Universidad de Guanajuato

Campus León

División de Ciencias de la Salud

Departamento de enfermería y obstetricia

Sede Guanajuato

ENFERMERÍA GERONTO-GERIÁTRICA

Ensayo

Presenta:

Ramírez Campos Aldo Ramsés

González Arredondo Luisa Fernanda
Asesor: Hernández Vázquez Liliana Gabriela
BITÁCORA DE SOFTWARE ESTADÍSTICO

Escalas de medida

 Nominal: Son variables numéricas cuyos valores representan una categoría o identifican un grupo de pertenencia.
Este tipo de variable sólo nos permite establecer relaciones de igualdad/desigualdad entre los elementos de la
variable. La asignación de los valores se realiza en forma aleatoria por lo que no cuenta con un orden lógico.
 Ordinal: Son variables numéricas cuyos valores representan una categoría o identifica un grupo de pertenencia
contando con un orden lógico.
 Intervalo: Son variables numéricas cuyos valores representan magnitudes y la distancia entre los números de su
escala es igual.
 Razón: Las variables de razón poseen las mismas características que las variables de intervalo, con la diferencia
que cuentan con un 0 absoluto.

ANÁLISIS DESCRIPTIVO DE ACUERDO AL NIVEL DE MEDIDA

 Nominal: Se pueden realizar frecuencias, moda, gráficos (Sectores y barras).

 Ordinal: Se pueden realizar frecuencias, moda, gráficos (Sectores y barras de área).
 Escala: Los puntos se pueden realizar media, mediana, moda medidas de dispersión, medidas de descripción,
gráficos (Histograma), áreas y dispersión.

MEDIDAS DE TENDENCIA CENTRAL

Nos permite identificar los valores más representativos de los datos, de acuerdo de la manera como se tienden a
concentrar.
  Media: Se define como la suma de todos los valores observados, dividido por el número de total observaciones.
Nos indica el promedio de los datos; es decir, nos informa el valor que obtendría cada uno de los individuos si se
distribuyera los valores en partes iguales.
 Mediana: Con esta medida podemos identificar el valor que se encuentra en el centro de los datos. Esta medida
nos indica que la mitad de los datos se encuentra por debajo de este valor y la otra mitad por encima del mismo.
 Moda: La medida modal nos indica el valor que más veces se repite dentro de los datos.

MEDIDAS DE DISPERSIÓN

Las medidas de dispersión nos indican cuantos se desvían las observaciones alrededor de su promedio aritmético.

 Varianza: Esta medida nos permite identificar la diferencia promedio que hay entre cada uno de los valores
respecto a su punto central. Este promedio es calculado elevando cada una de las diferencias al cuadrado (Con el
fin de eliminar los signos negativos), y calculando su promedio o media.
 Desviación estándar: Nos permite determinar el promedio aritmético de fluctuación de los datos respecto a su
punto central o media. Para calcular la desviación estándar basta con hallar la raíz cuadrada de la varianza.

MEDIDAS DE DISTRIBUCIÓN

Nos permiten identificar la forma en que se separan o aglomeran los valores de acuerdo a su representación gráfica.
Estas medidas describen la manera en cómo los datos tienden a reunirse de acuerdo con la frecuencia con que se hallen
dentro de la información. Sus principales medidas son la asimetría y la curtosis

 Asimetría: Esta medida nos permite identificar si los datos se distribuyen de forma uniforme alrededor del punto
central. La asimetría presenta tres estados diferentes; se dice que la asimetría es positiva cuando la mayoría de
 los datos se encuentra por encima del valor de la media aritmética, la curva es simétrica cuando se distribuyen
aproximadamente la misma cantidad de valores en ambos lados de la media y se conoce como asimetría negativa
cuando la mayor cantidad de datos se aglomeran en los valores menores que la media.
 Curtosis: Esta medida determina el grado de concentración que presentan los valores en la región central de la
distribución. Por medio del coeficiente de curtosis podemos identificar si existe una gran concentración de valores
que es la Leptocurvica, una concentración normal (Mesocurvica) o una baja concentración (Platicurvica)

Tipos de datos y variables

NOMINAL SPSS: Tipo: Numérico a

(Categorías sin orden) cadena
CUALITATIVA Sexo, tratamiento,… Medida: Nominal
(Categorías, grupos, ORDINAL SPSS: Tipo: Numérico a
niveles,..) (Categorías ordenadas) cadena
Sexo, tratamiento,… Medida: Ordinal
DISCRETA SPSS: Tipo: Numérico
(Números enteros, sin Medida: Ordinal o Escala
CUALITATIVA decimales)
(Categorías, grupos, N° Hermanos, años de
niveles,..) tratamientos
CONTINUA SPSS: Tipo: Numérico
(Números reales, con Medida: Escala
decimales)
Tensión, altura,…
Calcular y recodificar variables

PROCEDIMIENTO
Menú / Transformar / Calcular Variable

RECODIFICAR VARIABLE
Menú / Transformar / Recodificar en distintas variables

Variable: IMC
Nombre: Nutrición
Etiqueta: Estado de Nutrición

Cambiar

VALORES
INFERIOR 20 1 DESNUTRIDO
RANGO 20 Y 25 2 BIEN NUTRIDO
RANGO 25 Y 30 3 SOBREPESO
RANGO 30 Y 35 4 OBESIDAD
SUPERIOR 35 5 OBESIDAD MORBIDA
AGRUPAR DATOS
EDAD

Menú / Transformar / Agrupación Visual

Las edades de la base de datos es

23 años a 86 años

Crear puntos de corte

(De 10 en 10)

POSICIÓN DEL PRIMER PUNTO DE CORTE

25
NÚMERO DE PUNTOS: 8
ANCHURA: 10

Se crean las etiquetas

Estadísticos
EDAD (agrupado)

N Válidos 100

Perdidos 0

EDAD (agrupado)

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado

Válidos <= 25 1 1.0 1.0 1.0

26 - 35 2 2.0 2.0 3.0

36 - 45 2 2.0 2.0 5.0

46 - 55 14 14.0 14.0 19.0

56 - 65 23 23.0 23.0 42.0

66 - 75 39 39.0 39.0 81.0

76 - 85 16 16.0 16.0 97.0

86 - 95 3 3.0 3.0 100.0

Total 100 100.0 100.0

 Resumen de los casos
FRECUENCIAS DE FACTORES
Casos
Menú / Analizar / Respuestas múltiples /
Válidos Perdidos Total Definir conjunto de variables
Nº Porcentaje Nº Porcentaje Nº Porcentaje

$FACTORESa 100 100.0% 0 .0% 100 100.0% Seleccionar variables (Factor 1 al factor 9)
Y pasar a variables de conjunto
a. Agrupación

Frecuencias $FACTORES Codificar las variables en:

Categorías: 9
Respuestas Porcentaje de
Nº Porcentaje casos
Nombre: Factores
FACTORESHTAa CONSUMO DE SAL 32 12.0% 32.0% Etiqueta
CONSUMO DE GRASA 35 13.2% 35.0%
SATURADA Añadir y cerrar
HERENCIA 35 13.2% 35.0%
Menú / Analizar / Respuestas Múltiples /
ESTRES 38 14.3% 38.0% Frecuencias
SEDENTARISMO 31 11.7% 31.0%

DROGAS 2 .8% 2.0%

OBESIDAD 47 17.7% 47.0%

CONSUMO DE ALCOHOL 11 4.1% 11.0%

HABITO DE FUMAR 35 13.2% 35.0%

Total 266 100.0% 266.0%

a. Agrupación
ANÁLISIS DE DATOS

Medidas de tendencia central

Calcular media, moda, mediana de la edad, peso y talla presión sistólica y diastólica

Estadísticos

EDAD PESO TALLA SISTOLICA DIASTOLICA

N Válidos 100 100 100 100 100

Perdidos 0 0 0 0 0
Media 65.88 78.96 1.6557 149.40 94.98
Mediana 66.50 75.00 1.6500 145.00 95.00
Moda 66 70 1.65 140 95
CALCULAR TABLA DE FRECUENCIAS PARA LAS VARIABLES QUE TENGAN DOS RESPUESTAS CON SU
RESPECTIVO GRÁFICO DE SECTORES

Analizar / Estadísticos descriptivos / Frecuencias

Gráficos sectores

SEXO

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado

Válidos MASCULINO 48 48.0 48.0 48.0

FEMENINO 52 52.0 52.0 100.0

Total 100 100.0 100.0

ASISTECONSULTAS
 Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado

Válidos SIEMPRE 72 72.0 72.0 72.0

EN OCASIONES 28 28.0 28.0 100.0

Total 100 100.0 100.0

 CUMPLETRATAMIENTO

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado

Válidos SIEMPRE 70 70.0 70.0 70.0

EN OCASIONES 30 30.0 30.0 100.0

Total 100 100.0 100.0

 CONOCECOMPLICACIONES

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado

Válidos SI 82 82.0 82.0 82.0

NO 18 18.0 18.0 100.0

Total 100 100.0 100.0

 MEJORIATARTAMIENTO

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado

Válidos SI 99 99.0 99.0 99.0

NO 1 1.0 1.0 100.0

Total 100 100.0 100.0

 RECIBEINFORMACION

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado

Válidos SI 90 90.0 90.0 90.0

NO 10 10.0 10.0 100.0

Total 100 100.0 100.0

 OLVIDOMEDICAMENTOS

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado

Válidos SI 23 23.0 23.0 23.0

NO 77 77.0 77.0 100.0

Total 100 100.0 100.0

 DESCUIDO

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado

Válidos SI 17 17.0 17.0 17.0

NO 83 83.0 83.0 100.0

Total 100 100.0 100.0

 SEENCUENTRABIENDEJADETOMAR

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado

Válidos SI 12 12.0 12.0 12.0

NO 88 88.0 88.0 100.0

Total 100 100.0 100.0

 SESIENTEMALDEJADETOMAR

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado

Válidos SI 12 12.0 12.0 12.0

NO 88 88.0 88.0 100.0

Total 100 100.0 100.0

TABLAS CRUZADAS O CROSSTAB

Nos permiten examinar o comparar los datos de dos o más variables a través de la frecuencia o porcentaje de cada uno
de los cruces de las categorías de las variables involucradas.

Analizar / Estadísticos descriptivos / Tablas de contingencia (Cross Tabs)

Filas: Variable Independiente
Columnas: Variable Dependiente o Variables dicotómicas
Seleccionar Casillas
Recuentos: Observados
Porcentajes: Columna
Ponderaciones: Redondear

Resumen del procesamiento de los casos

Casos

Válidos Perdidos Total

N Porcentaje N Porcentaje N Porcentaje

OPINIONES * GRUPOS 100 99.0% 1 1.0% 101 100.0%

Tabla de contingencia OPINIONES * GRUPOS

GRUPOS Total
 NO
FUMADORES FUMADORES

OPINIONES SÍ Recuento 20 10 30

% dentro de GRUPOS 40.0% 20.0% 30.0%

NO Recuento 20 20 40

% dentro de GRUPOS 40.0% 40.0% 40.0%

SIN OPINIÓN Recuento 10 20 30

% dentro de GRUPOS 20.0% 40.0% 30.0%

Total Recuento 50 50 100

% dentro de GRUPOS 100.0% 100.0% 100.0%

PRUEBA DE INDEPENDENCIA JI CUADRADO

Nos permite determinar si existe una relación entre dos variables categóricas. Debe de existir pruebas de hipótesis.

H0 Hipótesis Nula: Es una afirmación que no se rechaza a menos que los datos muestrales proporcionen evidencia
convincente de que es falsa.

H1 Hipótesis Alternativa: Es una afirmación que se acepta si los daos muestrales proporcionan evidencia suficiente de
que la H0 es falsa.

P VALOR
<0.05 (Ó VALOR DE ALFA) SE RECHAZA LA PRUEBA DE INDEPENDENCIA, ES DECIR EXISTE RELACIÓN ENTRE
LAS DOS VARIABLES

>0.05 (Ó VALOR DE ALFA) SE ACEPTA LA PRUEBA DE INDEPENDENCIA, ES DECIR, NO EXISTE RELACIÓN

ENTRE LAS DOS VARIABLES

C. CONTINGENCIA

Resumen del procesamiento de los casos

Casos

Válidos Perdidos Total

N Porcentaje N Porcentaje N Porcentaje

MARZO2018 * SEP2018 100 99.0% 1 1.0% 101 100.0%

 Tabla de contingencia MARZO2018 * SEP2018

SEP2018

NO
DEPRESIÓN DEPRESIÓN Total

MARZO2018 DEPRESIÓN Recuento 30 20 50

% del total 30.0% 20.0% 50.0%

NO DEPRESIÓN Recuento 19 31 50

% del total 19.0% 31.0% 50.0%

Total Recuento 49 51 100

% del total 49.0% 51.0% 100.0%

Pruebas de chi-cuadrado

Sig. asintótica Sig. exacta Sig. exacta

Valor gl (bilateral) (bilateral) (unilateral)

Chi-cuadrado de Pearson 4.842a 1 .028

Corrección por continuidadb 4.002 1 .045
Razón de verosimilitudes 4.882 1 .027
Estadístico exacto de Fisher .045 .022
Asociación lineal por lineal 4.794 1 .029
N de casos válidos 100

a. 0 casillas (.0%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima esperada es 24.50.
b. Calculado sólo para una tabla de 2x2.
TEST DE McNEMAR

Se utiliza para decidir si puede o no aceptarse un tratamiento médico induce un cambio en la respuesta de los elementos
sometidos al mismo y es aplicado a los diseños de los elementos sometidos al mismo y es aplicado a los diseños
antes/después en los que cada elemento actúa como su propio control

Analizar / Estadísticos descriptivos / Tablas de contingencia

Filas: Antes

Resumen del procesamiento de los casos

Casos

Válidos Perdidos Total

N Porcentaje N Porcentaje N Porcentaje

MARZO2018 * SEP2018 100 99.0% 1 1.0% 101 100.0%

Tabla de contingencia MARZO2018 * SEP2018

SEP2018

NO
DEPRESIÓN DEPRESIÓN Total

MARZO2018 DEPRESIÓN Recuento 30 20 50

% del total 30.0% 20.0% 50.0%

NO DEPRESIÓN Recuento 19 31 50
% del total 19.0% 31.0% 50.0%
Total Recuento 49 51 100

% del total 49.0% 51.0% 100.0%

Pruebas de chi-cuadrado

Sig. exacta
Valor (bilateral)

Prueba de McNemar 1.000a

N de casos válidos 100

a. Utilizada la distribución binomial

KAPPA DE COHEN

Es una medida de concordancia para variables cualitativas, mide el grado de acuerdo entre varios métodos o evaluadores
que clasifican al paciente, según una serie de posibilidades mutuamente excluyentes. El caso más sencillo se presenta
cuando la variable cualitativa es dicotómica y se está comparando dos métodos de clasificación.

KAPPA GRADO DE ACUERDO

<0 SIN ACUERDO
0 - 0.2 INSIGNIFICANTE
0.2 – 0.4 BAJO
0.4 – 0.6 MODERADO
0.6 – 0.8 BUENO
0.8 - 1 MUY BUENO
 Resumen del procesamiento de los casos

Casos

Válidos Perdidos Total

N Porcentaje N Porcentaje N Porcentaje

METODOB * METODOA 100 99.0% 1 1.0% 101 100.0%

Tabla de contingencia METODOB * METODOA

% del total

METODOA

POSITIVO NEGATIVO Total

METODOB POSITIVO 29.0% 23.0% 52.0%

NEGATIVO 23.0% 25.0% 48.0%

Total 52.0% 48.0% 100.0%

Medidas simétricas

Valor Error típ. asint.a T aproximadab Sig. aproximada

Medida de acuerdo Kappa .079 .100 .785 .432

N de casos válidos 100

a. Asumiendo la hipótesis alternativa.

b. Empleando el error típico asintótico basado en la hipótesis nula.

CORRECCIÓN DE YATES

Se aplica a la prueba Ji cuadrado cuando al menos el valor de una frecuencia esperada es menor que 5
Analizar / Estadísticos descriptivos / Tablas de contingencia

Ejercicio:
¿Hay diferente proporción de obesos entre hombres y mujeres?
Variables: Obesidad (Obeso, No obeso)
Variable Sexo: (Hombre, Mujer)
Filas: Género
Columnas Obesidad
Est. Ji Cuadrado y Riesgo

Resumen del procesamiento de los casos

Casos

Válidos Perdidos Total

N Porcentaje N Porcentaje N Porcentaje

SEXO * OBESIDAD 100 99.0% 1 1.0% 101 100.0%

Tabla de contingencia SEXO * OBESIDAD

% del total

OBESIDAD

OBESO NO OBESO Total

SEXO MASCULINO 25.0% 23.0% 48.0%

FEMENINO 26.0% 26.0% 52.0%

Total 51.0% 49.0% 100.0%
 Tabla de contingencia SEXO * OBESIDAD
% del total

OBESIDAD

OBESO NO OBESO Total

SEXO MASCULINO 25.0% 23.0% 48.0%

FEMENINO 26.0% 26.0% 52.0%

Pruebas de chi-cuadrado

Sig. asintótica Sig. exacta Sig. exacta

Valor gl (bilateral) (bilateral) (unilateral)

Chi-cuadrado de Pearson .043a 1 .835

Corrección por continuidadb .000 1 .994
Razón de verosimilitudes .043 1 .835
Estadístico exacto de Fisher .844 .497
Asociación lineal por lineal .043 1 .836
N de casos válidos 100

a. 0 casillas (.0%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima esperada es 23.52.
b. Calculado sólo para una tabla de 2x2.
 Estimación de riesgo

Intervalo de confianza al 95%

Valor Inferior Superior

Razón de las ventajas para 1.087 .496 2.383

SEXO (MASCULINO /
FEMENINO)
Para la cohorte OBESIDAD 1.042 .709 1.529
= OBESO
Para la cohorte OBESIDAD .958 .642 1.431
= NO OBESO
N de casos válidos 100
Prueba T
Para muestras independientes

T de Student

Estadísticos de grupo

Error típ. de la
SEXO N Media Desviación típ. media

PESORN MASCULINO 48 3.019 .2247 .0324

FEMENINO 52 3.002 .2389 .0331

 Prueba de muestras independientes

Prueba de Levene para la

igualdad de varianzas Prueba T para la igualdad de medias

95% Intervalo de confianza para

Diferencia de Error típ. de la la diferencia

F Sig. t gl Sig. (bilateral) medias diferencia Inferior Superior

PESORN Se han asumido varianzas .002 .968 .362 98 .718 .0168 .0465 -.0754 .1091
iguales

No se han asumido .363 97.962 .717 .0168 .0464 -.0752 .1088

varianzas iguales
Prueba T
Para muestras relacionadas
Se utiliza para evaluar al grupo en dos ocasiones

Analizar /Comparar medias

Prueba T para muestras relacionadas
Se añaden las 2 variables
Peso antes y peso después

Estadísticos de muestras relacionadas

Error típ. de la
Media N Desviación típ. media

Par 1 PESOANTGEST 72.930 100 10.1656 1.0166

PESODEPGEST 76.900 100 11.6033 1.1603

Correlaciones de muestras relacionadas

N Correlación Sig.

Par 1 PESOANTGEST y 100 .981 .000

PESODEPGEST
 Prueba de muestras relacionadas

Diferencias relacionadas

95% Intervalo de confianza para

Error típ. de la la diferencia

Media Desviación típ. media Inferior Superior t gl Sig. (bilateral)

Par 1 PESOANTGEST - -3.9700 2.5483 .2548 -4.4756 -3.4644 -15.579 99 .000

PESODEPGEST
Analisis de varianza con un factor anova
Es un factor que sirve para comrpar varios grupos en una variable cuantitativa

Analizar / Comprar Medias / Anova de un factor

Dependiente: Peso RN
Factor: Procedencia
Opciones: Descriptivos

Descriptivos
PESORN

Intervalo de confianza para la

Desviación media al 95%

N Media típica Error típico Límite inferior Límite superior Mínimo Máximo

GUANAJUATO 30 3.000 .2197 .0401 2.918 3.082 2.7 3.2

LEÓN 40 3.075 .2985 .0472 2.980 3.170 2.8 3.5
SILAO 30 2.933 .0479 .0088 2.915 2.951 2.9 3.0
Total 100 3.010 .2312 .0231 2.964 3.056 2.7 3.5
 ANOVA
PESORN

Suma de Media
cuadrados gl cuadrática F Sig.

Inter-grupos .348 2 .174 3.419 .037

Intra-grupos 4.942 97 .051
Total 5.290 99

Regresión Lineal Simple

Tiene como objetivo estudiar como los cambios en una variable, no aleatoria, afectan una variable aleatoria, en el caso de
existir una relación funcional entre ambas variables que pueden ser establecida por una expresión lineal

Analizar / Regresión / Lineales

Dependiente: Rendimiento Académico

Independiente: Horas de Estudio

Y= a+bx
Y= a (constante) x b (Coeficiente) (X) horas de estudio
Y= 39.94 + 1.55 (28)=

Variables introducidas/eliminadasb

Variables Variables
Modelo introducidas eliminadas Método
1 HORASESTUDI . Introducir
O

a. Todas las variables solicitadas introducidas.

b. Variable dependiente: RENDIACA

Resumen del modelo

R cuadrado Error típ. de la

Modelo R R cuadrado corregida estimación

1 .042a .002 -.009 .89639

a. Variables predictoras: (Constante), HORASESTUDIO

ANOVAb

Suma de Media
Modelo cuadrados gl cuadrática F Sig.

1 Regresión .139 1 .139 .173 .678a

Residual 77.941 97 .804

Total 78.081 98

a. Variables predictoras: (Constante), HORASESTUDIO

b. Variable dependiente: RENDIACA
 Coeficientesa

Coeficientes
Coeficientes no estandarizados tipificados

Modelo B Error típ. Beta t Sig.

1 (Constante) 8.777 .171 51.480 .000

HORASESTUDIO -.017 .040 -.042 -.416 .678

a. Variable dependiente: RENDIACA

Y= 8.777 + (-.017)x

USOS DE LA CORRELACIÓN DE PEARSON

ES UN ÍNDICE QUE MIDE EL GRADO DE ACUERDO COVARIACIÓN ENTRE DISTINTAS VARIABLES
RELACIONADAS LINEALMENTE.

ANALIZAR / Correlaciones / bivariadas (2 variables)

VARIABLE: HEMOGLOBINA
VARIABLE: PESO RN
 Correlaciones

HEMOGLOBIN
A PESORN

HEMOGLOBINA Correlación de Pearson 1 -.386**

Sig. (bilateral) .000

N 100 100
PESORN Correlación de Pearson -.386** 1

Sig. (bilateral) .000

N 100 100

**. La correlación es significativa al nivel 0,01 (bilateral).

PRUEBA DE NORMALIDAD KOLMOGOROV SMIRNOV

ANALIZAR / PRUEBAS NO PARAMÉTRICAS /

CUADROS DE DIÁLOGOS ANTIGUOS / K-S DE UNA MUESTRA

LISTA CONTRASTAR VARIABLES: PESO RN

VARIABLE: PROCEDENCIA
VARIABLE: PESO RN

ANALIZAR LA DISTRIBUCIÓN NORMAL PARA CADA UNO DE LOS GRUPOS

DATOS / SEGMENTAR ARCHIVO / ORGANIZAR RESULTADOS POR GRUPOS

GRUPOS BASADOS EN: PROCEDENCIA

ANALIZAR / PRUEBAS NO PARAMÉTRICAS /

CUADROS DE DIÁLOGOS ANTIGUOS / K-S DE UNA MUESTRA
 Prueba de Kolmogorov-Smirnov para una muestra

PROCEDENCI
A PESORN

N 100 100
Parámetros normalesa,b Media 2.00 3.010
Desviación típica .778 .2312
Diferencias más extremas Absoluta .201 .183
Positiva .201 .183
Negativa -.201 -.094
Z de Kolmogorov-Smirnov 2.005 1.829
Sig. asintót. (bilateral) .001 .002

a. La distribución de contraste es la Normal.

b. Se han calculado a partir de los datos.

Prueba de Kolmogorov-Smirnov para una muestrad

PROCEDENCI
A PESORN

N 30 30
Parámetros normalesa,b Media 1.00 3.000
Desviación típica .000c .2197
Diferencias más extremas Absoluta .342
Positiva .247
Negativa -.342
Z de Kolmogorov-Smirnov 1.874
Sig. asintót. (bilateral) .002
a. La distribución de contraste es la Normal.
b. Se han calculado a partir de los datos.
c. La distribución no tiene varianza para esta variable. No es posible realizar la prueba de
Kolmogorov-Smirnov para una muestra.
d. PROCEDENCIA = GUANAJUATO

Prueba de Kolmogorov-Smirnov para una muestrad

PROCEDENCI
A PESORN

N 30 30
Parámetros normalesa,b Media 3.00 2.933
Desviación típica .000c .0479
Diferencias más extremas Absoluta .423
Positiva .423
Negativa -.251
Z de Kolmogorov-Smirnov 2.318
Sig. asintót. (bilateral) .000
 Prueba de Kolmogorov-Smirnov para una muestrad

PROCEDENCI
A PESORN

N 30 30
Parámetros normalesa,b Media 3.00 2.933
Desviación típica .000c .0479
Diferencias más extremas Absoluta .423
Positiva .423
Negativa -.251
Z de Kolmogorov-Smirnov 2.318
Sig. asintót. (bilateral) .000

a. La distribución de contraste es la Normal.

b. Se han calculado a partir de los datos.
c. La distribución no tiene varianza para esta variable. No es posible realizar la prueba de
Kolmogorov-Smirnov para una muestra.
d. PROCEDENCIA = SILAO

Prueba de Kolmogorov-Smirnov para una muestrad

PROCEDENCI
A PESORN

N 40 40
Parámetros normalesa,b Media 2.00 3.075
Desviación típica .000c .2985
Diferencias más extremas Absoluta .322
Positiva .322
Negativa -.178
Z de Kolmogorov-Smirnov 2.034
Sig. asintót. (bilateral) .001

a. La distribución de contraste es la Normal.

b. Se han calculado a partir de los datos.
c. La distribución no tiene varianza para esta variable. No es posible realizar la prueba de
Kolmogorov-Smirnov para una muestra.
 TEST DE LEVENE
ANALIZAR / COMPARAR MEDIAS /
PRUEBA T PARA MUESTRAS INDEPENDIENTES
VARIABLE CONTRASTAR: PESO RN
VARIABLE AGRUPACIÓN: PROCEDENCIA
DEFINIR GRUPOS 1 Y 2

Estadísticos de grupo

Error típ. de la
PROCEDENCIA N Media Desviación típ. media

PESORN GUANAJUATO 30 3.000 .2197 .0401

LEÓN 40 3.075 .2985 .0472

Prueba de muestras independientes

Prueba de Levene para la

igualdad de varianzas Prueba T para la igualdad de medias

95% Intervalo de confianza para

Diferencia de Error típ. de la la diferencia

F Sig. t gl Sig. (bilateral) medias diferencia Inferior Superior

PESORN Se han asumido varianzas 10.088 .002 -1.160 68 .250 -.0750 .0647 -.2040 .0540
iguales

No se han asumido -1.211 67.986 .230 -.0750 .0619 -.1986 .0486

varianzas iguales
U DE MANN WITHNEY

ANALIZAR / PRUEBAS NO PARAMÉTRICAS /

CUADROS DE DIÁLOGOS ANTIGUOS / 2 MUESTRAS
INDEPENDIENTES

LISTA CONTRASTAR VARIABLES GRADO DE HIPERTROFIA

VARIABLE AGRUPACIÓN: SEXO
DEFINIR GRUPOS: 1 Y 2

Rangos

Rango Suma de
SEXO N promedio rangos

GRADOHIPER MASCULINO 48 48.21 2314.00

FEMENINO 52 52.62 2736.00

Total 100

Estadísticos de contrastea

GRADOHIPER

U de Mann-Whitney 1138.000
W de Wilcoxon 2314.000
Z -.894
Sig. asintót. (bilateral) .371
a. Variable de agrupación: SEXO

PRUEBAS DE RANGOS CON SIGNO WILCOXON

CALCULAR VARIABLE DIFERENCIA DE PESO

TRANSFORMAR / CALCULAR VARIABLE
VARIABLE DESTINO: DIFERENCIA
PESO A – PESO D

ANALIZAR / PRUEBAS NO PARAMÉTRICAS /

CUADROS DE DIALOGOS ANTIGUOS / K-S DE UNA MUESTRA

LISTA CONTRASTAR VARIABLES: DIFERENCIA

ANALIZAR / PRUEBAS NO PARAMÉTRICAS / CUADROS DE DIÁLOGOS ANTIGUOS / 2 MUESTRAS

RELACIONADAS
CONTRASTAR PARES: PESO A Y PESO D

Prueba de Kolmogorov-Smirnov para una muestra

DIFERENCIA

N 100
Parámetros normalesa,b Media -3.9700
Desviación típica 2.54834
Diferencias más extremas Absoluta .190
Positiva .122
Negativa -.190
Z de Kolmogorov-Smirnov 1.903
Sig. asintót. (bilateral) .001

a. La distribución de contraste es la Normal.

b. Se han calculado a partir de los datos.

Rangos

Rango Suma de
N promedio rangos

PESODEPGEST - Rangos negativos 0a .00 .00

PESOANTGEST Rangos positivos 100b 50.50 5050.00

Empates 0c

Total 100

a. PESODEPGEST < PESOANTGEST

b. PESODEPGEST > PESOANTGEST
c. PESODEPGEST = PESOANTGEST

Estadísticos de contrasteb
 PESODEPGES
T-
PESOANTGES
T

Z -8.727a
Sig. asintót. (bilateral) .000

a. Basado en los rangos negativos.

b. Prueba de los rangos con signo de
Wilcoxon