UNIVERSIDAD JUAREZ DEL ESTADO DE DURANGO.

FACULTAD DE CIENCIAS DE LA SALUD.

LICENCIATURA EN PSICOLOGÍA.

Examen Parcial Nº 2

Estadística Inferencial

Ana Sofía Flores Carrillo

M.I.M. Lorenzo Francisco Pedro

4 “A”

Gómez Palacio, Durango. 06/11/2024

 INTRODUCCIÓN

Este trabajo realizado por estudiantes universitarios de la carrera de psicología de

cuarto semestre, tiene como objetivo analizar la distribución de varias variables
relacionadas con diferentes medidas de desempeño en un contexto experimental,
empleando para ello el software SPSS. Específicamente, se busca determinar si
estas variables cumplen con una distribución normal, un aspecto crucial en el
ámbito de la estadística inferencial. La normalidad en la distribución de los datos
es fundamental, ya que muchas pruebas estadísticas, especialmente las
paramétricas, se basan en este supuesto. Las pruebas paramétricas, son potentes
herramientas para comparar medias y analizar la varianza cuando se asume que
los datos se distribuyen normalmente. Sin esta condición de normalidad, el uso de
estas pruebas puede resultar en interpretaciones incorrectas o en la
infravaloración de diferencias significativas, ya que las pruebas paramétricas son
menos robustas frente a desviaciones de la normalidad.

Las variables bajo estudio incluyen mediciones antes y después de una

intervención, así como evaluaciones en distintos momentos y condiciones
experimentales, como el número de lecturas o el tiempo transcurrido desde una
fase de estudio. La aplicación de estas pruebas permitirá identificar qué variables
cumplen con el supuesto de normalidad y cuáles no, proporcionando una base
sólida para la elección de pruebas estadísticas en las siguientes fases del análisis.
Esta verificación será clave para asegurar la validez de las conclusiones y para
facilitar una interpretación estadística adecuada de los resultados experimentales.

La confirmación de la normalidad es esencial para seleccionar las herramientas

estadísticas correctas y así obtener conclusiones sólidas y precisas en cualquier
análisis de datos. Sin esta validación, el estudio podría enfrentarse a resultados
inconsistentes y sesgados, lo que subraya la importancia de iniciar el análisis de
datos mediante un examen exhaustivo de la distribución de cada variable.

A continuación se mostraran una serie de ejercicios resueltos con todas sus

expresiones incluyendo tablas y gráficas para su mejor comprensión.
 METODOLOGÍA

1. Abrir SPSS: Al abrir el programa SPSS, verás una barra de pestañas en la

parte inferior izquierda con dos opciones: **Vista de Datos* y *Vista de Variables*.

2. Configurar Variables en la Vista de Variables*:

-Cambia a la pestaña *Vista de Variables*. En esta sección, se configuran las

características de cada variable que se utilizará en el análisis.

-Nombre de la Variable: En la primera columna, introduce el nombre de cada

variable. Este nombre debe ser claro y representativo para identificarla fácilmente.

-Tipo de Variable: En la columna de *Tipo*, selecciona el tipo de datos que

corresponda para cada variable. SPSS ofrece varias opciones, como:

-Numérico: Para valores numéricos sin formato especial.

-Cadena: Para valores de texto.

-Otros formatos específicos, como de *fecha, *dólar, *moneda personalizada*,

entre otros.

-Anchura: En la columna **Anchura*, establece la cantidad máxima de dígitos

permitidos para la variable. La anchura predeterminada es de 8, y generalmente
no es necesario cambiarla a menos que la variable requiera más espacio.

-Decimales: Selecciona el número de decimales que deseas que SPSS muestre

para esa variable.

-Etiqueta: Si deseas agregar una descripción breve para cada variable, usa la
columna *Etiqueta*. Esta puede ser útil para agregar información extra o detalles
sobre la variable.

-Valores: Si tienes variables categóricas, puedes asignar etiquetas específicas

para cada valor en la columna **Valores*. Por ejemplo, para una variable de
"Género," puedes definir 1 como "Masculino" y 2 como "Femenino."

-Medida: En la columna *Medida, selecciona la escala de medición de la variable,

como *Escala, *Ordinal, o *Nominal*.
3. Ingresar Datos en la Vista de Datos:

-Una vez que hayas configurado todas las variables en *Vista de Variables,
cambia a la pestaña *Vista de Datos*. Aquí, verás las columnas que corresponden
a cada variable que has creado.

-En esta sección, introduce los datos de cada individuo o caso en las filas
correspondientes.

1. Acceder al Menú de Análisis:

- En la barra superior de SPSS, selecciona Analizar.

- Dentro del menú desplegable, dirígete a Estadísticos Descriptivos y luego

selecciona Explorar.

2. Seleccionar Variables:

- Se abrirá una ventana. En el lado izquierdo, encontrarás un cuadro blanco con

todas tus variables. Selecciona las variables que deseas analizar y muévelas a la
casilla Lista de Dependientes.

3. Configurar Gráficos:

- En la parte derecha de la ventana, busca la sección Gráficos.

- En el apartado Diagrama de Cajas, selecciona la opción Ninguno.

- En Descriptivos, marca la opción Histograma.

- En el centro de la ventana, encontrarás una celda que dice Gráficos de

normalidad con pruebas. Actívala para incluir las pruebas de normalidad (Shapiro-
Wilk y Kolmogorov-Smirnov).

4. Aceptar y Visualizar Resultados:

- Haz clic en Aceptar. Esto generará los resultados del análisis exploratorio, que
incluirán tanto los gráficos como las pruebas de normalidad.

- En la ventana emergente, en la parte inferior, verás la opción Mostrar.

Selecciona Gráficos y haz clic nuevamente en Aceptar
. - Finalmente, SPSS generará el análisis completo con los gráficos y resultados
de las pruebas de normalidad.

PROCEDIMIENTO

1. Acceder al Menú de Análisis:

 En la barra superior de SPSS, selecciona Analizar.

 Dentro del menú desplegable, dirígete a Estadísticos Descriptivos y luego
selecciona Explorar.

Propósito: Iniciar el proceso de análisis de datos en SPSS, eligiendo el menú

correcto que permite acceder a herramientas estadísticas descriptivas y
análisis exploratorios. Este paso es fundamental para establecer el entorno
adecuado donde se llevarán a cabo los siguientes procedimientos analíticos.

2. Seleccionar Variables:

 Se abrirá una ventana. En el lado izquierdo, encontrarás un cuadro blanco

con todas tus variables. Selecciona las variables que deseas analizar y
muévelas a la casilla Lista de Dependientes.

Propósito: Identificar y seleccionar las variables que serán objeto de análisis.

Este paso es esencial para enfocar el análisis en datos relevantes y
asegurarse de que los resultados reflejen las características de interés de tu
estudio.

3. Configurar Gráficos:

 En la parte derecha de la ventana, busca la sección Gráficos.

 En el apartado Diagrama de Cajas, selecciona la opción Ninguno.
 En Descriptivos, marca la opción Histograma.
 En el centro de la ventana, encontrarás una celda que dice Gráficos de
normalidad con pruebas. Actívala para incluir las pruebas de normalidad
(Shapiro-Wilk y Kolmogorov-Smirnov).

Propósito: Personalizar la presentación visual de los resultados, eligiendo

gráficos que mejor representen los datos, como histogramas que muestran la
 distribución de las variables. También se incluye la configuración de pruebas
de normalidad, lo que permite evaluar si los datos cumplen con supuestos
estadísticos importantes para análisis posteriores.

4. Aceptar y Visualizar Resultados:

 Haz clic en Aceptar. Esto generará los resultados del análisis exploratorio,
que incluirán tanto los gráficos como las pruebas de normalidad.
 En la ventana emergente, en la parte inferior, verás la opción Mostrar.
Selecciona Gráficos y haz clic nuevamente en Aceptar.
 Finalmente, SPSS generará el análisis completo con los gráficos y
resultados de las pruebas de normalidad. Acceder al Menú de Análisis:

Propósito: Ejecutar el análisis y obtener los resultados, así como los gráficos que
ilustran los hallazgos. Este paso es crucial para la interpretación de los datos, ya
que proporciona tanto una representación visual como información estadística que
guiará decisiones y conclusiones en el contexto del estudio.
 EJERCICIO 1

Variables Valor p en Valor p en Shapiro- Valor p es: <. O, > Normalidad

Kolmogorov-Smirnov Wilk que 0.05)

Escala cuantitativa .200 .646 K=< K: Si tiene normalidad

de la autoestima de S=< S:Si tiene normalidad
los hombres
Escala cuantitativa .191 .048 K=< K: Si tiene
de la autoestima de S=> normalidad
las mujeres S:No tiene
normalidad

EJERCICIO 2

Variables Valor p en Valor p en Shapiro- Valor p es: <. O, > Normalidad

Kolmogorov- Wilk que 0.05)
Smirnov

Antes de terapia .200 .701 K=< K: Si tiene

S=< normalidad
S: Si tiene
normalidad
Despues de terapia .200 .687 K=< K: Si tiene
S=< normalidad
S: SI tiene
normalidad

EJERCICIO 3

Variables Valor p en Valor p en Shapiro- Valor p es: <. O, > Normalidad

Kolmogorov- Wilk que 0.05)
Smirnov
Tratamiento clínico .637 K=< K:
A S=< S: Si tiene
normalidad
Tratamiento clínico .752 K=< K:
B S=< S: Si tiene
normalidad
Tratamiento clínico .942 K=< K:
C S=< S: Si tiene
normalidad
Tratamiento clínico .702 K=< K:
D S=< S: Si tiene
normalidad
 EJERCICIO 4

Variables Valor p en Valor p en Shapiro- Valor p es: <. O, > Normalidad

Kolmogorov-Smirnov Wilk que 0.05)

Lectura 1 .200 .505 K=< K: Si tiene

S=< normalidad
S: Si tiene
normalidad
Lectura 3 .200 .901 K=< K: Si tiene
S=< normalidad
S: Si tiene
normalidad
Lectura 5 .200 .721 K=< K: Si tiene
S=< normalidad
S: Si tiene
normalidad
 EJERCICIO 5

VALOR P EN VALOR P EN (P ES <0, > ¿TIENE

SHAPIRO WILK KOLMOGOROV- 0.05) NORMALIDAD?
SMIRNOV
Años de experiencia .000 .001 S: Menor S: No tiene
del profesor K: Menor normalidad.
K: No tiene
normalidad.
Metodos de .012 .139 S: Menor S: No tiene
enseñanza K: Mayor normalidad.
K: Si tiene
normalidad.
Rendimiento S: Mayor S: Si tiene
.141 .200*
academico de los K: Mayor normalidad.
alumnos K: Si tiene
normalidad.
 EJERCICIO 6

VALOR P EN VALOR P EN (P ES <0, > ¿TIENE

SHAPIRO WILK KOLMOGOROV- 0.05) NORMALIDAD?
SMIRNOV
Reconocimiento(A1) .000 .001 S: Menor S: No tiene
y recuerdo (A2) K: Menor normalidad.
K: No tiene
normalidad.
tras una hora desde .090 .200* S: Mayor S: Si tiene
la fase de estudio K: Mayor normalidad.
K: Si tiene
normalidad.
tras una día .785 .200* S: Mayor S: Si tiene
K: Mayor normalidad.
K: Si tiene
normalidad.
tras una semana .369 .200* S: Mayor S: Si tiene
K: Mayor normalidad.
K: Si tiene
normalidad.

EJERCICIO 7

VALOR P EN VALOR P EN (P ES <0, > 0.05) ¿TIENE

SHAPIRO WILK KOLMOGOROV- NORMALIDAD?
SMIRNOV
Tipo de .001 .013 S: Menor S: No tiene
entrenamiento: K: Menor normalidad.
1 (fisico) K: No tiene
2(fisico y normalidad.
psicologico)
Semanas .051 .024 S: Mayor S: Si tiene
K: Menor normalidad.
K: No tiene
normalidad.
Semanas .522 .200* S: Mayor S: Si tiene
K: Mayor normalidad.
K: Si tiene
normalidad.
Semanas .408 .200* S: Mayor S: Si tiene
K: Mayor normalidad.
K: Si tiene
normalidad.
Semanas .408 .200* S: Mayor S: Si tiene
K: Mayor normalidad.
K: Si tiene
normalidad.
GRÁFICOS

EJERCICIO 1
EJERCICIO 2
EJERCICIO 3
EJERCICIO 4
EJERCICIO 5
EJERCICIO 6
EJERCICIO 7
 Conclusiones Individuales.

Problema 1. Podemos afirmar que ambas muestras difieren son diferentes de

manera significativa, basándonos en las medias podemos ver que el promedio de
autoestima de los hombres (6.9), es significativamente mayor al de las mujeres
(5.2). Y en base a la tabla de Shapiro-Wilk podemos afirmar que al ser nuestra
hipótesis 0, que las mujeres tienen mayor autoestima que los hombres, esta se
rechaza. Y es gracias al histograma es que podemos corroborar que la distribución
de los datos no es normal, siendo una distribución bimodal.

Problema 2. Tras el tratamiento aplicado a los niños, la capacidad lectoescritora

ha aumentado, si consideramos que nuestra hipótesis 0 dice que no hay un
aumento en la capacidad lectora escritora de los niños, optamos por rechazarla,
más allá de la tabla de Shapiro- Wilk, mediante los histogramas es que podemos
argumentar nuestra decisión. Y como resultado gráfico, podemos ver que la
distribución después del tratamiento esta sesgado hacia la derecha, (tiene un
sesgo positivo).

Problema 3. Contamos con homogeneidad de las varianzas de los 4 grupos, más

sin embargo sus similitudes no son tan exactas, ya que en algunas variables
(tratamientos), sus resultados pueden parecerse con alguna otra, pero ser
diferente con las demás, teniendo como ejemplo la diferencia en la eficacia del
tratamiento D, teniendo esta variable como la más optima según sus resultados.
La distribución en los datos podría considerarse como multimodal.

Problema 4. Los datos a evaluar cumplen con los supuestos del ANOVA. Gracias
al incremento en la lectura podemos ver que hay también un incremento en el
desarrollo de los recuerdos, la mayor tasa de aciertos se da tras cinco lecturas
mientras que la peor se da tras la primera lectura. Este problema cuenta con una
distribución normal.

Problema 5. Podemos decir que la experiencia del profesor como docente no

influye sobre el rendimiento, gracias a los resultados podemos ver mediante los
histogramas que los métodos de enseñanza son los que, si influyen en el
rendimiento, siendo el mejor de estos el B3. En este problema contamos con una
distribución Bimodal.

Problema 6. En un estudio sobre memoria la variable A (o tipo de tarea) influye

sobre la vd, lo que quiere decir que en condiciones de reconocimiento los sujetos
rindieron mejor que en condiciones de recuerdo. El efecto principal de B (tiempo)
también fue significativo. Comparando por pares las medias de B1, B2 y B3 vemos
que no hay diferencias entre B2 y B3, pero sí entre B1 con B2 y con B3, es decir
se rinde peor en B1, y mejor en B2 y B3 indistintamente. La distribución en este
problema se tiende a inclinarse hacia la izquierda, tiene un sesgo positivo.

Problema 7. La variable A (tipos de entrenamiento) no influye sobre la “vd”, lo que

quiere decir que no hay diferencias en el tipo de entrenamiento. Los efectos
principales de B (semanas de entrenamiento) si son significativos. Las medias de
B1, B2, B3 y B4 (2.75, 3.5, 6.25 y 9) muestran que el rendimiento deportivo mejora
a lo largo del tiempo, excepto entre la primera y segunda semana donde no hay
diferencias. Y la interacción de AB también es significativa. Tiene una distribución
normal.
 CONCLUSIÓN

El análisis de normalidad realizado en este estudio nos ha proporcionado una

comprensión profunda sobre la distribución de las variables analizadas y su
adecuación para los métodos inferenciales a emplear en la investigación. Los
resultados de las pruebas indican que las variables "Antes de terapia" y "Después
de terapia", junto con las variables correspondientes a las mediciones de lectura
en diferentes momentos (Lectura1, Lectura3 y Lectura5), cumplen con los criterios
de normalidad. Esto implica que podemos emplear pruebas paramétricas con
estas variables, aprovechando su mayor poder estadístico para analizar si existen
diferencias significativas en los promedios o en las relaciones entre grupos. En el
contexto de este estudio, la posibilidad de aplicar pruebas como nos permitirá
obtener resultados confiables y generalizables para estas variables, lo que
incrementa la precisión en la interpretación de los efectos de la intervención y las
distintas condiciones experimentales. Por otro lado, se ha observado que la
variable "Reconocimiento y recuerdo" no presenta una distribución normal, lo cual
exige un enfoque diferente para su análisis. En lugar de utilizar pruebas
paramétricas, será necesario recurrir a pruebas no paramétricas. Este cambio en
la selección de pruebas garantiza que los resultados para esta variable sean
interpretados con la misma precisión y validez que en las variables normales,
evitando sesgos en el análisis debido a la falta de normalidad.

Este análisis de normalidad ha establecido una base metodológica sólida para

esta investigación, permitiéndonos adaptar nuestras herramientas estadísticas a
las características específicas de cada variable. La capacidad de distinguir entre
datos que cumplen y no cumplen con la normalidad no solo optimiza la precisión
estadística, sino que también refuerza la validez de las conclusiones que se
derivarán del análisis, contribuyendo así al rigor científico y a la confianza en los
hallazgos de este proyecto.

Este análisis de normalidad es un paso preliminar pero fundamental que determina

cómo abordar el análisis inferencial en el estudio. La observación de que algunas
variables presentan normalidad mientras que otras no lo hacen, invita a un análisis
estadístico bifurcado, donde las pruebas estadísticas se seleccionan
cuidadosamente de acuerdo con la distribución. Este enfoque metodológico
garantiza que los resultados obtenidos sean los más representativos y aplicables a
la investigación, permitiendo tomar decisiones informadas basadas en los
hallazgos.
 ANEXOS

Ejercicio 1.
Ejercicio 2.
Ejercicio 3.
Ejercicio 4.
Ejercicio 5.
Ejercicio 6.
Ejercicio 7.