DEBER Nº 10

NOMBRE: ANDRÉS AGUASFECHA: 22/05/2015

NORMALIDAD

PRUEBA DE NORMALIDAD EN SPSS

La prueba de normalidad es cuando los valores de la variable aleatoria dependiente

siguen una distribución normal en la población a la que pertenece la muestra.

1. Nos dirigimos analizar, estadísticos descriptivos analizar.

2. En la ventana que se nos abre ventana en la cual daremos un click en gráficos.

3. Activaremos en la siguiente ventana la opción gráficos a prueba de normalidad.

4. De ahí regresamos a la primera ventana en la cual escogeremos nuestras variables

5. Y al poner aceptar nos saldrá la prueba de normalidad.

Pruebas de normalidad

no

mbres

Kolmogorov-Smirnova Shapiro-Wilk

Esta

dístico

gl Si

g.

Esta

dístico

gl Si

g.

califica

ciones

pr

ofesor,094

2

0

,2

00*,979

2

0

,9

19

*. Este es un límite inferior de la significación verdadera.

a. Corrección de la significación de Lilliefors

H0 = la distribución es normal

H1 = la distribución no es normal

1. Si la significancia ˃ al 5% entonces se acepta H0 y se rechaza H1 esto quiere decir

que la distribución es normal.

2. Si la significancia ˂ al 5% entonces se acepta H1 y se rechaza H0 esto quiere decir

que la distribución no es normal.

En nuestro caso sig = 0,200 es mayor entonces H0 y se rechaza H1 esto quiere

decir que la distribución es normal.

PRUEBA DE HOMOCEDASTICIDAD EN SPSS

Se refiere a que las varianzas de la variable dependiente en los grupos que se

comparan sea aproximadamente iguales, también se le puede llamar homogeneidad de las

varianzas, el proceso que se utiliza para la homoscedaticidad, es similar al que fue

empleado para normalidad.

Conclusión

Podemos observar en el grafico que las 2 cajas son de un y tamaño similar, esto

quiere decir, que la diferencia entre la varianza no es significativa.

CORRELACIÓN

Se considera aquella prueba estadística para analizar la relación entre dos variables

medidas, en un nivel por intervalo o de razón.

La variable dependiente es la talla de hijos en centímetros.

La variable independiente es la talla de padres en centímetros.

Existe una relación positiva entre las variables su tendencia es ascendente.

Planteamiento de la Hipótesis:

H0: no existe correlación entre las variables

H1: existe correlación entre las variables

Correlaciones

talla de

padres

talla

de hijos

talla de

padres

Correlación de

Pearson1 ,251

Sig. (bilateral) ,484

N 10 10

talla de

hijos

Correlación de

Pearson,251 1

Sig. (bilateral) ,484

N 10 10

Nivel de significancia

α = 0.05 %

Estadístico de prueba

Coeficiente de correlación de PEARSON

CONCLUSIÓN

La correlación entre talla de padres e hijos se encuentra en un rango de 0,2 a 1

quiere decir que la relación es fuerte o alta, por ende cualquier mínima variación en la talla

de padres va afectar en gran medida a la talla de hijos.

Sig. Bilateral, es considerado como el valor P, como el valor P ˂ 0.05, se rechaza

H0, por lo tanto hay evidencia que existe correlación entre las variables, y el valor R= 0.2

˂ 0.05, también se rechaza la H0.

LINEALIDAD

Resumen del modelo

M

odelo

R R

cuadrad

o

R

cuadr

ado

corregi

da

E

rror típ.

de la

estimació

n

Estadísticos de cambio

C

ambio en

R

cuadrado

C

ambio en F

g

l1

g

l2

S

ig.

Cambio

en F

1,

251a

,

063

-

,054

5

,797

,0

63

,5

381 8

,

484

a. Variables predictoras: (Constante), talla de padres

Este modelo nos permite saber en qué cantidad y en qué manera afecta la variable

independiente a la dependiente, en este caso afectara en R cuadrado = 0,063, por tanto H0

se rechaza, quiere decir que hay correlación.

https://prezi.com/og-riwccznsk/investigacion-y-planificacion-estrategica/