 5 7 10,5 12 9 11 12
• Es el ejemplo de correlación parcial no paramétrica rangos de
Kendall de la parte teórica.
23. Supongamos que a tres ejecutivos se les pide entrevistar a seis
solicitantes de empleo, con instrucciones de que han de separar los órdenes
de las calificaciones que resulten. Los datos aparecen en la tabla siguiente:
Solicitante a b c d e f Ejecutivo X 1 6 3 2 5 4 Ejecutivo Y 1 5 6 4 2 3
Ejecutivo Z 6 3 2 5 4 1
• Es el ejemplo de correlación no paramétrica coeficiente de
concordancia W de Kendall de la parte teórica.
SOLUCIÓN A LOS EJERCICIOS DE AUTOCOMPROBACIÓN
1. La solución con SPSS pasa por la creación de un fichero mediante
simulación con distribución normal de media 7,2 y desviación 0,3.
Después se contrasta la hipótesis:
H0: m=6,8
H1: mπ6,8
Para lo cual se utiliza el comando t-test. La sintaxis de los dos ficheros
SPSS de procedimientos es:
*Nota:
* Para utilizarlo basta con que cambies los parámetros referentes a: * -
Numero de vectores a generar.
* -Numero de casos a generar.
* -Parámetros de media y desviación típica que deseas en cada vector.
NEW FILE.
INPUT PROGRAM.
/* NUMERO DE VECTORES A GENERAR (ej:1) [Modificable].
VECTOR X(1).
/* NUMERO DE CASOS A GENERAR (ej:100) [Modificable].
LOOP #J=1 TO 100.

Estadísticos e-Books & Papers

 LOOP #I=1 TO 1.
compute X(#I)=normal(1)+0. /* GENERACION DE VECTORES
NORMALIZADAS.
END LOOP.
END CASE.
END LOOP.
END FILE.
END INPUT PROGRAM.
* ASIGNACION DEL CENTRO Y DISPERSION DESEADOS
[Modificable].media=7,2; desviación=0,3.
COMPUTE x1=(x1*0.3)+7.2.
EXECUTE.
+++++++++++++++++++++++++++++++++++++++++++++++++++++
T-TEST
/TESTVAL = 6.8
/MISSING = ANALYSIS
/VARIABLES = X1
/CRITERIA = CI(.95) .
Los resultados de aplicar el comando t-test de una sola muestra son:
PRUEBA PARA UNA MUESTRA Valor de prueba = 6.8 95% Intervalo
de confianza para la diferencia t
gl
Sig. Diferencia (bilateral) de medias
X1 12,517 99 ,000 ,38938 Inferior Superior ,3277 ,4511
Como la diferencia es significativa entonces se rechaza la hipótesis
nula. 2. Para tratar el problema con SPSS hay que calcular la probabilidad
de error tipo I o valor a. Se plantea las hipótesis:
H0: p=0,9 aprueban en el 90% de los casos.
H1: p<0,9 la afirmación es falsa y lo hacen en menor proporción. Donde p
representa la proporción de aprobados en la selectividad. Para contrastar la
hipótesis se supone a=0,05.
De la población no se tiene datos pero al ser la muestra grande se
supone aproximadamente normal, y por tanto cumple las condiciones
paramétricas.
Con la aproximación a la normal m=np=180x0,9=162 y sp = npq =4,02
. En consecuencia la hipótesis anterior será similar a la siguiente:
H0:m=162

Estadísticos e-Books & Papers

H1: m<162
Se calcula z= x - =150-162 =299. Por el tipo de hipótesis alternativa sp
402
(unilateral) será necesario encontrar P[z<-2,99]. Se aplicada el programa
siguiente:
data list free/x.
begin data
1
end data.
execute.
format x (f8.4).
***** probabilidad de z menor o igual que a *******.
********* por ejemplo prob. z menor o igual que -2,99 ***********.
COMPUTE pz1 = CDFNORM(-2.99) .
format pz1 (f8.4).
execute.
da 0,0014, valor menor que el a=0,05 fijado, y por tanto se rechaza la
hipótesis nula, es decir, no aprueban en el 90% de los casos.
3. Las hipótesis son:
H0: mA =mB
H1: mA <mB
Luego se trata de un contraste de una cola. a=0,05.
Se supone normalidad. Además se desconocen las varianzas de las
distribuciones. Por otra parte, será necesario introducir los datos de los
grupos (se crea el fichero de datos t-test2.sav) y después se ejecuta el
comando t-test:
T-TEST
GROUPS = g(‘a’ ‘b’)
/MISSING = ANALYSIS
/VARIABLES = x
/CRITERIA = CI(.95) .
Dando como resultado:
ESTADÍSTICOS DE GRUPO
g
N

Estadísticos e-Books & Papers

Media
Desviación Error tip. de típ. la media
x a 16 35,13 21,276 5,319 b 20 54,25 20,113 4,497
PRUEBA DE MUESTRAS INDEPENDIENTES
Prueba de
Levene para
Prueba T para la igualdad de mediasla igualdad
de varianzas
F Sig. t gl Sig.
Diferencia de
(bilateral)medias

Error 95% Intervalo típ. de de confianza para la difela diferencia

rencia
Inferior Superior Se han
asumidox varianzas iguales ,098 ,756 -2,763 34 ,009 -19,125 6,921 -33,190
-5,060
No se
han
asumido varianzas iguales
-2,746 31,431 ,010 -19,125 6,965 -33,323 -4,927
4. Los resultados son los siguientes:
1) Se plantean las hipótesis:
H0: s2=0,0002
H1: s2>0,0002
2) a=0,05
3) Se supone normalidad según afirma el enunciado del problema.
4) El estadístico utilizado es:
2() ( ).,- 1 0 0003=13 5c2 = ns
- = 0 0002s2
5) Este estadístico se distribución según una ji-cuadrado con n-1 grados de
libertad.
6) Como c2 ,(n-1)=16,919, según se puede recoger del programa
siguiente,a
entonces la región crítica (RC) a un nivel de significación a=0,05 es: RC=
{c2>16,919}.

Estadísticos e-Books & Papers

 data list free/x.
begin data
1
end data.
execute.
format x (f8.4).
***** Valor de c2 tal que P[c2>c2 (9)]=0.05 *******.
COMPUTE if1 = IDF.CHI(0.95,9) .
format if1 (f8.4).
execute.
7) Como c2=13,5 no pertenece a la región crítica entonces se acepta la
hipótesis nula, no hay evidencia para refutar lo que afirma el proveedor de
lapiceros.
5. El programa SPSS para realizar el ejercicio es el siguiente:
* PRUEBAS UNIMUESTRALES (TEST DE K-S).
data list free/x .
begin data
20
22
24
30
31
32
38
end data.
execute.
NPAR TESTS
/K-S(NORMAL)= x
/MISSING ANALYSIS.
Los resultados son los siguientes:
PRUEBA DE KOLMOGOROV-SMIRNOV PARA UNA MUESTRA x N
Parámetros normales (a,b)
Diferencias más extremas
Z de Kolmogorov-Smirnov Sig. asintót. (bilateral)
7 Media 28,1429 Desviación típica 6,38823

Estadísticos e-Books & Papers

 Absoluta ,186 Positiva ,170 Negativa –,186
,492 ,969
a: La distribución de contraste es la Normal. b: Se han calculado a partir de los datos.

Nótese que las diferencias extremas difieren ligeramente del resultado

obtenido de forma manual. Esta diferencia se debe a que el algoritmo que
utiliza SPSS para calcular diferencias utiliza además de las diferencias
entre Fn(x)- F(x), las diferencias Di=Fn(xi-1)-F(xi)
6. El programa SPSS para realizar el ejercicio es el siguiente:
* PRUEBAS UNIMUESTRALES (TEST DE CHI-CUADRADO).
data list free/x peso .
begin data
1 21
2 29
end data.
execute.
WEIGHT
BY peso .
NPAR TEST
/CHISQUARE=x (1,2)
/EXPECTED=15 35
/MISSING ANALYSIS.
Y los resultados:
Categoría
1 1,00
2 2,00
Total
FRECUENCIAS
x
N observado N esperado Residual 21 15,0 6,0 29 35,0 -6,0 50
ESTADÍSTICOS DE CONTRASTE
x Chi-cuadrado(a) 3,429 gl 1
Sig. asintót. ,064
a: 0 casillas (,0%) tienen frecuencias esperadas menores que 5. La frecuencia de casilla
esperada mínima es 15,0.
Resultados que coinciden con los obtenidos anteriormente de forma

Estadísticos e-Books & Papers

manual.
7. El programa SPSS para realizar el ejercicio es el siguiente:
* PRUEBAS UNIMUESTRALES (TEST DE RACHAS).
data list free/x (A2).
begin data
ABBAABAAABABABB
end data.
execute.
RECODE
x (CONVERT)
(‘A’=1) (‘B’=2) INTO rx .
EXECUTE .
NPAR TESTS
/RUNS(1.5)=rx
/MISSING ANALYSIS.
Nótese la necesaria conversión de caracteres en números (comando
RECODE) para realizar la prueba de rachas.
Los resultados son:
PRUEBA DE RACHAS rx
Valor de prueba (a) 1,5000 Casos en total 15 Número de rachas 10 Z
,556
a: Especificado por el usuario.
8. El programa SPSS para resolver el ejercicio es:
* PRUEBAS BIMUESTRALES- MUESTRAS RELACIONADAS
(PRUEBA DE MACNEMAR). data list free/x z peso.
begin data
1 0 14
114
003
014
end data.
execute.
WEIGHT
BY peso .
NPAR TEST
/MCNEMAR= x WITH z (PAIRED)

Estadísticos e-Books & Papers

/MISSING ANALYSIS.
Cuyo resultado es:
XyZ
z
x01
034
1 14 4
ESTADÍSTICOS DE CONTRASTE(b) x y z N 25 Sig. exacta
(bilateral) ,031(a) a: Se ha usado la distribución binomial. b: Prueba de McNemar.
Como se puede observar da resultados significativos a un nivel del 5%. 9.
El programa SPSS para realizar el ejercicio es:
* PRUEBAS BIMUESTRALES- MUESTRAS RELACIONADAS
(PRUEBA DE LOS SIGNOS).
data list free/x z .
begin data
14 19
16 18
23 22
26 27
24 28
28 35
27 30
18 17
15 17
22 28
20 30
25 24
end data.
execute.
NPAR TEST
/SIGN= x WITH z (PAIRED)
/MISSING ANALYSIS.
Dando como resultado:
FRECUENCIAS
N z - x Diferencias negativas(a) 3
Diferencias positivas(b) 9
Empates(c) 0

Estadísticos e-Books & Papers

Total 12
a: z < x
b: z > x
c: z = x

ESTADÍSTICOS DE CONTRASTE (b)

z-x
Sig. exacta (bilateral) ,146(a)
a: Se ha usado la distribución binomial.
b: Prueba de los signos.
No existe por tanto diferencia significativa entre antes y después de ver la
película.
10. El programa SPSS es:
* PRUEBAS BIMUESTRALES- MUESTRAS RELACIONADAS
(PRUEBA DE WILCOXON).
data list free/x z .
begin data
14 19
16 18
23 22
26 27
24 28
28 35
27 30
18 17
15 17
22 28
20 30
25 24
end data.
execute.
NPAR TEST
/WILCOXON=x WITH z (PAIRED)
/MISSING ANALYSIS.
Con el siguiente resultado:
RANGOS
N
Rango Suma promedio de rangos
z - x Rangos negativos 3(a) 2,50 7,50 Rangos positivos 9(b) 7,83 70,50

Estadísticos e-Books & Papers

Empates 0(c)
Total 12
a: z < x
b: z > x
c: z = x

ESTADÍSTICOS DE CONTRASTE (b)

z - x Z –2,2828(a) Sig. asintót. (bilateral) ,013
a: Basado en los rangos negativos.
b: Prueba de los rangos con signo de Wilcoxon.

Que coincide plenamente con el obtenido en la parte teórica. 11. El

programa SPSS es:
* PRUEBAS BIMUESTRALES- MUESTRAS INDEPENDIENTES
(PRUEBA DE FISHER). data list free/x z peso.
begin data
116
102
011
005
end data.
execute.
WEIGHT
BY peso .
CROSSTABS
/TABLES=x BY z
/FORMAT= AVALUE TABLES
/STATISTIC=CHISQ
/CELLS= COUNT
/COUNT ROUND CELL .
Cuyo resultado es:
x
Total TABLA DE CONTINGENCIAS X * Z
,00 1,00
z
,00 1,00 Total 5
2
7
1 6 6 8 7 14

Estadísticos e-Books & Papers

PRUEBAS DE CHI-CUADRADO Sig. asintótica Valor
gl
(bilateral) Sig. exacta Sig. exacta (bilateral) (unilateral)
Chi-cuadrado de Pearson
Corrección por continuidad(a) 4,667(b) 1 ,031
2,625 1 ,105
Razón de verosimilitud 5,004 1 ,025
Estadístico exacto
de Fisher
Asociación lineal4,333 1 ,037por lineal
N de casos válidos 14
a: Calculado sólo para una tabla de 2x2. b: 4 casillas (100,0%) tienen una frecuencia esperada
inferior a 5. La frecuencia mínima esperada es 3,00.
,103 ,051
Será necesario fijarse en el estadístico exacto de Fisher y ver que no
hay diferencia significativa al nivel del 5%. Además hay que tener
presente la utilización del procedimiento tablas de contingencia que
muestra el estadístico de Fisher en tablas de 2x2 con un 25% o más de
casillas con frecuencia esperada menor que 5.
12. El programa SPSS para resolver el ejercicio es:
* PRUEBAS BIMUESTRALES- MUESTRAS INDEPENDIENTES
(PRUEBA DE KOLMOGOROV).
data list free/x z.
begin data
39,1 1
41,2 1
45,2 1
46,2 1
48,4 1
48,7 1
55,0 1
40,6 1
52,1 1
47,2 1
35,2 0
39,2 0
40,9 0
38,1 0

Estadísticos e-Books & Papers

34,4 0
29,1 0
41,8 0
24,3 0
32,4 0
32,6 0
end data.
execute.
NPAR TESTS
/K-S= x BY z(1 0)
/MISSING ANALYSIS.
El resultado es el siguiente:
ESTADÍSTICOS DE CONTRASTE(a)
Diferencias más extremas
Z de Kolmogorov-Smirnov Sig. asintót. (bilateral)
x Absoluta ,700
Positiva ,000
Negativa -,700
1,565
,015
a: Variable de agrupación: z

Como se puede ver hay diferencia significativa.

13. El programa SPSS es:
* PRUEBAS BIMUESTRALES- MUESTRAS INDEPENDIENTES
(PRUEBA DE JI-CUADRADO).
data list free/x z peso.
begin data
1 0 12
2 0 22
309
1 1 32
2 1 14
316
end data.
execute.
WEIGHT
BY peso .

Estadísticos e-Books & Papers

 CROSSTABS
/TABLES=x BY z
/FORMAT= AVALUE TABLES
/STATISTIC=CHISQ
/CELLS= COUNT
/COUNT ROUND CELL.
Cuyo resultado es:
TABLA DE CONTINGENCIAS X * Z z
,00 1,00 Total x 1,00 12 32 44
2,00 22 14 36
3,00 9 6 15 Total 43 52 95
PRUEBAS DE CHI-CUADRADO
Valor gl Sig. asintótica (bilateral) Chi-cuadrado de Pearson 10,712(a)
2 ,005 Corrección por continuidad
Razón de verosimilitud 10,976 2 ,004 Asociación lineal por lineal 8,166 1
,004 N de casos válidos 95
a: 0 casillas (,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima esperada
es 6,79.

Donde el resultado del estadístico de ji-cuadrado es ligeramente

superior al calculado en la teoría por el tema de manejo de decimales. Su
diferencia es significativa, es decir, no son independientes la altura de una
persona y sus cualidades como dirigentes.
14. El programa SPSS que realiza el ejercicio es:
* PRUEBAS VARIAS MUESTRAS- MUESTRAS
INDEPENDIENTES (PRUEBA DE LA MEDIANA).
data list free/x z .
begin data
61
10 1
19 1
21 1
20 1
14 1
29 1
11 1
12 1
24 1

Estadísticos e-Books & Papers

13 1
17 1
18 1
23 1
22 1
16 1
70
15 0
26 0
27 0
80
30 0
26 0
23 0
90
25 0
28 0
17 0
15 0
end data.
execute.
NPAR TESTS
/MEDIAN=x BY z(0 1) /MISSING ANALYSIS.
Cuyo resultado es:
FRECUENCIAS z
,00 1,00 x >
Mediana 7 7
<=
Mediana 7 7
ESTADÍSTICOS DE CONTRASTE(a)
x N 29 Mediana 18,0000
Sig. exacta ,715 a: Variable de agrupación: z
15. El programa SPSS será:
* PRUEBAS BIMUESTRALES- MUESTRAS INDEPENDIENTES
(PRUEBA U DE MANNWHITNEY).
data list free/x z .

Estadísticos e-Books & Papers

begin data
17 1
12 1
15 1
10 1
14 1
11 1
81
13 1
13 0
16 0
90
11 0
90
18 0
60
10 0
70
end data.
execute.
NPAR TESTS
/M-W= x BY z(1 0) /MISSING ANALYSIS.
Que da por resultado: RANGOS
z
N
Rango Suma promedio de rangos
x ,00 9 7,83 70,50 1,00 8 10,31 82,50 Total 17
ESTADÍSTICOS DE CONTRASTE(b)
x U de Mann-Whitney 25,500
W de Wilcoxon 70,500
Z -1,013
Sig. asintót. (bilateral) ,311 Sig. exacta [2*(Sig. unilateral)] ,321(a)
a: No corregidos para los empates.
b: Variable de agrupación: z
16. El programa SPSS del ejercicio es:
* PRUEBAS BIMUESTRALES- MUESTRAS INDEPENDIENTES
(PRUEBA DE WALDWOLFOWITZ).

Estadísticos e-Books & Papers

data list free/x z .
begin data
86 1
69 1
72 1
65 1
113 1
65 1
118 1
45 1
141 1
104 1
41 1
50 1
55 0
40 0
22 0
58 0
16 0
70
90
16 0
26 0
36 0
20 0
15 0
end data.
execute.
NPAR TESTS
/W-W= x BY z(1 0) /MISSING ANALYSIS.
Cuyo resultado es:
ESTADÍSTICOS DE CONTRASTE(b,c)
NúmeroZ Sig. exacta de rachas (unilateral)
xNúmero exacto 4(a) -–3,548 ,000de rachas
a: No se han hallado empates intra-grupo. b: Prueba de Wald-Wolfowitz.
c: Variable de agrupación: z.

17. El programa SPSS del ejercicio es:

* PRUEBAS k-MUESTRAS RELACIONADAS (PRUEBA Q DE

Estadísticos e-Books & Papers

COCHRAN). data list free/x z v.
begin data
000
110
010
000
100
110
110
010
100
000
111
111
110
110
110
111
110
110
end data.
execute.
NPAR TESTS
/COCHRAN = x z v
/MISSING LISTWISE.
Con el siguiente resultado:
ESTADÍSTICOS DE CONTRASTE
N 18 Q de Cochran 16,667(a)
gl 2 Sig. asintót. ,000
a: 0 se trata como un éxito.

Como se puede observar altamente significativo.

18. El programa SPSS es:
* PRUEBAS k-MUESTRAS RELACIONADAS (PRUEBA DE
FRIEDMAN). data list free/x z v.
begin data
354
342
142

Estadísticos e-Books & Papers

256
713
452
321
286
734
635
564
241
421
352
331
532
542
341
NPAR TESTS
/FRIEDMAN = x z v /MISSING LISTWISE.
Con el resultado:
ESTADÍSTICOS DE CONTRASTE(a)
N 18 Chi-cuadrado 8,704
gl 2 Sig. asintót. ,013 a: Prueba de Friedman.
19. El programa SPSS es:
* PRUEBAS k-MUESTRAS INDEPENDIENTES (PRUEBA DE
KRUSKALWALLIS).
data list free/x z .
begin data
33 1
15 1
17 1
19 1
26 1
32 1
18 1
28 1
29 1
38 2
50 2
39 2

Estadísticos e-Books & Papers

23 2
35 2
41 2
40 2
47 2
22 3
36 3
37 3
21 3
16 3
20 3
25 3
NPAR TESTS
/K-W=x BY z(1 3) /MISSING ANALYSIS.
Con el siguiente resultado:
RANGOS
z
N
Rango promedio
x 1,00 9 8,67
2,00 8 19,25
3,00 9 9,71
Total 24
ESTADÍSTICOS DE CONTRASTE(a,b) x Chi-cuadrado 11,021 gl 2
Sig. asintót. ,004 a: Prueba de Kruskal-Wallis. b: Variable de agrupación: z.
Coincide plenamente con el obtenido en la parte teórica.
20. El programa SPSS es:
* PRUEBAS CORRELACIÓN DE RANGOS DE SPEARMAN. data
list free/x z .
begin data
7 44
4 72
2 69
6 70
1 93
3 82
8 67
5 80

Estadísticos e-Books & Papers

 NONPAR CORR
/VARIABLES=x z
/PRINT=SPEARMAN TWOTAIL NOSIG /MISSING=PAIRWISE .
Con el siguiente resultado:
CORRELACIONES
xz
Rho de Spearman x Coeficiente de correlación 1,000 –,714(*) Sig.
(bilateral) . ,047 N 8 8
z Coeficiente de correlación –,714(*) 1,000 Sig. (bilateral) ,047 . N 8 8
* La correlación es significativa al nivel 0,05 (bilateral).
21. El programa SPSS es:
* PRUEBAS CORRELACIÓN DE RANGOS DE KENDALL. data
list free/x z .
begin data
40,7 13,9
32,1 13,7
34,6 13,6
28,7 10,7
32,7 12,2
32,0 16,5
35,0 16,9
26,6 17,5
26,0 17,9
33,0 13,8
end data.
execute.
NONPAR CORR
/VARIABLES=x z
/PRINT=KENDALL TWOTAIL NOSIG
/MISSING=PAIRWISE .
Cuyo resultado es:
CORRELACIONES
xz
Tau_b de Kendall x Coeficiente de correlación 1,000 –,156 Sig.
(bilateral) . ,531 N 10 10
z Coeficiente de correlación –,156 1,000 Sig. (bilateral) ,531 . N 10 10

Estadísticos e-Books & Papers

Como se puede observar no es significativo, por tanto las variables no
están correlacionadas.
22. El programa SPSS es:
* PRUEBAS CORRELACIÓN PARCIAL DE RANGOS DE
KENDALL. data list free/x y z.
begin data
3 2 1,5
4 6 1,5
2 5 3,5
1 1 3,5
8 10 5
11 9 6
10 8 7
638
749
12 12 10,5
5 7 10,5
9 11 12
end data.
execute.
NONPAR CORR
/VARIABLES=x y
/PRINT=KENDALL TWOTAIL NOSIG
/MISSING=PAIRWISE .
NONPAR CORR
/VARIABLES=z y
/PRINT=KENDALL TWOTAIL NOSIG
/MISSING=PAIRWISE .
NONPAR CORR
/VARIABLES=x z
/PRINT=KENDALL TWOTAIL NOSIG /MISSING=PAIRWISE .
Con los resultados:
Tau_b de Kendall x
y
CORRELACIONES x y
Coeficiente de correlación 1,000 ,667(**) Sig. (bilateral) . ,00310 N 12
12 Coeficiente de correlación ,667(**) 1,000 Sig. (bilateral) ,00310 . N 12

Estadísticos e-Books & Papers

12
** La correlación es significativa al nivel 0,01 (bilateral).
Tau_b de Kendall z
y CORRELACIONES
z y Coeficiente de correlación 1,000 ,357
Sig. (bilateral) . ,112
N 12 12 Coeficiente de correlación ,357 1,000
Sig. (bilateral) ,112 . N 12 12
Tau_b de Kendall x
z CORRELACIONES
x z Coeficiente de correlación 1,000 ,388
Sig. (bilateral) . ,084
N 12 12 Coeficiente de correlación ,388 1,000
Sig. (bilateral) ,084 . N 12 12
Que coinciden con el texto. Después será necesario aplicar la fórmula
presentada en la parte teórica.
23. El programa SPSS es:
* PRUEBAS COEFICIENTE DE CONCORDANCIA DE
KENDALL. data list free/a b c d e f.
begin data
163254
156423
632541
end data.
execute.
NPAR TESTS
/KENDALL = a b c d e f
/MISSING LISTWISE.
Con los siguientes resultados:
ESTADÍSTICOS DE CONTRASTE
N 3 W de Kendall (a) ,162 Chi-cuadrado 2,429 gl 5 Sig. asintót. ,787 a:
Coeficiente de concordancia de Kendall.
BIBLIOGRAFÍA
ARCE, CONSTANTINO; REAL, EULOGIO (2002): Introducción al análisis
estadístico con SPSS. PPU. Barcelona.
CALOT, G. (1974): Curso de Estadística Descriptiva. Paraninfo. Madrid.
CAMACHO ROSALES, JUAN (2002): Estadística con SPSS versión 11 para

Estadísticos e-Books & Papers

Windows. Ra-Ma, Librería y Editorial Microinformática. Madrid.
CUADRAS, C. M.; ECHEVERRÍA, B.; MATEO, J.; SÁNCHEZ, P. (1991):
Fundamentos de Estadística. PPU. Barcelona.
FERRÁN ARANAZ, MAGDALENA (2002): Curso de SPSS para Windows.
McGraw-Hill/ Interamericana de España. Madrid.
Labrousse, C.(1976). Estadística. Ejercicios resueltos (Tomo II). Madrid:
Paraninfo. LIZASOAIN HERNÁNDEZ, LUIS; JOARISTI OLARRIAGA, LUIS (2003):
Gestión y análisis de datos con SPSS. Thomson Paraninfo. Madrid.
MARTÍN F. G. (1994): Introducción a la Estadística Económica y
Empresarial. AC. Madrid. MARTÍN, M. F.; FERNÁNDEZ, R.; SEISDEDOS, A.
(1985): Estadística inferencial. Manual de prácticas para las ciencias de
la conducta. Salamanca: Universidad pontificia. PARDO MERINO, ANTONIO;
RUIZ DÍAZ, MIGUEL ÁNGEL (2002): SPSS 11. Guía para el análisis de
datos. McGraw-Hill/ Interamericana de España. Madrid.
PEÑA D. (1992): Estadística, Modelos y Métodos. Volumen I. Alianza
Universidad Textos. Madrid.
PEÑA D. (1992): Estadística, Modelos y Métodos. Volumen II. Alianza
Universidad Textos. Madrid.
P ÉREZ, CÉSAR (2001): Técnicas estadísticas con SPSS. Pearson
Educación. Madrid. RÍOS, S. (1974): Métodos estadísticos. Ed. del Castillo.
Madrid.
SPIEGEL, M. R. (1992): Estadística. McGraw-Hill. Madrid.
VISAUTA VINACUA, B. (2002): Análisis estadístico con SPSS 11.0 para
Windows. McGraw-Hill/ Interamericana de España. Madrid.

UNIDAD DIDÁCTICA 5
HACIA UN ESTUDIO DEL MODELO
Objetivos
Diferenciar los principales conceptos relacionados con el análisis de
regresión: método de selección de las variables, condiciones de aplicación
del modelo y evaluación del mismo.
Saber interpretar los resultados del modelo de regresión, efectuando
una valoración del proceso y del ajuste final obtenido. Aplicar los
conocimientos de análisis de regresión para resolver supuestos de
investigación educativa utilizando el programa SPSS. Interpretar
correctamente las salidas de ordenador de SPSS en los supuestos

Estadísticos e-Books & Papers

anteriores.
Comprender el significado, los procedimientos y los elementos básicos de
los diseños experimentales.
Interpretar el significado de la variabilidad y la interacción en el diseño
experimental.
Comprender la importancia de los diseños factoriales en la
experimentación y resolver supuestos de diseños factoriales utilizando el
análisis de la varianza.
1. EL MODELO DE REGRESIÓN. EL COMANDO
REGRESION
1.1. El modelo de regresión
1.1.1. Introducción
La regresión lineal estudia la relación existente entre una o más
variables, denominadas independientes y otra, denominada dependiente,
con propósitos tanto descriptivos como predictivos.
Podemos plantear una relación, en principio lineal, entre una variable
Y dependiente que trata de ser explicada por k variables independientes y
un término de perturbación aleatoria e. De esta forma para cada
observación se tendrá:
yi=b0+b1xi1+......+bkxik+ei i=1,....,n [1]
donde:
b0,......., bk son parámetros desconocidos a estimar, y
ei i=1,....,n son variables error, independientes y con distribución N(0,s2)
De forma matricial Y=XB+E donde X es una matriz con la primera
columna unitaria.
El análisis de regresión es una de las técnicas más utilizada en
investigación, sus posibilidades son innumerables como lo demuestran las
continuas referencias en publicaciones. Sus aplicaciones se pueden agrupar
en dos grandes apartados: predicción y explicación. Estos dos usos no son
mutuamente excluyentes y existirán investigaciones donde se utilicen con
ambas finalidades.
En la predicción, la combinación lineal de las variables independientes
se dirige a maximizar la estimación de la variable dependiente, y es un
predictor del poder explicativo de la variable dependiente por las variables
independientes. Se deben conseguir niveles adecuados de explicación de la
variable dependiente para justificar el modelo de regresión. También, la

Estadísticos e-Books & Papers

faceta predictiva del análisis de regresión, sirve para evaluar el conjunto de
variables independientes como predictoras de la variable dependiente.
La vertiente explicativa del análisis de regresión, se utiliza para dar
una visión de la importancia relativa de cada variable independiente
valorando su magnitud y signo. Además, se puede trabajar para determinar
el tipo de relación existente (lineal, cuadrática, logarítmica, exponencial,
potencial, etc) con la variable dependiente.
Regresión lineal simple
En el caso particular de una única variable independiente X, se habla de
regresión lineal simple. La correspondiente función de regresión será del
tipo: f(X,b0,b1)=b0+b1X
yi=b0+b1xi+ei i=1,....,n [2]
Es de destacar la semejanza entre el modelo [1] y el análisis de la
varianza modelo factorial con un solo factor, siendo la única diferencia la
relativa a que mientras en [2] la variable X puede tomar cualquier valor, en
el modelo de análisis de la varianza sólo puede tomar los valores 1,0,
según se encuentre presente o no el nivel considerado.
Regresión lineal múltiple
En el caso de más de una variable independiente, se habla de regresión
lineal múltiple. Su modelo matemático se presentó en [1].
1.1.2. Procedimiento
La consecución del modelo de regresión exige el siguiente
procedimiento: a) Elegir un método de selección de variables.
b) Determinar si hay observaciones que desvirtúen el modelo y
analizar las condiciones de aplicación. Es decir, evaluar el modelo.
c) Evaluación de la significación en el modelo.
d) Interpretar los resultados efectuando una valoración del proceso y del
ajuste final obtenido.
A) Selección de las variables
Existen diversos criterios: unos, emanados del problema de investigación,
y con claros tintes teóricos, y otros por criterios empíricos.
En el primer caso se puede dar errores de especificación, tomando
variables o incluyendo otras irrelevantes para la investigación. La
inclusión de variables irrelevantes afecta a la parsimonia del modelo, y la
falta de variables relevantes influye en el poder explicativo del mismo.
Además del error de especificación, las variables pueden tener errores de
medida, que en el caso de las independientes, influyan en las predicciones

Estadísticos e-Books & Papers

de la dependiente. Los errores de medida se pueden evaluar mediante
análisis causal.
Cuando se utilice variables ficticias, los coeficientes del modelo de
regresión representarán las diferencias entre la media del grupo y la del
grupo de referencia (el de valor nulo).
Métodos de selección de variables
Entre los procedimientos alternativos a calcular todas las posibles
ecuaciones de regresión, en función de todas las combinaciones posibles
de las variables independientes, destacan los métodos de construcción por
pasos:
a) Método Backward: la ecuación comienza con todas las variables
incluidas; en cada paso se eliminará una variable.
b) Método Forward: en cada paso se introduce una variable.
c) Método Stepwise: en cada paso puede eliminarse o introducirse una
variable. Dado que una variable puede entrar y salir de la ecuación en más
de una ocasión, es conveniente establecer un límite para el número de
pasos. En general, se considera el doble del número de variables
independientes. En este procedimiento por pasos se debe tener en cuenta la
influencia de la multicolinealidad entre las variables independientes. El
investigador debe plantear un modelo teórico con la inclusión de las
variables más relevantes y los signos de las mismas.
A la hora de calcular los coeficientes, para asegurar que la tasa de error
conjunto a lo largo de todos los tests de significación sea razonable, deben
emplearse umbrales muy conservadores (0,01) al añadir o quitar variables
(Hair 1999, página 173).
B) Supuestos y limitaciones para la construcción de la ecuación de
regresión Identificar el cumplimiento de los condicionantes del modelo,
debe considerarse como paso previo y de validación del análisis de
regresión.
Identificación de observaciones influyentes
Hair (1999, página 177) las clasifica en tres grupos: datos atípicos, puntos
de apalancamiento e influyentes.
Estos puntos «distintos» se basan en alguna de las siguientes condiciones
(Hair 1999, página 178):
— Un error en la entrada de observaciones o datos.
— Una observación válida, aunque excepcional, explicable por una
situación extraordinaria.

Estadísticos e-Books & Papers

— Una observación excepcional sin una explicación plausible. — Una
observación ordinaria en sus características individuales pero excepcional
en su combinación de características.
Estas observaciones influyentes deben ser aisladas antes de comenzar la
aplicación del método para evitar defectos en las predicciones realizadas
con el mismo. Los casos atípicos han sido muy estudiados, de forma que
se han desarrollado métodos de regresión robustos para minimizar su
impacto.
Los datos relevantes (de gran peso o importancia en el modelo), son
identificados cuando se emplea el SPSS mediante el «Dfajuste» . Se
calcula el valor de la predicción para un elemento, cuando el mismo está
vinculado a la muestra y cuando no está incluido en ella, de tal forma la
diferencia viene representada por el valor de «Dfajuste» o su valor
tipificado «Dfajuste tipificado». Si esta diferencia es grande la observación
(xi,yi) tendrá mucha importancia en el modelo de regresión, en caso
contrario será menor su influencia. También se puede valorar los casos
atípicos a través de los residuos estandarizados cuya distribución es N(0,1)
y por tanto, valores mayores a 2 o 3, según criterio del investigador, serán
considerados datos atípicos.
Comprobación de las hipótesis del modelo
El modelo de regresión debe: a) estar bien especificado; b) las
variables medidas sin error sistemático; y c) los errores en la predicción
cumplir unas determinadas condiciones (ser independientes con
distribución N(0,s2)).
El estar bien definido exige tener unas variables independientes
relevantes, o de otra manera, el modelo de regresión debe cumplir el
principio de parsimonia, es decir, la conformación del modelo con el
menor número posible de variables independientes. Para valorar la
aportación de cada variable independiente al modelo habrá que observar si
el incremento del coeficiente de determinación (R2) es significativo.
La existencia de errores sistemáticos de medida, en general, dificulta la
creación de cualquier modelo predictivo.
Respecto a los residuos y la definición del modelo, se cumplirá: a)
Linealidad
Cada variable independiente tiene una relación lineal con la
dependiente; o de otra forma, para cada variable independiente la
linealidad indica que el coeficiente de regresión es constante a lo largo de

Estadísticos e-Books & Papers

los valores de la variable independiente (regresión lineal simple). O de
forma equivalente E(ei)=0 para i=1,…..,n
La comprobación de la linealidad de cada variable independiente se puede
hacer por:
— Los residuos no deben presentar ningún patrón sistemático respecto
de las predicciones o respecto de cada una de las variables independientes,
se observará mediante el gráfico de residuos estandarizados.
— La correlación parcial entre la variable dependiente y cada una de
las independientes debe ser alta. También los gráficos de regresión
parcial deben presentar una forma lineal.
b) Homocedasticidad
Las varianzas de las distribuciones de Y ligadas a los distintos valores
de las variables independientes deben ser iguales. Var(Y/xi1,xi2,…..,xik)=s2
o de forma equivalente Var(ei)= s2, para i=1,….,n:
— Los residuos no deben presentar ningún patrón sistemático respecto
de las predicciones o respecto de cada una de las variables independientes.
— Se puede emplear el test de Levene. Si hay heterocedasticidad se
puede utilizar transformaciones en las variables o el método de mínimos
cuadrados ponderados.
c) Independencia
El valor observado en una variable para un individuo no debe estar
influenciado en ningún sentido por los valores de esta variable observados
en otros individuos, es decir, cada variable predictor es independiente. En
el supuesto de normalidad, equivale a Cov(Yi,Yj)=0 si iπj. y para los
residuos, con el mismo supuesto de normalidad, será Cov(ei,ej)=0 si iπj .
Estas condiciones se traducen:
— Los residuos no deben presentar ningún patrón sistemático respecto
a la secuencia de casos.
— Los residuos deben estar incorrelados; el estadístico de Durbin-
Watson, D, debe tener valores próximos a 2, si D es menor que 1,5 existe
autocorrelación. Si D se aproxima a 4 los residuos estarán negativamente
autocorrelados y, si se aproxima a 0, estarán positivamente autocorrelados.
d) Normalidad
Se cumple Y/xi1,xi2,…..,xik es N(b0+b1xi1+......+bkxik; s2), o de forma

Estadísticos e-Books & Papers

equivalente, que la distribución de los residuos sea normal, N(0, s2): —
Los residuos observados y los esperados, bajo hipótesis de distribución
normal, deben coincidir.
— Para su comprobación se puede utilizar métodos gráficos como el
diagrama P-P, o métodos analíticos, como la prueba de
KolmogorovSmirnov.
e) Multicolinealidad
El término multicolinealidad influye en la definición del modelo y se
utiliza para describir la situación en que un gran número de variables
independientes están altamente interrelacionadas. Las variables que sean
aproximadamente una combinación lineal de otras se denominan
multicolineales.
Si una variable es una combinación lineal perfecta de otras variables
independientes, la matriz de correlaciones será singular (matriz singular es
aquella cuyo determinante es igual a 0), lo que se traducirá a la hora de
calcular la ecuación de regresión, en que no existirá una única solución
mínimo-cuadrática insesgada de cálculo de sus coeficientes.
Una matriz de correlaciones con coeficientes muy altos es un indicio
de probable multicolinealidad; sin embargo, puede haber multicolinealidad
aunque los coeficientes sean relativamente bajos.
Uno de los procedimientos más utilizado para detectar la
interdependencia entre variables es el criterio de la tolerancia.
La tolerancia de una variable Xi con las restantes variables independientes
se define como:
Toli= 1- Ri2
donde Ri2 es el cuadrado del coeficiente de correlación múltiple entre Xi y
las variables X1,.... Xi-1,Xi+1,.....,Xk
— Si Toli=0 la variable Xi es casi una combinación lineal de las restantes
variables y,
— Si Tol=1 la variable Xi puede reducir la parte de variación de Y no
explicada por las restantes variables.
En el método de selección de variables por pasos, la variable
seleccionada debe tener una tolerancia mínima con las variables incluidas
en la ecuación para poder entrar en el siguiente paso. Por otro lado, al
entrar la variable, ninguna variable en la ecuación debería superar esa
mínima tolerancia con las restantes.

Estadísticos e-Books & Papers

 Para solucionar los problemas de multicolinealidad se puede: a)
aumentar el tamaño muestral, b) a partir de las variables relacionadas
construir otra como combinación lineal de las anteriores y c) utilizar un
procedimiento jerárquico para introducir las variables y controlar la
tolerancia de las mismas.
C) Evaluación de la significación del modelo de regresión
1. Estimación de los parámetros
Calcular la ecuación de regresión supone deducir la ecuación del plano que
mejor se ajusta a la nube de puntos (Etxeberria 1999, página 54).
^
Sea B un estimador del vector de parámetros B. Se define el vector de
predicciones como:
^^
Y = XB El vector de residuos es
^
e=Y–Y
Uno de los criterios para obtener los coeficientes de regresión
B0,B1,....,Bk, estimaciones de los parámetros desconocidos b0,b1,.....bk, es
el de mínimos cuadrados, que consiste en minimizar la suma de los
cuadrados de los residuos.
Si en el modelo de regresión se calcula [X’X] y es una matriz no
singular, es decir, si su determinante |X’X| es distinto de cero, se puede
calcular la inversa [X’X]-1 y entonces la matriz de los coeficientes será:
^
B=[X’X]-1X’Y
Los bi son los coeficientes de regresión parciales, y así, por ejemplo,
b2 nos da la variación de y, inducida por una variación de X2, suponiendo
que las demás variables permanecen constantes.
2. Propiedades de los estimadores
Estimador de los coeficientes del modelo lineal
Como hemos visto el estimador de B por el método de mínimos cuadrados
es:
^
B=[X’X]-1X’Y
^
Es un estimador insesgado con Var(B)=s2[X’X]-1
El estimador de la varianza

Estadísticos e-Books & Papers

 Una hipótesis del modelo es la homocedasticidad, por tanto, Var(ei)=
s2 para i=1,….,n .El parámetro s2 habitualmente es desconocido y por
tanto es necesario estimarlo. El estimador de este parámetro es la varianza
residual definida como «el cociente entre la suma de residuos al cuadrado
(SCres) y el número de grados de libertad del modelo (gl)»
SC SC1 n
S
22
e =- + Âei==- +1nk nk() ()i=1
Si se utiliza la hipótesis de normalidad se obtiene la relación siguiente de
la distribución de Se2

2Sn k(( ))ª c2e - +()s2

Obteniéndose como intervalo de confianza de s2 el siguiente: 2- £ £ -
+nk S2(( ))nk Se e
c
c
2
a a () nk- +()
2 ()2 nk- +() 2
3. El análisis de la varianza
A continuación se verá la descomposición de la variabilidad de la variable
Y cuando se ajusta a un modelo de regresión múltiple.
Se puede comprobar la descomposición de cada observación muestral en:
SC
SC
674846748reg446 7SC448

n n n  Â** 2

() ( ) ( )ii
i= = =1

o de forma matricial:
SCres= [yy’-b’X’y]
SC
reg
=[b’X’y-n

Estadísticos e-Books & Papers

–2
y]
SC
total
=[y’y-n
–2
y]
La descomposición de la suma de cuadrados nos lleva a la siguiente tabla:
TABLA 5.1.1. Tabla de análisis de la varianza para el modelo de regresión.
Fuente Suma Grados de variación de cuadrados de Libertad Media de
cuadrados Estadístico o varianzas F
Regresión SCreg k
2
2=SMCreg= SCreg S MCregR
R k S2 = MC
rese
Residual SCres n-(k+1)e = SCres2=SMCres n- k-1
Total SCtotal n-1
2=SMCtotal=SCtotal
T n-1
Contraste múltiple: H0:B1=......=Bk=0 frente a H1: $ i: Bi π0
La hipótesis nula significa que las variables independientes no mejoran la
predicción de Y sobre
–
= –. La tabla anterior de análisis de la varianza a través de Fk,n-(k+1)
yy
permite estudiar la significación en el contraste múltiple. Si resulta
significativo algún Bi es distinto de cero.
Contraste simple: H0: Bi=0 frente H1:Bi π 0
La hipótesis nula significa que la variable Xi no mejora la predicción de Y
sobre la regresión obtenida con las k-1 variables restantes.
El estadístico de contraste t= Bi donde sBi se distribuye bajo H0 como
unasBi
t de Student con n-(k+1) grados de libertad. Si el p-valor asociado es
menor que a, se rechazará la hipótesis nula al nivel de significación a.
Existe otro procedimiento de realizar esta prueba que presenta la
mejora respecto al anterior en permitir ejecutar contraste de varias
variables a la vez. Para ello si se quiere contrastar la influencia de la
variable Xi se ajusta el modelo de regresión completo con las k variables

Estadísticos e-Books & Papers

independientes y se calcula la SCreg (k). Después se realiza el mismo
proceso pero con las k-1 variables, todas menos la Xi y se calcula SCreg (k-
xi). Se define la suma de cuadrados incremental debida a Xi como:
D
SC
reg
()
= - -≥
i reg() reg( )i 0
Se plantea la hipótesis anterior H0: Bi=0 frente H1:Biπ 0 y se utiliza como
estadístico:
F
D
()
reg i
1i= 0,1,.......,ki =2Sk()e
que se distribuye según F1,n-(k+1). Con este procedimiento se obtiene
los mismos resultados que con el contraste t, pero además tiene la ventaja
que se puede utilizar para un conjunto l£k {xj1,xj2,…..,xjl} de variables
independiente, dando:
DSCreg()
F
l
=
l
Sk2()
e
que se distribuye según una F con l,n-(k+l) grados de libertad.
4. Análisis de la asociación entre las variables
Al ajustar un modelo de regresión múltiple a una nube de puntos es
importante disponer de medidas que permitan medir la bondad del ajuste.
Esto se consigue con los coeficientes de correlación múltiple. Como
sabemos la correlación mide el grado o fuerza de relación existente entre
variables.
El coeficiente de correlación simple (o de Pearson)
El coeficiente de correlación simple r, mide el grado de asociación lineal
entre las variables X e Y rxy es tal que: –1£rxy£1

Estadísticos e-Books & Papers

 — Si rxy=1 la asociación será lineal positiva
— Si rxy=–1 la asociación será lineal negativa y,
— Si rxy=0 no existirá asociación lineal
El estimador muestral del rxy es el coeficiente de correlación muestral rxy
rXY SXY=(, ) (, )
SS
XY
Donde el numerador es la covarianza muestral entre las variables X e Y;
SX,SY son las desviaciones típicas muestrales de X e Y respectivamente.
El coeficiente de determinación
En general cuando se ajusta un modelo estadístico a una nube de
observaciones, una medida de la bondad de ajuste es el coeficiente de
determinación, definido como:
n
Â*2
2
= SC
i()
reg = i=1R SCtotn
Âi()2
i=1

R2 representa el porcentaje de variabilidad de Y que explica el modelo

de regresión. Si el modelo de ajuste es el lineal múltiple, R se denomina
coeficiente de correlación múltiple.
Además, se puede establecer una relación con la F de la tabla 5.1.1.
Como:
R
2 = SC2Rk
SC
reg y F =MC reg se pueden relacionar F y R mediante: F =
2()/[( )]tot MCres

Cuando n es pequeño, R2 es muy sensible a los valores de n y k,

entonces los programas de ordenador dan el R2 (ajustado) que modula la
influencia del tamaño muestral en su valor:
R
22 n-1
()() ()

Estadísticos e-Books & Papers

El coeficiente de correlación múltiple
El coeficiente de correlación múltiple rY.1..k, es una medida del grado
de asociación lineal entre Y y el conjunto de variables independientes
X1,....,Xk, y es tal que: 0£rY.1..k, £1
— Si rY.1..k, =1 el ajuste del plano de regresión a la población es casi
perfecto y — Si rY.1..k, =0 el plano de regresión no mejora la predicción de
Y sobre la predicción con la media muestral de Y.
El estimador muestral del rY.1..k, es el coeficiente de correlación múltiple
muestral, R.
Todos los cálculos necesarios para el análisis del grado de asociación
lineal se suelen disponer en una tabla como la siguiente:
Fuente de variación Suma de cuadrados Varianza Correlación
Debida a la regresión
b’ X ‘ y – ny
–
2
S
R2
R
2
=
S
2R
S
2y
Debida al error
y’y – b’ X’y
S
e2
1 – R2= e2 Sy2

Total y’y – ny–2 Sy2 –––––––

Con todo lo anterior, el coeficiente de correlación múltiple será:
R=
1-Se2 = ¢ ¢1-yy-b Xy
Sy2 ¢yy-ny2
El coeficiente de correlación parcial
Puede interesar estudiar el grado de asociación existente entre dos

Estadísticos e-Books & Papers

variables (por ejemplo Y y X1) una vez que se ha eliminado la influencia
que las restantes independientes ejercen sobre ella. Este problema viene
resuelto mediante la determinación del coeficiente de correlación parcial,
que representaremos como
ry1.2,3,4,...,k
Una de las expresiones más utilizada es:
r212 3 4. , ,...,k =-adj s12
22ss11
Donde adj s12 representa el adjunto del elemento s12 en la matriz de
covarianzas.
1. Predicción en el modelo de regresión lineal múltiple
Uno de los fines primordiales que se persigue al ajustar una función a
una nube de puntos es el de poder extrapolar, esto es, dado el valor de la
variable/s «independiente/s» exterior al recorrido que presenta la nube de
puntos, calcular el correspondiente valor teórico de la variable
«dependiente».
El ajuste será más preciso conforme el valor de la variable
independiente esté próximo a los valores primitivos.
D) Interpretación de resultados
Para interpretar los resultados del análisis de regresión múltiple será
necesario:
Evaluar el coeficiente de regresión
Para ver la influencia de cada variable en el modelo. Se utiliza los
coeficientes beta con los datos estandarizados.
Evaluación de la multicolinealidad
— Valorar el grado de multicolinealidad.
— Determinar su impacto en los resultados.
Según hemos comentado, para evaluar la colinealidad de parejas o de
múltiples variables se utiliza el valor de la tolerancia o su inverso el factor
de influencia de la varianza (VIF).
La multicolinealidad hace inestable los coeficientes de la ecuación de
regresión aumentando la variación de los mismos y en consecuencia los
intervalos de confianza.
Además de interpretar los resultados, el análisis de regresión exige la
validación de resultados como observación del poder de generalización de
los mismos.

Estadísticos e-Books & Papers

 Validación de resultados
— En primer lugar será necesario tener en cuenta el valor de R2. — Se
puede coger una muestra adicional o dividir la muestra.
— Se puede utilizar el estadístico «PRESS» que es una medida
parecida al R2 pero para n-1 modelos de regresión. Es un procedimiento
similar a las técnicas de «bootstrapping» de remuestreo.
— Comparación de los modelos de regresión. Se utilizará distinto
número de predictores y/o distinto ajuste (lineal, cuadrático, cúbico, etc.).
Será necesario utilizar el R2 ajustado para evitar la influencia del tamaño
muestral.
1.1.3. Variables de intervención
En ocasiones se desea incluir en la ecuación de regresión, variables
categóricas. Para ello es necesario crear las denominadas variables de
intervención.
Si la variable independiente es nominal dicotómica, bastará con crear
una variable con el valor 0 para una categoría y 1 para la otra e incluir esta
variable en la ecuación como una más.
Si la variable independiente es nominal con más de dos categorías, será
necesario crear más de una variable. Por ejemplo, si la variable tiene
cuatro categorías, A, B, C y D, será necesario crear tres variables de la
siguiente forma:
TABLA 5.1.2. Ejemplo de variables de intervención en el modelo de
regresión.
Xi I1 I2 I3
A100
B010
C001
D000
Las variables I1, I2 y I3 se incluirán en la ecuación de regresión junto
con las restantes variables independientes.
1.2. El comando REGRESSION Permite realizar análisis de regresión,
tanto simple como múltiple, proporcionando diversos métodos y criterios
para la construcción de cada ecuación de regresión.
Problema-ejemplo
El ejemplo propuesto recoge los resultados (simulados) de 200

Estadísticos e-Books & Papers

alumnos en una prueba de aptitud musical con seis variables X1( tono),
X2(intensidad), X3(ritmo), X4(tiempo), X5(timbre), X6(memoria tonal).
La escala de medición es de 0 a 100 para cada variable. Además se
almacenó la valoración en una prueba de entonación vocal (Y) en una
escala de 0 a 100.
Se propone realizar un análisis de regresión lineal con Y como variable
dependiente.
Desarrollo del ejemplo
1.2.1. Regresión lineal simple
Para comenzar pensemos en un modelo de regresión lineal simple con
Y como variable dependiente y X2 (intensidad) como independiente. Para
observar el tipo de relación se dibuja un diagrama de dispersión:
FIGURA 5.1.1. Diagrama de dispersión Y-X2.
Como se observa en el gráfico la nube de puntos parece ajustarse a una
línea recta, para encontrar la expresión de dicha función mediante SPSS
habrá que seleccionar: Analizar > Regresión >Lineal y se accederá al
cuadro de diálogo de la fig. 5.1.2.
Se seleccionará como variable dependiente Y (entonación vocal) y
como independiente X2 (intensidad).
Como en otros procedimientos de SPSS, cuando se pulse pegar se añade al
fichero de sintaxis. En este caso dicho fichero tomará la expresión:
**** Diagrama de dispersión ****************.
GRAPH
/SCATTERPLOT(BIVAR)=X2 WITH Y
/MISSING=LISTWISE.
******** Análisis de regresión**************.
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA
/CRITERIA=PIN(.05) POUT(.10)
/NOORIGIN
/DEPENDENT y
/METHOD=ENTER x2 .

Estadísticos e-Books & Papers

 F IGURA 5.1.2. Cuadro de diálogo. Regresión lineal.
Los resultados de ejecutar el procedimiento análisis de regresión, con
las opciones dadas por defecto por el programa serán:
TABLLA 5.1.3. Resumen del modelo.
Modelo
R
R cuadrado
R cuadrado Error típ. de corregida la estimación
1 ,351(a) ,123 ,118 7,31940
a: Variables predictoras: (Constante), intensidad

Donde R es el coeficiente de correlación y R cuadrado el coeficiente

de determinación. El valor de éste último permite afirmar que de la
variación de la variable dependiente el 12,3% se puede explicar por la
variable independiente X2. El error típico de estimación es Se,, es decir, la
raíz cuadrada de la media cuadrática residual, según se puede comprobar
en la tabla 5.1.4.
TABLLA 5.1.4. ANOVA(b).
ModeloSuma de gl Media F Sig.cuadrados cuadrática
1 Regresión Residual Total 1485,862 1 1485,862 27,735 ,000(a)

Estadísticos e-Books & Papers

10607,587 198 53,574
12093,449 199
a: Variables predictoras: (Constante), intensidad b: Variable dependiente: entonación vocal

En la tabla ANOVA del modelo se contrasta la hipótesis R poblacional

igual a cero, lo que en el modelo de regresión simple representa que la
pendiente de la recta es igual a cero. Como se rechaza la hipótesis nula
esto significa que las variables X2 e Y están relacionadas.
Finalmente, como resultado se muestra el estudio de los coeficientes de
la recta de regresión. La tabla 5.1.5 presenta dicha salida:
TABLLA 5.1.5. Coeficientes (a).
Coeficientes Coeficientes no estandarizados estandarizados
Modelo B Error típ. Beta t Sig. 1 (Constante) 59,291 2,487 23,839 ,000
intensidad ,332 ,063 ,351 5,266 ,000
a: Variable dependiente: entonación vocal

Los coeficientes no estandarizados permiten construir la recta de

regresión: Y=59,291+0,332 X2
Los coeficientes de regresión estandarizados (b) toman la expresión:
b1=b1(Sx/Sy). En el caso de la regresión lineal simple dicho coeficiente
coincide con el coeficiente de correlación (R). En regresión lineal múltiple
será un indicador de la importancia de cada variable en el modelo.
En la tabla 5.1.5 también se realiza un estudio de la significación de
cada coeficiente de regresión. Se plantea la hipótesis nula, donde cada
coeficiente es igual a cero, frente a la alternativa, distinto de cero. El valor
de t, come se ha dicho anteriormente, será:
t
=
Bi SBi
donde t se distribuye como una t de Student de n-(k+1) grados de libertad.
En el ejemplo los dos coeficientes resultan significativos.
1.2.2. Regresión lineal múltiple
Con los datos del problema-ejemplo, se supone Y como variable
dependiente y las restantes seis variables X1 a X6 como independientes.
Para realizar el análisis de regresión será necesario seleccionar: Analizar >
Regresión >Lineal y se accederá al cuadro de diálogo de la fig. 5.1.2. En
este caso se seleccionan como independientes y dependiente las variables
indicadas. Además se utilizará el método de inclusión por pasos de las
variables independientes, por lo que al seleccionar opciones en el cuadro

Estadísticos e-Books & Papers

de diálogo de la fig. 5.1.2, se entrará en el cuadro de diálogo de la fig.
5.1.3.

FIGURA 5.1.3. Cuadro de diálogo. Regresión lineal: Opciones.

donde se pueden seleccionar valores del estadístico F para inclusión de
las variables en el modelo, el tratamiento de valores perdidos y la inclusión
o no de la constante en el modelo (valor b0).
Con las opciones por defecto del programa SPSS y con la selección del
método de inclusión por pasos para las variables independientes, el fichero
de sintaxis será:
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT y
/METHOD=STEPWISE x1 x2 x3 x4 x5 x6 .
Ejecutado dará las siguientes salidas:
TABLA 5.1.6. Resumen del modelo.
Modelo
R
R cuadrado
R cuadrado corregida
Error típ. de la estimación
1 ,745(a) ,555 ,553 5,21225

Estadísticos e-Books & Papers

2 ,866(b) ,751 ,748 3,91256
3 ,947(c) ,897 ,895 2,52276
4 ,986(d) ,973 ,972 1,29931
5 ,990(e) ,981 ,980 1,09428
6 ,992(f) ,984 ,983 1,01506
a: Variables predictoras: (Constante), memoria tonal.
b: Variables predictoras: (Constante), memoria tonal, timbre.
c: Variables predictoras: (Constante), memoria tonal, timbre, intensidad.
d: Variables predictoras: (Constante), memoria tonal, timbre, intensidad, tono.
e: Variables predictoras: (Constante), memoria tonal, timbre, intensidad, tono, ritmo.
f: Variables predictoras: (Constante), memoria tonal, timbre, intensidad, tono, ritmo, tiempo.

Como se puede ver el orden de entrada de las variables en el modelo

es: memoria tonal, timbre, intensidad, tono, ritmo y tiempo. Es el modelo
6, formado por éstas variables, quien mejor explica la variación total. El
grado de explicación del modelo 6 es del 98,40% (R cuadrado).
Respecto a los estadísticos pulsando el botón correspondiente
tenemos:

FIGURA 5.1.4.
Cuadro de diálogo. Regresión lineal. Estadísticos.
TABLA 5.1.7. ANOVA del modelo(g)
ModeloSuma de gl Media F Sig.cuadrados cuadrática
1 Regresión Residual Total
6714,276 1 6714,276 247,143 ,000(a) 5379,173 198 27,168
12093,449 199
2 Regresión Residual Total
9077,750 24538,875 296,501 ,000(b)

Estadísticos e-Books & Papers

3015,699 197 15,30812093,449 199
3 Regresión Residual Total
10846,046 3 3615,349 568,067 ,000(c)
1247,403 196 6,364
12093,449 199
4 Regresión Residual Total
11764,248 4 2941,0621742,116 ,000(d)
329,201 195 1,688
12093,449 199
5 Regresión Residual Total
11861,144 5 2372,229 1981,072 ,000(e)
232,305 194 1,197
12093,449 199
6 Regresión Residual Total
11894,593 6 1982,432 1924,051 ,000(f)
198,856 193 1,030
12093,449 199
a: Variables predictoras: (Constante), memoria tonal.
b: Variables predictoras: (Constante), memoria tonal, timbre.
c: Variables predictoras: (Constante), memoria tonal, timbre, intensidad.
d: Variables predictoras: (Constante), memoria tonal, timbre, intensidad, tono. e: Variables
predictoras: (Constante), memoria tonal, timbre, intensidad, tono, ritmo. f: Variables predictoras:
(Constante), memoria tonal, timbre, intensidad, tono, ritmo, tiempo. g: Variable dependiente:
entonación vocal.

Si se contrasta la hipótesis R=0 del coeficiente de correlación múltiple

por la tabla 5.1.7 se puede afirmar que hay diferencias significativas, y por
tanto existe relación entre las variables X1 a X6 con Y.
Respecto a los coeficientes de regresión, la tabla 5.1.8, presentada a
continuación, permite expresar la relación entre las variables
independientes respecto a la dependiente.
TABLA 5.1.8. Coeficientes(a)
Coeficientes no Coeficientes estandarizados estandarizados Modelo B
Error típ. Beta t Sig.
1 (Constante) memoria tonal
53,432 1,244 42,968 ,000

Estadísticos e-Books & Papers

,976 ,062 ,745 15,721 ,000
2 (Constante) memoria tonal timbre 30,796 2,047 15,045 ,000
,958 ,047 ,731 20,544 ,000 ,671 ,054 ,442 12,426 ,000
3 (Constante) memoria tonal timbre intensidad 16,918 1,561 10,841
,000
,991 ,030 ,756 32,882 ,000
,649 ,035 ,428 18,616 ,000
,363 ,022 ,383 16,669 ,000
4 (Constante) memoria tonal timbre intensidad tono
6,787 ,914 7,428 ,000 1,029 ,016 ,785 65,932 ,000
,636 ,018 ,420 35,460 ,000
,382 ,011 ,403 33,928 ,000
,305 ,013 ,278 23,321 ,000
5 (Constante) memoria tonal timbre intensidad tono
ritmo
2,427 ,909 2,669 ,008 1,019 ,013 ,778 77,253 ,000
,624 ,015 ,411 41,070 ,000
,383 ,009 ,405 40,465 ,000
,315 ,011 ,287 28,475 ,000
,184 ,020 ,091 8,996 ,000
6 (Constante) memoria tonal timbre intensidad tono
ritmo
tiempo
–1,872 1,132 –1,654 ,100
1,014 ,012 ,774 82,672 ,000
,630 ,014 ,415 44,591 ,000
,390 ,009 ,412 43,994 ,000
,315 ,010 ,287 30,697 ,000
,193 ,019 ,095 10,142 ,000
,118 ,021 ,054 5,698 ,000
a: Variable dependiente: entonación vocal.

Los coeficientes estandarizados, basados en las puntuaciones

tipificadas de las variables, son directamente comparables entre si. Dan
pistas sobre la importancia relativa de cada variable en el modelo. Cuanto
mayor sean (en valor absoluto) mayor importancia tiene la variable en el

Estadísticos e-Books & Papers

modelo.
La ecuación de regresión tomará la expresión:
Y=–1,872+1,014 X6+0,63 X5+0,390 X2+0,315 X1+0,193 X3+0,118
X4
1.2.2.1. Estadísticos adicionales
Además de todos los resultados dados por defecto por el programa
SPSS, al entrar en el cuadro de diálogo de la fig. 5.1.2 y pulsar
Estadísticos se pueden seleccionar (ver fig. 5.1.4):
a) Estadísticos relacionados con los coeficientes de regresión:
— Estimaciones (dado por defecto).
— Intervalos de confianza.
— Matriz de covarianzas.
b) Otros estadísticos:
— Ajuste del modelo (dado por defecto).
— Cambio en R cuadrado.
— Descriptivos.
— Correlaciones parciales y semiparciales.
c) Estadísticos relacionados con los supuestos del modelo:
— Diagnóstico de colinealidad.
— Residuos:
• Durbin-Watson.
• Diagnóstico por caso:
Valores atípicos a más de 3 desviaciones típicas.
Todos los casos.
Como ya se han visto las salidas dadas por defecto, a continuación se
detallarán los estadísticos incluidos en los apartados a) y b) anteriores.
Posteriormente, en otro apartado, se entrará en los indicados en el punto c).
TABLA 5.1.9. Estadísticos descriptivos.
Media Desviación típ. N entonación vocal 72,1023 7,79558 200
tono 29,86 7,102 200
intensidad 38,60 8,232 200
ritmo 25,03 3,842 20 tiempo 31,10 3,532 200
timbre 34,26 5,140 200
memoria tonal 19,13 5,951 200
En los estadísticos descriptivos se incluyen la media, desviación típica

Estadísticos e-Books & Papers

y el número de casos. Los valores, para el ejemplo, se muestran en la tabla
5.1.9. En la tabla 5.1.10 se muestran las correlaciones, su significación y el
número de casos incluido en el análisis.
TABLA 5.1.10. Correlaciones.
entonación
tono intensidad ritmo tiempo timbre memoriavocal tonal

Correlación de Pearson entonación vocal

tono
intensidad ritmo
tiempo
timbre
memoria tonal
1,000 ,184 ,351 ,168 ,006 ,465 ,745
,184 1,000 –,063 –,109 ,009 ,023 –,099
,351 –,063 1,000 –,016 –,139 ,036 –,064
,168 –,109 –,016 1,000 –,082 ,093 ,098
,006 ,009 –,139 -,082 1,000 –,091 ,068
,465 ,465 ,023 ,093 –,091 1,000 ,031
,745 ,745 –0,99 ,098 ,068 ,031 1,000
Sig.
(unilateral) entonación vocal
tono
intensidad ritmo
tiempo
timbre
memoria tonal
. ,005 ,000 ,009 ,467 ,000 ,000
,005 . ,189 ,063 ,451 ,375 ,081
,000 ,189 . ,409 ,025 ,305 ,184
,009 ,063 ,409 . ,123 ,095 ,083
,467 ,451 ,025 ,123 . ,100 ,170
,000 ,375 ,305 ,095 ,100 . ,330
,000 ,081 ,184 ,083 ,170 ,330 .
N entonación
vocal
tono
intensidad ritmo
tiempo

Estadísticos e-Books & Papers

timbre
memoria tonal
200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200
200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200 200
200 200 200 200 200 200 200 200
200 200 200 200 200 200 200
En el resumen del modelo (tabla 5.1.11) se muestra las variaciones de
R cuadrado, con su equivalencia en valores de F, para los diferentes
modelos. Recuérdese que en el ejemplo el modelo 6 era aquel que incluía
todas las variables independientes. Se observa una disminución
inapreciable para los modelos 5 y 6, reafirmando el poco poder explicativo
que aportan las variables X3 (ritmo) y X4 (tiempo).
TABLA 5.1.11. Resumen del modelo.
Modelo Estadísticos de cambio
Cambio en R cuadrado Cambio en F gl1 gl2 Sig. del cambio en F
1 ,555 247,143 1 198 ,000
2 ,195 154,394 1 197 ,000
3 ,146 277,846 1 196 ,000
4 ,076 543,890 1 195 ,000
5 ,008 80,919 1 194 ,000
6 ,003 32,464 1 193 ,000
a: Variables predictoras: (Constante), memoria tonal.
b: Variables predictoras: (Constante), memoria tonal, timbre.
c: Variables predictoras: (Constante), memoria tonal, timbre, intensidad.
d: Variables predictoras: (Constante), memoria tonal, timbre, intensidad, tono. e: Variables
predictoras: (Constante), memoria tonal, timbre, intensidad, tono, ritmo. f: Variables predictoras:
(Constante), memoria tonal, timbre, intensidad, tono, ritmo, tiempo.

La tabla 5.1.12 nos habla de los coeficientes de regresión, su intervalo

de confianza, y de las correlaciones. El intervalo de confianza resulta de
sumar y restar al coeficiente de regresión 1,96 por el error típico. Asi por
ejemplo, para la variable timbre en el modelo 6 se obtendrá
0,630±1,96x0,014=(0,658;0,602).
Modelo
TABLA 5.1.12. Coeficientes(a).
Intervalo de confianza para B al 95% Correlaciones
Límite inferior Límite superior Orden cero Parcial Semiparcial
1 (Constante) memoria tonal 50,979 ,854 55,884 1,099 ,745 ,745 ,745
2 (Constante) memoria tonal timbre
26,759

Estadísticos e-Books & Papers

,866 ,564
34,832
1,050
,777
,745 ,465 ,826 ,731 ,663 ,442
Modelo Intervalo de confianza para B al 95% Correlaciones
Límite inferior Límite superior Orden cero Parcial Semiparcial
3 (Constante) memoria tonal timbre
intensidad 13,840
,931
,580
,320
19,995 1,050 ,717 ,406 ,745 ,920 ,754 ,465 ,799 ,427 ,351 ,766 ,382
4 (Constante) memoria tonal timbre
intensidad tono
4,985
,998
,601
,359
,279
8,588 1,060 ,672 ,404 ,331 ,745 ,978 ,779 ,465 ,930 ,419 ,351 ,925 ,401
,184 ,858 ,276
5 (Constante) memoria tonal timbre
intensidad tono
ritmo
,634 ,993 ,594 ,365 ,293 ,144 4,221 1,045
,654
,402
,337
,225
,745 ,984 ,769 ,465 ,947 ,409 ,351 ,946 ,403 ,184 ,898 ,283 ,168 ,543 ,090
6 (Constante) memoria tonal timbre
intensidad tono
ritmo
tiempo

Estadísticos e-Books & Papers

-4,104 ,990
,602
,373
,295
,156
,077
,360
1,038
,658
,408
,335
,231
,159
,745 ,986 ,763 ,465 ,955 ,412 ,351 ,954 ,406 ,184 ,911 ,283 ,168 ,590 ,094
,006 ,379 ,053
a: Variable dependiente: entonación vocal.

La correlación de orden cero indica la correlación Pearson entre cada

variable independiente con la dependiente. La correlación parcial indica el
grado de relación entre la variable independiente y la dependiente aislando
el efecto del resto de las variables en ambas. La correlación semiparcial
indica el grado de relación existente entre la variable dependiente y la
parte de cada variable independiente que no está explicada por el resto de
variables independientes.
Las correlaciones de los coeficientes de regresión dadas en la tabla
5.1.13, muestran como los mismos no son independientes, sino que en
algunos casos tienen una correlación apreciable (tiempo e intensidad
(0,134)).
TABLA 5.1.13. Correlaciones de los coeficientes(a).
Modelo
1 Correlaciones Covarianzas 2 Correlaciones
Covarianzas
3 Correlaciones
Covarianzas
4 Correlaciones
Covarianzas
5 Correlaciones
Covarianzas
6 Correlaciones

Estadísticos e-Books & Papers

 Covarianzas memoria tonal memoria tonal
memoria tonal timbre
memoria tonal timbre
memoria tonal timbre
intensidad
memoria tonal timbre
intensidad
memoria tonal timbre
intensidad
tono
memoria tonal timbre
intensidad
tono
memoria tonal timbre
intensidad
tono
ritmo
memoria tonal timbre
intensidad
tono
ritmo
memoria tonal timbre
intensidad
tono
ritmo
tiempo
memoria tonal timbre
intensidad
tono
ritmo
tiempo
memoria timbre intensidad tono ritmo tiempotonal
1,000
,004
1,000 -,031
-,031 1,000
,002 -7,874E-05

Estadísticos e-Books & Papers

-7,874E-05 ,003
1,000 -,034 ,065
-,034 1,000 -,038
,065 -,038 1,000
,001 -3,537E-05 4,286E-05
-3,537E-05 ,001 -2,917E-05
4,286E-05 -2,917E-05 ,000
1,000 -,037 ,072 ,104
-,037 1,000 -,040 -,029
,072 -,040 1,000 ,071
,104 -,029 ,071 1,000
,000 -1,022E-05 1,266E-05 2,131E-05
-1,022E-05 ,000 -8,145E-06 -6,740E-06
1,266E-05 -8,145E-06 ,000 1,037E-05
2,131E-05 -6,740E-06 1,037E-05 ,000
1,000 -,028 ,070 ,095 -,084
-,028 1,000 -,042 -,038 -,094
,070 -,042 1,000 ,072 ,021
,095 -,038 ,072 1,000 ,104
-,084 -,094 ,021 ,104 1,000
,000 -5,666E-06 8,760E-06 1,384E-05 -2,270E-05
-5,666E-06 ,000 -6,063E-06 -6,424E-06 -2,930E-05
8,760E-06 -6,063E-06 8,978E-05 7,582E-06 4,082E-06
1,384E-05 -6,424E-06 7,582E-06 ,000 2,353E-05
-2,270E-05 -2,930E-05 4,082E-06 2,353E-05 ,000
1,000 -,034 ,060 ,095 -,089 -,071
-,034 1,000 -,031 -,038 -,087 ,081
,060 -,031 1,000 ,072 ,032 ,134
,095 -,038 ,072 1,000 ,103 ,000
-,089 -,087 ,032 ,103 1,000 ,084
-,071 ,081 ,134 ,000 ,084 1,000
,000 -5,868E-06 6,512E-06 1,191E-05 -2,092E-05 -1,797E-05
-5,868E-06 ,000 -3,857E-06 -5,529E-06 -2,337E-05 2,382E-05
6,512E-06 -3,857E-06 7,865E-05 6,522E-06 5,413E-06 2,462E-05
1,191E-05 -5,529E-06 6,522E-06 ,000 2,025E-05 -3,638E-08
-2,092E-05 -2,337E-05 5,413E-06 2,025E-05 ,000 3,328E-05
-1,797E-05 2,382E-05 2,462E-05 -3,638E-08 3,328E-05 ,000
a: Variable dependiente: entonación vocal.

Estadísticos e-Books & Papers

1.2.2.2. Estudio de los supuestos del modelo de regresión
Mediante SPSS se puede estudiar el cumplimiento de los supuestos del
modelo de regresión lineal múltiple: linealidad, independencia,
homocedasticidad, normalidad y multicolinealidad. Para ensayar la
mayoría de estos supuestos se necesita el conocimiento de los residuos.
Se entiende por residuo, en regresión lineal, la diferencia entre los
valores observados en la variable dependiente yi y sus correspondientes
valores pronosticados yi*. No debe confundirse el residuo (ei) con el error
de predicción, que representa la diferencia entre el verdadero valor de yi
en la población y su correspondiente valor estimado mediante la ecuación
de regresión.
Hay diferentes tipos de residuos, empleados en paquetes estadísticos
como SPSS:
a) Residuos brutos. Dependen de la unidad de medición de la variable
dependiente y son los definidos anteriormente: ei=yi-yi*.
b) Residuos estandarizados (ZRESID —en el programa SPSS—).
eiZRESID =
in
Â
e
2
i
i=1

nk - 1
Sus valores oscilan desde –3 a +3 aproximadamente. Naturalmente tienen
media 0 y desviación típica 1.
c) Residuos estudentizados (SRESID —en el programa SPSS—). Su
expresión es:
SRESID =
i ˆs 1-d
ii

ei donde e es el residuo bruto, ^ la desviación

i
típica estis

mada del residuo bruto y di,i la distancia entre el punto i y el punto

medio. Los residuos estudentizados se distribuyen según una t de Student

Estadísticos e-Books & Papers

con n-k-1 grados de libertad.
d) Residuos eliminado estudentizado (SDRESID —en el programa
SPSS—). Con una expresión similar a la anterior, sólo que en esta ocasión
no se incluye el iésimo residuo (-i) al calcular la desviación típica
estimada.
eiSDRESID =ˆ
(-i)
s
1-d
()iii
Se distribuye según una t de Student con n-k-2 grados de libertad. Son
muy interesantes para detectar puntos de influencia (casos con gran peso
en la ecuación de regresión).
Linealidad. La primera aproximación al estudio del cumplimiento del
primer supuesto se puede realizar mediante el examen gráfico de los
diagramas de dispersión de la variable dependiente y cada una de las
independientes. La aproximación de la nube de puntos a una recta dará
idea del grado de cumplimiento del supuesto. También aportará
información en este sentido la representación gráfica (mediante un gráfico
de dispersión) de los residuos tipificados en función de los valores
pronosticados tipificados para la variable dependiente. Valores de sujetos
superiores a 2; 2,5 o 3 desviaciones típicas serán indicadores de casos
perturbadores, influyentes o extraños.
Para realizar el examen gráfico de los diagramas de dispersión se
seleccionará en el cuadro de diálogo de la fig. 5.1.2 tal opción entrando en
el cuadro de la fig. 5.1.5 aquí se marcará Generar todos los gráficos
parciales. El resultado de tal selección se muestra en las fig. 5.1.6 al
5.1.11.

FIGURA 5.1.5. Cuadro de

Estadísticos e-Books & Papers

diálogo. Regresión lineal. Gráficos. FIGURA 5.1.6. Gráfico de regresión
parcial: tono. FIGURA 5.1.7. Gráfico de regresión parcial: intensidad.
FIGURA 5.1.8. Gráfico de regresión parcial: ritmo. FIGURA 5.1.9. Gráfico de
regresión parcial: tiempo. FIGURA 5.1.10. Gráfico de regresión parcial:
timbre. FIGURA 5.1.11. Gráfico de regresión parcial: memoria tonal.
Como se observa en los seis gráficos anteriores, la linealidad resulta
patente en todas las variables independientes excepto en tiempo y ritmo.
La otra forma de comprobar la linealidad, el gráfico de los valores
pronosticados en función de los residuos tipificados para la variable
dependiente, será: FIGURA 5.1.12. Gráfico de dispersión: residuo
tipificado-valor pronosticado tipificado.
Como se puede observar en el gráfico precedente no existe ninguna
tendencia en la distribución de los residuos, pues los mismos se
distribuyen de forma aleatoria en torno a una recta horizontal que pasa por
el origen.
Independencia. El supuesto de independencia de los residuos se
muestra especialmente relevante cuando los datos han sido tomados de
forma temporal. El estadístico de Durbin-Watson proporciona información
sobre el grado de cumplimiento:
n
Â
()2
ii-1
DW =
i=2
n
Â
e
2 i i=1
Para calcular dicho estadístico será necesario seleccionar el mismo en el
cuadro de diálogo de la fig. 5.1.2.
Los valores del estadístico de Durbin-Watson oscilan entre 0 y 4, y valores
entre 1,5 y 2,5 (según algunos autores) indica independencia de los
residuos.
TABLA 5.1.14. Resumen del modelo(g).
Modelo R R cuadradoR cuadrado Error típ. de Durbin-Watsoncorregida la
estimación

1 ,745(a) ,555 ,553 5,21225

2 ,866(b) ,751 ,748 3,91256
3 ,947(c) ,897 ,895 2,52276

Estadísticos e-Books & Papers

4 ,986(d) ,973 ,972 1,29931
5 ,990(e) ,981 ,980 1,09428
6 ,992(f) ,984 ,983 1,01506 1,979
a: Variables predictoras: (Constante), memoria tonal.
b: Variables predictoras: (Constante), memoria tonal, timbre.
c: Variables predictoras: (Constante), memoria tonal, timbre, intensidad.
d: Variables predictoras: (Constante), memoria tonal, timbre, intensidad, tono. e: Variables
predictoras: (Constante), memoria tonal, timbre, intensidad, tono, ritmo. f: Variables predictoras:
(Constante), memoria tonal, timbre, intensidad, tono, ritmo, tiempo. g: Variable dependiente:
entonación vocal.

En el ejemplo propuesto el valor obtenido (1,979) del estadístico de

DurbinWatson nos permite afirmar la independencia de los datos.
Homocedasticidad. Para estudiar la homocedasticidad y la normalidad
nos podemos ayudar de representaciones gráficas de los residuos, de hecho
para la linealidad ya las hemos utilizado. Para realizar tales gráficas se
seleccionará en el cuadro de diálogo de la fig. 5.1.5.
La homocedasticidad indicará la igualdad de variación de los residuos
en todo el rango de valores pronosticados. O de forma semejante que los
residuos no presenten ninguna pauta de relación entre los valores
pronosticados y los residuos, ambos tipificados. En la fig. 5.1.5 se ha
seleccionado justo esta opción.
Los resultados para el ejemplo propuesto se muestran en fig. 5.1.13.
Según se puede observar no existe ninguna pauta de relación, los residuos
se distribuyen aleatoriamente en una franja de dos líneas paralelas
horizontales que parten de +2 y –2.
FIGURA 5.1.13. Gráfico de dispersión: valor pronosticado tipificado-
residuo tipificaco.
Cuando por el gráfico de dispersión anterior se detecta una falta de
homocedasticidad se suelen emplear las transformaciones de la variable
dependiente, que afectan también a la normalidad de la distribución de los
residuos, de hecho la heterocedasticidad se da con mayor frecuencia
cuando:
a) Se incumple el supuesto de normalidad.
b) Algunas de las variables son asimétricas mientras que otras no lo son.
El gráfico de dispersión también es útil para detectar el tipo de relación
entre las variables, porque su forma da idea del tipo de relación que las
ligan.

Estadísticos e-Books & Papers

 Además de la forma gráfica, para observar la homocedasticidad
también se puede utilizar el test de Levene, donde se compara por
separado la variabilidad de la variable dependiente en los distintos valores
de las variables independientes. Para cada caso, se calcula la diferencia
entre el valor de dicho caso y la media de su casilla y se lleva a cabo un
análisis de varianza de un factor sobre estas diferencias. En el ejemplo no
se puede realizar dicha prueba porque se necesita que las variables
independientes sean categóricas y no continuas como sucede en este caso.
Normalidad. Para cumplir esta condición, según se ha expuesto
anteriormente, se debe dar que la distribución de los residuos tipificados
sea normal. El cuadro de diálogo de la fig. 5.1.5 tiene dos representaciones
gráficas para esta opción: el histograma y el gráfico de probabilidad
normal.
El histograma de los residuos tipificados presenta dicho gráfico con
una curva normal superpuesta. En el ejemplo los resultados se muestran en
la fig. 5.1.14. Como se puede apreciar existe un buen ajuste a la curva
normal.

FIGURA 5.1.14. Histograma de residuos tipificados. Comprobación de

normalidad.

Estadísticos e-Books & Papers

 El gráfico de probabilidad normal (ver fig. 5.1.15) presenta en el eje de
abscisas la probabilidad acumulada que corresponde a cada residuo
tipificado. En el eje de ordenadas se representan las probabilidades
teóricas acumuladas. El gráfico resultante, si los residuos tipificados tienen
una distribución normal, será una línea recta bisectriz del primer
cuadrante. Cuando la línea de puntos cae por debajo de la diagonal la
distribución es platicúrtica y con asimetría negativa, si tiene un arco
sencillo, es decir, es achatada o plana y tiene mayor acumulación de punto
en valores superiores a la media. Si la línea de puntos cae por encima de la
diagonal, la distribución es leptocúrtica y con asimetría positiva, si tiene
un arco sencillo, o sea, es puntiaguda y con valores inferiores a la media.
Como se observa en la fig. 5.1.15 la gráfica del ejemplo confirma la
distribución normal de los residuos tipificados.
FIGURA 5.1.15. Gráfico de prob. normal. Comprobación de normalidad.
Colinealidad. Como se ha comentado la colinealidad se da cuando
existe relación entre las variables independientes. El mayor problema de su
presencia, cuando la colinealidad es perfecta, es la imposibilidad de
calcular los coeficientes de regresión al ser la matriz de correlaciones
singular y en consecuencia no existir una solución única mínimo-
cuadrática. Cuando la colinealidad es parcial aumentan el valor de los
residuos tipificados y estos generan unos coeficientes de regresión
inestables ante variaciones en los datos, de tal forma que una simple
variación en un dato puede ocasionar el cambio de signo de algún
coeficiente. Entonces el coeficiente de correlación múltiple R, no sufre
variación.
Resulta difícil evaluar cual es el grado de colinealidad permitida para
que no se produzcan los hechos anteriores. Algunos indicadores son:
a) Valores de tolerancia pequeños (0,01 por ejemplo). Indicador de que
esa variable comparte el 99% de su varianza con el resto de las variables
independientes y por tanto resulta superflua.
b) Coeficientes de correlación estimados superiores a 0,9 en valor
absoluto. c) Coeficientes de regresión parcial estandarizados (b) con
valores superiores a 1 o inferiores a –1.
d) F del coeficiente de correlación múltiple significativo, pero no los
coeficientes de regresión individuales de las variables muy colineales.
Además SPSS en el cuadro de diálogo de la fig. 5.1.2 se puede seleccionar
la opción diagnósticos de colinealidad. Los resultados para el ejemplo son:
TABLA 5.1.15. Coeficientes(a).

Estadísticos e-Books & Papers

 Modelo Coeficientes no estandarizados Coeficientest Sig.
Estadísticos de
estandarizados colinealidad
B
1 (Constante) memoria tonal
2 (Constante) memoria tonal timbre
53,432
,976
30,796
,958
,671
3 (Constante) memoria tonal timbre
intensidad 16,918
,991
,649
,363
4 (Constante) memoria tonal timbre
intensidad tono
6,787 1,029
,636
,382
,305
5 (Constante) memoria tonal timbre
intensidad tono
ritmo
2,427 1,019
,624
,383
,315
,184
Error típ.
1,244 ,062
2,047
,047
,054

Estadísticos e-Books & Papers

 1,561
,030
,035
,022
,914
,016
,018
,011
,013
,909
,013
,015
,009
,011
,020
Beta Tolerancia FIV
42,968 ,000
,745 15,721 ,000 1,000 1,000
15,045 ,000
,731 20,544 ,000 ,999 1,001 ,442 12,426 ,000 ,999 1,001
10,841 ,000
,756 32,882 ,000 ,995 1,005 ,428 18,616 ,000 ,998 1,002 ,383 16,669 ,000
,994 1,006
7,428 ,000
,785 65,932 ,000 ,984 1,016 ,420 35,460 ,000 ,997 1,003 ,403 33,928 ,000
,989 1,011 ,278 23,321 ,000 ,985 1,016
2,669 ,008
,778 77,253 ,000 ,977 1,024 ,411 41,070 ,000 ,988 1,012 ,405 40,465 ,000
,989 1,011 ,287 28,475 ,000 ,974 1,027 ,091 8,996 ,000 ,971 1,029
6 (Constante) memoria tonal timbre
intensidad tono
ritmo
tiempo
-1,872 1,014
,630
,390

Estadísticos e-Books & Papers

,315
,193
,118
1,132 ,012 ,014 ,009 ,010 ,019 ,021
-1,654 ,100
,774 82,672 ,000 ,972 1,029 ,415 44,591 ,000 ,981 1,019 ,412 43,994 ,000
,971 1,029 ,287 30,697 ,000 ,974 1,027 ,095 10,142 ,000 ,965 1,037 ,054
5,698 ,000 ,962 1,039
a: Variable dependiente: entonación vocal.

Según se puede ver en el paso 6 del procedimiento, los valores de la

tolerancia son próximos a 1, valor extremo. Un valor de tolerancia inferior
a 0,2 es indicador de multicolinealidad, en consecuencia como los valores
son mayores de 0,9 se supone ausencia de colinealidad.
En la tabla 5.1.15 también aparece el FIV (factor de inflación de la
varianza) definido como: FIVi=1/Toli, en consecuencia para que no exista
multicolinealidad interesa FIV próximos a 1 y será indicador de
colinealidad valores elevados. Cuanto mayor es el FIV de una variable
mayor es la varianza del correspondiente coeficiente de regresión.
TABLA 5.1.16. Diagnósticos de colinealidad(a).
Proporciones de la varianza
Modelo Dimensión AutovalorIndice de (Constante)memoria timbre
intensidad tono ritmo tiempocondición tonal
11 1,955 1,000 ,02 ,02
2 ,045 6,596 ,98 ,98
21 2,927 1,000 ,00 ,01 ,00
2 ,063 6,829 ,03 ,93 ,08
3 ,010 16,724 ,97 ,06 ,92
31 3,884 1,000 ,00 ,01 ,00 ,00
2 ,076 7,143 ,00 ,82 ,01 ,12
3 ,031 11,151 ,02 ,10 ,29 ,68
4 ,009 20,814 ,97 ,08 ,69 ,20
41 4,830 1,000 ,00 ,00 ,00 ,00 ,00
2 ,084 7,596 ,00 ,78 ,00 ,03 ,11
3 ,051 9,718 ,00 ,03 ,00 ,39 ,51
4 ,027 13,277 ,01 ,09 ,47 ,37 ,20
5 ,008 25,101 ,98 ,10 ,52 ,21 ,18
51 5,806 1,000 ,00 ,00 ,00 ,00 ,00 ,00
2 ,084 8,325 ,00 ,78 ,00 ,03 ,10 ,00
3 ,052 10,581 ,00 ,04 ,00 ,31 ,56 ,01
4 ,033 13,253 ,00 ,12 ,10 ,49 ,13 ,22
5 ,020 17,085 ,00 ,00 ,64 ,01 ,02 ,45
6 ,006 31,565 ,99 ,05 ,25 ,17 ,18 ,32

Estadísticos e-Books & Papers

 61 6,789 1,000 ,00 ,00 ,00 ,00 ,00 ,00 ,00
2 ,084 8,989 ,00 ,79 ,00 ,02 ,09 ,00 ,00
3 ,052 11,441 ,00 ,04 ,00 ,31 ,56 ,01 ,00
4 ,034 14,103 ,00 ,13 ,07 ,50 ,17 ,16 ,02
5 ,020 18,468 ,00 ,00 ,68 ,01 ,01 ,39 ,00
6 ,018 19,281 ,01 ,02 ,09 ,01 ,07 ,25 ,43
7 ,003 45,990 ,99 ,01 ,15 ,15 ,09 ,19 ,54
a: Variable dependiente: entonación vocal

Otro procedimiento de detección de multicolinealidad se refiere al

estudio de los autovalores de la matriz de productos cruzados de las
variables independientes. Si algún autovalor se aproxima a 0 será
indicador de colinealidad.
El índice de condición se obtiene del cociente entre el autovalor mayor
y cada uno de los autovalores. Valores mayores que 15 pero menores que
30 existe colinealidad aunque es moderada, pero valores superiores a 30
indican un severo problema de colinealidad.
Las proporciones de varianza recogen las proporciones de varianza
del coeficiente de regresión parcial que está explicada por cada dimensión
o factor. Cuando no hay presencia de colinealidad cada dimensión explica
gran cantidad de varianza de un sólo coeficiente, a excepción del
coeficiente (B0 –constante) que siempre se asocia con otro coeficiente.
Por los resultados de la tabla 5.1.16 los índices de condición son
inferiores a 30 excepto el último. Si para la dimensión que tiene ese índice
se estudia la proporción de varianza de los coeficientes de regresión
parcial, se observa que sólo la constante viene representada por esa
dimensión.
1.2.3. Estudio de casos influyentes y extraños
En el cuadro de diálogo de la fig. 5.1.2, cuando se selecciona guardar, se
accede a diferentes opciones que se van a comentar (ver fig. 5.1.16) a
continuación:

Estadísticos e-Books & Papers

 FIGURA 5.1.16.
Regresión lineal: Guardar variables.
Valores pronosticados. Son valores que el modelo de regresión
pronostica para cada caso.
Distancias. Son medidas para identificar casos con valores poco
usuales como combinación de las variables independientes y casos que
puedan tener una gran influencia en el modelo.
Las distancias que SPSS calcula son:
a) Distancia de Mahalanobis. Mide la distancia de cada caso a los
promedios de valores de las variables independientes. Se obtiene
multiplicando por n-1 el valor de influencia de cada caso.
b) Distancia de Cook. Mide la cantidad en que varían las estimaciones
de los coeficientes de regresión, si la observación concreta se elimina del
análisis. Si su valor es elevado será indicador de influencia del caso en el
modelo. Casos con distancias de Cook superiores a 1 deben ser
considerados como influyentes.
c) Valores de influencia. Son indicadores del grado de influencia de
cada caso. SPSS considera que valores menores de 0,2 no deben

Estadísticos e-Books & Papers

considerarse como influyentes, valores entre 0,2 y 0,5 comportan riesgo de
influencia, y finalmente, valores superiores a 0,5 deben evitarse.
Intervalos de pronóstico. Son los límites superior e inferior para los
intervalos de predicción individual y promedio.
Residuos. Como ya se ha expuesto, el residuo representa la diferencia
entre el valor actual de la variable dependiente y el valor pronosticado por
la ecuación de regresión. SPSS guarda como nuevas variables los residuos:
no tipificados, tipificados, estudentizados, eliminados y eliminados
estudentizados.
Estadísticos de influencia. Todos los estadísticos que presenta el
programa (ver fig. 5.1.16) intentan precisar la posible presencia de casos
influyentes. a) DfBetas. Representa el cambio en los coeficientes de
regresión estandarizados (Beta) cuando el caso es eliminado.
b) DfBetas tipificados. Resultarán de dividir DfBetas entre su error típico.
Valores superiores a 2 son sospechosos de mayor influencia en el modelo.n
c) DfAjuste. Mide el cambio que se produce en el pronóstico de un caso
cuando éste es excluido del modelo de regresión.
d) DfAjuste tipificado. Resultarán de dividir DfAjuste entre su error típico.
Valores superiores a 2 k son sospechosos de mayor influencia en eln
modelo.
e) Razón entre covarianzas(RV). Es la razón entre el determinante de la
matriz de covarianza con un caso particular excluido y el determinante de
la matriz de covarianza con todos los casos incluidos. Un caso será
influyente si RV-1 es mayor que 3+k/n.
En el problema-ejemplo si se selecciona todas las distancias y los
estadísticos de influencia, en el fichero de datos se añadirán las siguientes
variables:
mah_1 Distancia de Mahalanobis
coo_1 Distancia de Cook
lev_1 Valores de influencia
cov_1 Razón de covarianza
dff_1 DfAjuste
sdf_1 DfAjuste tipificado
dfb0_1 DfBeta para la constante
dfb1_1 DfBeta para la variable X1
dfb2_1 DfBeta para la variable X2
dfb3_1 DfBeta para la variable X3

Estadísticos e-Books & Papers

dfb4_1 DfBeta para la variable X4
dfb5_1 DfBeta para la variable X5
dfb6_1 DfBeta para la variable X6
sdb0_1 DfBeta tipificado para la constante sdb1_1 DfBeta tipificado para
la variable X1 sdb2_1 DfBeta tipificado para la variable X2 sdb3_1
DfBeta tipificado para la variable X3 sdb4_1 DfBeta tipificado para la
variable X4 sdb5_1 DfBeta tipificado para la variable X5 sdb6_1 DfBeta
tipificado para la variable X6
Además de añadir las variables al fichero de datos, el programa SPSS
presenta un resumen de los valores de los residuos, las distancias y los
casos influyentes.
TABLA 5.1.17. Estadísticos sobre los residuos(a).
Mínimo Máximo MediaDesviación Ntíp.
Valor pronosticado 53,5007 92,6671 72,1023 7,73122 200
Valor pronosticado tip. -2,406 2,660 ,000 1,000 200
Error típico del valor pronosticado ,094 ,308 ,185 ,044 200
Valor pronosticado corregido 53,6099 92,7008 72,1022 7,73026 200
Residuo bruto -3,18074 2,24343 ,00000 ,99964 200
Residuo tip. -3,134 2,210 ,000 ,985 200
Residuo estud. -3,177 2,245 ,000 1,002 200
Residuo eliminado -3,26866 2,31524 ,00013 1,03568 200
Residuo eliminado estud. -3,255 2,269 ,000 1,007 200
Dist. de Mahalanobis ,717 17,337 5,970 3,303 200
Distancia de Cook ,000 ,040 ,005 ,007 200
Valor de influencia centrado ,004 ,087 ,030 ,017 200
a: Variable dependiente: entonación vocal

Los valores máximos de la distancia de Cook y los valores de

influencia centrado permiten afirmar que no hay ningún caso
especialmente influyente.
Se debe destacar que los casos influyentes no producen residuos
elevados por lo que no causan problemas de ajuste, sin embargo conviene
caracterizarlos por su especial incidencia en la generalización del modelo.
1.3. La elaboración de pronósticos
Cuando el objetivo del análisis de regresión es obtener valores de la
variable dependiente desconocidos a partir de otros de las independientes,
se puede seleccionar en el cuadro de diálogo de la fig. 5.1.16 diferentes
opciones de valores pronosticados:

Estadísticos e-Books & Papers

 a) No tipificados. Pronósticos directamente obtenidos de la ecuación
de regresión de las puntuaciones directas de las variables independientes.
En SPSS toma la expresión: pre_%
b) Tipificados. Pronósticos tipificados. Su expresión es: zpr_% c)
Corregidos. Pronóstico de la ecuación de regresión obtenida por exclusión
del caso. Su expresión es: adj_%
d) E.T del pronóstico promedio. Estimación de la desviación típica del
valor promedio de la variable dependiente para los casos que tienen
valores iguales en las variables independientes (SPSS, ayuda). Su
expresión es: sep_%
e) Intervalos de pronóstico. Intervalos de confianza para la media
basados en los e.t. del pronóstico medio. También intervalos de confianza
para los individuos basados en los e.t. de los pronósticos individuales. Se
generarán cuatro variables:
1. Lmci_%: limite inferior del intervalo de confianza para el
pronóstico medio.
2. Umci_%: limite superior del intervalo de confianza para el pronóstico
medio.
3. Lici_%: limite inferior del intervalo de confianza para el pronóstico
individual.
4. Uici_%: limite superior del intervalo de confianza para el pronóstico
individual.
En todos los casos el símbolo % en el nombre de variable indicará el
número de orden de realización del cálculo. Así por ejemplo la primera
vez que se calcule los valores no tipificados tomará la expresión pre_1, si
se ejecuta de nuevo el procedimiento su expresión será: pre_2.
2. ANÁLISIS DE LA VARIANZA
2.1. El significado de la experimentación
Cuando se intenta comprender los procesos comerciales, industriales o
de servicios, muchas veces se piensa que el mejor procedimiento es
recoger gran cantidad de datos sobre el funcionamiento del proceso y
luego analizarlos para sacar conclusiones.
Aunque este procedimiento no suele prodigarse, sin embargo, es cierto
que su uso ayudaría enormemente a comprender el proceso. No obstante,
también es verdad, que si el proceso de recogida de datos va más allá y
piensa en interpelar al sistema intentando controlar la validez de la
información, estaremos experimentando, es decir, variando

Estadísticos e-Books & Papers

deliberadamente las condiciones habituales de trabajo de un sistema, para
encontrar mejores maneras de proceder y a la vez ahondar en el
conocimiento del comportamiento del mismo.
El objetivo fundamental de la experimentación es estudiar la posible
relación de causalidad existente entre dos o más variables. Este estudio
representa la elección de las variables que pueden determinar a otras, pero
sobre todo, el establecer una relación de causa/efecto implica el
cumplimiento de tres condiciones: a) debe existir una covariación
(correlación) entre la variable causal —independiente— y el efecto —
dependiente—, b) temporalmente, la causa debe preceder al efecto, y c) no
existen variables extrañas, ajenas al modelo, que puedan explicar el efecto.
La última condición es la que mediatiza la consecución de la relación
causal. Para conseguir este objetivo, fundamentalmente, se proponen
algunas estrategias: la manipulación, el control y la aleatorización.
La utilización de la experimentación en la industria se concreta en dos
áreas: el diseño o mejora de productos y la explotación o mejora de
procesos. En los servicios, su actuación se centra fundamentalmente en la
mejora de los últimos. Supóngase el siguiente ejemplo de un experimento.
Ejemplo
En un instituto politécnico se quiere saber si cuatro tipos de métodos
de estudio tienen la misma eficacia. Para conseguir el objetivo se realiza el
siguiente diseño experimental: se cogen cuatro grupos, de tres alumnos
cada uno, empleando en cada grupo uno de los cuatro tipos de métodos de
estudio. La asignación del método a cada grupo de alumnos se realiza al
alzar.
En este ejemplo utilizando una técnica de aleatorización, se pretende
saber que tipo de método de estudio resulta más eficaz, es decir, se
experimenta en lugar de tomar datos sin un plan previamente establecido.
En suma el experimentar significa modificar de forma intencionada las
condiciones normales de trabajo para localizar mejores maneras de
proceder y conseguir, a su vez, un conocimiento más profundo sobre el
comportamiento de productos y procesos.
2.2. Elementos básicos del diseño de experimentos
Variabilidad de los resultados
El objetivo de un experimento es medir el efecto de las variables
explicativas o de las variables independientes, sobre una variable

Estadísticos e-Books & Papers

dependiente, mientras se controlan otras variables que pueden confundir el
resultado.
Supóngase que una variable respuesta y se va a medir como resultado
de dos variables independientes x1 y x2. Las fluctuaciones que se
produzcan en esas variables, y la intervención de otras variables que el
experimentador desconoce, harán que el modelo se exprese como:
y=f(x1, x2)+e donde e representará el error
Evidentemente cuanto menor sea el error experimental más perfecto será el
modelo, en el sentido de poder obtener con él unas estimaciones más
precisas.
Indudablemente si en este modelo se introduce otras variables que
influyen en el resultado disminuirá el error. Este será el objetivo prioritario
del diseño de experimentos, minimizar el error controlando la variabilidad
de las variables que intervienen y evitando la presencia o controlando otras
variables que no intervienen en el modelo.
Como estrategias para minimizar el error, el experimentador utilizará
fundamentalmente dos: la repetición y la aleatorización.
Interacción
Se entiende por interacción el efecto que produce la combinación de
dos o más variables independientes sobre la dependiente. Supongamos, por
ejemplo que se tiene dos variables independientes: métodos de enseñanza
y sexo de los alumnos, y como dependiente los resultados en una prueba
de cálculo:
Métodos de enseñanza Métodos de enseñanza A B
Media
resultados: 30,5 24 Hombres
CABC
Media
25 resultados: 29 18 18
Mujeres
La representación gráfica de los resultados será:

Estadísticos e-Books & Papers

 Si las gráficas de
hombre y mujer son aproximadamente paralelas no hay interacción, pero si
no son paralelas se evidencia interacción.
Puede presentarse dos tipos de interacción:
a) Si los hombres superan en los tres métodos pero sobre todo en uno de
ellos, el gráfico será similar al siguiente:

Este tipo de
interacción se denomina ordinal y se caracteriza por la ausencia de cruce
entre las gráficas de hombre y mujer.
b) Los hombres superan a las mujeres en algunos métodos pero no en
otros. Se produce cruce entre las gráficas. Es la llamada interacción no
ordinal:

Estadísticos e-Books & Papers

 También se puede dar el caso que el efecto de una variable
independiente sea constante para todos los niveles de la segunda variable
independiente, en tal caso se dirá que no hay interacción entre ambas
variables.
2.3. Los diseños factoriales
En primer lugar conviene definir, para fijar ideas, ciertos términos que ya
han sido mencionados:
— Factor. Es cada una de las variables que pueden influir en la variable
respuesta o resultado y, por tanto, se incluirán en el plan de
experimentación. — Nivel. Es cada uno de los valores que toma el factor
en un experimento.
— Respuesta. Es la denominación que toma la variable resultado o
dependiente. Los estudios experimentales se pueden hacer sobre varias
variables dependientes, sin embargo, por razones didácticas, sólo se
estudiará el caso de una sola variable respuesta.
Para establecer una formulación matemática del modelo factorial
supóngase un factor A que se presenta con «i» niveles, dentro de cada
nivel analizamos una serie de observaciones; así xij es la observación j-
ésima del i-ésimo nivel de tratamiento del factor A. Este valor se puede
descomponer en dos partes: mi, eij.
mi es la parte del resultado xij debida al i-ésimo nivel y común a todos
los elementos sometidos a ese nivel del factor A; eij será el error

Estadísticos e-Books & Papers

experimental debido a la intervención de otros factores no estudiados o
controlados por el experimentador. Si se supone que el modelo de
variación es lineal, el modelo matemático apropiado será:
xij=mi + eij Por extensión, si se supone que existen más factores, por
ejemplo, dos A y B el modelo que se puede plantear es el siguiente:
xijk=mi+mj+eijk
Sin embargo, en este modelo, no se ha tenido en cuenta el efecto de la
interacción, es decir, el efecto producido por A influido por los niveles
que toma B, de otra forma, la respuesta al nivel 2 de A no será igual si B
está en el nivel 1 o en el 5, por ejemplo. En el ejemplo del método de
enseñanza y el género del alumno, no dará los mismos resultados
dependiendo del sexo (hombre, mujer). Esta influencia se verá reflejada en
una distinta formulación matemática del modelo, que tomará la siguiente
expresión:
xijk=mi+m+mij+ eijk donde mij refleja el efecto de la interacción.
En el planteamiento del modelo la influencia de los niveles puede
operar de varias maneras. Si para obtener los resultados sólo intervienen
unos determinados niveles, por ejemplo, dos o tres niveles por factor y
siempre los mismos en cualquiera de las observaciones que se realicen,
estaremos ante un modelo de efectos fijos o modelo fijo y los factores se
llamarán fijos. Si de los diferentes niveles que pueden tomar los factores se
coge una muestra de los mismos, estaremos ante un modelo de efectos
aleatorios o modelo aleatorio y los factores se denominarán aleatorios.
Cuando en un modelo hay más de un factor, uno o varios pueden ser
fijos y el resto aleatorios, en tal caso el modelo se denomina mixto.
Son muchos los ejemplos de diseños factoriales, no obstante, para fijar
ideas, a continuación se proponen tres ejemplos, uno de cada tipo.
Ejemplo de diseño de efectos fijos
En una empresa de fabricación de telas, se está estudiando el
rendimiento producido en los paños según tres modelos distintos de
elaboración; para ello se toma veinticuatro telas similares en grupos de
ocho y se las somete a los tres procesos distintos de fabricación. Como
variable respuesta se estudia el número telas producidas por cada uno de
los tres métodos.
Este ejemplo se puede expresar mediante el siguiente modelo
matemático: xij=mi+eij donde xij representa el rendimiento del j-ésimo

Estadísticos e-Books & Papers

paño sometido al i-ésimo nivel del factor (tipo de proceso de fabricación),
mi será la media del nivel i-ésimo del factor, en el ejemplo i=1,2,3, y
finalmente el error eij.
Ejemplo de diseño de efectos aleatorios
El mismo ejemplo anterior, con algunas modificaciones, puede servir
en el modelo de efecto aleatorio. Supóngase que los tres procesos de
fabricación, son sólo una muestra de los muchos métodos de elaboración
que existen.
El modelo matemático será similar pero se supondrá que los i-niveles
del factor son una muestra aleatoria simple de una población de infinitos
niveles que se suponen con distribución normal (media 0, desviación s).
Ejemplo de diseño de efectos mixtos
Surge por extensión de los anteriores, donde unos niveles son fijos y
otros son una muestra aleatoria de todos los niveles posibles. Supóngase el
caso que hay diez métodos de fabricación y tres se toman fijos y siete son
una muestra de los «infinitos» (supuesto) posibles.
2.4. Análisis de la varianza factorial
Cuando en el diseño de experimentos se toman varias muestras de los
distintos niveles de un factor, se está formando grupos para cada uno de
los niveles.
El análisis de la varianza resuelve el problema de comparar varios
grupos que tienen sus propias particularidades estimándose, en virtud de
los resultados, la diferencia que existe entre dichos grupos y la
significación o no de dicha diferencia. En concreto, el análisis de la
varianza considera los datos de los grupos como un conjunto y a través de
las pruebas estadísticas oportunas decide si los grupos provienen o no de la
misma población (o de poblaciones distintas con la misma varianza) y, por
consiguiente, si los grupos tienen medias significativamente distintas o no.
Por otra parte, el análisis de la varianza no es otra cosa que el estudio
de la variación total de un conjunto de datos respecto a la media general,
dividiendo esta variación en varios componentes que dependen de las
particularidades de cada grupo.
Puede parecer extraño que un procedimiento que compara las medias
se llame análisis de la varianza. Sin embargo, este nombre se deriva del
hecho que para probar la diferencia de medias, estamos comparando
realmente (es decir, analizando) las variaciones.

Estadísticos e-Books & Papers

Por tanto, el procedimiento de comparar más de dos medias
poblacionales se conoce como análisis de la varianza (ANOVA).
Alguien se podría preguntar por qué no se utiliza los contrastes de «t»
múltiples. La respuesta es sencilla, aumentan el porcentaje del error tipo I
global. El ANOVA evita este aumento del error tipo I.
Para aplicar el análisis de la varianza se debe comprobar tres supuestos
teóricos:
a) Independencia de las observaciones. se refiere al hecho de que los
datos de los distintos grupos han sido elegidos al azar de una población
normal.
b) Igualdad de varianza (homocedasticidad). se supone que los
distintos grupos tienen una varianza común, de modo que no existe
diferencia significativa entre las varianzas de los distintos grupos.
c) Los errores que interviene en las observaciones están distribuidos
normalmente.
En las fórmulas que vamos a emplear el término varianza será equivalente
a la suma de los cuadrados dividida por los grados de libertad SC .gl
2.4.1. Análisis de la varianza con un factor. Modelo de efectos fijos
1. Formulación y objetivos
Sea un experimento con un factor A de tratamientos y J niveles en
dicho factor, en cada uno de los cuales se dispone de nj j=1,.....,J
observaciones independientes, seleccionadas de poblaciones normales con
varianza común s2. El análisis de la varianza de un factor trata de
contrastar la hipótesis nula de que las poblaciones normales de las cuales
se tomaron las muestras tienen media común, frente a la alternativa de que
al menos dos de ellas difieren.
Para centrar los objetivos de esta técnica, supongamos el siguiente
ejemplo: un profesor de enseñanza secundaria desea saber la influencia
que tiene la utilización de tres métodos distintos de enseñanza, en los
resultados de una determinada materia.
En este ejemplo se plantea un modelo de un solo factor, los métodos de
enseñanza, con efectos fijos (se escoge exclusivamente, tres métodos
determinados).
El modelo que se postula para explicar los datos en este análisis es el
modelo lineal, donde la variable analizada la hacemos depender de la
influencia de un único factor de tal manera que el resto de las causas de

Estadísticos e-Books & Papers

variación son englobadas en el denominado error experimental, de carácter
aleatorio.
Supongamos:
xij = mj + eij [1] con E(xij)=mj.
Si descomponemos mj en dos partes, una común a todas las
observaciones, m, y otra exclusiva de cada nivel aj, entonces m=m+aj que
sustituyendo en [1] nos lleva a:
xij = m + aj + eij i=1,......,nj j=1,.......,J
donde xij se puede descomponer en:
xij=constante común para todos los valores de la variable+efecto del
tratamiento+ error
xij representa la puntuación i en el grupo j.
m constante común para todos los valores de la variable. aj media de la
variable para el nivel j del factor.
eij error del modelo lineal.
También podemos hacer la siguiente descomposición:
xij-m=(aj-m)+(xij-aj) [2]
desviación del puntaje sobre la media en general= desviación del
promedio del grupo sobre la media general(efecto del
tratamiento)+desviación individual del puntaje sobre la media del grupo(el
error).
Si elevamos la expresión [2] al cuadrado y efectuamos las sumas
tenemos: SCtotal=SCentre+SCintra(error) donde:
SCtotal es la suma de las desviaciones al cuadrado de cada puntuación
respecto a la media total:
J nj

ÂÂxijJ nj
SC x x x()2 siendo j==11 y N el número total de puntuacionestotal ij .. ..= - =

ÂÂ Nj==11

Estadísticos e-Books & Papers

 SCentre es la suma de cuadrados intergrupo, desviaciones de la media
de las puntuaciones en cada grupo respecto a la media total, equivale a la
varianza de la media de los grupos tratadas estas como datos individuales:
nj
ÂxijJ
SC x x x Â()2 1entre j ... .j n jj=1
SCintra es la suma de cuadrados intragrupo, desviaciones de las
puntuaciones en cada grupo respecto a la media del grupo, refleja la
dispersión de los datos dentro de cada grupo:
J nj

SCintra Â= ij().jÂ

j=1i=1
2
Si planteamos la hipótesis nula: H0:m1=m2=.........=mj o H0: aj=0, se
conforma la siguiente tabla 5.2.1 del análisis de la varianza:
TABLA 5.2.1. Análisis de la varianza de un factor. Efectos fijos.
Fuente de variación Suma de Grados Media de Estadístico Fcuadrados de
libertad cuadrados
Entre grupos SCentre J-1 MCentre = SCentre MC entre J-1 MCintra
Intra grupos SC
intra
N-J
MC
intra
= SCintra
N- J
Total SCtotal N-1
Con la hipótesis nula de homogeneidad de varianzas, el estadístico F se
distribuye con una F de Snedecor con J-1 y N-J grados de libertad. Si el p-
valor asociado a F es menor que a, se rechazará la hipótesis nula al nivel
de significación a.
2. Supuestos
Para aplicar el análisis de la varianza nos hemos apoyado en tres
supuestos: independencia de las observaciones, igualdad de varianza

Estadísticos e-Books & Papers

(homocedasticidad) y normalidad. Veamos a continuación, que puede
ocurrir si alguno de estos tres supuestos no se cumple.
Supuesto de independencia
Cuando se viola la hipótesis de independencia de las observaciones, las
consecuencias son importantes. En el caso de dos tratamientos, existen
técnicas para realizar el tratamiento en el caso que los eij no sean
independientes. En el caso de más de dos tratamientos, en ocasiones el
modelo puede plantearse como un problema de medidas repetidas.
Supuesto de homocedasticidad
El efecto de varianzas heterogéneas depende de las condiciones del
análisis:
— Cuando los tamaños de las muestras son iguales, la presencia de
varianzas heterogéneas tiene un efecto mínimo sobre el nivel de
significación del contraste F.
— Cuando los tamaños muestrales son desiguales, y se han
seleccionado menos individuos de las poblaciones con mayor varianza, la
probabilidad de cometer un error de tipo I, rechazar H0 siendo verdadera,
es mayor que a.
— Cuando los tamaños muestrales son desiguales, y se han
seleccionado más individuos de las poblaciones con mayor varianza, la
probabilidad de cometer un error de tipo I es menor que a.
Hay diversos contrastes para observar la homogeneidad de varianzas:
Fma de Hartley, la C de Cochran, la prueba de Bartlett, pero sobre todo la
prueba de Levene, en la que nos vamos a detener.
Esta prueba es insensible a la violación de la suposición de que las J
muestras proceden de poblaciones normales; además se puede aplicar al
caso de tamaños muestrales desiguales.
La expresión del estadístico de contraste es:
k
Â
nD D
()2
ii t
i=1
FLevene= n
k i

Estadísticos e-Books & Papers

 ÂÂ
() donde:
2
ij()i
i=1 j=1
()
ij
Dx x||
ij i son las desviaciones en valor absoluto de las j observaciones respecto a
la media del grupo i.
ni
ÂDij
Di =j=1 la media de las desviaciones en valor absoluto de cada grupo (ni).ni
k ni

ÂÂDij

Dt =i=1j=1 la media de las desviaciones en valor absoluto respecto al

total (N).N
Esta FLevene se distribuye según una F de Snedecor con (k-1), (N-k) grados
de libertad.
En los casos en que se presenta heterocedasticidad, es muy común que
la varianza cambie con la media. Esto es, siendo mj la media en el grupo j-
ésimo y sj la desviación típica: sj=T(m) para alguna función T. La pregunta
que ahora nos hacemos es la siguiente: ¿cómo encontraremos una función
T de modo que los datos transformados T(x) tengan varianza constante?
En general, para estabilizar la varianza, puede utilizarse una
transformación potencial del tipo Box y Cox.
Supuesto de normalidad
La no normalidad tiene muy pocos efectos sobre el nivel de
significación del contraste F, es prácticamente irrelevante en lo referente a
la probabilidad de cometer un error de tipo I
3. Procedimiento
Los pasos que tenemos que hacer en el análisis de la varianza serán: a) Se
postula el modelo lineal

Estadísticos e-Books & Papers

xij = mj + eij i=1,......,nj j=1,.......,J
b) Se estiman los parámetros (m1,......,mJ,s2):
^
m
j
=
x
– j=1,.......,J y s^ 2 =MCintra
.j
c) Se plantea la hipótesis nula frente a la alternativa:
H0:m1=m2=......=mJ frente a H1:$i, j : mi π mj
d) Escoger un nivel de significación a, probabilidad de rechazar la
hipótesis nula siendo ésta verdadera. Calcular el estadístico
F=MCinter/MCintra que bajo H0 se distribuye como una F de Snedecor con
J-1 y N-J grados de libertad. Si el p-valor asociado a F es menor que a, se
rechazará la hipótesis nula al nivel de significación a.
4. Pruebas a posteriori (post-hoc)
Con el análisis de la varianza se llega a la conclusión de rechazar o no
la hipótesis nula de igualdad de medias. En caso de rechazarla, se sabe que
por lo menos existe una diferencia significativa entre algún par de medias,
pero no se sabe entre que par o pares se encuentran las diferencias. El
objetivo de los métodos de comparación múltiples es aislar las
comparaciones entre las medias que, por ser significativas, influyen en la
decisión. El contraste t no es adecuado en esta situación, dado que está
diseñado para dos muestras aleatorias y no es válido para determinar la
significación de las diferencias entre valores altos y bajos de las medias de
toda una serie de J medias, puesto que en tal caso no tiene en cuenta la
magnitud de J. Si J es grande, al tomar J muestras al azar de una misma
población normal, en la mayoría de los casos, el contraste t indicará
diferencias significativas entre la media mayor y la menor.
Los métodos de comparación de Tukey y Scheffé, aunque son
procedimientos que toman formas muy generales, abarcan casi todos los
problemas que se pueden solucionar mediante estos contrastes y han dado
buenos resultados.
El método de Tukey se emplea cuando los tamaños muestrales son
iguales y existe homocedasticidad.
El método de Scheffe no necesita que los tamaños muestrales sean iguales.
Pero es menos potente que el anterior. En este caso su expresión es la
siguiente:

Estadísticos e-Books & Papers

11
dk F MC nn12
donde d es la diferencia mínima entre dos medias para que sean
significativas, n1 y n2 los tamaños de las muestras y k el número de
grupos.
Ejemplo
En una institución educativa se quiere saber si los resultados en
matemáticas de sus alumnos se ven modificados por el tipo de método
didáctico de los profesores. Para conseguir el objetivo marcado se elige al
azar un grupo de 21 alumnos de similares conocimientos en la materia y se
le asigna al azar a cada profesor. Sabiendo que el profesor A utiliza el
método tradicional de exposición inicial del tema y práctica de problemas
con los alumnos; el profesor B hace un resumen del tema y después
continua con ejercicios y problemas, y finalmente el profesor C realiza
desde el primer momento ejercicios y problemas con sus alumnos y sólo
cuando surge una duda la explica a todos sus alumnos.
Con los datos medidos en una prueba de rendimiento de matemáticas,
realizada tras la experiencia, y que se recoge en la tabla adjunta. Se desea
saber, a un nivel de significación del 5%, si existe diferencia significativa
entre los distintos métodos de enseñanza.
Profesor A 68 72 77 52 42 60 58
Profesor B 71 78 56 59 63 71 74
Profesor C 78 81 82 83 70 65 78
Aplicando el análisis de la varianza a los datos del problema tendremos
la tabla de análisis de la varianza presentada a continuación:
ANOVA X
Inter-grupos Intra-grupos Total
Suma de cuadrados gl Media cuadrática F Sig. 844.670 2 422.335
4.903 .020 1550.530 18 86.140
2395.200 20
Como la significación p=0,020 es menor que a=0,05 entonces hay
diferencia significativa entre los métodos de enseñanza. Al dar diferencia
significativa entre las medias de los grupos podemos intentar escudriñar
los grupos entre los que existe dicha diferencia. Para conseguir este
objetivo podemos utilizar la prueba de Tukey o la de Scheffé. Utilizaremos
la última por su mayor poder de generalización.

Estadísticos e-Books & Papers

 Las medias de los grupos son:
Grupo A=61,28
Grupo B=67,42
Grupo C=76,71
d 2.86,14.3,55= =/,13 22
Luego sólo resulta significativa la diferencia entre la media del grupo A y
el C donde ésta es mayor que d.
2.4.2. Análisis de la varianza de dos factores
Para fijar ideas, supóngase que se va a estudiar un problema en el cual
se piensa existen 2 factores, A con a niveles y B con b niveles. Cada
replicación del experimento contiene ab niveles. Se supone que existe n
replicaciones del experimento y que xijk representa la observación bajo el
i-ésimo nivel del factor A y el j-ésimo nivel del factor B en la k-ésima
replicación. El orden en el que las abn observaciones se toman se
selecciona aleatoriamente. Las observaciones se pueden poner mediante el
siguiente modelo lineal:
xijk=m+ai+bj+(ab)ij+ eijk
donde m es el efecto medio, ai es el efecto debido al i-ésimo del factor
A,bj es el efecto del j-ésimo nivel del factor B, (ab)ij es el efecto de la
interacción entre ai y bj y eijk es la componente aleatoria (error). Los
efectos de los factores se suponen fijos y los efectos de los niveles se
suponen como desviaciones a la media, por lo que se verificará:
abab

   Â0 000ij

i= = = =11 1 1

El total de observaciones será: abn=N Se deberá contrastar la hipótesis:

H0: a1=a2=a3=............=aa=0
H1: al menos un aiπ0
ó
H0: b1=b2=b3=............=bb =0
H1: al menos un bjπ0
También se estará interesado en determinar sí:
H0: (ab)ij=0

Estadísticos e-Books & Papers

H1: al menos un (ab)ijπ0a b n
Se puede descomponer la suma de cuadrados total
(( ))

ÂÂ
Â
ijk
-
2
... en
i=1 j=1k =1
suma de los siguientes cuadrados: en la suma de cuadrados respecto al
factor A
ab
Â
i
..
(( ))
2
... , en la suma de cuadrados respecto al factor B (anÂ(. .xx...)2,
i=1 j=1 a b
en la suma de cuadrados respecto a la interacción y

(nÂÂ(ij. i..- - +xx x x...)2

..
i=1 j=1
en una suma de cuadrados de errores no explicado por el modelo
(diferencia del
abn
total menos los factores y la interacción) .

ÂÂ
Â
ijk
()
2
ij.

Estadísticos e-Books & Papers

i=1 j=1k =1
Simbólicamente se escribirá así la ecuación:
SCT=SCA+SCB+SCAB+SCE
indudablemente este modelo necesita que n≥2 para poder calcular SCE
Estas fórmulas se pueden poner de más sencilla como:
a b nT 2
SC
T
=

ÂÂ
Â
x
2
ijk -N con T suma de todos los elementos.
i=1 j=1k =1
a T T2
i.. -
SCA =Â2
i=1nb N con Ti.. suma de todos los elementos de la fila i (nivel i del fac
tor A).
b T 2T 2
SCB =Â .. -N con T.j. suma de todos los elementos de la columna j (nivel j
del j=1na
del factor B).
a bT 2T 2

SCAB()ÂÂij. - - SC con Tij. suma de los elementos

de cada celda
i=1 j=1 n N AB
(nivel i del factor A y nivel j del factor B).
SCE= SCT -SCA-SCB-SCAB
El número de grados de libertad asociado con cada suma de cuadrados
es:
Efectos Grados de libertad A a-1
B b-1

Estadísticos e-Books & Papers

AB (a-1)(b-1) Error ab(n-1) Total abn-1
Cada suma de cuadrados dividida por sus grados de libertad nos dará el
cuadrado medio (CM).
Si se supone en el modelo que eijk son normales e independientes con
varianza constante s2, entonces cada cociente (CM/CME) se distribuye
como una F-Snedecor con los grados de libertad del numerador y del
denominador, y la región crítica del test, desde la hipótesis nula, serán
aquellos valores del cociente que superen el correspondiente valor de Fa(F
teórica). A continuación se expresa en una tabla, denominada de análisis
de la varianza, todos los pasos a realizar para contrastar las hipótesis nulas
planteadas anteriormente:
Tabla de análisis de la varianza de dos factores.
F.V. G.L.
Factor A a-1
Factor B b-1
Interacción AB (a-1)(b-1)
Error N-ab
C.M. F (empírica) F (teórica)
SCA CM A F(a-1,N-ab)
a -1 CM E
SCB CM B F(b-1,N-ab)
b -1 CM E
SCAB CMAB F((a-1)(b-1),N-ab)
()( ) CM E
SCE
Nab
Total N-1
Como ilustración veamos un ejemplo.
Ejemplo
Se piensa que la máxima producción de cierto producto petroquímico
es función de la utilización de diferentes catalizadores y de la temperatura
en que se produce la reacción. Se realizan 4 replicaciones de un diseño
factorial con 3 catalizadores y 3 temperaturas, los resultados son:
Temperatura
Catalizador 50 65 80 Xi..
1 130 155 34 40 70 20 998 74 180 80 75 82 58
2 150 188 136 122 70 25 1300 159 126 106 115 58 45
3 138 110 174 120 104 96 1501 168 160 150 139 82 60 x.j. 1738 1291 770

Estadísticos e-Books & Papers

3799
Al agrupar las réplicas se obtiene la siguiente tabla:
Temperatura
Catalizador 50 65 80 Xi.. 1 539 229 230 998 2 623 479 198 1300 3 576
583 342 1501 x.j. 1738 1291 770 3799
El análisis de la varianza asociado, desde la hipótesis nula de la no
influencia de cada uno de los factores, da el siguiente resultado:
Fuente G.L. SCde
variación
Tipo de catalizador 2 10684
Temperatura 2 39119
Interacción 4 9613
Error 27 18231
Total 35 77647
C.M.
F (empírica)
F (teórica) a=0,05
7,91 3,35
19559,5 28,97 3,35
2403,25 3,56 2,73
675,22
Las sumas de cuadrados (SC) de la tabla se obtienen aplicando las
fórmulas anteriores. No obstante, para reforzar conocimientos, se van a
desarrollar a continuación:
SC
total
= 130
22 2 2+ ....................... + 1042 2 2– 37992 + 155 + 74 + 180 + 82 + 6036 = 77647
998
1300
1501
22 2 2
3799
SCA = + + - = 10684 12 12 12 36 BSC (temperatura) = 173822 2 2 1291 770
37993911912 12 12+ + - =
36 SCAB(interacción catalizador x temperatura) =
539

Estadísticos e-Books & Papers

623
576
229
479
583
230
198
342 2 2 22 2222 2 2
3799
= + + + + + + + + ()
4 4 4 4 4 4 4 4 4 36
- - = 9613
SCE=77647-10684-39119-9613=18231
5342 =7,91
AF= 675 22
FB = 19559 5 = 28,97675 22
F=2403 25 =3,56
AB 675 22

Los valores de F(teórica) se recogerán de la tabla de F con los grados

de libertad indicados en la tabla de análisis de la varianza y con el nivel de
significación a=0,05 (en el ejemplo).
Como F(empírica)>F(teórica) se puede concluir que los factores
influyen en el modelo y además existe interacción entre ellos.
Para interpretar los resultados se puede añadir una gráfica de las respuestas
medias de cada combinación de niveles de los diferentes tratamientos. La
presencia de la interacción viene indicada mediante la falta de paralelismo
de las líneas.
2.5. El comando ONEWAY
Permite realizar análisis de la varianza para una variable dependiente
cuantitativa en los grupos establecidos por los valores de una variable
independiente o factor. El análisis de la varianza se utiliza para contrastar
la hipótesis de que varias medias son iguales. Si resulta significativa tal
diferencia, necesitamos localizar las discrepancias, para ello utilizaremos
las pruebas post-hoc.
Problema-ejemplo
Queremos saber si existe diferencia significativa entre las medias de
las puntuaciones de una prueba de inglés (item3) en función de la zona de
procedencia 1=rural, 2=semi-urbana y 3=urbana (fichero examinar.sav).
Además, si existe diferencia significativa, deseamos que se realicen

Estadísticos e-Books & Papers

pruebas post-hoc.
Desarrollo del ejemplo
Utilizando el SPSS para realizar el problema-ejemplo propuesto, la
secuencia de ventanas del menú será las siguientes: Analizar >Comparar
medias> Anova de un factor.

Seleccionaremos el
item3 (prueba de inglés), como variable dependiente, y zona, como factor.
Si pulsamos contrastes podemos realizar pruebas a priori (antes de
realizar el experimento) con el estadístico t.

La idea es realizar una partición de la suma de cuadrados entre-grupos

en componentes de tendencia o especificar contrastes a priori. Si
seleccionamos Polinómico se puede contrastar la tendencia de la variable
dependiente por los niveles ordenados del factor. Por ejemplo se puede
contrastar una tendencia lineal (creciente o decreciente) en la prueba de
inglés, a través de los niveles ordenados de mayor orden percibido. Con
orden podemos especificar el orden del polinomio (lineal, cuadrático o
cúbico, 4.º o 5.º).
Si seleccionamos coeficientes, vamos a realizar contrastes a priori por
el estadístico t. Habrá que introducir un coeficiente por cada categoría del

Estadísticos e-Books & Papers

factor. El orden de introducción de los coeficientes es importante porque
corresponde al orden ascendente de las categorías del factor. Es
aconsejable que la suma de coeficientes sea 0.
Hemos seleccionado el contraste polinómico lineal.
Por otra parte cuando seleccionemos los contrastes post-hoc,
podremos elegir entre un amplio surtido de pruebas, que se clasifican de
forma genérica en dos grandes grupos:

a) Aquellas que asumen las varianzas iguales:

DMS (Prueba de la mínima diferencia significativa), DUNCAN
(Prueba del rango múltiple de Duncan), SNK (Prueba de Student-Neumal-
Keuls), TUKEY (Método de Tukey), SCHEFFE (Método de Scheffé), etc.
b) Las pruebas de comparaciones múltiples que no asumen varianzas
iguales son T2 de Tamhane, T3 de Dunnett, etc.
Finalmente si seleccionamos opciones podemos seleccionar
estadísticos descriptivos, calcular el estadístico de Levene para contrastar
la igualdad de las varianzas de grupo, hacer los gráficos de las medias y
controlar el tratamiento de los valores perdidos.

Estadísticos e-Books & Papers

 Fichero de sintaxis
La sintaxis de los subcomandos seleccionados será:
ONEWAY
item3 BY zona
/POLYNOMIAL= 1
/MISSING ANALYSIS
/POSTHOC = SCHEFFE T2 ALPHA(.05).
Resultados del comando ONEWAY
ANOVA de un factor
ANOVA
Prueba de inglés
Suma de gl Media F Sig.cuadrados cuadrática

Inter-grupos (Combinados)
Término lineal No ponderado Ponderado Desviación 14,764 2 7,382 ,799
,452
5,658 1 5,658 ,612 ,435
5,953 1 5,953 ,644 ,424
8,811 1 8,811 ,953 ,330
Intra-grupos 1358,630 147 9,242
Total 1373,393 149
Como se puede observar no hay diferencia significativa para las distintas
zonas.
Pruebas post hoc COMPARACIONES MÚLTIPLES
Variable dependiente: prueba de inglés
(I) zona (J) zona Intervalo de confianza al 95% Diferencia de

Estadísticos e-Books & Papers

ErrorSig. Límite Límite medias (I-J) típico inferior superior Scheffé
rural
semirural
urbana rural
semirural urbana
rural
semirural urbana
rural
semirural urbana
,76364 ,61490 ,464 -,7569 2,2842 ,46239 ,59099 ,737 -,9991 1,9238
-,76364 ,61490 ,464 -2,2842 ,7569
-,30125 ,62552 ,891 -1,8481 1,2456
-,46239 ,59099 ,737 -1,9238 ,9991 ,30125 ,62552 ,891 -1,2456 1,8481
Tamhane rural
semirural
urbana rural
semirural urbana
rural
semirural urbana
rural
semirural urbana
,76364 ,63621 ,549 -,7832 2,3104 ,46239 ,58303 ,814 -,9526 1,8774
-,76364 ,63621 ,549 -2,3104 ,7832
-,30125 ,61025 ,946 -1,7868 1,1843
-,46239 ,58303 ,814 -1,8774 ,9526 ,30125 ,61025 ,946 -1,1843 1,7868
Subconjuntos homogéneos
Prueba de inglés
Subconjunto para alfa = .05
zona N 1
Scheffé (a,b) semirural 44 4,0909
urbana 51 4,3922
rural 55 4,8545
Sig. ,459
Se muestran las medias para los grupos en los subconjuntos homogéneos.
a: Usa el tamaño muestral de la media armónica = 49,573.
b: Los tamaños de los grupos no son iguales. Se utilizará la media armónica de los tamaños de los
grupos. Los niveles de error de tipo I no están garantizados.

Estadísticos e-Books & Papers

 La prueba a posteriori se ha realizado por motivos didácticos, al no
resultar significativa la diferencia de medias de la variable item3 en
función del factor zona.
2.6. El comando UNIANOVA
Problema-ejemplo
Se desea saber si en los resultados de la prueba de inglés (item3), del
ejemplo que venimos tratando, influyen las acciones de la zona de donde
procede el alumno (factor fijo) y alguna categoría elegida al azar de la
variable nivel (factor aleatorio).
Desarrollo del ejemplo Con el programa SPSS los cálculos que
podemos realizar son muy amplios y pueden tener la siguiente secuencia
de operaciones:
1. Elegir en los menús: Analizar >Modelo lineal general > Univariante.
2. Seleccionar una variable dependiente (en nuestro caso item3).
Seleccionar los factores fijos (en nuestro caso zona), los factores aleatorios
(en nuestro caso nivel) y los factores covariantes (en nuestro caso no
tenemos) . Si queremos una variable de ponderación, utilizar ponderación
MCP.
3. Seleccionar los contrastes para observar las diferencias entre los
niveles de un factor.
4. Se puede seleccionar entre una gama amplia de pruebas post-hoc.
Un grupo asumiendo homogeneidad de varianzas(Tukey, Scheffe, Duncan,
DMS, Bonferroni, etc) y otras sin asumirla (T2 de Tamhane,T3 de Dunnett,
etc).
5. En opciones se pueden seleccionar un conjunto muy amplio de
estadísticos: descriptivos, prueba de homogeneidad, falta de ajuste,
diagrama de dispersión x nivel, gráfico de los residuos, etc.
6. Especificar el modelo para seleccionar los efectos principales de
factores, covariables y las interacciones entre factores. Indicar el modelo
de suma de cuadrados (I, II, III y IV)( para más información ver manual
del programa SPSS pág. 5).
El realizar los puntos 1 y 2 nos llevan a la siguiente ventana:

Estadísticos e-Books & Papers

 El botón contrastes
está relacionado con el punto 3 de la secuencia de operaciones:

Los puntos 4 y 5 se relacionan con el botón post-hoc.

En este caso hemos seleccionado las pruebas que aparecen marcadas
en la figura (DMS, para igualdad de varianzas y T2 de Tamhane, cuando se
supone que no hay igualdad de varianzas).

Estadísticos e-Books & Papers

 El botón modelo está relacionado con el punto 6 de la secuencia.

Además, pulsando opciones accedemos a una variedad de opciones cuyo

estudio detallado está fuera de los objetivos de esta publicación.

Estadísticos e-Books & Papers

 Fichero de sintaxis
UNIANOVA
item3 BY zona nivel
/RANDOM = nivel
/METHOD = SSTYPE(3)
/INTERCEPT = INCLUDE
/POSTHOC = zona ( LSD T2 )
/CRITERIA = ALPHA(.05)
/DESIGN = zona nivel zona*nivel .
Resultado del comando unianova
PRUEBAS DE LOS EFECTOS INTER-SUJETOS Variable
dependiente: prueba de inglés
Fuente Suma de
cuadrados glMedia F Significación tipo III cuadrática
Intersección Hipótesis Error 2078,814 1 2078.814 169,874 ,000 107,975
8.823 12,237 (a)
Zona Hipótesis Error 4,083 2 2,042 ,196 ,824 217,485 20,860 10,426(b)
Nivel Hipótesis Error
Zona * nivel Hipótesis Error 90,081 7 10,657(c) 1,208 ,351 180,125
16,902 10,893
152,497 14 10,893 1,245 ,252 1102,740 126 8,752(d)

Estadísticos e-Books & Papers

a: ,847 MS(nivel) + ,153 MS(Error). b: ,782 MS(zona * nivel) + ,218 MS(Error). c: ,890 MS(zona *
nivel) + ,110 MS (Error). d: MS(Error).

MEDIA CUADRÁTICA ESPERADA (a, b)

Componente de la varianza
Fuente
Intersección zona
nivel
zona * nivel Error
Var (nivel)
VarVar (Error) Término (zona * nivel) cuadrático 12,592 4,197 1,000
Intercept, zona
,000 4,356 1,000 zona 14,873 4,958 1,000
,000 5,571 1,000
,000 ,000 1,000
a: Para cada fuente, la media cuadrática esperada es igual a la suma de los coeficientes de las
casillas por las componentes de la varianza, más un término cuadrático que incluye los efectos de la
casilla Término cuadrático.
b: Las medias cuadráticas esperadas se basan en la suma de cuadrados tipo III.

Pruebas post hoc COMPARACIONES MÚLTIPLES

Variable dependiente: prueba de inglés
(I) zona (J) zona
Diferencia entre ErrorSig.medias (I-J) típico
Intervalo de confianza al 95%
Límite Límite inferior superior DMS rural
semirural
urbana rural
semirural urbana
rural
semirural urbana
rural
semirural urbana
,7636 ,59836 ,204 ,4624 ,57509 ,423
-,7636 ,59836 ,204
-,4205 1,9478
-,6757 1,6005

Estadísticos e-Books & Papers

-1,9478 ,4205
-,3012 ,60870 ,622
-,4624 ,57509 ,423 ,3012 ,60870 ,622
-1,5058 ,9033
-1,6005 ,6757
-,9033 1,5058
Tamhane rural
semirural
urbana rural
semirural urbana
rural
semirural urbana
rural
semirural urbana
,7636 ,63621 ,549 ,4624 ,58303 ,814
-,7636 ,63621 ,549
-,7832 2,3104
-,9526 1,8774
-2,3104 ,7832
-,3012 ,61025 ,946
-,4624 ,58303 ,814 ,3012 ,61025 ,946
-1,7868 1,1843
-1,8774 ,9526
-1,1843 1,7868
Basado en las medias observadas.

Como podemos observar no influyen los factores zona y nivel, e

incluso la interacción zona*nivel. Como consecuencia de este resultado la
prueba post-hoc, que se ha puesto por motivos didáctico, tampoco da
significativa.
EJERCICIOS DE AUTOCOMPROBACIÓN
1. La siguiente tabla muestra la edad (x) y la presión sanguínea (y) de 12
personas.
xi 56 42 72 36 63 47 55 49 38 42 68 60 yi 147 125 160 118 149 128 150
145 115 140 152 155
Obténgase:
a) El coeficiente de correlación lineal de la muestra.

Estadísticos e-Books & Papers

b) La estimación de la recta de regresión de y sobre x.
c) El intervalo de confianza al 95% de la pendiente y la ordenada en el
origen de la recta.
2. Para acceder a la carrera de Educación se plantea una prueba
selectiva que se supera con 34 puntos sobre 100. Elegida una muestra de
10 alumnos se toma los datos relativos a la prueba selectiva (x), número de
días perdidos (y) y la calificación final del curso de acceso (z). Se desea
obtener la ecuación de regresión lineal múltiple de z sobre x e y.
xi 50 35 55 35 90 90 60 60 55 65
yi 2 1 1 5 1 2 3 2 1 2
zi 53 61 68 11 79 54 48 71 53 57
3. Tres profesores de Estadística atienden respectivamente a tres
grupos de 10, 12 y 9 estudiantes a los que han de calificar al final de curso.
Si las calificaciones dadas, en una escala de 0 a 10 puntos, son las
expresadas en la tabla adjunta. ¿Existe diferencia significativa entre las
medias de las calificaciones obtenidas por los tres grupos? a=0,05
Profesor A 6 4 5 7 9 7 4 2 3 5 Profesor B 5 7 4 8 2 5 6 1 2 6 9 4
Profesor C 8 3 7 4 4 5 7 6 7
4. Se comparó la velocidad de escritura en palabras por minuto de 24
estudiantes de cuatro academias elegidos al azar de una población donde la
variable está distribuida normalmente. Verificar si podemos suponer que
los métodos aplicados por cada academia son esencialmente iguales. Si
existe diferencia al nivel del 5% comparar academias.
academia A 50 50 55 60 45 55
academia B 55 60 65 55 70 65
academia C 50 65 75 55 60 65
academia D 70 80 65 70 75 60
SOLUCIÓN A LOS EJERCICIOS DE AUTOCOMPROBACIÓN
1. El fichero de sintaxis para resolver el problema propuesto es el
siguiente:
* ANÁLISIS DE REGRESIÓN.
data list free/x y .
begin data
56 147
42 125
72 160

Estadísticos e-Books & Papers

36 118
63 149
47 128
55 150
49 145
38 115
42 140
68 152
60 155
end data.
execute.
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS CI R ANOVA /CRITERIA=PIN(.05)
POUT(.10)
/NOORIGIN
/DEPENDENT y
/METHOD=ENTER x.
El resultado será:
RESUMEN DEL MODELO
Modelo R R cuadrado R cuadrado Error típ. corregida de la
estimación
1 ,896(a) ,803 ,783 7,01760
a: Variables predictoras: (Constante), x
Como se puede observar al tratarse de una regresión lineal simple el
coeficiente de correlación será R=0,896.
COEFICIENTES(a)
Coeficientes no Coeficientes estandarizados estandarizados
Intervalo de confianza para B al 95%
Modelo B Error típ. Beta t Sig. Límite Límite inferior superior
1 constante 80,778 9,544 8,464 ,000 59,513 102,043
x 1,138 ,178 ,896 6,386 ,000 ,741 1,535
a: Variable dependiente: y.
La recta de regresión será: y=80,778+1,138 x
El intervalo de confianza al 95% para la pendiente será: [0,741;1,535] y
para la ordenada en el origen es: [59,513;102,043].
2. El fichero de sintaxis será:
* ANÁLISIS DE REGRESIÓN.

Estadísticos e-Books & Papers

data list free/x y z.
begin data
50 2 53
35 1 61
55 1 68
35 5 11
90 1 79
90 2 54
60 3 48
60 2 71
55 1 53
65 2 57
end data.
execute.
REGRESSION
/MISSING LISTWISE
/STATISTICS COEFF OUTS R ANOVA /CRITERIA=PIN(.05)
POUT(.10) /NOORIGIN
/DEPENDENT z
/METHOD=ENTER x y.
Los resultados serán:
RESUMEN DEL MODELO
Modelo
R
R cuadrado
R cuadrado Error típ. corregida de la estimación
1 ,907(a) ,822 ,771 8,77493
a: Variables predictoras: (Constante), y, x.
COEFICIENTES(a)
Coeficientes no Coeficientes estandarizados estandarizados
Modelo B Error típ. Beta t Sig.
1 constante 63,854 12,617 5,061 ,001
x ,250 ,164 ,257 1,526 ,171
y –11,608 2,484 –,789 –4,673 ,002
a: Variable dependiente: y.
Por tanto la recta de regresión es: z=63,854+0,250 x-11,608 y
3. El fichero de sintaxis será:
* ANÁLISIS DE LA VARIANZA. data list free/x f.
begin data

Estadísticos e-Books & Papers

6,00 1
4,00 1
5,00 1
7,00 1
9,00 1
7,00 1
4,00 1
2,00 1
3,00 1
5,00 1
5,00 2
7,00 2
4,00 2
8,00 2
2,00 2
5,00 2
6,00 2
1,00 2
2,00 2
6,00 2
9,00 2
4,00 2
8,00 3
3,00 3
7,00 3
4,00 3
4,00 3
5,00 3
7,00 3
6,00 3
7,00 3
end data.
execute.
ONEWAY
x BY f
/MISSING ANALYSIS.
El resultado es:
ANOVA x
Suma de gl Media F Sig.cuadrados cuadrática

Estadísticos e-Books & Papers

Inter-grupos 2,903 2 1,451 ,311 ,735
Intra-grupos 130,517 28 4,661
Total 133,419 30
Como se puede observa no hay diferencia significativa entre las medias de
las calificaciones obtenidas por los alumnos de los tres profesores. 4. El
fichero de sintaxis para realizar el ejercicio es:
* ANÁLISIS DE LA VARIANZA.
data list free/x f.
begin data
50 1
50 1
55 1
60 1
45 1
55 1
55 2
60 2
65 2
55 2
70 2
65 2
50 3
65 3
75 3
55 3
60 3
65 3
70 4
80 4
65 4
70 4
75 4
60 4
end data.
execute.
ONEWAY
x BY f
/MISSING ANALYSIS
/POSTHOC = SCHEFFE T2 ALPHA(.05).

Estadísticos e-Books & Papers

Cuyo resultado es:
ANOVA x
Suma de gl Media F Sig.cuadrados cuadrática
Inter-grupos 919,792 3 306,597 6,426 ,003
Intra-grupos 954,167 20 47,708
Total 1873,958 23
Resultado, como vemos, significativo, por tanto, se puede plantear la
diferencia entre los grupos:
COMPARACIONES MÚLTIPLES Variable dependiente: x
Intervalo de confianza al 95%
(I) f (J) fDiferencia de Error típicomedias (I-J)
Sig.
Límite inferior
Límite superior Scheffé 1,00 1,00
2,00 -9,16667 3,98783
3,00 -9,16667 3,98783
4,00 -17,50000(*) 3,98783
,187 -21,3248 2,9914 ,187 -21,3248 2,9914 ,003 -29,6581 -5,3419
2,00 1,00 9,16667 3,98783
2,00
3,00 ,00000 3,98783
4,00 -8,33333 3,98783
,187 -2,9914 21,3248
1,000 -12,1581 12,1581 ,257 -20,4914 3,8248
3,00 1,00 9,16667 3,98783
2,00 ,00000 3,98783
3,00
4,00 -8,33333 3,98783
,187 -2,9914 21,3248 1,000 12,1581
-12,1581
,257 -20,4914 3,8248
4,00 1,00 17,50000(*) 3,98783
2,00 8,33333 3,98783
3,00 8,33333 3,98783
4,00
Tamhane1,00 1,00

Estadísticos e-Books & Papers

 2,00 -9,16667 3,27024
3,00 -9,16667 4,16667
4,00 -17,50000(*) 3,59398
,003 5,3419 29,6581 ,257 -3,8248 20,4914 ,257 -3,8248 20,4914
,109 -19,8927 1,5593
,303 -23,5069 5,1736
,005 -29,4664 -5,5336
2,00 1,00 9,16667 3,27024
2,00
3,00 ,00000 4,34613
4,00 -8,33333 3,80058 ,109 -1,5593 19,8927
1,000 -14,6098 14,6098 ,282 -20,8083 4,1417
3,00
4,00 1,00 9,16667 4,16667 2,00 ,00000 4,34613 3,00
4,00 -8,33333 4,59468
1,00 17,50000(*) 3,59398
2,00 8,33333 3,80058
3,00 8,33333 4,59468
4,00
* La diferencia entre las medias es significativa al nivel .05.
,303 -5,1736 23,5069 1,000 -14,6098 14,6098
,473 -23,4882 6,8215
,005 5,5336 29,4664
,282 -4,1417 20,8083
,473 -6,8215 23,4882
Las pruebas de Scheffé suponiendo igualdad de varianzas y la de
Tamhane sin asumir tal condición, arrojan el mismo resultado hay
diferencias entre las academias 1 y 4.
BIBLIOGRAFÍA
AFIFI, A. A. AND CLARK, V. (1996): Computer-aided Multivariate
Analysis, 3/e.. London: Chapman and Hall.
A LLISON, P. D. (1999): Multiple regression.California: Sage.
AMÓN, J. (1991): Introducción al análisis multivariante (cálculo
matricial). Barce-lona: PPU.
ARCE, CONSTANTINO; REAL, EULOGIO (2002): Introducción al análisis

Estadísticos e-Books & Papers

estadístico con SPSS. PPU. Barcelona.
BISQUERRA, R. (1989): Introducción Conceptual al Análisis Multivariable.
Barce-lona: PPU. BISQUERRA, R. (1987): Introducción a la estadística
aplicada a la investigación educativa. Barcelona: PPU.
CALOT, G. (1974): Curso de Estadística Descriptiva. Paraninfo. Madrid.
CAMACHO ROSALES, JUAN (2002): Estadística con SPSS versión 11 para
Windows. Ra-Ma, Librería y Editorial Microinformática. Madrid.
CEA, M. A. (2002): Análisis multivariable. Teoría y práctica en la
investigación social. Madrid: Síntesis.
C OCHRAN, W. G. (1971): Técnicas de Muestreo. México: CECSA.
CUADRAS, C. M. (1991): Métodos de Análisis Multivariante. Barcelona:
Eunibar.
CUADRAS, C. M.; ECHEVERRÍA, B.; MATEO, J.; SÁNCHEZ, P. (1991):
Fundamentos de Estadística. Barcelona: PPU.
DOMÉNECH, J. M. y RIBA, M. D. (1985): Métodos estadísticos. Modelo
lineal de regresión. Barcelona: Herder.
ETXEBERRIA, J. (1999): Regresión múltiple. Madrid: La muralla.
FERRÁN ARANAZ, MAGDALENA (2002): Curso de SPSS para Windows.
McGraw-Hill/ Interamericana de España. Madrid.
F OX, J. (1991): Regression diagnostics. Newbury Park: Sage.
GUILLÉN, M. F. (1992): Análisis de regresión múltiple. Madrid: CIS,
Cuaderno metodológico nº 4. HAIR, ANDERSON, TATHAM, BLACK (1999):
Análisis multivariante. 5/e. Madrid: Prentice Hall. HARDY, M. A. (1993):
Regression with dummy variables. Newbury Park: Sage. HOPE, K. (1972):
Métodos de Análisis Multivariate. Madrid: Inst. Est. Polit.
JOHNSON R. Y WICHERN D. (1988): Applied multivariate statistical
analysis. 2/e. New Jersey: Prentice-Hall international.
K ENDALL, M. G. (1975): Multivariate Analysis. Londres: Griffin.
KIELLERER, H. (1960): La Estadística en la vida económica y social.
Editorial: Alianza. LEBART, L. Y OTROS (1985): Tratamiento estadístico de
datos. Barcelona: Boixerau editores.
LIZASOAIN HERNÁNDEZ, LUIS; JOARISTI OLARRIAGA, LUIS (2003):
Gestión y análisis de datos con SPSS. Thomson Paraninfo. Madrid.
MARTÍN F. G. (1994): Introducción a la Estadística Económica y
Empresarial. Madrid: AC. MARTÍN PLIEGO, F. J. (1994): Introducción a la
estadística económica y empresarial (Teoría y práctica). Madrid: Editorial
AC.

Estadísticos e-Books & Papers

MARTÍN, M. F.; FERNÁNDEZ, R.; SEISDEDOS, A. (1985).:ticas para las
ciencias de la conducta. Salamanca: Universidad pontificia.
M ILES, J. Y SHEVLIN, M. (2000): Applying regression and correlation.
Newbury Park: Sage. MIRAS J. (1985): Elementos de muestreo para
poblaciones finitas. Madrid: INE.
PARDO MERINO, ANTONIO;RUIZ DÍAZ, MIGUEL ÁNGEL (2002): SPSS 11.
Guía para el análisis de datos. McGraw-Hill/ Interamericana de España.
Madrid.
PEÑA D. (1992): Estadística, Modelos y Métodos. Volumen I. Alianza
Universidad Textos. Madrid.
P ÉREZ, CÉSAR (2001): Técnicas estadísticas con SPSS. Pearson
Educación. Madrid. RÍOS, S. (1977): Métodos Estadísticos. Madrid: Ed.
del Castillo.
RUIZ-MAYA, L. (1986): Métodos estadísticos de
investigación(Introducción al análisis de la varianza). Madrid: INE.
SÁNCHEZ CARRIÓN, J. J. (1984): Introducción a las técnicas de análisis
multivariable aplicadas a las ciencias sociales. Madrid: Centro de
Investigaciones Sociológicas. SÁNCHEZ CRESPO J. L. (1971): Principios
elementales de muestreo y estimación de proporciones. Madrid: INE.
SÁNCHEZ CRESPO J. L. (1976): Muestreo de poblaciones finitas aplicado al
diseño de encuestas. Madrid: INE.
SÁNCHEZ CRESPO J. L. y DE PRADA J. (1990): Ejercicios y problemas
resueltos de muestreo en poblaciones finitas. Madrid: INE.
SCHEAFFER, R.; MENDENHALL, W.; OTT, L. (1987): Elementos de
muestreo.México: Grupo Editorial Iberoamérica.
SPIEGEL M. R. (1991): Estadística. Madrid: McGraw Hill.
VISAUTA VINACUA, B. (2002): Análisis estadístico con SPSS 11.0 para
Windows. McGraw-Hill/ Interamericana de España. Madrid.
El texto nace de una reflexión sobre las necesidades instrumentales de
los estudiantes o profesionales para abordar el proceso de tratamiento de
datos. Sabemos que la estadística es un instrumento básico en la
investigación, y constituye el lenguaje de expresión y formalización de la
actividad investigadora. Pero, indudablemente, la estadística necesita la
ayuda de la Informática para realizar su labor. Este apoyo se traduce en
programas estadísticos de tratamiento de datos, siendo el SPSS uno de los
más utilizados en el ámbito de las ciencias sociales y de la salud.
El libro aborda los conocimientos básicos de estadística descriptiva e
inferencial, introduce al lector en el diseño de experimentos, con el análisis

Estadísticos e-Books & Papers

de la varianza, y completa los procesos de decisión estadística con una
breve introducción al muestreo. Todo ese conocimiento estadístico se
introduce de forma gradual con el apoyo de casos prácticos realizados con
el programa SPSS.
Juan Antonio Gil Pascual , profesor titular de Métodos de
Investigación en Educación en el Departamento M.I.D.E. de la Facultad de
Educación de la UNED. Matemático (Estadística e Investigación
Operativa) y doctor en Educación. Con dilatada docencia en todos los
niveles educativos y como experto en estudios de opinión en el Área de
Recursos Humanos de Telefónica. Especialista en análisis y tratamiento de
datos de carácter multivariante y profundo conocedor de paquetes
estadísticos (SPSS,R). Autor de publicaciones y ponencias de aplicaciones
de metodologías estadísticas al ámbito social. Colaborador en numerosos
proyectos de investigación como analista de datos. Premio Nacional de
Investigación Educativa (1998).
ISBN: 978-84-362-5264-4 84216

Editorial
9 788436 252644
0184216EP01A02

Estadísticos e-Books & Papers