Tipos de Interfaces Visor de resultados Vista de

Tipos de Interfaces Visor de resultados Vista de Variables Vista de datos Editor de sintaxis

Visor de Resultados

Vista de datos

VISTA DE VARIABLES

Editor de Sintaxis

Nombre Tipo Anchura Decimales Etiqueta Valores Perdidos Columnas Alineación Medida Rol

Nombre Permite un máximo de 256 caracteres No se aceptan caracteres especiales (#, $, %, &, +, -, *, /) Siempre debe comenzar con una letra No debe tener espacios entre caracteres No se puede repetir el nombre de una variable existente

Nombre

Tipo: Define el tipo de dato que se introducirá en esa variable (ejemplo: numérico, punto, fecha, cadena de caracteres, …)

Anchura: • Define el número de enteros o caracteres a introducir en esa variable. Decimales: • En caso que la variable no sea declarada cadena, es necesario especificar con cuantos decimales se esta dispuesto a trabajar. La anchura debe ser mayor a los decimales, siempre.

ØTipo:

Etiqueta: Es el nombre con el que aparecen las variables en la Vista de Resultados. Puede ser de cualquier ancho. Acepta cualquier caracter. Puede tener espacios entre caracteres.

Etiquetas

Valores: En caso que la Son las etiquetas de los valores que tomará la variable (ejemplo: sexo toma sólo dos valores, 1= Femenino y 2=Masculino). variable sea numérica continua (ejemplo: moneda, fecha) no requiere definición de valores.

Valores:

Valores:

Etiquetas ->Ortografía…

Indica a que lado se alinearán (formato) los valores de introducidos en la variable en la vista de datos. Alineación: Columnas: Define el ancho (formato) de columna para esa variable; lo que se verá en la vista de datos.

Medida: Permite seleccionar el tipo de variable que se esta definiendo: ü Escala Números, cantidades ü Nominal Cadenas ü Ordinal Categorías

Medida:

Calcular variables Recodificar variables en otras variables Recodificar variables en ellas mismas

Al crear la matriz con la información recolectada, se procede a realizar el análisis de los datos, en función de los objetivos planteados en la misma

Calcular en nueva variable Nombre de la nueva variable Expresiones Numéricas (Fórmula) Funciones Vamos a calcular el

Cálculo del IMC: Índice de Masa Corporal El resultado es una nueva columna del lado derecho, con la variable calculada Con clic, se agrega la Etiqueta de la Variable

Recodificar en distinta variable En el caso que se desee sustituir alguna variable, se elige recodificar en las mismas variables… Paso 1: Seleccionar la variable a ser recodificada: IMC Paso 2: Indicar el nombre de la nueva variable: IMC_Codificada y la etiqueta: Índice de Masa Corporal

Paso 3: Cambiar Paso 4: Cambiar los valores antiguos por los valores nuevos Clasificació n Infra-peso IMC (Kg/m 2) <18, 50 Normal 24, 99 Fuente: Organización Mundial 25, 00 de la Salud (OMS) Sobrepero Paso 5: 29, 99 Siguiendo la Clasificación Obeso ≥ 30, 00 de la OMS, categorizar la variable IMC

Paso 6: Una vez establecidos todos los rangos, continuar, y aceptar El siguiente paso es ir a la vista de variables y modificar la columna valor correspondiente a IMC_clasificación

Categorizar Jerarquizar Las diferencias tienen sentido Nominal Ordinal Intervalo Razón X X X X X Los múltiplos tienen sentido Origen o cero absoluto Operaciones aritméticas X X X (Algunas) X

Permite mostrar la información contenida en los datos de forma organizada, facilitando al lector su interpretación, esté o no familiarizado con la estadística

MEDIA Media aritmética: resulta de sumar los valores individuales y dividirlos por el número de valores que la integran (“n” o tamaño de la “muestra” en estudio) Aplicable a datos de tipo continuo en cualquier contexto Muy sensible a valores extremos (atípicos)

Valor intermedio de una distribución: el 50% de los valores es superior a éste valor y el otro 50% es inferior

Valor que se presenta con mayor frecuencia en una distribución

Es un conjunto de puntuaciones ordenadas en sus respectivas categorías Estatura Frecuencia Bajo Medio Alto 8 15 6

Supongamos que las edades de n=7 alumnos de Psicología de la Salud sean las siguientes: 18, 19, 19, 20, 21, 53

üMínimo üMáximo üAmplitud o Rango üVarianza üDesviación Estándar Estas medidas nos permiten indicar la dispersión de los datos alrededor de las medidas de tendencia central. Se presentan como intervalos de la distribución.

También llamado recorrido, es la diferencia entre el puntaje máximo y el mínimo observados en los datos

Promedio de desviación de las puntuaciones con respecto a la media

Es la raíz cuadrada de la varianza. Interpretación: cuánto se desvía, en promedio, de la media un conjunto de puntuaciones Intervalo de 68, 3% Intervalo de 95, 4% Intervalo de 99, 7%

Paso 1: Seleccionar las variables con igual escala de medida: intervalo Paso 2: Indicar los Estadísticos requeridos

Paso 3: Indicar el gráfico adecuado según la escala de media: Nominal u ordinal → Barras o Sectores intervalo → Histograma

Tarea: Generar la tabla de frecuencias y el gráfico de barras para las variables categóricas (Ordinal y nominal)

Exploración de datos Distribució n: Simétrica Asimétrica Permite: Valores extremos Forma Platocúrtica Mesocúrtic a Leptocúrtic a

Exploración de datos Pasos: 1. Analizar 2. Estadísticas descriptivas 3. Explorar 4. Seleccionar variables: Dependientes (continuas) 5. Seleccionar factores: categóricas de agrupación 6. Gráficos: Histogramas y Gráficos con pruebas de

Resultados de la exploración 1. Resumen del procesamiento de los casos 2. Descriptivo s 3. Pruebas de normalidad: Kolmogorov. Smirnov (K-S) y Saphiro-Wilk Ho: Los datos son normales Vs. H 1: Los datos no son normales Decisión: rechazamos H 0 si y sólo sí la significación del test es <p

4. Histogramas por niveles del factor 5. Gráficos de normalidad 6. Diagrama de cajas o bigotes 7. Tallo y hojas

TABLAS PERSONALIZARAS Pasos: 1. Analizar 2. Tablas 3. Tablas personalizadas… 4. No volver a mostrar: aceptar 5. Seleccionar las variables filas y columnas del lado izquierdo –clic derecho para cambiar la escala 6. Solicitar las estadísticas descriptivas según el caso 7. Solicitar estadísticas de contraste para medias (prueba t de Student), proporciones por columna (Bonferroni) y asociación de variables categóricas (Chi-cuadrado)

RESULTADOS

Conclusiones Generalizadas a la población Muestra o porción Tratamiento Estadístico apropiado

Usada para inferir sobre una y dos medias poblacionales Sólo permite comparar 2 grupos Grupos A y B Escala Nominal u Ordinal Una variable Proveniente de intervalo o razón No existe diferencia significativa entre las medias de los grupos comparados

Comparación de la media muestral con la poblacional Permite comparar si el promedio obtenido en la Presión Sistólica no difiere significativamente del valor esperado (120) Variable a comparar Valor “Normal” Valor promedio en la muestra

Comparación de la media muestral con la poblacional Prueba t de Student: H 0: Media muestral =valor de comparación (120) Regla de decisión: Si el valor de Sig. <0. 05 se rechaza la H 0. En este caso el valor de p>0. 05, por lo tanto, la Tensión sistólica promedio en los pacientes “X” es igual al valor normal (120)

Prueba t de Student para grupos independientes Paso 2: Grupo 1: F=1 Grupo 2: M=2 Paso 1: Asignar los valores de sexo que serán comparados como grupos independientes

Prueba t de Student para grupos independientes 2. -Verificar si las varianzas son iguales o difieren, según la prueba F. 1. -Interpretación: Para las mujeres, el IMC promedio es de 27 puntos, con una desviación típica de 3. 23, para lo hombres el valor promedio es de 29. 59 con una desviación típica de 4. 19. 3. - En el paso 2 encontramos que las varianzas son iguales. El de la prueba t se afirma que el IMC es mayor en hombre que en mujeres, con una confianza del 95%.

Resume las estadísticas descriptivas básicas en cada medición. (igual que en la prueba t para grupos independientes)

Prueba t de Student para grupos dependientes Correlación entre las mediciones de peso, antes y después del taller de nutrición Diferencia entre las medias relacionadas El peso disminuyó 0. 74 Kg en un mes luego del taller de nutrición. Esta afirmación se hace con un 95% de confianza

Determinar la asociación lineal entre 2 variables de la misma escala

Es una medida de asociación de dos variables Explica el comportamiento conjunto de las variables Se denota con la letra ¨r¨ Toma valores entre – 1 y 1 r = -1: es una correlación alta y negativa o inversa r = 0: significa que no hay relación alguna entre las variables r = 1: es una correlación alta y positiva o directa

Correlación de Pearson Recordatorio: Correlación de Pearson sólo para variables de intervalo o razón Introducir las variables a correlacionar.

Correlación de Pearson Coeficiente de Correlación Nivel de Significación Existe una asociación lineal positiva y significativa al nivel 0. 01, entre la edad y los niveles de colesterol en sangre

La variable que contenga los grupos o tratamientos es nominal u ordinal Se denomina variable independiente Usada para determinar la diferencia promedio para 3 o mas grupos La variable dependiente es por intervalos o razón, sobre ella se calculan los promedios a comparar M del grupo A M del grupo B … M del grupo X Mín. 5 por grupo

Análisis de Varianza ANOVA Factor: IMC_clasificación Variables que dependen del factor: Presión Arterial Sistólica y Diastólica Pruebas a posteriori: Se debe seleccionar una prueba, la cual será valida sólo si hay deferencias significativas en la tabla ANOVA (p<0. 05)

Opciones Análisis de Varianza Si p>0. 05, entonces las varianzas para cada categorías del factor son homogéneas En promedio, la presión sistólica y diastólica difieren según la clasificación de IMC. Para determinar cuál de los 3 grupos de IMC presentan diferencias, veamos la prueba a posteriori por el método de Duncan.

Los Obesos tienen la mayor presión sistólica Tensión sistólica en promedio igual

Grupos independientes Categóricas Numéricas Chi-cuadrado U de Mann-Whitney H de Kruskal-Wallis Grupos relacionados Categóricas Numéricas Χ 2 de Mc. Nemar T de Wilcoxon Χr 2 de Friedman

Datos provenientes de escala ordinal o nominal (categóricos)

Grupos dependientes o relacionados Objetivo Aplicable a tablas de contingencia de nxn Limitaciones para ser aplicada cuando la frecuencia esperada es <5 Variables de escala Nominal u Ordinal

Para solicitar el Gráfico de la comparación se tilda esta opción

Aceptar…

Prueba La. Chi-cuadrado tabla de Paracontingencia p<0. 05 se asume asociación muestra entre variables comparadas. las frecuencias Es importante que los cruzadas verificar o conjuntas supuestos se cumplen de las variables comparadas

TAREA: Calcular la prueba de Mc. Nemar, para determinar si el IMC disminuyó luego del taller sobre nutrición El resultado p<0. 05 afirma que hubo un cambio significativo en el IMC luego del taller sobre nutrición

Prueba U de Mann-Whitney Equivalente a la t de Student para 2 grupos independientes Se usa principalmente en muestra con n 2<20

Aplicación de U de Mann. Whitney Ir a… Datos… Seleccionar casos… Sí edad<30 Analizar…

Aplicación de U de Mann. Whitney Información necesaria para el cálculo de U -El estadístico W se utiliza sólo si las muestras son relacionadas. -Z es una aproximación a la distribución normal si n 2>20 - Sig. Bilateral: los grupos comparados difieren (so diferentes)

Prueba de Wilcoxon 1 Recomendada con muestras 1 <25 para comparar cambios significativos en grupos dependientes. Es ideal para establecer diferencias en muestras grandes (<25), la potenciaeficiencia de la prueba se aproxima a 95% 3 Es una prueba equivalente a la t para grupos pareados, pero sin referirse a los promedios 4 Prueba de los Signos En muestras pequeñas (n 1=n 2≈6) tiene una potencia –eficiencia cercana al 95%

Aplicación de Wilcoxon Ir a… Datos… Seleccionar casos… Sí PC=1

Aplicación de Wilcoxon Información necesaria para el cálculo de U El valor de p asociado a la prueba de Wilcoxon es >0, 05: no se rechaza H 0 Hipótesis nula: no hay cambios significativos en los grupos estudiados

Análisis de varianza de Kruskal-Wallis H 0: Contrasta si los grupos comparados provienen de la misma población (k≥ 3) Prueba equivalente al Análisis de Varianza unifactorial (ANOVA)

Análisis de varianza de Kruskal-Wallis

Análisis de Varianza de Friedman H 0: Contrasta si los grupos comparados provienen de la misma población (k≥ 3) Los mismos sujetos son evaluados en 3 o más oportunidades

Prueba de Friedman Se acepta que las mediciones observadas en el tiempo provienen de la misma población.

Gracias!!!