MSc. Ennio Mérida

(1)

MSc. Ennio Mérida

APLICADA A LA INVESTIGACIÓN

(2)

Pruebas paramétricas y no

paramétricas

(3)

Cumplen con:

Pruebas paramétricas



Variables cuantitativas.



Distribución normal

(4)

Cumplen con:

Pruebas no paramétricas



Variables cuantitativas y cualitativas



Distribución libre (no necesariamente normal)

(5)

Prueba no paramétrica de Wilconxon se aplica para una variable cualitativa y otra cuantitativa

Prueba U de Mann-Whitney se aplica para una variable cualitativa y otra cuantitativa

T de student: sirve para comprar 2 grupos con variables cuantitativas. El equivalente paramétrico es el Wilcoxon y M

Parametrica Anova; sirve para trabajar con mas de 2 grupos

con variables cuantitativas, el equivalente no paramétrico es el

Kruskall-wallis

(6)

Prueba de correlación de Pearson, se requiere que las variables se distribuyan normalmente sobre todo para muestras pequeñas, pero si las muestras son pequeñas y no se distribuye normalmente es mejor emplear la prueba de Sperman. Cuando hay mas de 4 niveles es mejor utilizar Pearson y si hay 4 niveles o menos es mejor Sperman

Análisis para 2 variables cuantitativas

Analizar/correlaciones/Bivariadas

Como 0.000<0,05 entonces existe una relación lineal entre las variables. Por otra parte existe una relación

fuerte (0.676>0,05) entre las variables.

Ho: no existe una relación entre las variables.

Ha: existe relación lineal entre las variables.

(7)

Si n > 50, se emplea Prueba de Kolmogorow smirt

Verificar si los datos siguen una distribución normal

Ruta: Analizar/Pruebas no paramétricas/cuadros de diálogos antiguos/Ks-1 muestra

Seleccionar las variables Marcar Prueba Normal Listo

Resultados: Revisar significancia (p);

si p>0.05 se acepta la hipótesis nula.

Si p<0.05; se acepta la hipótesis alterna.

(8)

(9)

(10)

Si n>50 y si los datos no son normales , entonces se emplea la prueba de Sperman

Ruta: analizar/correlaciones bivariadas

(11)

Si n < 50, se emplea Prueba de Shapiro Wilk

Verificar si los datos siguen una distribución normal

Ruta: Analizar/Estadística descriptiva/explorar Seleccionar las variables

Gráficas

Gráficas con prueba normalidad Aceptar

Resultados:

Si el significancia > 0.05 entonces los datos son normales

(12)

Coeficiente de Pearson

Hipótesis Nula (Ho): Las dos variables en estudio son independientes.

Hipótesis Alterna (Ha): Las dos variables en

estudio están relacionadas.

(13)

Coeficiente de Pearson

(14)

Coeficiente de Pearson

(15)

Coeficiente de Pearson

En estadística lo que se modeliza son este tipo de dependencia estocásticas, es decir, no están todos los

puntos exactamente

sobre el modelo, sino

que hay una tendencia

(relación).

(16)

Coeficiente de Pearson

(17)

Coeficiente de Pearson

(18)

Coeficiente de Pearson

-1<r<1

Su Valor absoluto es 0 a 1, cuanto más próximo a 1 indica más

relación, cuando más próximo a 0 indica menos

relación.

(19)

Coeficiente de Pearson

(20)

Prueba de Hipótesis

Ejemplo

Una empresa que fabrica bombillos. Todos los días produce miles de bombillos. Se espera que estos bombillos tengan una vida de 1000 horas, ya que, cuando se venden, eso es lo que se ofrece a los compradores. La gerencia tiene algunos dudas, pues algunos clientes se han quejado, por lo que debe determinar si efectivamente la vida media de los bombillos es inferior a la ofrecida.

Al tomar la decisión con base en datos muestrales se corre el riesgo de que, por causar del azar, estos bombillos tengan una vida mayor, o menor, que la real (media poblacional).

La empresa desea probar si la vida media de los bombillos es igual a 1000 horas.

Hipótesis: es una afirmación o conjetura acerca de un

parámetro de una o más poblaciones y que está sujeta a

verificación.

(21)

Prueba de Hipótesis

Prueba de Hipótesis: es un procedimiento basado en evidencia de la muestra y la teoría de probabilidades para determinar si la hipótesis es una afirmación razonable.

Hipótesis Nula (Ho): La vida media de los bombillos es 1000 horas.

Hipótesis Alterna (Ha): La vida media de los bombillos es menor que 1000 horas.

Hipótesis nula (Ho): es cualquier hipótesis que se desea probar.

Hipótesis nula (Ho): es la hipótesis que se acepta cuando la

hipótesis nula es rechazada.

(22)

Prueba de Hipótesis

Ho: 𝝁 = 𝟏𝟎𝟎𝟎 Ha: 𝝁 < 𝟏𝟎𝟎𝟎

n = 24 bombillos

Se tomó Se obtuvo Vida de 970 horas

¿Se puede concluir que la vida media de los bombillos es menor que 1000 horas?

La hipótesis nula se rechaza solo si los datos ofrecen suficiente evidencia para no considerarla

verdadera

Se parte del siguiente principio:

(23)

Prueba de Hipótesis

(24)

Prueba de Hipótesis

¿Cómo se sabe qué tanto es “suficiente evidencia”?

Para esto se necesitan algunos conceptos adicionales:

Nivel de significancia (α): es la probabilidad de rechazar la hipótesis nula cuando es verdadera.

¿Cuánto es un nivel de significancia

“aceptable”?

Por ejemplo, un nivel de significación de 0,05 indica un riesgo del 5%

de concluir que existe una diferencia entre los resultados del estudio y la hipótesis nula cuando en realidad no hay ninguna diferencia.

No se desea que la probabilidad de rechazar la Ho cuando es

verdadera sea demasiado alta

(25)

Prueba de Hipótesis

Seleccionar un estadístico de prueba Compararlo con un valor crítico

Tomar una decisión: aceptar o rechazar la Ho

(26)

Prueba de Hipótesis

(27)

Prueba T Student

(28)

Prueba T Student

(29)

Prueba T Student

En cualquiera de los 3 escenarios lo que se pretende

es comparar las medias o promedios de los grupos.

(30)

Prueba T Student

(31)

Ejercicio 1: En la población de una región se realizaron estudios sobre el coeficiente de inteligencia de los niños de 5 años y se observó que el mismo era como promedio 115 (en una escala de 0 a 150). En una institución de salud se estudiaron los coeficientes de inteligencia de una comunidad vulnerable, en la cual se obtuvieron los siguientes resultados que se muestran.

Podemos afirmar con un 95% de confianza que los resultados de la comunidad vulnerable difieren del resto de la región. Asuma que los datos se distribuyen normalmente.

COEFICIENTE DE INTELIGENCIA DE COMUNIDAD VULNERABLE

96 79 107 62

127 117 149 67

98 58 139 65

112 147 119 121

83 83 116 81

149 149 61 109

113 55 74 150

118 142 70 94

58 76 75 130

51 79 123 116

Prueba T Student (una muestra relacionada)

Lo que se quiere saber es si existe diferencia o no entre las medias de 2

muestras

(32)

Ho: µ vulnerable = µ ^población

Ha: µ vulnerable ≠ µ ^población

Nivel de significación 0.005< 0.05 Se rechaza Ho

Conclusión: si existen diferencias significativas entre la comunidad

vulnerable y el coeficiente de inteligencia de la región donde se encuentra esta comunidad vulnerable

Prueba T Student (una muestra relacionada)

(33)

Ejercicio 2.

Prueba T Student con SPSS (para muestras

independientes)

(34)

Lo que queremos es si existe diferencia en cuanto a la resistencia media obtenida para cada planta.

Prueba T Student con SPSS (para muestras

independientes)

(35)

Hipótesis Nula (Ho): no existe diferencia en cuanto a la resistencia media obtenida para cada planta, es decir, son iguales las resistencias.

Hipótesis Alterna (Ha): si existe diferencia en cuanto a la resistencia media obtenida para cada planta.

Prueba T Student con SPSS (para muestras

independientes)

(36)

Prueba T Student con SPSS (para muestras

independientes)

(37)

Prueba T Student con SPSS (para muestras

independientes)

(38)

Analizar/comprar medias/Prueba T para muestras independientes

Prueba T Student con SPSS (para muestras

independientes)

(39)

Analizar/comprar medias/Prueba T para muestras independientes

Prueba T Student con SPSS (para muestras

independientes)

(40)

Prueba T Student con SPSS (para muestras independientes)

El nivel de significancia aplicando la prueba de Levene es de 0.005 >

0.05, entonces no se puede asumir que las varianzas son iguales. No obstante, existe una significancia bilateral muy pequeña (0.001)

<0.05 entonces afirma que si existen diferencias significativas.

(41)

Conclusión: como 0,000 <0,05, entonces se rechaza Ho y se acepta Ha, es decir, si existen diferencias significativas en cuanto a la resistencia media obtenida para cada planta.

Prueba T Student con SPSS (para muestras

independientes)

(42)

Prueba T Student con SPSS (para 2 muestras independientes)

Ejercicio 3.

Un administrador manda a capacitar a un grupo de empleados a la

Universidad de DF y a otro grupo a la Universidad Obregón,

posteriormente desea saber cuál es la mejor universidad en referencia a

un examen de certificación. Queremos saber los resultados de ambos

grupos para comparar, esto le permitirá al administrador decidir cuál es

la mejor universidad,

(43)

Prueba T Student con SPSS (para 2 muestras independientes)

Ejercicio 3.

(44)

Prueba T Student con SPSS (para 2 muestras independientes)

Ejercicio 3.

Hipótesis Alterna (Ha): Existe una diferencia significativa entre la media de las calificaciones del grupo DF y la media de las calificaciones del grupo Obregón.

Hipótesis Alterna (Ho): No existe una diferencia significativa entre la media de las calificaciones del grupo DF y la media de las calificaciones del grupo Obregón.

La Ho siempre va en función en que no existe relación o que son iguales los grupos comparados o las variables comparadas.

La Ha siempre va en función en que existe relación o diferencia

entre los grupos comparados

(45)

Prueba T Student con SPSS (para 2 muestras independientes)

Probar los dos supuestos: 1. Si las muestras son normales.

2. Igualdad de varianzas

Analizar/Estadísticos descriptivos/Explorar 1. Si las muestras son normales.

Lista de dependientes: variable aleatoria numérica Lista de factores: variable que crea los grupos

Gráficos/Gráficos con prueba de normalidad/Continuar/Aceptar

(46)

Prueba T Student con SPSS (para 2 muestras independientes)

Ejercicio 3.

Como n<=30 individuos se aplica Shapiro - Wilk

Entonces como el nivel de significancia es de 0,156 DF y =0.257 Obregón

Dado que Pvalor (0.156 y 0.257)>0,05 entonces los datos

provienen de una distribución normal.

(47)

Prueba T Student con SPSS (para 2 muestras independientes)

Ejercicio 3.

2. Igualdad de varianzas (se calcula junto con el valor de T de Student)

Analizar/Comparar medias/Prueba T de Student para variables independientes

Variable para contrastar: variable aleatoria numérica

Variable de agrupación: Ej. Universidad

(48)

Prueba T Student con SPSS (para 2 muestras independientes)

Ejercicio 3.

2. Igualdad de varianzas (se calcula junto con el valor de T de

Student)

(49)

Prueba T Student con SPSS (para 2 muestras independientes)

Ejercicio 3. Igualdad de varianzas

El nivel de significancia es de 0.699 > 0.05, entonces las varianzas son iguales

Para verificar si las varianzas son iguales se analiza el sig

de la Prueba de Lenene

(50)

Prueba T Student con SPSS (para 2 muestras independientes)

Ejercicio 3. Análisis del valor de T de Student

Conclusión: Como 0.661 > 0.05, entonces no se rechaza la Ho, es decir, no existe una diferencia significativa entre la media de las calificaciones del grupo que se capacitaron en el DF y la media de las calificaciones del grupo Obregón.

Esa diferencia no es significativa es decir puede ser por el azar..

(51)

Prueba T Student con SPSS (para 2 muestras relacionadas)

Ejercicio 4.

Hipótesis Alterna (Ha): Si hay diferencia significativa en las medias del peso antes y después del tratamiento.

Hipótesis nula (Ho): No hay diferencia significativa en las

medias del peso antes y después del tratamiento.

(52)

Ejercicio 4.

Prueba T Student con SPSS (para 2 muestras

relacionadas)

(53)

Ejercicio 4.

Prueba T Student con SPSS (para 2 muestras

relacionadas)

(54)

Ejercicio 4. Verificación de prueba de normalidad

Prueba T Student con SPSS (para 2 muestras

relacionadas)

(55)

Ejercicio 4. Verificación de prueba de normalidad

Prueba T Student con SPSS (para 2 muestras

relacionadas)

(56)

Ejercicio 4. Verificación de prueba de normalidad

Prueba T Student con SPSS (para 2 muestras

relacionadas)

(57)

Ejercicio 4. Verificación de prueba de normalidad

Prueba T Student con SPSS (para 2 muestras

relacionadas)

(58)

Ejercicio 4. Verificación de prueba de normalidad

Prueba T Student con SPSS (para 2 muestras

relacionadas)

(59)

Ejercicio 4. Cálculo del valor de T de Student

Prueba T Student con SPSS (para 2 muestras

relacionadas)

(60)

Ejercicio 4. Cálculo del valor de T de Student

Prueba T Student con SPSS (para 2 muestras

relacionadas)

(61)

Ejercicio 4. Cálculo del valor de T de Student

Prueba T Student con SPSS (para 2 muestras

relacionadas)

(62)

Ejercicio 4. Decisión

Prueba T Student con SPSS (para 2 muestras

relacionadas)

(63)

Prueba T Student con SPSS (análisis de la relación entre dos variables una cuantitativa y otra cualitativa)

Ejercicio 5.

(64)

Prueba T Student con SPSS (análisis de la relación entre dos variables una cuantitativa y otra cualitativa)

Analizar/correlaciones/Bivariadas

(65)

Prueba T Student con SPSS (análisis de la relación entre

dos variables una cuantitativa y otra cualitativa)

(66)

Prueba T Student con SPSS (análisis de la relación entre dos variables una cuantitativa y otra cualitativa)

Como 0,344 >0,05, entonces no hemos encontrado razones para rechazar la Ho y si se rechaza se estaría asumiendo un riesgo muy elevado de 34,4%, entonces se puede asumir que los dos grupos tienen la misma varianzas.

Como o,000 <0,05, entonces declaramos que los pesos son diferentes en el

grupo de los hombres y en el grupo de las mujeres y por tanto si los pesos

medios son diferentes concluiremos que la variable peso si depende del

genero.

(67)

(68)

(69)

Chi Cuadrado: parte del supuesto de que las dos variables no están relacionadas (hay independencia).

La prueba de Chi cuadrado busca la asociación, la relación o la dependencia de dos variables cualitativas.

Ho: independencia de las variables Ha: dependencia de las variables

Si Pvalor <= 0,05 se rechaza la Ho

Si Pvalor > 0,05 se acepta la Ho

(70)

EJERCICIO 1

Un investigador quiere estudiar si hay asociación entre la práctica deportiva y la sensación de bienestar. Extrae una muestra aleatoria de 100 sujetos. Los datos aparecen a continuación.

Contraste la hipótesis de independencia entre bienestar y práctica de deporte (alfa = 0,01).

Sensación de Bienestar

Práctica deportiva Total

Sí No

Sí 20 25 45

No 10 45 55

Total 30 70 100

Prueba de Chi Cuadrado

(71)

Hipótesis Nula (Ho): No existe relación la práctica deportiva y la sensación de bienestar.

Hipótesis Alterna (Ha): Existe relación la práctica deportiva y la sensación de bienestar.

Prueba de Chi Cuadrado

(72)

Sensación de Bienestar

Práctica deportiva Total

Sí no

Sí 20 25 45

No 10 45 55

Total 30 70 100

Sensación de bienestar Práctica deportiva

Sí No

Sí (45x30)/100=13,5 (45x70)/100=31,5 No (55x30)/100=16,5 (55x70)/100=38,5

Frecuencias observadas (fo):

Frecuencias esperadas (fe):

Prueba de Chi Cuadrado

(73)

Cálculo de Chi-cuadrado:

13 , 8 0974

, 1 5606

, 2 3413

, 1 1296

,

2  3    

 cal

1) Hagamos otra tabla, donde restamos a las frecuencias absolutas las frecuencias esperadas.

2) Este valor elevado al cuadrado.

3) Dividido por la frecuencia esperadas.

Sensación de bienestar Práctica deportiva

Sí No

Sí 3,1296 1,3413

No 2,5606 1,0974

Prueba de Chi Cuadrado

(74)

Tenemos:

1) Grados de libertad, son:

K = (número de fila - 1) x (número de columnas - 1)

= (2 - 1) x (2 - 1) = 1

Ahora calculemos el valor de la tabla Chi-cuadrado

2) El valor alfa 0,01

13 ,

2  8

 cal

Prueba de Chi Cuadrado

(75)

Prueba de Chi Cuadrado k = 1

Alfa = 0,01

(76)

Por tanto:

SIGNIFICADO: Las variables no son independientes

2 2

tab

cal 

 



Conclusión: La práctica deportiva y la sensación de bienestar estás asociadas.

63 ,

2  6

 tab

Entonces,

Prueba de Chi Cuadrado

(77)

REALIZAR EL

EJERCICIO ANTERIOR

CON SPSS

(78)

Prueba de Chi Cuadrado

SPSS

SI: 0 NO: 1

SI: 2 NO: 3

SENSACIÓN DE BIENESTAR PRÁCTICA DEPORTIVA

Analizar/Estadísticos descriptivos/Tablas cruzadas

Seleccionar las dos variables (una en fila y otra en columna) Estadísticos

Chi cuadrado

CONTINUAR ACEPTAR

EJERCICIO 1

(79)

Resumen de procesamiento de casos

Casos

Válido Perdido Total

N Porcentaje N Porcentaje N Porcentaje

Sensación de Bienestar * Práctica deportiva

100 100,0% 0 0,0% 100 100,0%

Tabla cruzada Sensación de Bienestar*Práctica deportiva

Práctica deportiva

Total

SI NO

Sensación de Bienestar SI Recuento 20 25 45

Recuento esperado 13,5 31,5 45,0

NO Recuento 10 45 55

Total Recuento 30 70 100

Prueba de Chi Cuadrado

Resultados EJERCICIO 1

(80)

Pruebas de chi-cuadrado

Valor df

Significación asintótica (bilateral)

Significación exacta (bilateral)

Significación exacta (unilateral)

Chi-cuadrado de Pearson 8,129^a 1 ,004

Corrección de continuidad^b 6,926 1 ,008

Razón de verosimilitud 8,191 1 ,004

Prueba exacta de Fisher ,008 ,004

Asociación lineal por lineal 8,048 1 ,005

N de casos válidos 100

a. 0 casillas (0,0%) han esperado un recuento menor que 5. El recuento mínimo esperado es 13,50.

b. Sólo se ha calculado para una tabla 2x2

Prueba de Chi Cuadrado

Resultados EJERCICIO 1

Conclusión: como el Pvalor (0,004) es menor que 0,05;

entonces se recha Ho y se acepta Ha, es decir, existe

relación la práctica deportiva y la sensación de bienestar.

(81)

EJERCICIO 2

Se desea estudiar hasta qué punto existe relación entre el tiempo de residencia de inmigrantes en nuestro país y su percepción de integración. Se dispone de una muestra pequeña de 230 inmigrantes a los que se les evaluó en ambas variables obteniéndose la siguiente tabla de frecuencias observadas. ¿Confirman estos datos la hipótesis planteada con un nivel de confianza del 95%?

Tiempo de residencia Grado de integración Total Bajo Alto

Más tiempo 40 90 130

Menos tiempo 90 10 100

Total 130 100 230

Prueba de Chi Cuadrado

(82)

Prueba de Chi Cuadrado

EJERCICIO 3

(83)

Prueba de Chi Cuadrado

Existe el coeficiente de contingencia: mide que tan fuerte es la relación, la asociación o la dependencia entre las dos variables.

Ruta: tablas cruzadas/estadísticos/Chi cuadrado y coeficiente de contingencia

Interpretación: como el coeficiente de contingencia es menor que 0.05 (0.000<0.05), rechazamos la hipótesis nula y aceptamos la hipótesis alterna, por lo que se puede concluir que aun nivel de significancia de 0.05, existe una relación fuerte entre la planificación estratégica y la gestión administrativa en la empresa XX; año 2018.

Ejemplo:

(84)

Prueba de Chi Cuadrado EJERCICIO 4

SEXO SI NO No

Opinan

Hombre 40 20 12

Mujeres 47 7 12

En una encuesta de opinión se quiere saber que opina una muestra de 138 personas entre hombre y mujeres, con relación a si fumar es nocivo para la salud. Obteniéndose el siguiente resultado:

Hipótesis Nula (Ho): No existe relación entre el grupo de personas y la opinión de estos, es decir son independientes.

Hipótesis Alterna (Ha): Existe relación entre el grupo de personas

y la opinión de estos, es decir existe asociación.

(85)

Prueba de Chi Cuadrado

SPSS

Hombres: 0 Mujeres: 1

SI: 2 NO: 3

NO OPINAN: 4

GRUPO DE PERSONAS OPINIÓN

Analizar/Estadísticos descriptivos/Tablas cruzadas

Seleccionar las dos variables (una en fila y otra en columna) Estadísticos

Chi cuadrado

Coeficiente de contingencia

CONTINUAR ACEPTAR

(86)

Prueba de Chi Cuadrado Resultados SPSS:

Casos

N Porcentaje N Porcentaje N Porcentaje GRUPO DE PERSONAS *

OPINIÓN

138 100,0% 0 0,0% 138 100,0%

Tabla cruzada GRUPO DE PERSONAS*OPINIÓN

OPINIÓN

Total

SI NO NO OPINAN

GRUPO DE PERSONAS Hombre Recuento 40 20 12 72

Recuento esperado 45,4 14,1 12,5 72,0

Mujer Recuento 47 7 12 66

Total Recuento 87 27 24 138

(87)

Prueba de Chi Cuadrado Resultados SPSS:

Conclusión: como el nivel de significancia es menor que 0.05 (0.037<0.05), rechazamos la hipótesis nula y aceptamos la hipótesis alterna, por lo que se puede concluir que aun nivel de significancia de 0.05, existe relación entre el grupo de personas y la opinión.

Por lo tanto la respuesta a la pregunta inicial depende si es hombre o mujer.

Valor df

(88)

Prueba de Chi Cuadrado

Medidas simétricas

Valor

Significación aproximada Nominal por Nominal Coeficiente de contingencia ,213 ,037

Conclusión: como el nivel de significancia es menor que 0.05 (0.037<0.05), rechazamos la hipótesis nula y aceptamos la hipótesis alterna, por lo que se puede concluir que aun nivel de significancia de 0.05, existe relación fuerte entre el grupo de personas y la opinión.

Resultados SPSS:

(89)

Para evaluar el impacto de las TIC en la actividad docente, se relacionó la categoría de los docentes (independiente) que hacen uso de estos equipos con el tipo de los mismos (dependiente), partiendo de la siguiente hipótesis:

Ho: las variables son independientes, es decir no existe ninguna relación entre las variables (Categoría docente y Uso de equipos).

H1: las variables son dependientes, es decir, existe relación entre las variables (Categoría docente y Uso de equipos).

Prueba de Chi Cuadrado

EJERCICIO 5

(90)

Prueba de Chi Cuadrado

(91)

Conclusión: El valor p = 0.186, que se compara con el Alfa de significación (asumido como 5%), es muy alto para rechazar Ho. Esta información denota que no hay indicios de una relación de dependencia entre ambas variables y, por lo tanto, se puede concluir que las variables no están relacionadas.

Tabla cruzada Tipo de equipo*Catgoría docente

Catgoría docente

Total Auxiliar Asociado Principal

Tipo de equipo Retroproyector Recuento 9 27 10 46

Proyector Multimedia Recuento 25 39 10 74

Total Recuento 34 66 20 120

Valor df

Medidas simétricas

Valor

Significación aproximada Nominal por Nominal Coeficiente de contingencia ,165 ,186

Resultado con el SPSS

(92)

EJERCICIO 6

Prueba de Chi Cuadrado

Demostrar si existe relación entre el tipo de deportista y el

grado de lesión

(93)

(94)

Prueba de Chi Cuadrado

Objetivo: Demostrar estadísticamente si existe relación entre la variable independiente y la variable dependiente.

Variable Independiente: Las artes teatrales (socio drama)

Variable Dependiente: Formación del valor de la responsabilidad Hipótesis Nula (Ho): Las artes teatrales no inciden en la formación del valor de la responsabilidad.

Hipótesis Alterna (Ha): Las artes teatrales si inciden en la formación del valor de la responsabilidad.

La prueba de Chi Cuadrado se realizó con las preguntas nro 1 y nro 4 del cuestionario aplicado a los docentes.

Pregunta 1: ¿A través de la aplicación del socio drama, se lograra desarrollar el valor de la responsabilidad en el educando?

Pregunta 4: ¿Considera usted que el valor de la responsabilidad, se

adquiere dentro de la institución?

(95)

Prueba de Chi Cuadrado

Buscar datos de tesis de Yorlina

(96)

Prueba de Chi Cuadrado

Casos

N Porcentaje N Porcentaje N Porcentaje

¿A través de la aplicación del sociodrama se logrará, desarrollar el valor de responsabilidad en el educando? * ¿Considera usted que el valor de la responsabilidad, se adquiere dentro de la institución?

84 100,0% 0 0,0% 84 100,0%

Resultados con SPSS:

(97)

Prueba de Chi Cuadrado

Tabla cruzada ¿A través de la aplicación del sociodrama se logrará, desarrollar el valor de responsabilidad en el educando?*¿Considera usted que el valor de la responsabilidad, se adquiere dentro de la institución?

¿Considera usted que el valor de la responsabilidad, se adquiere dentro de la institución?

Total Nunca Rara vez A veces

Casi

siempre Siempre

¿A través de la aplicación del sociodrama se logrará, desarrollar el valor de responsabilidad en el educando?

Nunca Recuento 8 26 4 0 0 38

Recuento esperado 3,6 11,8 13,6 5,0 4,1 38,0

Rara vez Recuento 0 0 20 0 0 20

A veces Recuento 0 0 6 4 0 10

Casi siempre Recuento 0 0 0 7 0 7

Recuento esperado ,7 2,2 2,5 ,9 ,8 7,0

Siempre Recuento 0 0 0 0 9 9

Recuento esperado ,9 2,8 3,2 1,2 1,0 9,0

Total Recuento 8 26 30 11 9 84

(98)

Prueba de Chi Cuadrado

Valor df

a. 21 casillas (84,0%) han esperado un recuento menor que 5. El recuento mínimo esperado es ,67.

(99)

Cuando las Fe son menores de 5, entonces según el criterio e cosla, las fe

no deben superar el 20%, en caso de que este porcentaje supere el 20% el

chi c debe interpretarse con cautela

(100)

Prueba de Chi Cuadrado - Escala de Likert Pasos para aplicar la técnica de Estaninos:

2) Analizar/Estadísticos descriptivos (se requiere calcular solo la media y la desviación estándar

3) Se calculan tres puntos de cortes, **Media - 0.75desviación estándar Media + 0.75 desviación estándar Se redondean a un decimal**

4) Transformar/Agrupación visual Se selecciona la variable

Nombre: Etiqueta:

Variable agrupada: Calidad Suma_Calidad Crear los 3 puntos de cortes

1) Transformar/Calcular variable/

Variable destino: Suma_calidad

Se seleccionan y se suman todas las variables que correspondan

ACEPTAR

(101)

Otra forma de reagrupar la variable suma de la escala de Likert

1) Transformar/Calcular variable/

Variable destino: Suma_calidad

Se seleccionan y se suman todas las variables que correspondan ACEPTAR

2) Si son 25 preguntas (ítems) y cada ítem tiene 5 escalas: Muy deficiente (1), deficiente (2), regular (3), Bien (4) y Excelente (5) Entonces para la nueva variable Suma_calidad, 25 x 5 = 125

0 – 25: Muy deficiente 25 – 50: Deficiente

51 – 75: Regular 76 - 100: Bien

101 – 125: Excelente

3) Transformar/Agrupación visual

Crear los 5 puntos de cortes con los extremos 25, 50, 75, 100 y 125

(102)

Prueba de U Mann-Whitney

Ejemplo: Supongamos que en una publicación se lee que el consumo de carne de dos comunidades autónomas (Castellano-leones y Extremeños), difieren significativamente.

Castellano-leones: 16 11 14 21 18 34 22 7 12 12

Se trata de dar respuesta a la siguiente pregunta:

Se aplica para conocer la relación entre una variable cualitativa y otra cuantitativa

Extremeños: 12 14 11 30 10

¿El consumo de carne (Y) depende de la comunidad

autónoma (X)?

(103)

Prueba de U Mann-Whitney

¿Existe relación entre las variables?

Variable cuantitativa: Consumo de carne

Variable cualitativa: La comunidad autónoma

Si la cantidad de carne es la misma consumida en las

dos comunidades, podremos afirmar que el consumo

de carne NO DEPENDE de la comunidad.

(104)

Prueba de U Mann-Whitney

(105)

Prueba de U Mann-Whitney

Se puede estar en el segundo grupo o bien porque los datos

no son normales o porque n es pequeño (n<30). En este

ejemplo el tamaño muestral (n) es pequeño.

(106)

Prueba de U Mann-Whitney

(107)

Prueba de U Mann-Whitney

U: valor experimental

n1: tamaño de la muestra 1

n2: tamaño de la muestra 2

(108)

Prueba de U Mann-Whitney

Cálculo de R1 y R2 Pasos:

1. Ordenamos de menos a mayor los valores de las dos muestras.

2. Asignamos un rango de orden a cada valor.

3. Se corrigen las ligaduras (valores que se repiten) existentes en los datos.

R1= suma de los rangos de la primera muestra R2= suma de los rangos de la segunda muestra

Se calcula el valor experimental (U)

(109)

Prueba de U Mann-Whitney

n1: tamaño de la muestra

n2: tamaño de la muestra

(110)

Prueba de U Mann-Whitney

n1: tamaño de la muestra

n2: tamaño de la muestra

(111)

Prueba de U Mann-Whitney

34

(112)

Prueba de U Mann-Whitney

(113)

Prueba de U Mann-Whitney

(114)

Prueba de U Mann-Whitney

Entonces no hay diferencia en el consumo

(115)

Prueba de U Mann-Whitney

(116)

Desviación estándar: Por ejemplo, las tres poblaciones (0, 0, 14, 14), (0, 6, 8, 14) y (6, 6, 8, 8) cada una tiene una media de 7. Sus desviaciones estándar poblacionales son 7, 5 y 1, respectivamente. La tercera población tiene una desviación mucho menor que las otras dos porque sus valores están más cerca de 7.