You are on page 1of 6

Que es, para que sirve y como interpretar

Las tablas de frecuencias


Primero supongamos el siguiente ejemplo en el cual se considera las notas de
los alumnos de ultimo ao de secundaria.
Rango

FrecuenciaPorcentaje

[0-5]
[6-10]
[11-15]
[16-20]

5
10
60
10

5. 88%
11. 76%
70. 59%
11. 76%

Porcentaje
acumulado
5. 88%
17. 65%
88. 24%
100. 00%

*la frecuencia quiere decir solamente el recuento de alumnos que obtuvieron lo


puntajes en uno de los rangos; as por ejemplo podemos decir que 5alumnos
obtuvieron una nota menor a 05 en su examen; otra interpretacin q se puede
llegar es q tan solo 10 alumnos lograron tener notas superiores a 15.
*El porcentaje no es mas que la frecuencia/(numero total de alumnos); esto nos
permite dar una idea mas clara de la situacin; como podrs apreciar el 70% de
los alumnos tiene notas entre 11 y 15.
*Por ultimo el porcentaje acumulado no es mas q la suma de los porcentajes de
cada intervalo
; asi por ejemplo podemos afirmar que hay un 17. 65% de alumnos que no
superaron la nota de 10.

LA MODA, MEDIA Y MEDIANA o mediad de tendencia central

Supon que es una investigacin donde averiguan cuantas horas pasa alguien en
internet a la semana, y te dicen que:

La moda es 10
La media es 12
La mediana es 5
La interpretacin sera:
La moda : es el valor que mas se repite ej 10 es la cantidad de "horas
semanales que pasa alguien en internet" .
La media : es igual al promedio ej Una persona pasa en promedio 12 horas
semanales en internet
La mediana : te divide en 2 partes la distribucin, de la mediana para arriba
habra 50% y de la mediana para abajo habr 50% ej la mitad de las personas
pasan mas de 5 horas semanales en internet, o lo que equivale a que el 50%
pasan menos de 5 horas semanales en internet .

Desviacin Estndar o medida de dispersin


La desviacin estndar no muestra a que lado del promedio hay mas o menos
casos, solo nos dice cuanto se alejan de este los valores general.
si todos los valores estn mas cerca del promedio, la desviacin estndar
tambin se hace mas pequea (e indica una distribucin mas homognea )
en distribucin con alta desviacin estndar (distribuciones mas
heterogneas) ,usualmente el promedio deja de ser representativo.
La varianza o medida de dispersin
debes recordar que la varianza es el cuadrado de la desviacin estandar;
El hecho de tener una varianza grande implica una mayor dispersin de los datos con
respecto al promedio.

ej. En la varianza podemos ver que en la pregunta de edad hay una varianza de
317,140 lo que implica

una mayor dispersin de los datos con respecto al promedio

aunque en la segunda

pregunta se ve disminuido hay una dispersin de los datos

menor ya que es de 8,904.

4.Coeficiente de asimetra o medida de distribucin


Es una medida estadstica de forma, y te indica que tipo de distribucin de
datos tienes, a saber:
Si el coeficiente de asimetra es cero: tienes una distribucin de datos
simtrica.
Si el coeficiente de asimetra es positivo: tienes una distribucin de datos muy
sesgada a la derecha.
Si el coeficiente de asimetra es negativo: tienes una distribucin de datos
muy sesgada a la izquierda.
Comentario: Si el coeficiente de asimetria te da -0.29, siginifica que tu
distribucin de datos esta sesgada a la izquierda.
Ej. En el coeficiente de asimetra vemos en el caso de la edad tienes una distribucin
de datos simtrica. Y en la de Nmero de aos de escolarizacin
distribucin de datos sesgada a la izquierda

5. Coeficiente de apuntamiento o curtosis o medida de distribucin


Esta medida te indica como se comportan los datos en tu distribucin.
Si el coeficiente de apuntamiento es positivo, la distribucin se denomina
leptocrtica(su curva es ms apuntada que la de una distribucin normal).
Si el coeficiente de apuntamineto es cero, la distribucin se denomina
mesocrtica(su curva es de una distribucin normal).
Si el coeficiente de apuntamineto es negativo, la distribucin se denomina
platicrtica(su curva es menos apuntada que la de una distribucin normal).

tienes una

Comentario: Si el coeficiente de apuntamiento te di 2,39, significa que tu


distribucin de datos se llama leptocrtica y la curva que la representa es mas
apuntada que la de una distribucin normal.
Ej. Podemos

sealar que la curtosis en el caso de la edad es una

platicrtica ya que es menor a 0

distribucin

y en la de Nmero de aos de escolarizacin

podemos decir que es una distribucin leptocrtica porque su valor es 0,1 .


Nota. Hay que poner el porque .

Correlaciones de Spearman
Correlaciones
Nmero
de aos
de
escolariza tipo de
cin del
categori
padre
a
Rho de
Spearman

Nmero de
aos de
escolarizacin
del padre
tipo de
categoria

Coeficiente de
correlacin
Sig. (bilateral)
N
Coeficiente de
correlacin
Sig. (bilateral)
N

.
1069

-,145(**
)
,000
1009

-,145(**)

1,000

,000
1009

.
1418

1,000

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


Lo que esta en rojo es lo que se debe analizar porque lo de mas esta en una
correlacin perfecta.

Se debe analizar tres cosas .


1. Se analiza el coeficiente de correlacin .si el valor es menos que o,5 la
relacin es dbil y si la relacin es mas de 0,5 la relacin es fuerte .
2. El signo si el signo es positivo + se llamara directa lo que significa que los
dos valores se mueven en la misma direccin y si el signo es negativo se
llama indirecta lo que significa que se mueve en distinta direccin los 2
valores .
3. El sig.bilateral o el coef de alfa de significacin . si es igual o mayor a 0,5
se acepta la hiptesis nula la operacin no es significativa esto nos dice
que hay un mas de o,5 que el azar influye en la investigacin por lo ya no es
aceptable por la ciencia en pocas palabras el azar nos esta dando los
resultados . si es menor a 0,5 la hiptesis nula se acepta ya que no esta
influido por el azar la operacin realizada .

Podemos ver que el coeficiente de correlacin de Spearman, r s, . y


direccin adems podemos decir que esta es estadsticamente significativa o
no es estadsticamente significativa debes poner el porque es una o la otra .
Por ultimo Hubo una fuerte correlacin indirecta o directa entre variable 1 y
variable 2 es decir que las variables se mueven en distintas direcciones o en
la misma direccin ya que su signo es negativo o positivo .

R de pearson .
2 variables cuantitativa continuas en este caso se puede usar la edad ej . edad
con ingresos
Taub de kendall.
2 variable cuantitativa discretas o 2 variable ordinales .
Sperman.
1 variable cuantitativa y otra de otro tipo ej, sexo e ingresos

Variable cuantitativa. Cantidades o nmeros


Se divide en dos las discretas que son variables de nmeros naturales ej la
edad y las continuas que puede ser todos los nmeros ej, peso,temperatura,etc.
Al ser una variable de esta se deben analizar todos los estadsticos .media
,moda ,mediana ,varianza ,etc.
Variables ordinales .hay un orden jerrquico ej. Poco-mucho, nunca-siempre ,
primero,segundo y tercero , etc.
Se analiza solo la moda y la frecuencia
Variable cualitativa. Indica cualidades ej , las etnias .
Se dividen en dos nominales que son las no categricas
Dicotmicas que tienen dos opciones que son si o no
Se analiza solo la moda y la frecuencia