Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CON EL
SPSS
La Paz Bolivia
2014
REGLAS EMPLEADAS EN EL
PRESENTE LIBRO
En la presenta obra se emplea los nombres y referencias de la versin del IBM
SPSS 22.
Esta obra utiliza algunas reglas para denotar la forma de trabajar con el SPSS:
Nos indica que se tienen varias opciones para seleccionar en las ventanas
emergentes, estas pueden ser:
CONTENIDO v
1. INTRODUCCION
1.1.
Introduccin
El programa SPSS, fue creado en 1968 por Norman H. Nie, C. Hadlai Hull y
Dale H. Bent, originalmente SPSS fue creado como el acrnimo de Statistical
Packcage for Social Sciences (Paquete Estadstico para las Ciencias Sociales),
aunque tambin se ha referido como Statistical Product and Service Solutions
(Soluciones de Productos y Servicios Estadsticos). Entre 1969 y 1975 la
Universidad de Chicago por medio de su National Opinion Research Center
(Centro de Investigacin de Opinin Nacional) estuvo a cargo del desarrollo,
distribucin y venta del programa. A partir de 1975 corresponde a SPSS Inc.
SPSS Inc., tomo su nombre del anagrama del producto que la origin,
comercializo una amplia gama de programas y aplicaciones, para el anlisis
de datos en funcin de la necesidad del usuario: tanto para analistas
expertos, como para usuarios de negocio, quienes suelen primar la estructura
de: problema-aplicacin-solucin.
El 28 de junio de 2009 se anuncia que IBM, meses despus de ver frustrado
su intento de compra de Sun Microsystems, adquiere SPSS, por 1.200
millones de dlares. Sin embargo, en la actualidad el nombre completo del
software es IBM SPSS, este no es acrnimo de nada.
Como programa estadstico es muy popular su uso debido a la capacidad de
trabajar con bases de datos de gran tamao. En la versin 12 fue de 2 millones
de registros y 250.000 variables. Adems, de permitir la recodificacin de las
variables y registros segn las necesidades del usuario.
Actualmente, compite no slo con softwares licenciados como lo son SAS,
MATLAB, Statistica, Stata, sino tambin con software de cdigo abierto y
libre, como PSPP y R, de los cuales el ms destacado es el Lenguaje R.
1.2.
Versiones
INTRODUCCIN 1
x
x
x
x
x
x
x
Statistics 22
Lo que nos presentara el programa:
Cancelar.
Si se desea que no vuelva aparecer otra vea esta ventana al abri el SPSS, se
puede marcar la opcin:
Aceptar
2.1.1.
Vista de datos
Vista de variables
2.1.1.1.
Vista de datos
Esta vista muestra los valores de datos reales o las etiquetas de valor
definidas.
x
x
Las filas. Cada fila representa un caso o una observacin. Por ejemplo,
las respuestas de un cuestionario corresponde a una fila.
Las columnas. Cada columna representa una variable o una
caracterstica que se mide o una pregunta formulada. En un cuestionario
la columna correspodera a cada pregunta del cuestionario.
Las casillas. Tambien denominadas celdas contienen valores de las
variables, siendo este un valor nico de una variable. La casilla o celda
se encuentra en la interseccin del caso y la variable. La diferencia con
las hojas de clculo, es que no pueden contener frmulas o realizarse
operaciones entre casillas.
Ramiro Ral OCHOA TORREZ >>
Vista de variables
Vista de variables
2.1.1.2.1.
Nombre
Codigo
NMF
GP
GMD
AC
AP
NF
NFR
AP1
2.1.1.2.2.
Tipo
Nos sirve para definir el tipo de datos de cada variable, por defecto se asume
que todas las variables nuevas son numricas. Para definir el Tipo, debemos
hacer clic en la casilla de la variable de inters, de manera que aparezca en el
costado derecho de la casilla un botn cuadrado con puntos suspensivos (
). Al seleccionar el botn (Hacer clic), aparece el cuadro de dilogo Tipo de
variable en donde se apreciara los diferentes Tipos de variable.
Para definir alguno de los tipos de variable, basta con hacer clic sobre
cualquiera de las opciones y definirla:
~ Numerico
Aceptar
2.1.1.2.3.
Anchura
Por medio de esta propiedad podemos definir el mximo de dgitos que
contienen los registros de una variable; para el clculo del ancho se incluyen
los dgitos enteros y los decimales. Por ejemplo; Anchura 5 = XXX.XX
X,XXX.X XX,XXX donde X representa un nmero aleatorio.
2.1.1.2.4.
Decimales
Etiquetas
Valores
Variable: Sexo
1 = hombre
2 = mujer
Variable: Tamao
P = pequeo
M = mediano
G = grande
Ramiro Ral OCHOA TORREZ >>
Casilla de Valores
#
#
Valor: 1
Etiqueta: Hombre
Aadir
# Valor: 2
# Etiqueta: Mujer
Aadir
Aceptar
2.1.1.2.7.
Perdidos
Con la opcin Perdidos, se indica los valores de los datos definidos como
perdidos por el usuario. SPSS maneja dos tipos de valores perdidos; el
primero es perdido por el sistema, el cual se identifica por la ausencia total
No sabe
No responde o se niega a responder
No aplica o sencillamente la pregunta no lo afecta, por ejemplo:
preguntarle a una persona soltera la edad a la que se cas por primera
vez, si no se ha casado nunca esta pregunta no lo afecta.
Casilla de Perdidos
2.1.1.2.8.
Columnas
Alineacin
Medidas
Nominal
. Son variables numricas cuyos valores (Nmeros)
indican una categora de pertenencia. Para este tipo de medida, las
categoras no cuentan con un orden lgico que nos permita establecer
una comparacin de superioridad u ordenacin entre ellas. Por ejemplo:
el gnero, el estado civil, etc.
Ordinal
. Son variables numricas cuyos valores indican una
categora de pertenencia y a su vez las categoras poseen un orden lgico
que nos indica una superioridad u ordenacin. Como por ejemplo: nivel
de ingresos, nivel educativo, etc. Entre las variables ordinales se
incluyen escalas de Likert.
Escala
. Son variables numricas sean estas discretas o
continuas cuyos valores representan una magnitud o cantidad y no una
categora; los valores de este tipo de medida pueden ser empleados en
operaciones aritmticas como la suma, la resta, la multiplicacin y la
divisin. Como por ejemplo: Edad, altura, peso, rendimiento, etc.
Para variables de cadena si estos son ordinales, se debe tener en cuenta que
el SPSS asume el orden alfabtico de los valores de cadena, por ejemplo si
tenemos chico, mediano y grande, el SPSS nos presentara chico, grande y
mediano, por lo que es mejor emplear nmeros en la codificacin de datos.
2.1.1.2.11.
Rol
Dividir
Se debe tener cuidado que cada vez que se ejecutan los resultados, estos se
van acumulando, desde los primeros que se ejecuto hasta el ultimo, por lo
cual ser necesario en muchos casos borrar su contenido, para que se aprecie
el que nos interesa.
2.1.3.
Ventana de grficos
2.1.4.
Ventana de sintaxis
Pegar
Lo que nos mostrara la ventana de Sintaxis:
Barra de mens
2.2.1.
Archivo
2.2.2.
Editar
Borrar. Nos permite borrar las ya sea las columnas o las filas.
Insertar variables. Con esta opcin se puede insertar una columna que
corresponder a una variable.
Insertar caso. Inserta una fila en el conjunto de datos, donde se ubique
el cursor.
Ir al caso. Nos desplaza a un caso determinado.
Ir a la variable. Nos permite desplazarnos a una variable determinada.
Opciones. Nos permite personalizar y definir diferentes opciones como
son: General, Visor, Datos, Moneda, Etiquetas de los resultados,
Grficos, Tablas de pivote, Ubicacin de archivos, Procesos, Imputacin
mltiples, Editor de sintaxis.
2.2.3.
Ver
Barra de estado.
Barras de herramientas.
Editor de mens.
Fuentes. Permite seleccionar la fuente.
Lineas de cuadricula. Nos muestra las cuadriculas o las esconde.
Etiquetas de valor. En el caso de que los nmeros o letras signifiquen
categoras, nos presentara las etiquetas de los valores.
Variables. Nos desplazamos a la ventana de Variables.
2.2.4.
Datos
Contiene opciones para hacer cambios que afectan a todo el archivo de datos:
unir archivos, trasponer variables y casos, crear subconjunto de casos, etc.
Estos cambios son temporales mientras no se guarde explcitamente el
archivo.
Transformar
Analizar
Marketing directo
Grficos
Utilidades
Ventana
Ayuda
Barra de herramientas
Insertar caso
Insertar variable
Imprimir
Dividir archivo
Ponderar casos
Etiquetas de valor
Ir a la variable
Variables
Corregir ortografa
Seleccionar casos
Buscar
2.3.1.
Abrir resulados
Ir a caso
Guardar
Imprimir
Ir a datos
Designar ventana
Ejecutar proceso
Ocultar
elementos
seleccionados
Insertar encabezado
Nuevo titulo
Nuevo texto
3. ARCHIVO DE TRABAJO
3.1.
Crear un archivo
Podemos utilizar el Editor de datos de SPSS para introducir los datos y crear
un archivo de datos:
Abrir un archivo
Abrir
3.2.1.
x
x
SPSS Statistics (*.sav). Es el tipo por defecto, son archivos creados y/o
grabados en SPSS para Windows.
SPSS/PC+(*.sys). Archivos creados y/o grabados en SPSS/PC+. Solo
est disponible en los sistemas operativos Windows.
Systat (*.syd, *.sys). Abre archivo de datos de SYSTAT.
Portable. Abre archivos de datos guardados con formato porttil. El
almacenamiento de archivos en este formato lleva mucho ms tiempo
que guardarlos en formato SPSS Statistics.
Excel (*.xls, *xlsx, *.xlsm). Abre archivos de Excel.
Lotus (*.w*). Abre archivos de datos guardados en formato de Lotus.
ARCHIVO DE TRABAJO 21
x
x
x
3.2.2.
Importacin de datos
ARCHIVO DE TRABAJO 23
Como por ejemplo si tenemos los siguientes datos del cultivo de quinua, con
sus cdigos y categorias:
ID = Para identificar el nmero de datos que se tiene
TG= Tamao de grano
C = Chico
M = Mediano
G = Grande
G = Germinacion
0 = 0 plantas
1 = 1 a 4 plantas
2 = 5 a 8 plantas
3 = 9 a 12 plantas
4 = 13 a 20 plantas
5 = Ms de 20 plantas
RM = Resistencia al mildiu
S = Suceptible
MS = Medianamente suceptible
MR = Medianamente resistente
R = Resistente
AP = Altura de planta (cm)
U = Uniformidad
SI
NO
HC = Habito de crecimiento
1 = Postrado
2 = Decumbente
3 = Erecto
4 = Ramificado
5 = Fasciculado
6 = Trepador
7 = Sarmentoso
LP = Longitud de panoja (cm)
PG = Peso de granos (g)/planta
Datos del cultivo de quinua
ID
1
2
3
4
5
6
7
8
TG
M
M
M
M
M
M
C
M
G
2
5
5
2
5
3
5
4
RM
S
S
S
MS
S
MS
S
MS
AP
60
63
71
60
75
87
60
64
U
SI
SI
SI
SI
SI
SI
SI
SI
HC
3
3
3
3
3
4
4
3
LP
25
21
33
21
40
39
27
24
PG
55,1
240
205,8
33,7
275,7
169
131,9
146,1
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
M
C
C
M
M
M
M
C
C
C
C
C
5
2
5
4
5
5
4
3
4
5
5
5
5
5
4
4
5
3
3
5
5
5
4
3
3
3
5
5
5
4
4
4
S
S
S
S
S
MS
MS
MS
MS
MS
MS
MS
S
MS
MR
MR
MR
MR
MR
R
MR
R
R
MR
MR
MS
MR
R
MR
R
R
R
72
63
77
67
80
74
70
64
68
60
64
59
65
70
60
68
76
67
60
68
68
60
57
49
52
60
65
60
60
60
58
69
SI
NO
SI
SI
SI
SI
NO
NO
NO
NO
SI
NO
SI
SI
SI
SI
SI
SI
SI
NO
NO
NO
SI
SI
SI
SI
SI
SI
SI
NO
SI
NO
3
4
3
3
3
3
3
4
4
3
3
3
3
2
3
3
3
3
3
3
3
4
5
3
3
3
5
3
3
3
3
3
28
27
27
28
24
27
24
24
26
22
25
23
20
18
16
22
24
23
18
22
17
18
20
16
19
16
17
18
16
13
17
16
130,8
73,9
199,1
149,4
202,6
220,5
108,5
57,3
246
216,1
178,3
172,5
218,5
62,9
116,2
233,7
188,5
118,7
261,8
171,2
155
93,7
51,5
87,5
112,8
105,1
132,4
153
55,5
40,5
106,2
174,5
ARCHIVO DE TRABAJO 25
Posteriormente procedemos a abrir los datos desde el SPSS (en formato Excel,
este archivo deber estar previamente cerrado):
Abrir
En el cuadro de dialogo de Apertura de origen de datos de Excel:
primera fila como como nombre de las variables (tienen que estar
marcado, siempre que la primera fila corresponda al nombre de las
variables).
Hoja de trabajo: Seleccionamos la hoja donde esta nuestros datos
(nos llega a mostrar las hojas que tienen datos).
Aceptar
Apreciaremos los datos en el Editor de datos del SPSS:
Vista de variables
#
#
#
#
#
#
#
#
#
#
#
Nombre: ID
Tipo: Numerico
Anchura: 8
Decimales: 0
Etiqueta: ID
Valores:
Perdidos: Ninguno
Columnas: 12
Alineacin: Derecha
Medida: Escala
Rol: Entrada
Para tamao de grano (TG):
#
#
#
#
#
#
#
#
#
#
#
Nombre: TG
Tipo: Cadena
Anchura: 8
Decimales: 0
Etiqueta: Tamao de grano (g)
Valores: C = Chico; M = Mediano; G = Grande
Perdidos: Ninguno
Columnas: 12
Alineacin: Izquierda
Medida: Nominal
Rol: Entrada
ARCHIVO DE TRABAJO 27
#
#
#
#
#
#
Nombre: G
Tipo: Numerico
Anchura: 8
Decimales: 0
Etiqueta: Germinacion
Valores: 0 = 0 plantas; 1 = 1 a 4 plantas; 2 = 5 a 8 plantas; 3 = 9 a
12 plantas; 4 = 13 a 20 plantas; 5 = Ms de 20 plantas
# Perdidos: Ninguno
# Columnas: 12
# Alineacin: Derecha
# Medida: Ordinal
# Rol: Entrada
Para resistencia al mildiu (RM):
#
#
#
#
#
#
Nombre: RM
Tipo: Cadena
Anchura: 8
Decimales: 0
Etiqueta: Resistencia al mildiu
Valores: S = Suceptible; MS = Medianamente suceptible; MR =
Medianamente resistente; R = Resistente
# Perdidos: Ninguno
# Columnas: 12
# Alineacin: Izquierda
# Medida: Nominal
# Rol: Entrada
Para altura de planta (AP):
#
#
#
#
#
#
#
#
#
#
#
Nombre: AP
Tipo: Numerico
Anchura: 8
Decimales: 0
Etiqueta: Altura de planta (cm)
Valores:
Perdidos: Ninguno
Columnas: 12
Alineacin: Derecha
Medida: Escala
Rol: Entrada
Para uniformidad:
Ramiro Ral OCHOA TORREZ >>
#
#
#
#
#
#
#
#
#
#
#
Nombre: U
Tipo: Cadena
Anchura: 8
Decimales: 0
Etiqueta: Uniformidad
Valores:
Perdidos: Ninguno
Columnas: 12
Alineacin: Izquierda
Medida: Nominal
Rol: Entrada
Para habito de crecimiento (HC):
#
#
#
#
#
#
Nombre: HC
Tipo: Numerico
Anchura: 8
Decimales: 0
Etiqueta: Habito de crecimiento
Valores: 1 = Postrado; 2 = Decumbente; 3 = Erecto; 4 = Ramificado;
5 = Fasciculado; 6 = Trepador; 7 = Sarmentoso
# Perdidos: Ninguno
# Columnas: 12
# Alineacin: Derecha
# Medida: Escala
# Rol: Entrada
Para longitud de panoja (LP):
#
#
#
#
#
#
#
#
#
#
#
Nombre: LP
Tipo: Numerico
Anchura: 8
Decimales: 0
Etiqueta: Longitud de panoja
Valores:
Perdidos: Ninguno
Columnas: 12
Alineacin: Derecha
Medida: Escala
Rol: Entrada
Para peso de granos / planta (PG):
#
#
Nombre: PG
Tipo: Numerico
ARCHIVO DE TRABAJO 29
#
#
#
#
#
#
#
#
#
Anchura: 8
Decimales: 2
Etiqueta: Peso de granos (g)/planta
Valores:
Perdidos: Ninguno
Columnas: 12
Alineacin: Derecha
Medida: Escala
Rol: Entrada
Vista de datos
Si uno seala con el cursor del raton el nombre de alguna de las variables,
nos presentara la etiqueta de la misma, como se aprecia en la figura:
3.3.
Archivo X Guardar
El SPSS tiene una forma de trabajo intuitiva, donde en la mayora de los casos
para realizar los diferentes anlisis trabaja de la siguiente forma:
ARCHIVO DE TRABAJO 31
, si se desea
Guardar Resultados
Archivo X Guardar
Especificar la direccin donde ser guardado.
# Nombre de archivo: (colocar el nombre)
b Guardar como tipo: Archivo del visor (*.spv)
Guardar
Especificar la direccin donde ser guardado.
Archivo X Guardar como
# Nombre de archivo: (colocar el nombre)
b Guardar como tipo: Archivo del visor (*.spv)
Guardar
Lo que nos dara los siguientes resultados, en la ventana de resultados:
Ramiro Ral OCHOA TORREZ >>
3.5.2.
Archivo X Guardar
Guardar
Especificar la direccin donde ser guardado.
Archivo X Guardar como
# Nombre de archivo: (colocar el nombre)
b Guardar como tipo: Informe web SPSS (*.htm)
Guardar
El archivo que genera se vera como pgina web, como se aprecia en la
siguiente figura:
ARCHIVO DE TRABAJO 33
3.5.3.
Archivo X Guardar
Guardar
Guardar
El archivo que genera se vera como pgina web, similar al anterior:
Exportar
ARCHIVO DE TRABAJO 35
Archivo X Exportar
Examinar
En la ventana de Guardar archivo, seleccionamos la direccin donde se
guardara.
4. TRANSFORMACION DE
VARIABLES
4.1.
Introduccin
Transformacin de datos
Esta opcin nos permite transformar una variable, por ejemplo si se tiene una
variable medida en metros (m) y para su anlisis se quiere que este en
centmetros (cm); o que el peso presentados esta en gramos (g) y que para su
anlisis se desea que este en kilogramos (kg). En todo caso para la
transformacin de deber realizar la operacin respectiva.
Ejercicio
Se tienen los siguientes datos de altura de planta del cultivo de quinua, este
fue medido en centmetros (cm).
60
63
71
60
75
a.
87
60
64
72
63
77
67
80
74
70
64
68
60
64
59
65
70
60
68
76
67
60
68
68
60
57
49
52
60
65
60
60
60
58
69
Objetivo:
Transformar la variable altura de planta de centmetros a metros,
generando una nueva variable.
b.
Tipo y etiqueta
En el cuadro de dialogo:
# Etiqueta: Altura de planta (m)
TRANSFORMACIN DE VARIABLES 37
~ Tipo: Numerico
Continuar
Recodificacin de variables
Agrupacin visual
Recodificacin en distintas variables
4.3.1.
Agrupacin visual.
TRANSFORMACIN DE VARIABLES 39
4.3.1.1.
Esta forma se emplea cuando las clases o grupos formados tienen el mismo
ancho o amplitud (esto es cuando se trabaja con un solo valor de Tamao de
Intervalo de Clase).
Ejercicio
Se tienen los siguientes datos de altura de planta del cultivo de quinua, este
fue medido en centmetros (cm).
60
63
71
60
75
a.
87
60
64
72
63
77
67
80
74
70
64
68
60
64
59
65
70
60
68
76
67
60
68
68
60
57
49
52
60
65
60
60
60
58
69
Objetivo:
Agrupar los valores de la altura de planta del cultivo de quinua en una
nueva variable.
Los grupos que se forman son 7 (siete) grupos los cuales son:
Clase
1
2
3
4
5
6
7
b.
linf
49
55
61
67
73
79
85
lsup
54
60
66
72
78
84
90
Con los datos en el Editor de datos del SPSS y los grupos, formamos
grupos:
Continuar
#
#
#
#
#
#
#
#
#
54: 49 54
60: 55 60
66: 61 66
72: 67 72
78: 73 78
84: 79 84
SUPERIOR: 85 90
Aceptar
Aceptar
c. La ventana de resultados nos mostrara el procedimiento realizado.
d. En la ventana de Vista de datos, nos presentara la nueva variable
producto de la agrupacin, dndonos una variable Ordinal.
Figura 1.
TRANSFORMACIN DE VARIABLES 41
24
30
4
16
14
17
20
4
20
27
22
30
11
26
7
21
3
10
7
14
16
4
25
2
8
21
22
15
24
20
12
7
25
5
12
6
21
13
32
24
30
20
1
12
4
11
1
19
21
27
7
8
20
4
30
31
1
5
9
20
19
1
16
18
14
1
30
25
12
19
25
23
18
25
26
14
28
15
13
19
30
10
5
10
11
15
30
11
8
21
Objetivo:
Agrupar en tres grupos las edades de los bovinos.
a.
#
#
Al igual que el anterior caso esta nueva variable ya tiene sus respectivas
etiquetas.
4.3.2.
Recodificar variables
a.
87
60
64
72
63
77
67
80
74
70
64
68
60
64
59
Objetivo:
65
70
60
68
76
67
60
68
68
60
57
49
52
60
65
60
60
60
58
69
TRANSFORMACIN DE VARIABLES 43
b.
linf
49
55
61
67
73
79
85
lsup
54
60
66
72
78
84
90
Con los datos en el Editor de datos del SPSS y los grupos, recodificamos
la variable :
#
#
Nombre: APR
Etiqueta: Altura de planta (recodificado)
Cambiar
Valores antiguos y nuevos
En el cuadro de dialogo:
# Rango: 49
# Hasta: 54
# Valor: 1
Aadir
# Rango: 55
# Hasta: 60
# Valor: 2
Aadir
# Rango: 61
# Hasta: 66
# Valor: 3
Aadir
# Rango: 67
# Hasta: 72
Valor: 4
Aadir
#
#
#
Rango: 73
Hasta: 78
Valor: 5
Aadir
# Rango: 79
# Hasta: 84
# Valor: 6
Aadir
# Rango: 85
# Hasta: 90
# Valor: 7
Aadir
Continuar
Aceptar
c. La ventana de resultados nos mostrara el procedimiento realizado.
d. En la ventana de Vista de datos, nos presentara la nueva variable
producto de la recodificacin o agrupacin, a esta variable se le agrega
las etiquetas de los valores para poder ser empleada en el anlisis
respectivo, como se aprecia en la siguiente figura:
5. DISTRIBUCIN DE
FRECUENCIAS
5.1.
5.1.1.
a.
B
A
R
M
R
A
R
R
M
B
A
B
A
B
M
R
B
M
B
R
R
A
M
A
M
R
M
B
R
B
A
R
B
A
R
M
Objetivo:
Determinar la distribucin de frecuencias del color de flores de una
poblacin de plantas de linaza.
b.
Grficos
En el cuadro de dialogo:
Tipo de grafico:
~ Grfico circulares
Valores del grfico:
~ Porcentajes
Continuar
DISTRIBUCIN DE FRECUENCIAS 45
Aceptar
c.
40
0
d.
Azul
Blanco
Morado
Rosado
Total
9
10
9
12
40
22,5
25,0
22,5
30,0
100,0
22,5
25,0
22,5
30,0
100,0
Porcentaje
acumulado
22,5
47,5
70,0
100,0
Inferencia:
Se aprecia que de un total de 40 plantas, se tuvieron 9 de color azul
(22,5%) y del color morado (22,5%), 10 del color blanco (25,0%) y en
mayor cantidad del color rosado un total de 12 (30,0%).
DISTRIBUCIN DE FRECUENCIAS 47
Desgajar sectores
5.1.2.
a.
Rosado
Azul
Rosado
Rosado
Morado
Blanco
Azul
Blanco
Azul
Blanco
Morado
Rosado
Blanco
Morado
Blanco
Rosado
Rosado
Azul
Morado
Azul
Morado
Rosado
Morado
Blanco
Rosado
Blanco
Azul
Rosado
Blanco
Azul
Rosado
Morado
Objetivo:
Determinar la distribucin de frecuencias del color de flores de una
poblacin de plantas de linaza.
b.
DISTRIBUCIN DE FRECUENCIAS 49
Grficos
En el cuadro de dialogo:
Tipo de grafico:
~ Grfico circulares
Valores del grfico:
~ Porcentajes
Continuar
Aceptar
c. Los resultados que nos presentara sern los mismos a los que nos
present anteriormente caso.
d. Inferencia:
La interpretacin de los resultados ser similar al que se realizo
anteriormente.
5.2.
a.
7
6
7
8
8
7
4
8
8
7
5
9
8
6
8
8
4
8
3
7
5
7
3
1
7
8
6
8
7
7
7
7
5
5
6
7
7
6
7
10
7
6
6
8
8
5
6
8
7
Objetivo:
Determinar la distribucin de frecuencias del nmero de plantas
seleccionadas para el programa de fitomejoramiento.
b.
Una vez introducidos los datos en el Editor de datos del SPSS y realizada
la respectiva recodificacin o agrupacion:
Grficos
En el cuadro de dialogo:
Tipo de grafico:
~ Grafico de barras
Valores del grfico:
~ Porcentajes
Continuar
Aceptar
c. Los resultados nos presentara en la Ventana de resultados:
Estadsticos
Numero de plantas seleccionadas
N
Vlido
56
Perdidos
0
Numero de plantas seleccionadas
Vlido
1
3
4
5
6
7
8
9
10
Total
Frecuencia
1
2
3
7
9
19
13
1
1
56
Porcentaje
1,8
3,6
5,4
12,5
16,1
33,9
23,2
1,8
1,8
100,0
Porcentaje vlido
1,8
3,6
5,4
12,5
16,1
33,9
23,2
1,8
1,8
100,0
Porcentaje
acumulado
1,8
5,4
10,7
23,2
39,3
73,2
96,4
98,2
100,0
DISTRIBUCIN DE FRECUENCIAS 51
d.
Inferencia:
En el 33.9% de las parcelas se selecciono 7 plantas, en un 23.2% se
seleccionaron 8 plantas, en un 16.1% de las parcelas se selecciono 6
plantas, en un 12.5% de la parcelas se selecciono 5 plantas, en 5.4% de
las parcelas se selecciono 4 plantas, se selecciono 3 plantas en 3.6% de las
parcelas, y se selecciono 1, 9 y 10 plantas en 1.8% de las parcelas.
51
61
59
58
83
68
72
75
67
40
46
52
29
45
51
42
Objetivo:
Calcular las frecuencias del rendimiento de clones de pasto estrella.
b.
Con los valores de TIC calculamos las clases (lmite inferior y lmite
superior), para generar la nueva variable.
LInf
28
45
62
79
96
e.
LSup
44
61
78
95
112
Grficos
En el cuadro de dialogo:
Tipo de grafico:
~ Grafico de barras
Valores del grfico:
~ Porcentajes
Continuar
Aceptar
c. Los resultados nos presentara en la Ventana de resultados:
Estadsticos
Rendimiento de Pasto Estrella (agrupado)
N
Vlido
20
Perdidos
0
Rendimiento de Pasto Estrella (agrupado)
Vlido
28-44
45-61
62-78
79-95
96-112
Total
Frecuencia
3
8
4
3
2
20
Porcentaje
acumulado
15,0
55,0
75,0
90,0
100,0
DISTRIBUCIN DE FRECUENCIAS 53
f.
Inferencia:
Un 15% de los pastos estrellas tienen un rendimiento entre 28 y 44,
similar porcentaje tienen los pastos que tienen un rendimiento entre 79
y 95, un 40% de los pastos tienen un rendimiento entre 45 y 61, un 20%
de los pastos tienen un rendimiento entre 62 y 78, y un 10% de los pastos
tienen un rendimiento entre 96 y 112.
Generacin de grficos
Objetivo:
Aceptar
Nos presentara la segunda ventana de Generador de grficos:
b Elija entre: Circular/Polar
@ Porciones por?: Color de la flor de linaza
Aceptar
c.
d.
Inferencia:
La interpretacin ser la misma que la anterior.
5.4.2.
Histograma
Objetivo:
Representar las frecuencias del rendimiento de clones de pasto estrella
en un histograma.
DISTRIBUCIN DE FRECUENCIAS 55
b.
Aceptar
d.
Inferencia:
La interpretacin es similar al anterior caso.
5.4.3.
Diagrama de barras
Objetivo:
Representar las frecuencias del rendimiento de clones de pasto estrella
en un diagrama de barras.
b.
Aceptar
Nos presentara la segunda ventana de Generador de grficos:
b Elija entre: Barras
@ Eje X?: Rendimientto de Pasto Estrella (agrupado)
Aceptar
c.
d.
Inferencia:
La interpretacin es similar que los realizados anteriormente.
5.4.4.
Objetivo:
DISTRIBUCIN DE FRECUENCIAS 57
Visualizacion:
~ Graficos
Graficos
En el cuadro de Graficos:
Diagrama de cajas:
~ Ninguna
Descriptivos:
; De tallos y hojas
Continuar
Aceptar
c.
d.
Inferencia:
Se observa que por ejemplo se tienen 5 valores que tienen rendimientos
desde 51 a 59; 3 valores que tienen rendimientos entre 61 y 68, y as
sucesivamente.
Ramiro Ral OCHOA TORREZ >>
6. MEDIDAS DE TENDENCIA
CENTRAL, DISPERSIN Y
FORMA
6.1.
Introduccin
Frecuencias
Descriptivos
Explorar
6.2.
6.2.1.
Ejercicio
Se tiene los siguientes valores del porcentaje de germinacin de 76 cajas de
germinacin de rabanitos:
93
93
93
93
98
98
97
97
98
98
a.
94
94
94
94
94
94
98
98
98
98
95
95
95
95
95
95
95
95
99
99
96
96
96
96
96
96
96
96
96
96
97
97
97
97
97
97
97
97
97
98
98
98
98
98
98
98
98
98
99
99
99
99
99
99
99
99
99
100
100
100
100
100
100
99
98
97
Objetivo:
Determinar los valores de medidas de tendencia central, dispersin y
forma del porcentaje de germinacin de 76 cajas de rabanitos.
Una vez introducidos los datos en el Editor de datos del SPSS. Para su
anlisis seleccionamos:
Estadsticos
Del cuadro de dialogo de Estadisticos:
Valores percentiles:
; Cuartiles
Tendencia central:
; Media
; Mediana
; Moda
Dispersion:
; Desviacin estndar
; Varianza
; Rango
; Minimo
; Maximo
; Error estndar media
Distribucin:
; Asimetria
; Curtosis
Continuar
Graficos
Tipo de grfico:
~ Histogramas
; Mostrar curva normal en el histograma
Continuar
Aceptar
c.
d.
98
1,932
3,733
-,410
,276
-,695
,545
7
93
100
96,00
97,00
98,00
Inferencia:
N Vlidos = 76. Nmero de valores vlidos 76.
N Perdidos = 0. Nmero de valores perdidos 0.
Media = 97. El promedio de porcentaje de germinacin de las 76 cajas es
de 97%.
Error estndar de la media = ,222. El valor que vara la media entre varias
muestras es de 0,222.
Mediana = 97,00. El valor que divide en dos partes iguales al conjunto
de datos es el 97%.
Moda = 98. El valor que ms veces se repite es el 98%.
Desviacin estndar = 1,932. La medida de dispersin respecto a la
media es de 1,932.
Varianza = 3,733. La medida de dispersin en torno a la media es igual
a 3,733.
Ejercicio
Considerando los valores anteriores de porcentaje de germinacin de 76 cajas
de rabanito.
a.
Una vez introducidos los datos en el Editor de datos del SPSS. Para su
anlisis seleccionamos:
Opciones
; Media
Dispersin:
; Desviacin estandar
; Varianza
; Rango
; Mnimo
; Mximo
; Error estndar media
Distribucin:
; Curtosis
; Asimetria
Continuar
Aceptar
b.
Estadsticos descriptivos
Rango
Mnimo
Mximo
Media
76
93
100
97,00
Error
estndar
,222
76
Estadsticos descriptivos
Desviacin
estndar
Varianza
Estadstico
Estadstico
1,932
3,733
Porcentaje
de
germinacin
de
rabanitos
N vlido
(por lista)
Asimetra
Curtosis
Error
Error
Estadstico estndar Estadstico estndar
-,410
,276
-,695
,545
c.
Inferencia:
La interpretacin de los valores es similar a los realizados anteriormente.
Una vez introducidos los datos en el Editor de datos del SPSS. Para su
anlisis seleccionamos:
Estadisticos
Del cuadro de dialogo de Estadisticos:
; Descriptivos
; Percentiles
Continuar
Grficos
Diagrama de caja:
~ Niveles de los factores juntos
Descriptivos:
; Histograma
Continuar
Aceptar
b.
Porcentaje de
germinacin de
rabanitos
76
100,0%
0,0%
Total
N
Porcentaje
76
100,0%
Porcentaje de Media
germinacin de 95% de intervalo de
Lmite inferior
rabanitos
confianza para la media Lmite superior
Media recortada al 5%
Mediana
Varianza
Desviacin estndar
Mnimo
Mximo
Rango
Rango intercuartil
Asimetra
Curtosis
Estadstico
97,00
96,56
97,44
97,06
97,00
3,733
1,932
93
100
7
2
-,410
-,695
Error
estndar
,222
,276
,545
Percentiles
5
10
25
Percentiles
50
75
90
95
Promedio
Porcentaje de
ponderado(Definicingerminacin de 93,00 94,00 96,00 97,00 98,00 99,00 100,00
1)
rabanitos
Bisagras de Tukey Porcentaje de
germinacin de
96,00 97,00 98,00
rabanitos
c.
Inferencia:
La interpretacin de los valores es similar a los realizados anteriormente.
Presentndonos el nmero de datos que se analizaron, datos validos,
perdidos y el total.
Tambien nos presenta los percentiles (5%, 10%, 25%, 50%, 75%, 90%,
95%), en la siguiente fila las bisagras d Tukey que se refieren a los valores
de los cuartiles.
Seguidamente se nos presenta el histograma con valores de media,
desviacin estndar y el nmero de datos.
Por ultimo el grafico de cajas, en la cual la lnea oscura que se encuentra
en la mitad de las cajas es la mediana (dividiendo en dos partes al
conjunto de datos). La parte inferior de la caja indica el cuartil 1 (Q1)
25%. El veinticinco por ciento de los casos o filas tienen valores por
debajo del percentil 25. La parte superior de la caja representa el
percentil 75 (o cuartil 3 Q3). El veinticinco por ciento de los casos o filas
tienen valores por encima del percentil 75. Esto significa que el 50 % de
los casos o filas se encuentran dentro de la caja. La amplitud e la caja nos
muestra cuan variables son los datos. Las partes superior e inferior de la
caja suelen denominarse bisagras.
Las barras en forma de T que salen de las cajas se denominan cercas
internas o patillas o bigotes. Tienen una extensin de 1,5 veces la altura
de la caja o, si no hay ningn caso o fila con valor en dicho rango, hasta
los valores mnimo y mximo. Si los datos se distribuyen con
7. T-STUDENT
7.1.
Tipos de comparacin
7.1.1.
a.
2565
2571
2587
2590
2591
2595
2601
2605
2605
2614
2618
2620
2623
2634
2638
2655
2671
2673
2685
2472
2475
2514
2545
2551
2570
2573
2630
2630
Objetivo:
Determinar si el valor del peso a la canal de los 34 pollos parrilleros son
igual al peso promedio poblacional.
b.
Hiptesis:
Ho: El promedio de peso a la canal de los pollos parrilleros es igual al
peso promedio poblacional .
Ha: El promedio de peso a la canal de los pollos parrilleros es diferente
del peso promedio poblacional .
T-STUDENT 69
Aceptar
d.
t
Peso a la canal de
-10,505
pollos (g)
a
Media de error
estndar
11,225
,000
-117,912
-140,75
-95,07
El primer cuadro nos presenta las Estadsticas para una muestra, donde
se tiene el nmero de datos (N=34), la media de peso a la canal de pollos
2582,09, desviacin estandar de 65,452 y la media de error estandar
11,225.
El segundo cuadro nos presenta los valores de la prueba para una
muestra, donde se aprecia el valor de la prueba = 2700 que viene a ser el
promedio poblacional (=2700) que se est comparando; el valor
calculado de la prueba de t = -10,505; los grados de libertad gl = 33 89
(que viene de ); el valor de probabilidad de obtener un valor
absoluto mayor o igual que la estadstica de t observada Sig. (bilateral)
= ,000 (no quiere decir que sea cero, sino que su valor es inferior la
presentacin de 3 decimales); la Diferencia de medias = -117,912, la
diferencia entre el promedio muestral de los datos y el promedio
poblacional de referencia (si sale positivo el promedio de la muestra es
mayor, si sale negativo el promedio poblacional es mayor); 95%
Intervalo de confianza para la diferencia: Inferior = 140,75, Superior = 95,07, proporciona una estimacin de los lmites entre los que se
encuentra la diferencia de medias con un 95% de certeza.
e.
Inferencia:
T-STUDENT 71
a.
218
194
224
201
235
216
241
218
222
199
241
185
237
210
229
216
234
204
241
236
Objetivo:
Comparar el peso promedio de corderos alimentados con dos raciones
diferentes (Harina de soya y Torta de girasol).
b.
Hiptesis:
Ho: El promedio de peso de los corderos alimentados con Harina de
soya es igual al promedio de peso de los corderos alimentados con Torta
de girasol, es decir la diferencia entre los promedios de los corderos
alimentados con las dos raciones es cero .
Ha: El promedio de peso de los corderos alimentados con Harina de
soya es diferente al promedio de peso de los corderos alimentados con
Torta de girasol .
c.
d.
Defininir grupos
En el cuadro de dialogo de Definir grupos:
#
#
Grupo 1: 1
Grupo 2: 2
Continuar
Aceptar
e. Los resultados que nos presentara la son los siguientes:
Estadsticas de grupo
Raciones
alimenticias
Media
Desviacin
estndar
11
9
232,55
204,78
8,141
11,234
Media de
error
estndar
2,455
3,745
T-STUDENT 73
Sig.
1,130
,302
gl
Se
asumen
6,409 18
Incrementovarianzas
de peso iguales
diario de No se
corderos asumen
6,202 14,248
varianzas
iguales
a
95% de
Diferencia Diferencia intervalo de
Sig.
de
de error confianza de la
(bilateral)
diferencia
medias estndar
Inferior Superior
,000
27,768
4,332
18,666 36,869
,000
27,768
4,477
18,180 37,355
Inferencia:
El valor de Sig. de la prueba de igualdad de varianzas es 0,302 superior
a 0,05, por lo que rechazamos la hiptesis alterna de que las varianzas
son diferentes (Por lo que para la inferencia de la prueba de t, se deber
Ramiro Ral OCHOA TORREZ >>
Observaciones pareadas
a.
Moradita
23,06
25,37
28,52
29,23
29,32
31,73
31,89
32,06
32,25
32,31
Monaliza
44,15
49,29
50,64
54,04
56,44
57,16
63,80
63,98
64,96
64,97
Objetivo:
Determinar si existen diferencias significativas en el rendimiento t/ha
de las dos variedades de camote.
b.
Hiptesis:
Ho: El rendimiento de la variedad Moradita es igual al rendimiento de
la variedad Monaliza, es decir la diferencia de promedios de las dos
variedades es cero .
Ha: El rendimiento de la variedad Moradita es diferente al rendimiento
de la variedad Monaliza, es decir la diferencia de promedios es diferente
de las dos variedades es cero .
c.
T-STUDENT 75
d.
Variable emparejadas:
@ Variable 1: Moradita
@ Variable 2: Monaliza
Aceptar
e.
Par 1
Par 1
Moradita
Monaliza
Media de error
estndar
1,01236
2,34740
Sig.
,000
-24,10737
gl
Sig.
(bilateral)
-18,982
,000
Inferencia:
El valor promedio de la variedad Moradita es de 29,5740 t/ha, el de la
variedad Monaliza es de 56,9430 t/ha, la diferencia de los dos promedios
es de -27,36900 t/ha (a favor de la variedad Monaliza).
Como el valor de Sig. (bilateral) es inferior a 0.01, podemos sealar que
se rechaza la hiptesis nula. Por lo que podemos afirmar que el
promedio de rendimiento de la variedad Moradita es diferente del
rendimiento de la variedad Monaliza.
8. CHI-CUADRADO
8.1.
Introduccin
8.1.1.
Es una prueba que mide las semejanzas o igualdades entre las frecuencias
observadas y esperadas.
Ejercicio
En un experimento con guisantes, Gregor Mendel observo que 315 eran
redondos y amarillos, 108 redondos y verdes, 101 rugosos y amarillos y 32
rugosos y verdes. De acuerdo con su teora de la herencia, esos nmeros
deberan ir en la proporcin 9: 3: 3: 1 (Spiegel 1997).
Relacin terica: 9: 3: 3: 1, N= 16
Relacin encontrada: 315: 108: 101: 32, N= 556
a.
Objetivo:
Comparar las proporciones tericas y las observadas de guisantes.
b.
Hiptesis:
Ho: Los valores observados son similares a los valores tericos.
Ha: Los valores observados son distintos a los valores tericos.
c.
Chi-cuadrado
En el cuadro de dialogo de Prueba de Chi-cuadrado:
Valores: 9
Aadir
CHI-CUADRADO 77
Valores: 3
Aadir
Valores: 3
Aadir
# Valores: 1
Aadir
Aceptar
d. Los resultados que nos presentara la son los siguientes:
Redondos y amarillos
Redondos y verdes
Rugosos y amarillos
Rugisos y verdes
Total
Guisantes
N observado
315
108
101
32
556
N esperada
312,8
104,3
104,3
34,8
Residuo
2,3
3,8
-3,3
-2,8
Estadsticos de prueba
Guisantes
Chi-cuadrado
,470a
gl
3
Sig. asinttica
,925
a. 0 casillas (0,0%) han esperado
frecuencias menores que 5. La
frecuencia mnima de casilla esperada
es 34,8.
a
e.
Inferencia:
Como el valor de Sig. asinttica es mayor a 0,05 (Sig = 0,925), rechazamos
la hiptesis alterna, por lo que podemos afirmar que los valores
observados de los guisantes son iguales a los valores esperados (o
tericos).
8.1.2.
CHI-CUADRADO 79
a.
No preada
4
9
4
17
Preada
20
31
12
63
Total
24
40
16
80
Objetivo:
Relacionar los valores de cantidad de vacas preadas con los tres
sistemas de induccin probados.
b.
Hiptesis:
Ho: Las cantidades de vacas preadas y no preadas son
independientes o no estn relacionados con los sistemas de induccin
probados.
Ha: Las cantidades de vacas preadas y no preadas no son
independientes, es decir estn relacionados con los sistemas de
induccin probados.
c.
@ Filas: Hormona
@ Columna: Respuesta
Estadisticos
En el cuadro de dialogo de Estadisticos:
; Chi-cuadrado
Continuar
Casillas
Recuento:
; Observado
Porcentajes:
; Fila
; Columna
Continuar
; Mostrar los graficos de barras agrupadas
Aceptar
d.
Total
N
Porcentaje
80
100,0%
Respuesta
No preada Preada
4
20
16,7%
83,3%
23,5%
31,7%
9
31
22,5%
77,5%
52,9%
49,2%
4
12
25,0%
75,0%
23,5%
19,0%
17
63
21,3%
78,8%
100,0%
100,0%
Total
24
100,0%
30,0%
40
100,0%
50,0%
16
100,0%
20,0%
80
100,0%
100,0%
Pruebas de chi--cuadrado
Sig. asinttica (2
Valor
gl
caras)
Chi-cuadrado de Pearson
,473a
2
,789
Razn de verosimilitud
,485
2
,785
Asociacin lineal por lineal
,435
1
,510
N de casos vlidos
80
a. 1 casillas (16,7%) han esperado un recuento menor que 5. El recuento mnimo
esperado es 3,40.
CHI-CUADRADO 81
Inferencia:
Como el valor de Sig. asinttica de 0,789 superior a 0,05, rechazamos la
hiptesis alterna, por lo que podemos afirmamos que no hay una
relacin significativa entre las cantidades de vacas preadas y no
preadas con los sistemas de induccin (hormona 1, hormona 2 y
normal).
9. ANLISIS DE VARIANZA
9.1.
Introduccin
a.
T1
145
150
162
145
151
158
146
150
160
155
T2
138
147
137
150
135
150
157
150
154
130
Toros
T3
135
146
153
157
140
154
150
133
132
147
T4
131
135
145
156
154
140
128
145
135
131
T5
153
148
148
140
148
152
138
149
135
157
Objetivo:
Analizar el peso de la progenie de cinco toros Cebs.
b.
Hiptesis:
Ho: Los promedios de peso de la progenie de cinco toros Cebs son
iguales .
Ha: Los promedios de peso de la progenie de cinco toros Cebs son
diferentes, o al menos uno de ellos es diferente .
c.
Opciones
Estadisticos
; Descriptivos
; Grafico de las medias
Continuar
Aceptar
d.
Toro 1
Toro 2
Toro 3
Toro 4
Toro 5
Total
Desviacin
Error
estndar estndar
Media
10
10
10
10
10
50
152,20
144,80
144,70
140,00
146,80
145,70
6,250
9,077
9,166
9,764
7,005
8,952
ANOVA
Peso al destete
Entre grupos
Dentro de grupos
Total
1,977
2,871
2,898
3,088
2,215
1,266
Suma de
cuadrados
777,600
3148,900
3926,500
gl
4
45
49
Media
cuadrtica
194,400
69,976
Sig.
2,778
,038
ANALISIS DE VARIANZA 85
Inferencia:
Como el valor de Sig. 0,038 es inferior a 0,05, podemos indicar que se
tienen diferencias significativas en el peso al destete de la progenie de
cinco toros Cebs (kg). Siendo esta diferencia significativa a un nivel de
significancia = 0,05.
Observando la figura apreciamos que el la progenie del Toro 1, tuvo el
promedio ms alto de peso al destete, en tanto que la progenie del Toro
4 tuvo el promedio ms bajo de peso al destete. El resto de las progenies
de los toros 2, 3 y 5 se encuentran entre esos promedios.
Introduccin
La opcin Lineales.
La opcin Estimacion curvilnea.
Ejercicio
Si por ejemplo tenemos los datos de precipitacin de lluvia (mm) y el
rendimiento de trigo (kg/ha), se nos pide determinar la relacin de la lluvia
sobre el rendimiento (Calzada 1982).
X
Lluvia
23
21
28
27
23
28
27
22
26
25
a.
Y
Rendimiento
26
25
29
27
27
32
33
28
30
33
Objetivo:
Hiptesis:
Ho: No se tiene un efecto de la precipitacin sobre el rendimiento de
trigo .
Ha: Se tiene un efecto de la precipitacin sobre el rendimiento de trigo
.
c.
@ Dependiente: Rendimiento
@ Independiente: Lluvia
Estadisticos
En el cuadro de dialogo de Estadisticos:
Coeficientes de regresion
; Estimaciones
; Ajuste del modelo
Continuar
Aceptar
d.
Variables entradas/eliminadasa
Variables
Modelo
Variables eliminadas
introducidas
1
Lluviab
.
a. Variable dependiente: Rendimiento
b. Todas las variables solicitadas introducidas.
Mtodo
Intro
Error estndar de la
estimacin
2,377
ANOVAa
Suma de
cuadrados
1
Regresin
30,817
Residuo
45,183
Total
76,000
a. Variable dependiente: Rendimiento
b. Predictores: (Constante), Lluvia
Modelo
gl
1
8
9
Media
cuadrtica
30,817
5,648
Sig.
5,456
,048b
Coeficientesa
Coeficientes no
Coeficientes
estandarizados
estandarizados
Modelo
t
B
Error estndar
Beta
1
(Constante)
11,083
7,707
1,438
Lluvia
,717
,307
,637
2,336
a. Variable dependiente: Rendimiento
a
Sig.
,188
,048
Inferencia
Apreciando el coeficiente de correlacion (R = 0,647), podemos afirmar
que se tiene una relacin positiva media a postiva considerable.
Considerando el coeficiente de determinacin (R cuadrado = 0,405), la
precipitacin tiene una influencia o afecta al rendimiento de trigo en un
40,5%, el restante59,5% se debe a otros factores propios del azar,
involucrados como el error experimental.
En el anlisis de varianza de la regresin el valor de Sig. = 0,048, inferior
a ; rechazamos la hiptesis nula , por lo que se puede
afirmar que existe una dependencia del rendimiento del trigo con
relacin a la cantidad de lluvia cada.
Con los coeficientes elaboramos la ecuacin de regresin lineal:
Empleando la ecuacin de regresin se afirma que por cada mm de
lluvia que se incremente, se tendr un incremento en el rendimiento en
0,72 kg/ha.
10.2.2.
Que nos porporcionara los mismos resultados que la anterio opcin, pero se
suma el grafico de dispersin o de puntos con la lnea de tendencia que tienen
los valores en anlisis de las dos variables tanto dependiente como
indepediente.
Objetivo:
Determinar el efecto de la precipitacin (mm) sobre el rendimiento de
trigo (kg/ha).
b.
Hiptesis:
Ho: No se tiene un efecto de la precipitacin sobre el rendimiento de
trigo .
Ha: Se tiene un efecto de la precipitacin sobre el rendimiento de trigo
.
c.
@
@
;
;
Dependiente: Rendimiento
Independiente: Lluvia
Incluir la constante en la ecuacin
Represetar los modelos
Modelos
; Lineal
; Ver tabla de ANOVA
Aceptar
d. Los resultados que nos presentara la son los siguientes:
Descripcin del modelo
Nombre de modelo
Variable dependiente
1
Ecuacin
1
Variable independiente
Constante
Variable cuyos valores etiquetan las observaciones en
los grficos
Resumen de procesamiento de casos
N
Casos totales
10
Casos excluidosa
0
Casos pronosticados
0
Casos creados recientemente
0
a. Los casos con un valor perdido en cualquier
variable se excluyen del anlisis.
MOD_3
Rendimiento
Lineal
Lluvia
Incluido
Sin especificar
Error estndar de la
estimacin
2,377
ANOVA
Suma de
cuadrados
Regresin
30,817
Residuo
45,183
Total
76,000
La variable independiente es Lluvia.
Lluvia
(Constante)
gl
1
8
9
Media
cuadrtica
30,817
5,648
Coeficientes
Coeficientes
Coeficientes no estandarizados estandarizados
B
Error estndar
Beta
,717
,307
,637
11,083
7,707
F
5,456
t
2,336
1,438
Sig.
,048
Sig.
,048
,188
Inferencia
Grafico de regresin
En este caso solo se tiene el grafico, no se tendr ningn otro valor o anlisis
de varianza, asi mismo nos presenta el valor del coeficiente de determinacin
al tanto por uno (este se tiene que multiplicar por 100 para poder interpretar
este valor).
Ejercicio
Considerando los datos del anterior ejercicio.
a.
Objetivo:
Determinar el efecto de la precipitacin (mm) sobre el rendimiento de
trigo (kg/ha).
b.
Hiptesis:
Ho: No se tiene un efecto de la precipitacin sobre el rendimiento de
trigo .
Ha: Se tiene un efecto de la precipitacin sobre el rendimiento de trigo
.
c.
e.
Inferencia
Empleando la ecuacin de regresin se afirma que por cada mm de
lluvia que se incremente, se tendr un incremento en el rendimiento en
0,72 kg/ha. Considerando el coeficiente de determinacin tenemos que
un 40,50% del rendimiento depende de la lluvia y el restante 59,50% es
debido a otros factores.
En el caso de que el incremento de lluvia fuese de 0 mm, el rendimiento
ser de 11,08 kg/ha.
10.3.
Coeficiente de correlacion
Objetivo:
Determinar la relacin entre la cantidad de lluvia cada y el rendimiento
del trigo.
b.
Hiptesis:
Ho: No se tiene relacin entre la cantidad de lluvia cada y el
rendimiento de trigo .
@ Variables: Lluvia
@ Variables:Rendimiento
Coeficientes de correlacion:
; Pearson
Prueba de significancia
~ Bilateral
; Marcar las correlaciones significativas
Aceptar
d.
Correlaciones
Lluvia
Lluvia
1
Correlacin de Pearson
Sig. (bilateral)
N
10
Rendimiento
Correlacin de Pearson
,637*
Sig. (bilateral)
,048
N
10
*. La correlacin es significativa en el nivel 0,05 (2 colas).
a
e.
Rendimiento
,637*
,048
10
1
10
Inferencia
Apreciando el coeficiente de correlacion (R = 0,647), podemos afirmar
que se tiene una relacin positiva media a postiva considerable. As
mismo el SPSS nos muestra que el valor de correlacion es significativa al
nivel de 0,05.
Apreciando el valor de Sig. (bilateral) 0,048 es inferior 0,05 por lo que
rechazamos la hiptesis nula , el valor de correlacion es
diferentes de cero, existiendo relacin entre ambas variables.
Introduccion
Aditividad
Linealidad
Normalidad
Independencia
Homogeneidad de varianzas
x
x
Prueba de Normalidad
a.
A
15
14
12
13
13
B
16
14
13
15
14
C
13
12
11
12
10
D
11
13
10
12
11
E
14
12
12
10
11
Objetivo:
Analizar si los datos altura de pino presentan una distribucin normal.
b.
Hiptesis:
Ho: Los datos de altura de pino presentan distribucin normal.
Ha: Los datos de altura de pino no presentan distribucin normal.
c.
Graficos
Diagramas de cajas:
~ Ninguna
; Graficos con pruebas de normalidad
Continuar
Aceptar
d.
Altura de planta
N
25
Total
Porcentaje
100,0%
Descriptivos
Altura de planta Media
95% de intervalo de
Lmite inferior
confianza para la media Lmite superior
Media recortada al 5%
Mediana
Varianza
Desviacin estndar
Mnimo
Mximo
Rango
Rango intercuartil
Asimetra
Curtosis
Pruebas de normalidad
Kolmogorov-Smirnova
Shapiro-Wilk
Estadstico
gl
Sig.
Estadstico
gl
Altura de planta
,145
25
,188
,954
25
a. Correccin de significacin de Lilliefors
Sig.
,303
Inferencia:
Observando la prueba de Kolmogorov-Smirnov, el valor de Sig. 0,188 es
mayor que 0,05, rechazamos la hiptesis alterna, por lo que podemos
afirmar que los datos de altura de planta presentan una distribucin
normal.
Considerando el valor de Sig. 0,303 de la prueba de Shapiro-Wilk, al ser
mayor que 0,05, podemos afirmar que los datos presentan una
distribucin normal.
Apreciando el Grafico Q-Q normal, la recta representa la distribucin
normal teorica, los puntos como se observa estn prximos de la recta,
por lo que se puede afirmar que el ajuste es aceptable (si se alejan de la
recta el ajuste de normalidad no es aceptable).
En el Grafico Q-Q normal sin tendencia se observan las desviaciones de
los valores respecto a la recta, los valores estn fluctuando cerca del cero
(no estn muy alejados), por lo que se puede afirmar que tienen una
tencencia normal (si se alejan del cero, estos se alejan de la normalidad).
11.2.2.
Prueba de Kolmogorov-Smirnov
Objetivo:
Analizar si los datos altura de pino presentan una distribucin normal.
b.
Hiptesis:
Ho: Los datos de altura de pino presentan distribucin normal.
Ha: Los datos de altura de pino no presentan distribucin normal.
c.
S de 1 muestra
En el cuadro de dialogo de Prueba de Kolmogorov-Smirnov para una
muestra:
Distribucion de prueba:
; Normal
Aceptar
d.
Media
Desviacin estndar
Absoluta
Positivo
Negativo
Estadstico de prueba
Sig. asinttica (bilateral)
a. La distribucin de prueba es normal.
b. Se calcula a partir de datos.
c. Correccin de significacin de Lilliefors.
a
e.
Altura de planta
25
12,52
1,636
,145
,145
-,097
,145
,188c
Inferencia:
Observando el valor de Sig. 0,188 es mayor que 0,05, rechazamos la
hiptesis alterna, afirmamos que los datos de altura de planta presentan
una distribucin normal.
Introduccion
Realiza el anlisis de varianza de un solo factor, una sola via, conocido como
Diseo Completamente al Azar.
Al mismo tiempo realizaremos la prueba de Levene de homogeneidad de
varianzas, ANVA, prueba de medias y grafico de promedios.
Ejercicio
Una persona que realiza plantaciones quiso comparar los efectos de cinco
tratamientos de preparacin en el sitio (A, B, C, D, E) sobre el crecimiento
DISEO COMPLETAMENTE AL AZAR 101
a.
A
15
14
12
13
13
B
16
14
13
15
14
C
13
12
11
12
10
D
11
13
10
12
11
E
14
12
12
10
11
Donde:
b.
Objetivo:
Comparar la altura de plantines de pino con 5 tipos de preparacin del
suelo.
c.
Hiptesis:
Ho: La altura de planta de los plantines de pino no presenta diferencias
con cinco tipos de preparacin de suelos (A = B = C = D = E).
Ha: La altura de los plantines de pino con 5 tipos de preparacin de
suelos presentan diferencias, o al menos uno de ellos es diferente (A B
C D E).
d.
Post hoc
En el cuadro de dialogo de Post hoc:
Asumiendo varianzas iguales
; Duncan
<< Ramiro Ral OCHOA TORREZ
Continuar
Opciones
Estadsticos
; Prueba de homogeneidad de varianzas
; Grafico de las medias
Continuar
Aceptar
e.
Altura de planta
Entre grupos
Dentro de grupos
Total
Duncana
Sig.
,993
Suma de
cuadrados
34,640
29,600
64,240
Media
cuadrtica
8,660
1,480
gl
4
20
24
F
5,851
Sig.
,003
Altura de planta
f.
SC
34,640
29,600
64,240
GL
4
20
24
CM
8,660
1,480
F
5,851
Sig.
,003
Inferencia:
Observando el valor de Sig. 0,993 de la prueba de Levene
(Homogeneidad de varianzas), esta es mayor que 0,05, por lo que
rechazamos la hiptesis alterna, afirmamos que las varianzas de los
tratamientos (sitios) son homogneas.
En el anlisis de varianza, el valor de Sig. 0,003 es inferior a 0,01,
podemos indicar que se tienen diferencias altamente significativas en la
altura de las plntulas con los diferentes tratamientos de preparacin de
suelo.
En el caso de la prueba de medias de Duncan (con un =0,05) se
conforman tres grupos diferenciados, el primero conformado por los
tratamientos B y A que tienen los promedios de altura ms altos (con
promedios de 14,40 y 13, 40 pies respectivamente); el segundo grupo
Promedio
14,40
13,40
11,80
11,60
11,40
Duncan
A
AB
BC
C
C
Objetivo:
Comparar la altura de plantines de pino con 5 tipos de preparacin del
suelo.
b.
Hiptesis:
Ho: La altura de planta de los plantines de pino no presenta diferencias
con cinco tipos de preparacin de suelos (A = B = C = D = E).
Ha: La altura de los plantines de pino con 5 tipos de preparacin de
suelos presentan diferencias, o al menos uno de ellos es diferente (A B
C D E).
c.
Modelo
En el cuadro de dialogo de Modelo:
Especificar modelo
~ Personalizado
Construimos trminos
b
@ Modelo: Tratamiento
; Incluir intercepcin en el modelo
Continuar
Graficos
Visualizacion
; Pruebas de homogeneidad
Continuar
Aceptar
d.
Tratamiento
Factores inter--sujetos
Etiqueta de valor
1
A
2
B
3
C
4
D
5
E
N
5
5
5
5
5
F
5,851
2647,811
Sig.
,003
,000
5,851
,003
Altura de planta
Subconjunto
Tratamiento
N
1
2
3
D
5
11,40
C
5
11,60
E
5
11,80
11,80
A
5
13,40
13,40
B
5
14,40
Sig.
,629
,051
,208
Se visualizan las medias para los grupos en los subconjuntos homogneos.
Se basa en las medias observadas.
El trmino de error es la media cuadrtica(Error) = 1,480.
a. Utiliza el tamao de la muestra de la media armnica = 5,000.
b. Alfa = ,05.
e.
SC
34,640
29,600
64,240
GL
4
20
24
CM
8,660
1,480
F
5,851
Sig.
,003
Inferencia:
Observando el valor de Sig. 0,993 de la prueba de Levene
(Homogeneidad de varianzas), esta es mayor que 0,05, por lo que
rechazamos la hiptesis alterna, afirmamos que las varianzas de los
tratamientos (sitios) son homogneas.
En el anlisis de varianza, el valor de Sig. 0,003 es inferior a 0,01,
podemos indicar que se tienen diferencias altamente significativas en la
altura de las plntulas con los diferentes tratamientos de preparacin de
suelo.
En el caso de la prueba de medias de Duncan (con un =0,05) se
conforman tres grupos diferenciados, el primero conformado por los
tratamientos B y A que tienen los promedios de altura ms altos (con
promedios de 14,40 y 13, 40 pies respectivamente); el segundo grupo
conformado por los tratamientos A y E (con promedios de 13,40 y 11,80
pies); y un tercer grupo conformado por los tratamientos E, C y D (con
promedios de 11,80, 11,60 y 11,40 pies respectivamente).
Finalmente se aprecia el grafico de promedios donde se observa las
diferencias en altura de los plantines.
Corderos
Castrados
Enteros
Implantados con Sinovex S
Implantados con Estil Bestrol
T1
T2
T3
T4
a.
I
47
50
57
62
II
52
54
53
65
III
56
54
74
IV
51
57
50
Donde:
b.
Objetivo:
Analizar los pesos finales de corderos castrados, enteros, implantados
con Sinovex S y Estil Bestrol.
c.
Hiptesis:
Ho: No existe diferencia en los pesos finales de corderos castrados,
enteros, implantados con Sinovex S y Estil Bestrol .
Ha: Los pesos finales de corderos castrados, enteros, implantados con
Sinovex S y Estil Bestrol son diferentes, o al menos uno de ellos es
diferente .
d.
Post hoc
En el cuadro de dialogo de Post hoc:
Asumiendo varianzas iguales
; Tukey
Continuar
Opciones
Estadsticos
; Prueba de homogeneidad de varianzas
; Grafico de las medias
Continuar
Ramiro Ral OCHOA TORREZ >>
Aceptar
e.
Peso de corderos
Entre grupos
Dentro de grupos
Total
Sig.
,203
Suma de
cuadrados
313,548
340,167
653,714
Media
cuadrtica
104,516
34,017
gl
3
10
13
F
3,072
Sig.
,078
Comparaciones mltiples
Variable dependiente: Peso de corderos
HSD Tukey
(I) Tratamiento
Castrados
95% de intervalo de
Diferencia
confianza
de
medias (I- Error
Lmite
Lmite
J)
estndar Sig. inferior superior
-3,333
4,762 ,895 -17,90
11,24
(J) Tratamiento
Enteros
Implantados con
-5,250
Sonovex S
Implantados con
-12,750
Estil Bestrol
Enteros
Castrados
3,333
Implantados con
-1,917
Sonovex S
Implantados con
-9,417
Estil Bestrol
Implantados con Castrados
5,250
Sonovex S
Enteros
1,917
Implantados con
-7,500
Estil Bestrol
Implantados con Castrados
12,750
Estil Bestrol
Enteros
9,417
Implantados con
7,500
Sonovex S
HSD Tukeya,b
4,455
,653
-18,88
8,38
4,455
,068
-26,38
,88
4,762
,895
-11,24
17,90
4,455
,972
-15,54
11,71
4,455
,213
-23,04
4,21
4,455
4,455
,653
,972
-8,38
-11,71
18,88
15,54
4,124
,320
-20,12
5,12
4,455
4,455
,068
,213
-,88
-4,21
26,38
23,04
4,124
,320
-5,12
20,12
Peso de corderos
Tratamiento
Castrados
Enteros
N
3
3
Subconjunto para
alfa = 0.05
1
50,00
53,33
f.
SC
313,548
340,167
653,714
GL
3
10
13
CM
104,516
34,017
F
3,072
Sig.
,078
Inferencia:
Observando el valor de Sig. 0,203 de la prueba de Levene
(Homogeneidad de varianzas), esta es mayor que 0,05, por lo que
rechazamos la hiptesis alterna, afirmamos que las varianzas de los
tratamientos son homogneas.
En el anlisis de varianza, el valor de Sig. 0,078 es superior a 0,05,
sealamos que no se tienen diferencias en los pesos finales de corderos
alimentados durante 90 das con una racin que contena 14% de
protena por efecto de los tratamientos estudiados.
Ramiro Ral OCHOA TORREZ >>
Promedios
62,75
55,25
53,33
50,00
Tukey
A
A
A
A
4 t/ha
6 t/ha
2 t/ha
Muestra
1
2
3
1
2
3
1
2
3
1
2
3
I
24
23
21
25
28
30
56
65
58
24
19
23
II
19
21
24
31
24
32
62
60
59
21
22
24
III
18
19
22
28
32
36
61
60
64
23
18
22
IV
23
22
20
34
33
29
62
60
61
19
21
23
a.
Donde:
b.
Objetivo:
Comparar las producciones parciales de forraje de maz verde, con
diferentes cantidades de estircol incorporado al suelo como mejorador.
c.
Hiptesis:
Ho: Las producciones parciales de forraje de maz verde no presentan
diferencias estadsticas al aplicar diferentes cantidades de estircol al
suelo .
Las producciones parciales de forraje de maz verde de las muestras con
cantidades de estircol aplicadas al suelo son iguales .
Ha: Las producciones parciales de forraje de maz verde presentan
diferencias estadsticas al aplicar diferentes cantidades de estircol al
suelo o, al menos uno de ellos es diferente .
Las producciones parciales de forraje de maz verde de las muestras con
cantidades de estircol aplicadas al suelo son diferentes o, al menos uno
de ellos es diferente
d.
Modelo
En el cuadro de dialogo de Modelo:
Especificar modelo
~ Personalizado
Construimos trminos
b
@ Modelo: Dosis
Tipo: Interaccin
Ramiro Ral OCHOA TORREZ >>
@ Modelo: Dosis*Repeticion
; Incluir intercepcin en el modelo
Continuar
Graficos
Continuar
Aceptar
e.
Dosis de estiercol
Repeticion
Factores inter--sujetos
Etiqueta de valor
0
0 t/ha
2
2 t/ha
4
4 t/ha
6
6 t/ha
1
I
2
II
3
III
4
IV
F
117,313
7532,237
583,387
,794
Sig.
,000
,000
,000
,653
Produccion
Duncana,b
Dosis de estiercol
0 t/ha
2 t/ha
N
12
12
12
12
12
12
12
12
N
12
12
1
21,33
21,58
Subconjunto
2
GL
t1
t(r 1)
rt(m 1)
trm 1
SC
SCt
SCE
SCEM
SCT
CM
SCt/GLt
SCE/GLE
SCEM/GLEM
Fc
CMt/CME
CME/CMEM
f.
SC
12469,896
67,917
228,000
12765,812
GL
3
12
32
47
CM
4156,632
5,660
7,125
F
734,387
,794
Sig.
,000
,653
Inferencia:
Se acepta la hiptesis nula para las muestras, es decir que la produccin
de forraje de maz verde es igual en las muestras en cada uno de los
tratamientos; por otra parte se rechaza la hiptesis nula para los
tratamientos, es decir que las producciones de maz verde es diferente al
aplicarse diferentes cantidades de estircol al suelo como mejorador.
En el caso de la prueba de medias de Duncan, se observa la formacin
de tres grupos significativamente diferentes, donde el que tiene 6 t/ha
de estircol registro el promedio significativamente ms alto (60,67) de
produccin, seguido del tratamiento de 4 t/ha (30,17 de produccion) y,
finalmente se tiene a los tratamientos con 2 y 0 t/ha que obtuvieron los
promedios de produccin ms bajos (21,58 y 21,33 respectivamente). La
prueba de Duncan tambin se la puede representar de la siguiente
manera:
Tratamiento
6 t/ha
4 t/ha
2 t/ha
0 t/ha
Promedios
60,67
30,17
21,58
21,33
Duncan
A
B
C
C
Finalizando con la figura la cual se edito para que nos presente los
valores y se incluyo las letras de las diferencias de la prueba de medias
de Duncan.
Para el anlisis con este diseo, se hace uso de la opcin Modelo lineal
general.
Ejercicio
Se realizo un ensayo donde se evalu seis variedades de frjol, en el que se
usaron 4 bloques por tratamiento (variedad), tenindose resultados del
rendimiento en kg/parcela, siendo los siguientes (Padrn 1996):
Variedades
Bayo
Gastelum
Mantequilla
Testigo
Cuyo
Zirate
a.
I
42
32
25
18
35
36
II
46
38
32
20
42
25
III
38
31
28
26
46
22
IV
41
30
26
24
40
26
Donde:
b.
Objetivo:
Evaluar el rendimiento en kg/parcela de seis variedades de frijol.
c.
Hiptesis:
Ho: El rendimiento de seis variedades de frijol es similar
.
No se tienen diferencia entre bloques al evaluar el rendimiento de seis
variedades de frijol .
DISEO BLOQUES COMPLETOS AL AZAR 117
Modelo
En el cuadro de dialogo de Modelo:
Especificar modelo
~ Personalizado
Construimos trminos
b
@ Modelo: Bloques
@ Modelo: Variedades
; Incluir intercepcin en el modelo
Continuar
Graficos
Aadir
Continuar
Post hoc
Continuar
Aceptar
e.
Bloques
Factores inter--sujetos
Etiqueta de valor
1
I
2
II
3
III
4
IV
N
6
6
6
6
1
2
3
4
5
6
Bayo
Gastelum
Mantequilla
Testigo
Cuyo
Zirate
4
4
4
4
4
4
F
8,362
1289,492
,473
13,096
Sig.
,000
,000
,706
,000
Rendimiento
Subconjunto
Variedades
N
1
2
3
Testigo
4
22,00
Zirate
4
27,25
27,25
Mantequilla
4
27,75
27,75
Gastelum
4
32,75
Cuyo
4
40,75
Bayo
4
41,75
Sig.
,097
,111
,751
Se visualizan las medias para los grupos en los subconjuntos homogneos.
Se basa en las medias observadas.
El trmino de error es la media cuadrtica(Error) = 19,108.
a. Utiliza el tamao de la muestra de la media armnica = 4,000.
b. Alfa = 0,05.
f.
SC
27,125
1251,208
286,625
1564,958
GL
3
5
15
23
CM
9,042
250,242
19,108
F
,473
13,096
Sig.
,706
,000
Inferencia:
En el caso de los bloques el valor de Sig. es mayor que 0,05, por lo que
concluimos que entre bloques no se presentan diferencias estadsticas,
en tanto que entre tratamientos (variedades) el valor de Sig. 0,000 es
menor a 0,01, por lo que podemos afirmar que se tienen diferencias
altamente significativas en el rendimiento (kg/parcela) de las
variedades en estudio.
En el caso de la prueba de medias de Duncan, se observa la formacin
de tres grupos significativamente diferentes, donde las variedades Bayo
y Cuyo presentan los myores y significativos promedios con relacin a
las otras varieades (41,75 y 40,75 kg/parcela respectivamente), un
segundo grupo esta conformado por las variedades Gastelum,
Mantequilla y Zirate (32,75, 27,75 y 27,25 kg/parcela) y, el tercer grupo
conformado por las variedades Mantequilla, Zirate y Testigo este ultimo
registro el promedio ms bajo (22,00 kg/parcela), organizado tenemos:
Promedios
41,75
40,75
32,75
27,75
27,25
22,00
Duncan
A
A
B
BC
BC
C
Finalizando con la figura la cual se edito para que nos presente los
valores y se incluyo las letras de las diferencias de la prueba de medias
de Duncan.
13.2.
Para el anlisis con este diseo, se hace uso de la opcin Modelo lineal
general y se emplea cuando se tiene muestras dentro de los tratamientos.
Ejercicio
Los datos siguientes expresan las producciones de forraje verde de triticale,
obtenidas en un estudio donde se probaron cuatro dosis diferentes de
nitrgeno en una misma variedad (Rodrguez 1991).
Dosis
100 kg/ha
200 kg/ha
300 kg/ha
400 kg/ha
a.
Muestra
1
2
3
1
2
3
1
2
3
1
2
3
I
24
23
21
25
28
30
56
65
58
24
19
23
II
19
21
24
31
24
32
62
60
59
21
22
24
III
18
19
22
28
32
36
61
60
64
23
18
22
IV
23
22
20
34
33
29
62
60
61
19
21
23
Donde:
Objetivo:
Evaluar las producciones de forraje verde de triticale, con cuatro dosis
diferentes de nitrgeno.
b.
Hiptesis:
Ho: No se tienen diferencias en la produccin de forraje verde con
cuatro dosis de nitrgeno
No se tienen diferencia entre bloques o grupos
No se tienen diferencia entre muestras de los diferentes tratamientos
Ha: Se tienen diferencias en la produccin de forraje verde con cuatro
dosis de nitrgeno o, al menos uno de ellos es diferente
Se tienen diferencias entre bloques o grupos de tratamientos o, al menos
uno de ellos es diferente
Se tienen diferencias entre las muestras de los tratamientos en estudio
o, al menos uno de ellos es diferente
c.
Modelo
En el cuadro de dialogo de Modelo:
Especificar modelo
~ Personalizado
Construimos trminos
b
@ Modelo: Bloque
@ Modelo: Dosis
Tipo: Interaccin
@ Modelo: Bloque*Dosis
; Incluir intercepcin en el modelo
Continuar
Graficos
Aadir
Continuar
Post hoc
Continuar
Opciones
Continuar
Aceptar
d.
Bloque
Dosis
1
2
3
4
1
2
3
4
Factores inter--sujetos
Etiqueta de valor
I
II
III
IV
100 kg/ha
200 kg/ha
300 kg/ha
400 kg/ha
N
12
12
12
12
12
12
12
12
F
117,313
7532,237
,268
583,387
,970
Sig.
,000
,000
,848
,000
,482
Media
21,333
30,167
60,667
21,583
Error estndar
,771
,771
,771
,771
Produccion de forraje
Subconjunto
Dosis
N
1
2
3
100 kg/ha
12
21,33
400 kg/ha
12
21,58
200 kg/ha
12
30,17
300 kg/ha
12
60,67
Sig.
,820
1,000
1,000
Se visualizan las medias para los grupos en los subconjuntos homogneos.
Se basa en las medias observadas.
El trmino de error es la media cuadrtica(Error) = 7,125.
a. Utiliza el tamao de la muestra de la media armnica = 12,000.
b. Alfa = ,05.
GL
r1
t1
(t 1)(r 1)
tr(m 1)
trm 1
SC
SCB
SCt
SCE
SCEM
SCT
CM
SCB/GLB
SCt/GLt
SCE/GLE
SCEM/GLEM
Fc
CMB/CME
CMt/CME
CME/CMEM
e.
SC
5,729
12469,896
62,188
228,000
12765,812
GL
3
3
9
32
47
CM
1,910
4156,632
6,910
7,125
F
,276
601,539
,970
Sig.
,848
,000
,482
Inferencia:
La prueba de Levene de homogeneidad de varianzas, nos muestra que
no se tiene significancia (Sig. > 0,05), por lo que podemos afirmar que las
varianzas son homogneas.
Como se puede apreciar a partir de nuestra regla de decisin se rechaza
la hiptesis nula para los tratamientos por lo que se puede afirmar que
se tienen diferencias significativas en la produccin de forraje verde por
efecto de las diferentes dosis de nitrgeno, no tenindose diferencias
Promedios
60,67
30,17
21,58
21,33
Duncan
A
B
C
C
Finalizando con la figura la cual se edito para que nos presente los
valores y se incluyo las letras de las diferencias de la prueba de medias
de Duncan.