Unidad 1

Res´men te´rico
u o
Introducciń a SPSS
o
Anexos

C´lculo Cient´
a ıfico
Unidad 1: La Estad´ıstica en la Investigaciń
o
Biosanitaria

Dra. M.T. Trobajo

Dpto. de Matem´ticas.Universidad de Leń
a o

2008-2009

fsu-logo

Dra. M.T. Trobajo C´lculo Cient´
a ıfico Unidad 1: La Estad´
ıstica en la Investigaciń Biosanitaria
o

1 Res´men te´rico
u o
El M´todo Estad´
e ıstico
Los Datos
Muestreo
Estimaciń
o
Contrastes de hip´tesis
o
El problema del tamaõ muestral
n

2 Introducciń a SPSS
o
Entorno de trabajo
Manipulaciń de Datos
o
El visor de Resultados
La ayuda en SPSS
Procedimientos Descriptivos B´sicos
a

3 Anexos
Palabras Clave
Referencias

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

La Estad´
ıstica en la investigaciń
o

Los procesos biol´gicos se caracterizan por una doble variabilidad:
o
La intr´
ınseca a las Ciencias Experimentales: el resultado de la
repeticiń de experimentos en las mismas condiciones viene estando
o
afectada por factores externos como las imprecisiones de los
aparatos de medida, errores en la mediciń, cambio en las
o
condiciones (no controlables) del experimento,...
La intr´
ınseca a las ciencias de la Salud y de la Vida: deriva de la
variabilidad biol´gica de los sujetos experimentales. Dos seres vivos
o
nunca son iguales e incluso el mismo ser vivo determina datos
distintos en diferentes instantes de la vida.
Esta variabilidad determina que los fen´menos biol´gicos sean
o o
impredecibles, de tal forma que la validez de las afirmaciones cient´ıficas
estarń expresadas en t´rminos probabil´
a e ısticos, a trav´s del M´todo
e e
fsu-logo
Estad´ ıstico .

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

La Estad´
ıstica en la investigaciń
o

M´todo Estad´
e ıstico
Conjunto de tćnicas que nos permitan proponer, planificar, analizar y
e
comprobar hip´tesis y afirmaciones de carćter cient´
o a ıfico. De modo
gen´rico se entiende que existen las siguientes modalidades de m´todos
e e
estad´ısticos:
m´todos descriptivos
e
m´todos de estimaciń
e o
m´todos de contraste
e

Desde un punto de vista muy general, el M´todo Estad´
e ıstico, pretende
desarrollar una de las cuatro posibilidades: describir, estimar, comparar
y relacionar. fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

Variables Biol´gicas
o

Variable
Magnitud que representa alguna caracter´
ıstica de los objetos

Las variables pueden clasificarse :
(a) Segń su papel en la investigaciń
u o
Independientes, predictoras o explicativas (vv.ii.)
Dependientes, criterio o respuesta (vv.dd.) Su comportamiento es
explicado o pronosticado por una o m´s vv.ii.
a
No siempre est´ claro el papel de las variables en la investigaciń.
a o
En ocasiones las variables tienen el mismo estatus, y se distinguen
simplemente por estar a un lado u otro de determinadas igualdades.
fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

o

(b) Segń su escala de medida
u
Cualitativas o Categ´ricas: Nominales y Ordinales Expresan una
o
cualidad de los objetos. Si admiten una gradaciń se dice que son
o
ordinales.
Cuantitativas o de Escala: de Intervalo y de Razń Expresan
o
magnitudes num´ricas. Las de escala no tienen un cero absoluto y no
e
existe proporcionalidad en la magnitud medida (p.e. temperaturas).
(c) Segń los valores que toman
u
Continuas Intervalos de valores. Provienen de procesos de medida
de magnitudes continuas (tiempo, longitud, velocidad...)
Discretas Colecciń finita o numerable de valores.
o
Dicot´micas o binarias Dos unicos valores. Habitualmente se
o ´
codifican con 0 y 1.
Ficticias (Dummys) Codificaciń de variables con k categor´
o ıas
mediante k − 1 variables ficticias. fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

o
Aunque existen varias opciones, una posible codificaciń en variables
o
Dummy es:
1 0 ··· 0 = Categor´ 1
ıa
0 1 ··· 0 = Categor´ 2
ıa
.
. .
. .. .
. .
. .
.
. . . . . .
0 0 ··· 1 = Categor´ k − 1
ıa
0 0 ··· 0 = Categor´ k
ıa
X1 X2 ··· Xk−1

(d) Segń transformaciones num´ricas
u e
Directas o brutas
Centradas en la media Se obtienen restando el valor promedio. Se
consigue media 0.
T´ıpicas o estandarizadas Se obtienen restando la media y dividiendo fsu-logo
por la desviaciń t´
o ıpica. Se consigue media 0 y desviaciń 1.
o
o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

Muestreo

Poblaciń y muestra
o
Poblaciń: conjunto de individuos (colectivo homogńeo con unas
o e
determinadas caracter´ısticas) del que se pretende obtener una serie
de conclusiones, pero que no puede ser estudiado en su totalidad.
Muestra: conjunto de individuos, accesible y limitado, sobre el que
se realiza el experimento, o se analiza la caracter´
ıstica, con idea de
obtener conclusiones generalizables.

Para que los resultados de un estudio tengan validez el requisito b´sico a
a
exigir a una muestra es la representatividad, de tal forma que todos los
individuos de la poblaciń de estudio tengan la misma probabilidad de ser
o
elegidos. Esto puede conseguirse procediendo a la elegir la muestra
mediante lo que se conoce como tćnicas de muestreo probabil´
e ısticas. fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

Muestreo

De forma gen´rica los tipos de muestreo son:
e

1 Muestreo aleatorio simple
2 Muestreo sistem´tico
a
3 Muestreo estratificado
4 Muestreo por conglomerados

Un estudio amplio y completo conlleva un muestreo poliet´pico, en el que
a
se analizarń diversas tćnicas en cada una de las etapas.
a e

fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

Muestreo aleatorio simple

El m´s utilizado. Responde a:
a
Experimentos de tipo f´ ısico o de laboratorio. Para obtener las
muestras se repite varias veces el experimento, trabajando con una
condiciones lo mas semejantes posibles (en los factores controlables)
entre las distintas repeticiones del experimento
Poblaciń con individuos seleccionables. La elecciń aleatoria de los
o o
elementos de la muestra determina la equiprobabilidad de la
selecciń. De forma habitual esta selecciń se viene realizando
o o
mediante la utilizaciń de tablas o generadores de n´meros
o u
aleatorios.

fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

Muestreo sistem´tico
a

Se considera una poblaciń formada por N individuos seleccionables que
o
tenemos en una lista, numerada de 1 a N. Si queremos obtener una
muestra de tamaõ n:
n
1 Dividimos ambos valores N/n y obtenemos un valor k (constante de
muestreo).
2 Elegimos uno entre los primeros k individuos de la lista: el que
ocupa la posiciń a.
o
3 El resto serń a + k, a + 2k, . . . hasta obtener los n buscados.
a
Analizando la caracter´ıstica sobre los N individuos seleccionados
obtenemos un conjunto de datos x1 , x2 , . . . , xN .

fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

Muestreo estratificado y por conglomerados
En ambos tipos de muestreo la poblaciń se divide en grupos (estratos o
o
conglomerados) pero el planteamiento en ambos casos es distinto:
Estratificado Por conglomerados
Las diferencias se manifies- Entre dos grupos (conglom-
tan entre grupos (estratos) erados) no se manifiestan
las diferencias

Dentro de cada grupo no se Dentro de cada grupo
manifiestan diferencias esta representada toda la
poblaciń
o
Se considerar elementos de Tomar uno o varios con-
todos los estratos, de forma glomerado en su totali-
proporcional al tamaõ de
n dad, ´ elegir en algń con-
o u
cada estrato glomerado una parte para
obtener la muestra com- fsu-logo

pleta
o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaci´n
o
Anexos
o
n

Estimaci´n de par´metros
o a
Uno de los objetivos del M´todo estad´
e ıstico consiste en representar la
variable por un determinado modelo y en determinar completamente el
modelo mediante unos pocos valores, los par´metros.
a

fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

o a
o a
Dar posibles valores de un par´metro a partir de una muestra. Dichas
a
estimaciones verificarń el m´ximo de ”buenas propiedades” posibles.
a a

Existen dos m´todos diferentes de afrontar la estimaciń.
e o
Estimaciń puntual: Dada una muestra se obtiene un unico valor
o ´
para el par´metro a partir de ciertas funciones conocidas como
a
estad´
ısticos. Estas funciones son variables aleatorias, entre otras,
deben verificar buenas propiedades como
Insesgados En promedio coincidan con el par´metro a estimar. Son
a
insesgados la media muestral para estimar la media de la poblaciń,o
la varianza muestral para estimar la varianza de la poblaciń, la
o
frecuenecia relativa para estimar una proporciń.
o
De m´ ınima varianza Con la menor varianza posible. La desviacińo
fsu-logo
t´
ıpica del estad´
ıstico se conoce como error t´
ıpico E.T. y disminuye
cuando aumenta el tamaõ de la muestra.
n
o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

o a
Estimaciń por intervalo: Dada una muestra se obtiene un intervalo
o
de posibles valores para el par´metro, junto con una medida del error
a
α cometido en la estimaciń. 1 − α se denomina nivel de confianza.
o
Suele considerarse 1 − α = 0, 95. Se interpreta como El 95% de las
muestras as´ obtenidas contienen al valor verdadero del par´metro
ı a

Intervalos para una
proporciń con 100
o
muestras distin-
tas. La proporcińo
verdadera es 0.21.
fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

o a

Si H es el estad´
ıstico , δ el par´metro y E .T . su desviaciń t´
a o ıpica, en
virtud del teorema central del l´ımite, muchos de los intervalos para
muestras grandes se construyen mediante aproximaciones (asint´ticas)
o
como sigue:

(H ± z1−α · E .T .) z1−α = 1.96 para nivel 0, 95

A menor error t´
ıpico E .T ., menor amplitud del intervalo y por tanto
m´s precisiń en la estimaciń.
a o o
A mayor tamaõ muestral, menor amplitud del intervalo y por tanto
n
m´s precisiń en la estimaciń.
a o o
A mayor confianza 1 − α, mayor amplitud del intervalo, y por tanto
menor precisiń en la estimaciń.
o o fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaci´n
o
Anexos
o
n

Contrastes de Hip´tesis
o
El principal objetivo del M´todo estad´
e ıstico consiste en determinar si
pueden suponerse ciertas aﬁrmaciones acerca de las poblaciones de
estudio a partir de los datos obtenidos por muestreo.

fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

o

Hip´tesis estad´
o ıstica
Cualquier afirmaciń relativa a alguna carater´
o ıstica (variable) desconocida
(par´metros, distribuciń, asociaciń...) de una poblaciń. Distinguimos
a o o o
dos opciones:
Hip´tesis Nula H0 : Hip´tesis a contrastar.
o o
Hip´tesis Alternativa H1 : Hip´tesis opuesta a la hip´tesis nula.
o o o
Viene sugerida por los resultados de la muestra.

Cualquier decisiń de tipo estad´
o ıstico est´ sujeta a error.
a
H0 VERDADERA H0 FALSA
ACEPTO H0 acierto error (β)
RECHAZO H0 error (α) acierto
fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

Contrastes de hip´tesis: planteamiento general
o
La teor´ del contraste busca el m´todo que minimiza el error β fijado un
ıa e
valor del error α = 0.05; 0.02; 0.01...(5%; 2%; 1%...).
Diremos que
α es la significaciń del contraste
o
1 − β es la potencia del contraste
Pasos a seguir
Planteamiento de las hip´tesis. La Hip´tesis nula vendr´ dada
o o a
siempre por una igualdad o afirmaciń positiva. De forma general, la
o
Hip´tesis alternativa ser´:
o a
Bilateral o de dos colas: negaciń de H0 .
o
Unilateral o de una cola: Una parte de la negaciń de H0 . Siempre
o
debe ser aquella que sugiere la muestra.
Selecciń de un estadistico de contraste H adecuada y c´lculo
o a
de su realizaciń concreta h para la muestra. El valor de h
o fsu-logo

depende de la muestra y de la hip´tesis nula.
o
o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

o

Pasos a seguir
C´lculo de la/s regiń/es cr´
a o ıtica/s del contraste: De forma
general la regiń cr´
o ıtica ser´
a
Bilateral o de dos colas cuando lo sea H1 .
Unilateral o de una cola cuando lo sea H1 .
Finalizaciń del Contraste:
o
Si h ∈ zona cr´
ıtica =⇒ Se rechaza H0 . (datos improbables si H0
fuera cierta)
Si h ∈ zona cr´
ıtica =⇒ Se rechaza H1 .

Para estad´
ısticos con distribuciones normales las regiones cr´
ıticas son las
que se muestran en los gr´ficos siguientes:
a
fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaci´n
o
Anexos
o
n

o

fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

Contrastes de hip´tesis y software estad´
o ıstico

La inferencia estad´ ıstica en los diferentes paquetes de software estad´
ıstico
(MINITAB, STATISTICA, SPSS, ...) se centra en los contrastes de
hip´tesis; la estimaciń puntual y por intervalos de los par´metros
o o a
aparece como un complemento. El investigador no necesita, en general,
conocer los estad´ ısticos de estimaciń o contraste, pues los algoritmos
o
para su c´lculo estan implementados, obteniendo en cada caso aquellos
a
con mejores propiedades en cada problema.

Los pasos a seguir en un contraste de hip´tesis cambian cuando se
o
trabaja con software: No es necesario obtener regiones cr´ıticas; la
conclusiń final del contraste se basa en el valor p de significaciń
o o

fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

o ıstico

Valor p de significaciń de un contraste
o
El valor p de significaciń de un contraste es el mayor valor de α
o
para el que se acepta la hip´tesis alternativa:
o
Si p < α se acepta la hip´tesis alternativa. Habitualmente se
o
considera p < 0, 05.
Si p > α se rechaza la hip´tesis alternativa. Habitualmente se
o
considera p > 0, 05.
Se dice que un contraste es significativo cuando p < α.
Habitualmente se considera p < 0, 05.
el valor p para contraste bilateral es el doble que para al unilateral.

fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaci´n
o
Anexos
o
n

o ıstico

Caso unilateral. α se com-
para con el ´rea bajo la
a
curva de densidad del es-
tad´
ıstico desde el punto h.
p equivale a dicha ´rea
a

fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaci´n
o
Anexos
o
n

o ıstico

Caso bilateral. α se com-
para con el doble del ´rea
a
bajo la curva de densi-
dad del estad´
ıstico desde el
punto h. p equivale al doble
del ´rea
a

fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

Contrastes de hip´tesis: consideraciones generales
o
En un contraste se rechaza La peor de las hip´tesis desde el punto de
o
vista probabil´ıstico. Esta decisiń est´ sujeta a error y corresponde
o a
al investigador la valoraciń cient´
o ıfica de los resultados obtenidos.
El resultado de un contraste depende en gran medida del tamaõ de n
la muestra. Contrastes con muestras demasiado pequeãs pueden no
n
detectar significaciń. Contrastes con muestras demasiado grandes
o
detectan significaciń ań cuando no ´sta sea relevante desde el
o u e
punto de vista biol´gico.
o
Si un contraste resulta no significativo debe revisarse el estudio. Tal
vez la potencia del contraste sea baja y la conclusiń del contraste
o
se est´ realizando una alta probabilidad de error. Generalmente se
e
recomienda aumentar el tamaõ de la muestra.
n
El c´lculo del mejor tamaõ muestral para detectar significaciń y
a n o
establecer conclusiones relevantes desde el punto de vista biol´gico
o
es un problema complejo y no est´ libre de subjetividad y
a fsu-logo

contradicciones.
o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

Tamaõ muestral n
n

En general se necesitan los siguientes elementos:
Error α. Habitualmente se considera del 5%.
Error β (o potencia 1 − β). Suele tomarse del 10% o del 20%.
Magnitud del efecto. Diferencia m´ ınima que se quiere detectar en la
comparaciń, grado de asociaciń, ... Se elige de forma subjetiva, en
o o
base a estudios anteriores o a lo que el investigador considera como
relevante desde el punto de vista biol´gico o cl´
o ınico.
Valor de algń estad´
u ıstico relacionado con la prueba. Se necesita un
estudio previo para estimar su valor.
El c´lculo expl´
a ıcito de n se realiza mediante funciones o algoritmos en
funciń de los valores anteriores. Se encuentran implementados en
o
muchas aplicaciones de software estad´ ıstico.
fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

Ejemplo: n para comparaciń de dos medias
o
Se quiere comparar la tensiń arterial sist´lica (TAS) en dos grupos A y
o o
B. Se suponen caracter´ısticas normales. Los pasos a seguir son:
1 Fijar α, por ejemplo α = 0.05
2 Fijar β, por ejemplo β = 0.2
3 Determinar la diferencia m´
ınima entre las medias que se quiere
detectar. Supongamos que se considera relevante una diferencia de
5mm Hg .
4 Estimar las varianzas en los dos grupos. Supongamos que de un
estudio inicial se concluye que pueden suponerse varianzas iguales en
ambos grupos, siendo la estimaciń de 225mm Hg 2
o
5 Las muestras para cada grupo se tomarń del mismo tamaõ
a n
2
2s 2 zα/2 + zβ
n= fsu-logo
d2

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaci´n
o
Anexos
o
n

o

α 0.05
β 0.2
2
d =5 5 2 · 225 · (z0.025 + z0.2 )
n=
s2 225 52
z0.025 −1.96 n = 141.27 =⇒ n = 142
z0.2 −0.8416

En total son necesarios 142 · 2 = 284 pacientes.

fsu-logo

o

El M´todo Estad´
e ıstico
Los Datos
Res´men te´rico
u o
Muestreo
o
Estimaciń
o
Anexos
o
n

o

En la siguiente tabla se muestra el efecto en el tamaõ muestral de los
n
errores α y β para los datos del ejemplo. Seãlamos el caso anterior y los
n
casos con n m´ximo y m´
a ınimo. n disminuye cuando crecen α o β.

fsu-logo

o

Entorno de trabajo
Res´men te´rico
u o Manipulaciń de Datos
o
o El visor de Resultados
Anexos La ayuda en SPSS
a

Inicio de Sesiń
o
Encontramos los siguientes elementos:
Barra de T´ ıtulo: Contiene el nombre del fichero de datos con el que
se est´ trabajando.
a
Barra de men´s: Contiene todos los men´s de SPSS
u u
Barra de herramientas: Contiene iconos de acceso directo a algunas
de las opciones de los men´s.
u
Barra de informaciń e introducciń de datos: Informa sobre el
o o
n´mero de fila y el nombre de la columna en la que se encuentra el
u
puntero. Puede utilizarse para introducir o modificar datos.
Editor de datos: Cuadr´ ıcula en la que se introducirń los datos para
a
su posterior an´lisis. Cada celda contendr´ un dato. Las variables
a a
del estudio se introducen por columnas.El nombre de la variable
aparece en la celda sombreada. Cada fila corresponde a un caso en
la muestra.
Barra de estado: Proporciona informaciń acerca de los procesos
o fsu-logo

que se estń ejecutando con SPSS.
a
o

Entorno de trabajo
Res´men te´rico
o
a

El editor de datos

Se puede trabajar con ficheros de datos ya existentes o bien crear un
nuevo fichero de datos. Los ficheros de datos de SPSS tienen la
extensiń .sav. Trabajaremos con el fichero pulso.sav
o
Seleccionar Archivo > Abrir > Datos

fsu-logo

o

Entorno de trabajo
Res´men te´rico
o
a

El editor de datos

El editor de datos est´ formado por dos visores:
a
Visor de datos: muestra los datos y
los nombres de las variables.
Visor de variables: muestra
distintos atributos de las variables:

Para modiﬁcar los atributos de una variable, seleccionar el visor de
variables.Los atributos son:

fsu-logo

o

Entorno de trabajo
Res´men te´rico
o
a

El editor de datos: atributos de las variables
Nombre: debe empezar por una letra y nunca terminar por punto.
No deben utilizarse espacios en blanco ni caracteres especiales.
Tipo: num´rico, coma, cient´
e ıfico, fecha, cadena, ...
Anchura: n´mero de d´
u ıgitos o caracteres
Decimales: n´mero de decimales (en caso de ser datos de escala)
u
Etiquetas: etiquetas explicativas de las variables. Podrń leerse
a
desde el visor de datos posando el ratń en la celda que contiene al
o
nombre de la variable.
Etiquetas de valor: en caso de ser datos nominales cuantificados
(p.e. 1 =enfermo; 0 =sano).
Perdidos: datos perdidos definidos por el usuario (si se desean
especificar).
Columnas: ancho de columna.
Alineaciń: derecha, izquierda o centro
o fsu-logo

Nivel de medida: escala, ordinal, nominal.
o

Entorno de trabajo
Res´men te´rico
o
a

El editor de datos: c´mo abrir ficheros ya existentes
o

Pueden abrirse ficheros .sav o importarse ficheros creados por otras
aplicaciones seleccionando Archivo > Abrir > Datos
Otros paquetes estad´
ısticos: SYSTAT .sys, MINITAB .mtw, ...
Hojas de c´lculo: EXCEL .xls, LOTUS .w, formato SYLK .slk,...
a
Sistemas de gestiń de base de datos: dBASE .dbf ,...
o
Ficheros de SPSS creados por otros entornos o sistemas operativos:
SPSS/PC+ .sys, SPSS portable .por

Para bases de datos seleccionar Archivo > Abrir base de datos> Nueva
consulta
Para ficheros de texto seleccionar Archivo > Abrir datos de texto
fsu-logo

o

Entorno de trabajo
Res´men te´rico
o
a

El editor de datos: C´mo crear nuevos ficheros
o

Para crear nuevos ficheros datos seleccionar Archivo > Nuevo> Datos
Acceder a la Vista de variables
Escribir el nombre de la variable
Modificar los atributos si es necesario. Si los datos son no num´ricos
e
SPSS seleccionar´ el tipo cadena por defecto.
a
Introducir los datos en las casillas correspondientes o pegarlos desde
otras aplicaciones.
Para guardar el fichero de datos creado seleccionar guardar o guardar
como y especificar la extensiń (.sav, .xls, .dat, etc.) del fichero.
o

fsu-logo

o

Entorno de trabajo
Res´men te´rico
o
a

El editor de datos: C´mo modificar valores de las variables
o
Los procedimientos para modificar datos se encuentran en los men´s
u
Datos y Transformar. Los m´s habituales son:
a
Transformar > Calculadora:Incorpora distintas funciones para c´lculo
a
por columnas (variables).

Ejemplo
Crear una nueva variable con la diferencia de pulsaciones en cada caso
despu´s de una breve prueba de esfuerzo. La nueva variable es la
e
diferencia Pulso-Pulso2. Como m´ ınimo debe especificarse:
Variable de destino: Crear´ una nueva variable con el nombre asignado.
a
En este caso Diferencia
Expresiń num´rica: F´rmula de c´lculo de la nueva variable. En este
o e o a
caso Pulso-Pulso2. Las variables pueden seleccionarse con un doble clic.
Pulsar el botń Aceptar
o fsu-logo

o

Entorno de trabajo
Res´men te´rico
o
a

o

Permite especiﬁcar tipo y etiqueta para la nueva variable, realizar el fsu-logo
c´lculo para casos seleccionados (bot´n Si) y realizar c´lculos para grupos
a o a
de funciones muy diversos (estad´ısticas, aritm´ticas, de b´squeda...)
e u
o

Entorno de trabajo
Res´men te´rico
o
a

o

Ejemplo
Obtener los percentiles 3, 10, 25, 75 y 90 y 97 de peso de un niõ a los
n
10 meses de edad. Se supone que el peso a esta edad para varones es
normal de media 9.200 g y desviaciń t´
o ıpica 850 g:
En una nueva hoja de datos crear una variable con los valores 0,03
0,1 0,25 0,75 0,9 0,97 con nombre: probabilidades
Abrir la Calculadora
Crear la variable destino con nombre: percentiles
Buscar en el grupo de variables GL inversos la correspondiente a la
variable normal (IDF.NORMAL)
Hacer doble clic en la funciń y completarla como se indica
o
Pulsar el botń Aceptar
o fsu-logo

o

Entorno de trabajo
Res´men te´rico
o
a

o

fsu-logo

o

Entorno de trabajo
Res´men te´rico
o
a

o

En la hoja de datos puede verse la nueva variable con los percentiles
pedidos:

fsu-logo

o

Entorno de trabajo
Res´men te´rico
o
a

o
Transformar > Recodificar: Modifica los valores de una variable,
cambiando los valores antiguos por valores nuevos:
En las mismas variables: Borra los antiguos valores y los cambia por
los nuevos
En distintas variables: Genera una variable nueva con los valores
nuevos especificados por el usuario
Codificaciń autom´tica: Genera una variable nueva con los valores
o a
nuevos segń codificaciń autom´tica (orden lexicogr´fico).
u o a a

Ejemplo
modificar la codificaciń de la variable sexo con los valores 0=Masculino,
o
1=Femenino.
Seleccionar Transformar > Recodificar en la misma variable
Seleccionar la variable que se va a transformar
Hacer clic en el botń valores antiguos y nuevos
o fsu-logo

Escribir valores antiguos y nuevos. Hacer clic en el botń Aãdir.
o n
o

Entorno de trabajo
Res´men te´rico
o
a

Resultados

Los resultados de los distintos procedimientos ejecutados con SPSS se
visualizan en un nuevo visor denominado Visor de Resultados. El visor es
unico para cada sesiń de trabajo aunque estń abiertas simultńeamente
´ o e a
m´s de una hoja de datos y contiene:
a

Tablas de salida de los procedimientos ejecutados.
Gr´ficos
a
L´
ıneas de comandos de los procedimientos realizados.
Opcionalmente informaciń de texto introducida por el usuario
o
.

fsu-logo

o

Entorno de trabajo
Res´men te´rico
o
a

Resultados

Ejemplo
Seleccionar Analizar > Estad´
ısticos Descriptivos > Frecuencias
Obtener medidas de tendencia central y el histograma con curva
normal para la variable Peso (botń de opciones).
o

Al hacer clic en el botń Aceptar se activa el visor de resultados:
o
Esta interface consta de dos ventanas: la de la izquierda tiene estructura
de ´rbol y es el ´
a ındice de los resultados que se muestran en la de la
derecha. As´ es fćil navegar por los resultados, sin m´s que hacer doble
ı a a
clic en el apartado del ´rbol deseado.
a
fsu-logo

o

Entorno de trabajo
Res´men te´rico
o
a

Resultados

fsu-logo

o

Entorno de trabajo
Res´men te´rico
o
a

Resultados: Salvar

Los resultados pueden salvarse de diversas formas

Guardar la hoja de resultados seleccionando Archivo > Guardar. Los
ficheros de resultados tienen extensiń .spo.
o
Copiar y pegar tablas y gr´ficos a cualquier editor de texto.
a
Seleccionar el objeto que se desea copiar y abrir el men´ de Ediciń
u o
Exportar como documento de Office, como html o como pdf.
Seleccionar Archivo > Exportar. Elegir la opciń deseada y los
o
objetos que se quieren exportar. (Nuevo en versiń 15 de SPSS).
o

fsu-logo

o

Entorno de trabajo
Res´men te´rico
o
a

Ayuda general en la barra de herramientas
Al final de la barra de herramientas se encuentra el men´ de ayuda ? con
u
las siguientes opciones principales:
Temas: Esta opciń abre las siguientes pestaãs:
o n
Contenido: B´squeda de temas. Ordenada por ´
u ındice tem´tico.
a
´
Indice: B´squeda de temas. Ordenado por orden alfab´tico. Busca
u e
los temas espec´ ıficos del texto introducido
B´squeda: B´squeda de texto (menos recomendable). Ordenado por
u u
orden alfab´tico Busca todos los archivos de ayuda que contienen el
e
texto solicitado.
Favoritos: El usuario pueden agregar sus temas de ayuda favoritos
Tutorial: Esta opciń permite navegar en la ayuda de forma
o
interactiva.
Estudio de casos: Ejemplos prćticos sobre c´mo crear diferentes
a o
tipos de an´lisis estad´
a ısticos y c´mo interpretar los resultados.
o
Asesor estad´ ıstico: Mediante ejemplos concretos orienta al usuario
fsu-logo
sobre las tćnicas estad´
e ısticas que debe utilizar para resolver una
situaciń en concreto.
o
o

Entorno de trabajo
Res´men te´rico
o
a

Ayuda en los cuadros de di´logo
a

Loa cuadros de di´logo disponen de un bot´n de ayuda que conecta con
a o
el tema de ayuda relacionado con el procedimiento que ejecuta:

fsu-logo

o

Entorno de trabajo
Res´men te´rico
o
a

Ayuda en los resultados

En el visor de resultados se puede acceder a informaciń para facilitar la
o
interpretaciń de los resultados obtenidos con SPSS.
o
Activar la tabla o gr´fico
a
sobre el que se que se
requiere la ayuda.
hacer clic con el ratń en el
o
textosobre el que se pide
informaciń y pulsar el botń
o o
derecho del ratń. Aparece
o
un men´ con distintas
u
opciones, entre ellas la ayuda
¿Qu´ es esto?, asesor de
e
resultados y estudio de casos
fsu-logo

o

Unidad 1

Empfohlen

Empfohlen

Weitere ähnliche Inhalte

Ähnlich wie Unidad 1

Ähnlich wie Unidad 1 (20)

Kürzlich hochgeladen

Kürzlich hochgeladen (20)

Unidad 1