Captulo VI

Pautas bsicas del SPSS y AMATLAB

Introduccin

SPSS-12.0 ofrece una gama de posibilidades para llevar a cabo

todo el proceso de anlisis de informacin. Genera la informa-
cin que necesita el investigador para tomar decisiones acerta-
das, utilizando procedimientos estadsticos y presentando los
resultados en tablas y grficos.
Existen publicaciones ampliamente conocidas como Anli-
sis estadstico con SPSS para WINDOWS de Visauta, Estadstica
con SPSS en su versin 12 de Nel Quezada, que abordan con de-
talle y amplitud diversos procedimientos del SPSS y al que debe-
r remitirse el lector interesado en temas especializados del soft-
ware estadstico SPSS.
No se pretende hacer un libro del SPSS, sino un manual o
gua sencilla que el lector puede usar, con comandos claros y es-
pecficos para obtener los resultados presentados en los captu-
los anteriores del presente libro o cuando desea realizar el anli-
sis estadstico de la base de datos de su inters, con el auxilio del
software estadstico SPSS_12.
En el presente captulo se usan algunas bases de datos que se
han preparado especialmente para esta publicacin como tambin
para el libro Estadstica descriptiva con soporte del SPSS y MAT-
LAB. Cabe indicar que en cada uno de los captulos precedentes
del presente libro se han presentado los comandos del SPSS que
permitieron ejecutar los procedimientos correspondientes aqu:

[11] 295
 se presentan los procedimientos de estadstica descriptiva,
que si bien escapan a nuestros objetivos, seguramente para
muchos usuarios sern de utilidad.
Se usan otras bases de datos que corresponden con la prime-
ra publicacin para ilustrar los tpicos de pruebas de hip-
tesis, asociaciones, correlacin y regresin.

Ventanas del SPSS

Para entrar en el SPSS hacer doble clic en el cono SPSS. Aparece-

r la figura 6.1 con las siguientes ventanas:

Figura 6.1
Ventanas de aplicacin, de edicin de datos y de salida
Ventana de aplicacin

Ventana de datos

Ventana de variables

Ventana de salida

296
 Ventana de Aplicaciones: Contiene la barra de mens con
las distintas opciones del programa.

Ventana de edicin (data editor): Contienen el archivo

de datos con el que se est trabajando. Esta ventana se abre auto-
mticamente al iniciar una sesin de SPSS.

Ventana de salida (output): Es una pantalla donde apa-

recen los resultados de los anlisis estadsticos realizados con el
programa. Estos resultados se pueden archivar para su utiliza-
cin posterior.

Ventana de carrusel de grficos: Se abre con el primer

grfico generado en una sesin de SPSS y los sucesivos se van
incorporando a la misma.

Ventana de grficos: Permite modificar y archivar grfi-

cos en archivos extensin.cht.

Ventana de sintaxis: Se puede pegar en esta ventana la

sintaxis de los comandos seleccionados desde la ventana de di-
logo de cualquier opcin. Permite editar la sintaxis de estos co-
mandos y ampliarla con aquellas opciones que tienen el lenguaje
SPSS, pero que no estn disponibles a travs de mens.

Siempre que hagamos un anlisis con SPSS, los resultados

irn a la ventana de salida (output).

Men principal

Desde el men se accede a la mayora de las funciones del SPSS.

El men principal tienen las siguientes opciones:

File: Permite crear un nuevo archivo SPSS, abrir un archivo

ya existente, grabar, leer datos creados con otras aplicaciones, etc.

Edit: Contiene las opciones de Windows para copiar datos,

buscar, etc.

297
 Data: Contiene opciones para hacer cambios que afec-
tan a todo el archivo de datos (unir archivos, transponer va-
riables y casos, crear subconjuntos de casos, etc.). Estos cam-
bios son temporales mientras no se guarde explcitamente el
archivo.

Transform: Permite cambios sobre variables seleccio-

nadas, permite la creacin de nuevas variables. Estos cam-
bios son temporales mientras no se guarde explcitamente el
archivo.

Analyze: Desde esta opcin se ejecutan todos los procedi-

mientos estadsticos.

Graphs: Desde esta opcin se realizan todos los grficos es-

tadsticos.

Utilities: Permite cambiar fuentes, obtener informacin

completa del archivo de datos, acceder a un ndice de comandos
SPSS, etc.

Windows: Ordena, selecciona, controla atributos de las ven-

tanas abiertas.

Help: Abre un archivo estndar de ayuda Windows.

Procedimientos bsicos para un anlisis estadstico

Para realizar cualquier anlisis estadstico con el SPSS tenemos

que realizar estas tres operaciones bsicas:

a) Seleccionar cualquier base de datos.

b) Seleccionar del men principal el procedimiento estadstico
deseado.
c) Seleccionar las variables a incluir en el anlisis y otros par-
metros adicionales.

298
 Seeccionar el
Crear la base Seleccionar a
procedimiento Resultados
de datos variable
estadstico

CREAR UN ARCHIVO NUEVO

file/
new/
data/
Aparece la hoja de datos en blanco, donde cada fila es para un
caso o individuo y cada columna es para una variable.
Variable view: permite definir las variables.

SELECCIONAR UN ARCHIVO DE DATOS

File/
Open/
Data/
Nombre del archivo/ Podemos seleccionar un archivo de la lista
o especificar una ruta y extensin de inters.
Abrir.

Vamos a ilustrar con la base de DATOS1-maestra, usando

las variables sexo y coeficiente de inteligencia.

NO NUMRICAS

VARIABLE VIEW: permite definir las variables

NAME: SEXO (nombre de la variable)
TYPE: STRING
WIDTH: 8
LABEL: SEXO DE LOS ESTUDIANTES
VALUE: 1
VALUE LABEL: FEMENINO V
ALUE: 2
VALUE LABEL: MASCULINO
DATA VIEW: se procede a declarar los datos

299
 NUMERICAS
VARIABLE VIEW: permite definir las variables
NAME: INTELIGENCIA
TYPE: NUMERICA
WIDTH: 8
DECIMALS: 0
LABEL: COEFICIENTE DE INTELIGENCIA
DATA VIEW: se procede a declarar los datos

El ancho mximo es de 40 caracteres y el nmero de deci-

males 16.
As, en la base de DATOS10-maestra ya se crearon las va-
riables sexo, coeficiente de inteligencia, situacin laboral y nota
de ingreso a la maestra.

GUARDAR UN ARCHIVO
FILE/
SAVE AS/
NOMBRE DEL ARCHIVO: DATOS1-maestra
GUARDAR

Figura 6.2
Relacin de archivos creados, entre ellos DATOS10-maestra

Se quiere abrir el archivo DATOS10-maestra

300
variable Figura 6.3
unidad Variables creadas en el archivo DATOS10-maestra

Vista de datos

Vista de variables

Este libro solamente trata de inferencia estadstica, pero

no hemos querido soslayar los temas de estadstica descripti-
va y que ilustramos con bases de datos que corresponden al
libro: Estadstica descriptiva con soporte del SPSS(Gmez,
et.al. 2005).
A continuacin podemos seleccionar cualquiera de los pro-
cedimientos estadstico, correspondiente a los temas tratados en
el presente libro. A travs de todo el libro se ilustra con las diver-
sas bases de datos.

Procedimientos estadsticos

Luego de ingresar los datos al EDITOR, debe elegirse un procedi-

miento en el men ANALIZE para poder obtener los resultados
deseados. El software nos permite realizar informes estadsticos
descriptivos que incluyen tablas de frecuencias, grficos, corre-
laciones, rectas de regresin entre otros.

301
 Figura 6.4
Relacin de procedimientos estadsticos

Elegir el
procedimiento

Despus de abrir el archivo, se selecciona el procedimien-

to estadstico. En la ilustracin se ha seleccionado el procedi-
miento de estadsticas descriptivas y se quiere hacer la tabla
de frecuencias.

Figura 6.5
Seleccionar el procedimiento estadstico

Luego, se selecciona(n) la(s ) variable(s) que se quiere usar

en el procedimiento de anlisis o en el grfico seleccionado.

302
 Figura 6.6
Relacin de variables variable

variable

El paso final es el examen de resultados en la ventana OUTPUT.

Esta ventana muestra dos paneles, el de izquierda con el conjunto
de titulares de los elementos situados en el panel de la derecha.

Figura 6.7
Resultados(output) del procedimiento tabla de frecuencias

Conjunto de titulares elementos grficos: tablas o grficos

Si se desea un grfico descriptivo, se elige en el men GR-

FICOS, puede ser normal o interactivo, en cuyo caso se podr
modificar posteriormente las variables usadas.
Los resultados y grficos que se genera se van acumulando
para su posterior impresin o almacenamiento en disco. En el

303
caso de grficos interactivos podemos modificar directamente,
sin necesidad de volver a generar otra vez el grfico.

Frecuencias para variables cualitativas

El procedimiento permite obtener una descripcin de la distri-

bucin de la variable a partir de la tabla de frecuencias, medidas
de tendencia central, percentiles, medidas de dispersin, etc.
Cabe reiterar que para realizar cualquier procedimiento debe
crearse o abrirse la base de datos. Se ilustra con la base DATOS2-
matemtica.
Para construir una tabla de frecuencias seleccionar los si-
guientes opciones:

ANALYZE/ DESCRIPTIVE STATISTICS/FREQUEN-

CIES/ en el cuadro de dilogo que aparece se elige la variable
MEDIO TRANSPORTE/ se pulsa OK para ejecutar el procedi-
miento con las opciones por defecto. A continuacin se presenta
la salida del SPSS.

Tabla 6.1
Medio de transporte para ir a la universidad

Frequency Percent Valid Cumulative

Percent Percent

Valid vehculo propio 5 2.5 2.5 2.5

vehculo de familiares 13 6.5 6.5 9.0
transporte pblico 110 55.0 55.0 64.0
transporte universidad 72 36.0 36.0 100.0
Total 200 100.0 100.0

Se nos muestra:

value: los distintos valores o categoras de la variable.

frequency: las frecuencias absolutas para cada valor o catego-
ra de la variable.
percent: las frecuencias relativas multiplicadas por el 100%,
incluyendo los valores perdidos.

304
valid percent: las frecuencias relativas multiplicadas por el
100%, eliminando de la muestra los valores
perdidos.
cumulate percent: las frecuencias relativas acumuladas multi-
plicadas por el 100%.

Al final de la tabla se tiene el nmero total de casos vlidos y

el nmero total de casos perdidos.
Nota: En la opcin FREQUENCIES/FORMAT/ se tienen di-
versas opciones para ordenar la tabla de frecuencias segn los
valores de la variable o las frecuencias, y en orden ascendente o
descendente. Para poder utilizar esta opcin no podemos solici-
tar ni valores de percentiles ni histogramas.

Frecuencias para variables cuantitativas

Variables discretas

Para ilustrar consideremos la variable X5 de base de DATOS4-

ciudadana. Abrir la base de datos y ejecutar los siguientes co-
mandos:
ANALYZE/ DESCRIPTIVE STATISTICS/FREQUENCIES/
en el cuadro de dilogo que aparece elegir la variable NMERO
DE ORGANIZACIONES SOCIALES CERCANAS A SU DOMI-
CILIO/ pulsar OK para ejecutar el procedimiento con las opcio-
nes por defecto.

Nmero organizaciones sociales cercanas domicilio

Frequency Percent Valid Cumulative

percent percent

Valid 1 10 10.0 10.0 10.0

2 27 27.0 27.0 37.0
3 37 37.0 37.0 74.0
4 21 21.0 21.0 95.0
5 5 5.0 5.0 100.0
Total 100 100.0 100.0

305
Variables continuas

Para construir la tabla considerar la variable coeficiente de inte-

ligencia de la base de DATOS1- maestra y ejecutar los siguientes
comandos:
ANALYZE/ DESCRIPTIVE STATISTICS/FREQUENCIES/
en el cuadro de dilogo que aparece elegir la variable INTELI-
GENCIA/ pulsar OK para ejecutar el procedimiento con las op-
ciones por defecto.
El output del SPSS muestra la siguiente tabla.

Tabla 6.2
Tabla de frecuencias para la variable coeficiente de inteligencia

Inteligencia

Frequency Percent Valid Cumulative

percent percent

Valid 93 1 1.4 1.4 1.4

93 2 2.9 2.9 4.3
94 1 1.4 1.4 5.7
94 1 1.4 1.4 7.1
95 1 1.4 1.4 8.6
114 1 1.4 1.4 92.9
116 1 1.4 1.4 94.3
117 1 1.4 1.4 95.7
118 1 1.4 1.4 97.1
120 2 2.9 2.9 100.0
Total 70 100.0 100.0

La tabla 6.2 muestra una parte de la tabla de frecuencias

bsica para una variable cuantitativa como si se tratara de una
variable cualitativa, pero por la teora estadstica sabemos que
dicha presentacin debe hacerse en intervalos de clase. A conti-
nuacin se describen los pasos a seguir para la presentacin en
intervalos de clase, suponiendo que se desea presentar en 7 in-
tervalos de clase.

306
a) Se establece previamente los limites de los intervalos, para
lo cual se obtiene el valor mximo: 120, el valor mnimo: 93,
el rango: 27 y la amplitud de cada intervalo: 4. As, si selec-
cionamos los intervalos semiabiertos como ya fue sealado
en el captulo 2, los lmites de los intervalos son:

[92 - 96]
[96 - 100]
[100 - 104]
[104 - 108]
[108 - 112]
[112 - 116]
[116 - 120]

b) Se crea una variable ficticia con cdigos: 1, 2, 3, 4, 5, 6 y 7, a

la que se denomina INTELI1, donde se guardan los valores
contenidos en cada uno de los intervalos propuestos, para
los que se usan los siguientes comandos:
TRANSFORM/ RECODE/ INTO DIFFERENT VARIABLES/
En el cuadro de dilogo que se presenta elegir como variable
INPUT la variable INTELIGENCIA/ a la variable output
darle el nombre INTELI1/ presionar CHANGE/ OLD &
NEW VALUES/ en el nuevo cuadro de dilogo que se pre-
senta colocar como antiguos valores los intervalos de clase y
como nuevos valores los cdigos de 1 a 5, siguiendo la si-
guiente secuencia:

pulsar RANGE/colocar el primer intervalo

92 y 95.99 y pulsar: 1 en new

96 y 99.99: 2 en new
100 y 103.99: 3 en new
104 y 107.99: 4 en new
..: ..
116 y 120: 7 en new

pulsar CONTINUE / y OK para ejecutar.

En la base de datos se ha creado una nueva variable deno-
minada: INTELI1.

307
 Figura 6.7
Comando Recode para recodificar inteligencia en INTELI1

Se termina de declarar la equivalencia entre la variable ori-

ginal coeficiente de inteligencia y se ha creado la variable ficticia
INTELI1.

c) Se pide la tabla de frecuencias para la variable ficticia CO-

EFI1, ejecutando los siguientes comandos:
ANALYZE/ DESCRIPTIVE STATISTICS/FREQUENCIES/
elegir la variable INTELI/ DISPLAY FREQUENCY TABLES/
OK. En el OUTPUT se lee la siguiente tabla.

308
 Tabla 6.3
Distribucin de frecuencias de la variable ficticia

INTELI

Frequency Percent Valid Cumulative

Percent Percent

Valid 1 9 12,9 12,9 12,9

2 28 40,0 40,0 52,9
3 13 18,6 18,6 71,4
4 12 17,1 17,1 88,6
5 2 2,9 2,9 91,4
6 2 2,9 2,9 94,3
7 4 5,7 5,7 100,0
Total 70 100,0 100,0

d) Hacer la equivalencia entre los cdigos de la variable INTE-

LI1 y los intervalos de la variable coeficiente de inteligencia,
usando los comandos:

VARIABLE VIEW/ NAME(INTELI1)/ VALUES /

VALUE 1 /VALUE LABEL [92 96[
VALUE 2/VALUE LABEL [96 100[
VALUE 3/VALUE LABEL [100 104[
VALUE 4/VALUE LABEL [108 112[
...........
VALUE 7/VALUE LABEL [116 120]
e) Reconstruir la tabla de frecuencias para la variable coefi-
ciente de inteligencia, con tan solo hacer el cambio de varia-
ble de INTELI1 por coeficiente de inteligencia. En el output
se lee lo siguiente.

A partir de la salida del SPSS se hace la Distribucin de fre-

cuencias absolutas, relativas y acumuladas para la variable co-
eficiente de inteligencia.

309
 Tabla 6.4
Distribucin de frecuencias de la variable coeficiente de inteligencia

Coeficiente Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia Frecuencia

de absoluta relativa absoluta relativa relativaen relativa
inteligencia fi hi acumulada acumulada porcentaje acumulada
Intervalos Fi Hi hi % porcentaje
de clase Hi %

[ 92- 96 ) 9 0.129 9 0.129 12,9 12,9

[ 96-100 ) 28 0.400 37 0.529 40,0 52,9
[100-104) 13 0.186 50 0.714 18,6 71,4
[104-108) 12 0.171 62 0.886 17,1 88,6
[108-112) 2 0.029 64 0.914 2,9 91,4
[112-116) 2 0.029 66 0.943 2,9 94,3
[116-120] 4 0.057 70 1.000 5,7 100,0

Total 70 100.0 100.0

Grficos para variables cualitativas

a) Para construir un grfico de barras para la variable sexo,

seleccionar los siguientes comandos:
GRAPHS/ BAR/SIMPLE/ DEFINE/ en category axis decla-
rar SEXO/ marcar N CASOS/ y presionar OK para ejecutar
el grfico.

Figura 6.8
Grfico de barras para la variable sexo de los estudiantes

50

40

30
Count

20

10

0
femenino masculino
sexo de los estudiantes

310
b) Para construir una grfico de SECTORES seleccionar los
siguientes comandos:
GRAPHS/ INTERACTIVE/ PIE/ SIMPLE / en el cuadro de
dilogo colocar en DEFINE SLICES BY la variable SEXO/ acti-
var PIES/ seleccionar PERCENT/ ACEPTAR.

Figura 6. 9
Grfico de sectores de la variable sexo de los estudiantes

Grficos para variables cuantitativas

Para construir el histograma de frecuencias presentado en la Fi-

gura 7.12 se usan los siguientes comandos:
GRAPHS/HISTOGRAM/ SELECCIONAR la variable INTELI-
GENCIA / DISPLAY NORMAL CURVE/ OK.

Figura 6.10
Histograma de la variable coeficiente de inteligencia

20

15
Frequency

10

Mean = 101.77
5
Std. Dev. = 6.294
N = 70
0
95 100 105 110 115 120
inteligencia

311
 Otra alternativa es usando los siguientes comandos:
GRAPHS/INTERACTIVE/HISTOGRAM/presionar ASIGN
VARIABLES y colocar COUNT e INTELI1/ en HISTOGRAM ele-
gir 7 intervalos/ si desea coloca el ttulo/ para ejecutar elegir
ACEPTAR.
Figura 2.5
Histograma de frecuencias absoutas para los coeficientes de inteligencia

20

15
Count

10

0
2.00 3.00 4.00 5.00 6.00
Inteli 1

Para hacer el grfico de frecuencias relativas cambiar

COUNT por PERCENTS.

Figura

30
Percent

20

10

0
2.00 3.00 4.00 5.00 6.00
Inteli 1

312
 Para frecuencias acumuladas:
GRAPHS/INTERACTIVE/HISTOGRAM/CUMULATIVE
HISTOGRAM/ presionar ASIGN VARIABLES y colocar COUNT
e INTELI1/ en HISTOGRAM elegir 7 intervalos/ si desea coloca
el ttulo/ para ejecutar elegir ACEPTAR. Para hacer el grfico de
frecuencias relativas cambiar COUNT por PERCENTS.

Figura

60

40
Court

20

0
2.00 3.00 4.00 5.00 6.00

Inteli 1

Figura

60

40
Court

20

0
2.00 3.00 4.00 5.00 6.00

Inteli 1

313
Medidas de tendencia central y de dispersin

a) La opcin FREQUENCIES, adems de tablas y grficos, nos

permite calcular algunas estadsticas bsicas de posicin y
de dispersin para una variable numrica. Para hacer la ilus-
tracin, continuamos con la variable coeficiente de inteli-
gencia de la base DATOS1-maestra y ejecutar los siguientes
comandos.
ANALYZE/ DESCRIPTIVE STATISTICS/FREQUENCIES/
elegir la variable INTELIGENCIA/ presionar STATISTICS/
seleccionar
MEAN MEDIAN MODE SUM
STD DEVIATION VARIANCE MINIMUN MAXIMUN,
PERCENTILES 10 ADD 20 ADD /CONTINUE/ y OK para
la ejecucin.
Los resultados estn en el siguiente cuadro.

Tabla 6.5
Medidas de tendencia central, dispersin y forma de la
variable coeficiente de inteligencia

Statistics

inteligencia

N Valid 70
Missing 0
Mean 101.79
Median 100.00
Mode 100
Std. Deviation 6.282
Variance 39.464
Skewness 1.301
Std. Error of Skewness .287
Kurtosis 1.558
Std. Error of Kurtosis .566
Range 27
Minimum 93
Maximum 120
Sum 7125
Sum 95.37
Percentiles 10 95.37
20 96.97

314
 donde para cualquier variable cuantitativa:
mean: media aritmtica,
median: mediana,
mode: moda,
sum: suma de todos los valores,
std deviation: desviacin estndar,
variante: varianza,
minimum: valor ms pequeo,
mximun: valor ms grande,
range: rango,
std. Error of mean: error estndar de la media aritmtica,
kurtosis: curtosis,
skewness: sesgo.

b) La opcin DESCRIPTIVES al igual que la opcin anterior,

tambin permite calcular algunas medidas de tendencia cen-
tral, de dispersin y de distribucin. La secuencia de los co-
mandos es la siguiente:
ANALYZE/ DESCRIPTIVE STATISTICS/DESCRIPTIVES/
elegir la variable INTELIGENCIA/OPTION/ MEAN,
SUM, KURTOSIS, SKEWNESS,
CONTINUE /OK.
Como opciones adicionales, este procedimiento nos permite:

guardar en nuevas variables los valores estandarizados

de las variables originales,
visualizar o no las etiquetas de cada variable,
decidir el orden en que se visualizarn los resultados.

Coeficientes de correlacin y regresin lineal

a ) Coeficiente PHI

Abrir o crear la base de datos.

En el presente caso abrir la base DATOS8-phi y seleccionar
del men las siguientes opciones:

315
 ANALYZE/ DESCRIPTIVE STATISTICS/CROSSTABS. Apa-
recer el cuadro de dilogo en el que deber colocar en ROWS la
variable ESTADO CIVIL, y en COLUMNS colocar la variable
DESERCION. Continuar con los comandos FORMAT/DESCEN-
DING/ STATISTICS/PHI/ CONTINUE y se ejecuta el procedi-
miento con OK.
En el OUTPUT aparece:

DESERCION * ESTADO CIVIL Crosstabulation

ESTADO CIVIL Total

0 1

DESERCION 1 2 4 6
0 8 1 9
Total 10 5 15

Symmetric Measures

Value

Nominal by
Nominal Phi .577

b) Coeficiente BISERAL-PUNTUAL

Abrir o crear la base de datos.

En el presente caso, abrir la base DATOS9-biseral y seleccio-
nar las variables sexo y estatura de los estudiantes.
El SPSS no proporciona directamente el valor del coeficien-
te de correlacin biseral, pero proporciona las medias muestra-
les y la desviacin estndar necesarios que se reemplazan en la
frmula correspondiente.
Se crea una variable ficticia donde se guardan las estaturas
de los estudiantes del sexo femenino. Esa variable se denomina
X0, de la que necesitamos su media aritmtica.

316
 Se crea otra variable ficticia donde se guardan las estaturas
de los estudiantes del sexo masculino. Esa variable se denomina
X1, de la que necesitamos tambin su media aritmtica.
De la variable estatura, sin diferenciar el sexo, necesitamos
la desviacin estndar.
Abrir la base DATOS9-biseral y ejecutar los siguientes co-
mandos:
a) TRANSFORM/COMPUTE en target colocar XO/ en expre-
sin numrica colocar ESTATURA/ IF/ activar INCLUDE
IF CASE SATISFIES CONDITION SEXO=0/ CONTINUE /
OK. Se ha creado la variable X0.
b) TRANSFORM/COMPUTE en target colocar X1/ en expresin
numrica colocar ESTATURA/ IF/ activar INCLUDE IF
CASE SATISFIES CONDITION SEXO=1/ CONTINUE /OK.
c) ANALYZE/ DESCRIPTIVE STATISTICS/ DESCRIPTIVES/
seleccionar las variables ESTATURA XO X1/ OK.

Descriptive Statistics

n Minimum Maximum Mean Std. Deviation

estatura de los
estudiantes 15 55 73 64.13 4.749
Xo 7 55.00 67.00 61.1429 3.62531
x1 8 62.00 73.00 66.7500 4.13176
Valid N (listwise) 0

X 1
= 66.75 X 0
= 61.14 n
1
=8 n 0
=7 S x
= 4.749

66.75 61.14 8 x7
r bp
4.749 15 x14
0.61

c) Coeficiente TETRACRICO

El SPSS nos proporciona la tabla de contingencia de la que toma-

mos los valores de las celdas para reemplazarlos en la frmula
de la pgina 95. Se ilustra con la base DATOS10-tetracrico con

317
las variables notas en el curso de estadstica (dicotomizada: apro-
b o desaprob) y las notas en el curso de metodologa de la in-
vestigacin tambin dicotomizada. Las dos variables son de na-
turaleza cuantitativa. Para obtener la tabla de doble entrada se
procede de la siguiente manera:
ANALYZE/ DESCRIPTIVE STATISTICS/CROSSTABS. Apa-
recer el cuadro de dilogo en el que deber colocar en ROWS la
variable NOTAS EN ESTADSTICA, y en COLUMNS colocar la
variable NOTAS EN METODOLOGA. Continuar con los coman-
dos FORMAT/DESCENDING/ CONTINUE y se ejecuta el pro-
cedimiento con OK.
En el output aparecen las frecuencias conjuntas

notas de estadstica * notas de metodologa de la investigacin Crosstabulation

Count

notas de metodologa
de la investigacin Total

desaprob aprob

notas de aprob a=11 b=36 47

estadstica desaprob c=34 d=18 52
Total 45 54 99

b c 36(34)
con las que se calcula el cociente = = 6.18 . En la
ad 11(18)
tabla H d el valor de dicho cociente se encuentra en el intervalo
6.044 y 6.288 por lo que el valor del coeficiente de correlacin
tetracrico es 0.62.

d ) Coeficiente BISERAL

Este tipo de coeficiente se calcula cuando se tienen dos variables

cuantitativas una de las cuales ha sido dicotomizada. Tampoco el
SPSS calcula este coeficiente pero nos proporciona las cuentas auxi-
liares para la obtencin del coeficiente. Se usa la base DATOS11-

318
biseral donde la variable nota del estudiante se ha dicotomizado la
habilidad del estudiante y asignado 1 si aprob y 0 si desaprob.
Se crea una variable ficticia donde se guardan los tiempos
que demoran en resolver el problema los estudiantes que des-
aprueban o no tienen habilidad. Dicha variable se denomina X0,
de la que necesitamos su media aritmtica.
Se crea otra variable ficticia donde se guardan los tiempos
que demoran en resolver los estudiantes que aprueban o que tie-
nen habilidad para resolver el problema. Dicha variable se deno-
mina X1, de la que necesitamos tambin su media aritmtica.
De la variable tiempo, sin diferenciar si el estudiante fue hbil
o no, se necesita la desviacin estndar.
Abrir la base DATOS11-biseral y ejecutar los siguientes co-
mandos:

a) TRANSFORM/COMPUTE en target colocar XO/ en expre-

sin numrica colocar TIEMPO/ IF/ activar INCLUDE IF
CASE SATISFIES CONDITION HABILIDAD=0/ CONTI-
NUE /OK. Se ha creado la variable X0.
b) TRANSFORM/COMPUTE en target colocar X1/ en expresin
numrica colocar TIEMPO/ IF/ activar INCLUDE IF CASE
SATISFIES CONDITION HABILIDAD=1/ CONTINUE /OK.
c) ANALYZE/ DESCRIPTIVE STATISTICS/ DESCRIPTIVES/
seleccionar las variables TIEMPO XO X1/ OK.
En el output se dispone del siguiente cuadro

Descriptive Statistics

N Mean Std.
Deviation

tiempo para
resolver 99 63.54 10.168
x0 52 63.0113 10.58776
x1 47 64.1310 9.76176

que luego permiten calcular el coeficiente de correlacin bi-

seral usando la frmula de la pgina 98.

319
e) Coeficiente de SPEARMAN

Se crea o abre el archivo de datos, que en el presente caso es la base

de DATOS6-jurado y se seleccionan los siguientes comandos:
ANALYZE/CORRELATE/BIVARIATE/elegir las variables
X e Y/ SPEARMAN/ OK y el SPSS nos proporciona el coeficiente
de correlacin de Sperman.

Correlations

RANGO A RANGO A
LAS NOTAS LAS NOTAS
DEL JURADO DEL JURADO
1 2

Spearman's rho RANGO A LAS Correlation

NOTAS DEL Coefficient 1.000 .332
JURADO 1
RANGO A LAS Correlation
NOTAS DEL Coefficient .332 1.000
JURADO 2

f) Coeficiente de CONTINGENCIA

Es til cuando las dos variables son cualitativas como en los ejem-
plos 4.2 y 4.3.
Para el ejemplo 4.2 se us la base DATOS2-matemticas y se
construy la tabla de doble entrada para el sexo y la escuela pro-
fesional a la que pertenece el estudiante. Esta vez, adems del
cuadro se obtiene el coeficiente de contingencia. Los comandos
son los siguientes:
ANALYZE/ DESCRIPTIVE STATISTICS/CROSSTABS/ co-
locar en ROWS la variable SEXO y en COLUMNS colocar ES-
CUELA PROFESIONAL/ pulsar STATISTICS/ activar CONTIN-
GENCY COEFFICIENT/ CONTINUE/ ejecutar con OK.
El output del SPSS adems de la tabla bidimensional incluye
el siguiente cuadro:

320
 Symmetric Measures

Value

Nominal by Nominal Contingency

Coefficient .217

Anlisis de REGRESIN LINEAL SIMPLE

Para ver las opciones de este procedimiento vamos a trabajar con

variables cuantitativas del archivo DATOS3-educacin: edad de
los participantes, nota promedio, nota en lgebra, nota en arit-
mtica, nota en trigonometra.

a ) Diagrama de dispersin

Entrar en
GRAPH/SCATTER / del cuadro de dilogo que aparece se
selecciona las opciones SIMPLE DEFINE/ colocar la variable PRO-
MEDIO como variable dependiente en el eje de las Y/ colocar la
variable LGEBRA como variable independiente en el eje de las
X/ dejar el resto de opciones por defecto y ejecutar el procedi-
miento con OK.

16

14
Notas prmedio

12

10

8
8 10 12 14
Notas de lgebra

321
 Se observa en el grfico una relacin lineal razonablemente
alta entre la nota promedio de los estudiantes y la nota de lge-
bra. Para cuantificar dicha relacin debe calcularse el coeficien-
te de correlacin de Pearson.

b) Coeficiente de correlacin de PEARSON

ANALYZE/ CORRELATE/ BIVARIATE/ pasar a la lista de va-

riables destino las variables PROMEDIO y ALGEBRA/ dejamos
todas las opciones por defecto y se ejecuta el procedimiento con
OK. Obtenemos la matriz de correlaciones que aparece en la si-
guiente figura.

Correlations

NOTAS NOTAS DE
PROMEDIO ALGEBRA

NOTAS Pearson
PROMEDIO Correlation 1 .925
NOTAS DE Pearson
LGEBRA Correlation .925 1
.000 .

c) Coeficientes de correlacin para

varias variables

ANALYZE/ CORRELATE/ BIVARIATE/ pasar a la lista de

variables destino todas las variables cuantitativas para las
que se desea encontrar las correlaciones bivariantes/ dejamos
todas las opciones por defecto y se ejecuta el procedimiento con
OK. Obtenemos la matriz de correlaciones que aparece en la si-
guiente figura.

322
 Correlations

Edad de los Tiempo de Notas de Notas

estudiantes servicio lgebra promedio

Edad de los Pearson Correlation 1 .734** -.107 -.077

estudiantes Sig. (2-tailed) . .000 .473 .608
N 47 47 47 47

Tiempo de servicio Pearson Correlation .734** 1 -.173 -.124

Sig (2-tailed) .000 . .244 .407
N 47 47 47 47

Notas de lgebra pearson correlation -.107 -.173 1 .925**

Sig. (2-tailed) .473 .244 . .000
N 47 47 47 47

Notas promedio Pearson Correlation -.077 -.124 .925** 1

Sig. (2-tailed) .608 .407 .000 .
N 47 47 47 47

** Correlation is significant at the 0.01 level (2-tailed).

Se observa que la matriz es simtrica y los valores de la dia-

gonal igual a 1, pues corresponde a la correlacin de cada varia-
ble consigo misma.

d ) Coeficiente de correlacin parcial

Se trata de un coeficiente de correlacin que nos da la idea de la

relacin lineal existente entre dos variables, ajustada a los efec-
tos lineales que sobre ella puedan tener una o ms variables in-
tervinientes.
Si deseamos encontrar el coeficiente de correlacin par-
cial entre la nota promedio y lgebra, ajustado por la influen-
cia que podra tener la nota de aritmtica, los comandos son los
siguientes:
ANALYZE/ CORRELATE/ PARTIAL/elegir como variables
destino PROMEDIO y LGEBRA/ en controllin for colocar la va-
riable control ARITMTICA/ dejar todas las opciones por defec-
to y se ejecuta el procedimiento con OK.

323
 Correlations

Control NOTAS NOTAS DE

Variables PROMEDIO LGEBRA

NOTAS DE NOTAS Correlation 1.000 .611

PROMEDIO
ARITMTICA NOTAS DE Correlation .611 1.000
LGEBRA

Pasamos de un coeficiente de correlacin de Person 0.925 a

un coeficiente de correlacin parcial de 0.611.

e) Scatterplot

Entrar en GRAPHS/SCATTER/ aparece el cuadro de dilogo con

las siguientes opciones:

Simple: cada punto representa un sujeto de la base de datos.

Matriz: una matriz cuadrada de SCATTERPLOTS simples para
cada combinacin de pares de variables.
Overlay: representa varios SCATTERPLOTS en el mismo eje.
Three-D: cada punto representa un sujeto con valores en tres
variables. Se puede rotar el grfico.

e1) Simple

En este cuadro de dilogo tenemos:

En el eje de las Y la variable que, en el caso de existir

dependencia, acta como variable dependiente.
En el eje de las X, la variable independiente.
En SET MARKET BY una variable que clasifique los in-
dividuos por grupos.
En LABEL CASES BY una variable que con sus valores o
categoras identifique a cada sujeto en el grfico.

324
 GRAPHS/ SCATTER/ SIMPLE/ DEFINE. En Y entramos la
variable PROMEDIO y en X la variable ALGEBRA. En SET MAR-
KERS BY la variable SEXO. Dejar el resto de opciones por defec-
to. Pulsar OK y se obtiene la siguiente figura.
El grfico nos muestra los puntos, separados para los distin-
tos subgrupos de la variable en SET MARKERS BY, en nuestro
caso la variable SEXO.

Sexo de los
participantes
16,0000
Femenino
Masculino

14,0000
Notas promedio

12,0000

10,000

8,0000

8,0000 10,0000 12,0000 14,0000

f) Regresin lineal simple

Entramos en ANALYZE/ REGRESSION/ LINEAR y obtene-

mos el cuadro de dilogo, donde se elige la variable PROME-
DIO como variable dependiente y LGEBRA como variable
independiente. Dejamos el resto de opciones por defecto y ejecu-
tamos el procedimiento. Los resultados son los que aparecen a
continuacin.

325
 Model Summmary

Model R R Square Adjusted Std. error of

R. Square the estimate

1 .925 .855 .852 .518

a. Predictors: (Constant), Notas de lgebra

ANOVAb

Model Sum of df Mean F Sig.

Squares Square

1 Regression 71.298 1 71.298 265.659 .000

Residual 12.077 45 .268
Total 83.375 46
a. Predictors: (Constant), NOTAS DE LGEBRA
b. Dependent Variable: NOTAS PROMEDIO

Coefficientsa

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 3.853 .477 8.071 .000

NOTAS DE LGEBRA .708 .043 .925 16.299 .000

a. Dependent variable: NOTAS PROMEDIO

La recta de regresin ajustada por el mtodo de mnimos cua-

drados es:

Y = 3.853 + 0.708 X y el coeficiente de correlacin vale 0.925.

g ) Grfico de la recta de regresin lineal

Entrar en GRAPH/ INTERACTIVE/ SCATTERPLOT / en el cua-

dro de dilogo que aparece se eligen las variables independiente
(en el eje X) y dependiente(en el eje Y)/ presionar FIT/ elegir como
mtodo REGRESIN / en fit lines for elegir TOTAL/ presionar
ACEPTAR para ejecutar.

326
 14 Linear
Notas promedio = 3.85 + 0.71 * lgebra Regression
R-Square = 0.86
13
Notas promedio

12

11

10

8 10 12 14
Notas de lgebra

h ) Anlisis de regresin lineal mltiple

ANALYZE/ REGRESSION/ LINEAR y dejamos la variable PRO-

MEDIO como variable dependiente, LGEBRA y ARITMTICA
como variables independientes respectivamente. Dejar el resto
de opciones por defecto y se ejecuta el procedimiento. Se obtiene
los siguientes resultados.

Model Summmaryb

Model R R Square Adjusted Std. error of

R. Square the estimate

1 .940 .884 .879 .468

a. Predictors: (Constant), NOTAS DE ARITMTICA, NOTAS DE LGEBRA

b. Dependent Variable: NOTAS PROMEDIO

ANOVAb

Model Sum of df Mean F Sig.

Squares Square

1 Regression 73.734 2 36.867 168.257 .000

Residual 9.641 44 .219
Total 83.375 46
a. Predictors: (Constant), NOTAS DE ARITMTICA, NOTAS DE LGEBRA
b. Dependent Variable: NOTAS PROMEDIO

327
 Coefficientsa

Unstandardized Standardized
Coefficients Coefficients

Model B Std. Error Beta t Sig.

1 (Constant) 2.759 .542 5.091 .000

NOTAS DE LGEBRA .448 .087 .585 5.122 .000
NOTAS DE ARITMTICA .280 .084 .381 3.334 .002

a. Dependent variable: NOTAS PROMEDIO

En el output se tiene la siguiente informacin:

La variable dependiente del modelo.
La relacin de las variables independientes.
El coeficiente de correlacin mltiple.
El coeficiente de determinacin.
El coeficiente de determinacin ajustado.
El anlisis de varianza.
Los coeficientes de la ecuacin de regresin mltiple.

Pautas bsicas del MATLAB

MATLAB significa MATrix LABoratory. Originalmente fue de-

sarrollado como un software para operar matrices. Una manera
fcil de visualizar MATLAB es pensar en l, como una calcula-
dora cientfica que maneja nmeros reales y complejos y como
una calculadora programable que puede almacenar y recuperar
datos, que puede crear, ejecutar y guardar secuencias de rdenes
para automatizar el clculo de ecuaciones importantes; y tam-
bin puede hacer comparaciones lgicas y controlar el orden en
el que se ejecutan los comandos. Adems permite presentar da-
tos en gran variedad de formas.
Ejecuta lgebra matricial, manipula polinomios, integra fun-
ciones, manipula simblicamente ecuaciones, etc.
Realiza tambin procedimientos estadsticos como tabla de
frecuencias, grficos, estadsticas de posicin etc.

328
 MATLAB tiene las operaciones aritmticas conocidas: suma
(+), resta (-), multiplicacin (*), divisin (/) y potencia (^) y se
operan de la manera que usted acostumbra.
Cuando se activa, en el pront aparece el smbolo >>.

Ejemplo
>> 2+pi ans =5.1416
>> 1/9 ans = 0.1111
>> 2^3 ans = 8

Si lo usamos como una calculadora cientfica, ella posee un

nmero grande de funciones, entre stas se incluyen: abs, sqrt,
exp, sin etc.

Ejemplo
" abs(1+i) ans = 1.4142
" exp(0) ans = 1
" exp(1) ans = 2.7183

MATLAB permite asociar un nombre a una cantidad num-

rica dada (al que llamamos variable) Se declara las variables
usando el signo "=":

Ejemplo
" a=13 a = 13
" b=a+a/pi b = 17.1380

MATLAB nos muestra las respuestas en ans (answers) cuan-

do no asignamos nombre de ninguna variable.

Ejemplo
" pi ans = 3.1416
" ans/2 ans = 1.5708

Los nombres de las variables deben comenzar con una letra,

despus es vlido cualquier ordenacin de letras, nmeros o su-

329
brayado. Puede contener hasta 19 caracteres. MATLAB es sensi-
ble a las maysculas: a y A son variables diferentes.
Declaracin de vectores y matrices
Los escalares, los vectores y las matrices, se ejecuta en MAT-
LAB sin ninguna declaracin especial. Los vectores pueden ser
considerados como matrices de una sola columna o de una sola
fila, as tambin los escalares pueden ser considerados como
matrices de orden uno. Existen varias formas de escribir matri-
ces en MATLAB, consideremos algunas de las ms sencillas:

Para escribir la matriz fila b de componentes: 1, 2, 3 y 4

digito:
>>b=[1 2 3 4], a lo que matlab responde:
b=
1 2 3 4
Cada nueva columna est separada por un espacio, tambin
puede usarse tambin una coma
" b=[1,2,3,4]
b=
1 2 3 4
Escribimos un vector columna c, separando cada nueva fila
con un punto y coma.
" c = [1; 2;3, -9]
c=
1
2
3
-9
Una matriz A se escribe:
" A = [1 2 3;4 5 6;7 8 9].
A=
1 2 3
4 5 6
7 8 9
Recuerde que cada nueva columna se separa con ";".

330
 Para escribir vectores podemos usar dos puntos, (:) de la si-
guiente manera:
vector = primer elemento: incremento: ltimo elemento.

Ejemplo
>> v1=1:5:39 v1 = 16 11 16 21 26 31 36
Al ser el incremento igual a 5, el siguiente de 36 sera 41 que
rebasa la cota superior de 39.
Puede considerarse fracciones como incremento:

" v2 = 2 : 0.4: 4 v2 = 2.0000 2.4000 2.8000 3.2000

3.6000 4.0000.

Los incrementos pueden ser negativos

" v3 = 10: -0.5: 8.0 v3 = 10.0000 9.5000 9.0000 8.5000
8.0000.

Por omisin MATLAB entiende que el incremento es uno.

" v4=13:19 v4 = 13 14 15 16 17 18 19

Mediante el comando linspace decidimos el nmero de pun-

tos en que dividimos un intervalo por ejemplo dividir el interva-
lo [0,pi ], en 6 sub-intervalos
" v5 = linspace(0,pi,7) v5 = 0 0.5236 1.0472 1.5708
2.0944 2.6180 3.1416

Para saber el tamao (dimensin) del vector v1 o su orden

cuando lo pensamos como una matriz, escribimos los comandos:
>>length(v1) ans = 8
>> [ fila, colum ] = size(v1)fila = 1 colum = 8

Nos dice que v1 tiene 8 componentes o que es una matriz de

una fila y ocho columnas.
MATLAB conoce muchas matrices tales como la identidad,
la matriz constante 0, etc, basta escribir los comandos:

331
 " iden = eye(4), cero = zeros(3,5), uno = ones(2,4).
iden = cero = uno =
1 0 0 0 0 0 0 0 0 1 1 1 1 1
0 1 0 0 0 0 0 0 0 1 1 1 1 1
0 0 1 0 0 0 0 0 0
0 0 0 1

Escriba las ordenes: eye(3,5), zeros(5), ones(5,3) y mire que

obtiene. Una matriz que servir para algunos ejemplos rutina-
rios es la matriz mgica, escriba magic(5), intente ver que pro-
piedades tiene.
Dado un vector podemos obtener una matriz diagonal don-
de su diagonal principal esta dada por las componentes de ste
vector:
" v=1:5 v=1 2 3 4 5
" dia=diag(v)
dia =
1 0 0 0 0
0 2 0 0 0
0 0 3 0 0
0 0 0 4 0
0 0 0 0 5

Ensaye ahora el comando diag(dia). En A tiene guardado una

matriz, muestre en pantalla, escriba diag(diag(A)), qu obtiene?
Una matriz R cuyas entradas son nmeros aleatorios
R=rand(4)
R=
0.9501 0.8913 0.8214 0.9218
0.2311 0.7621 0.4447 0.7382
0.6068 0.4565 0.6154 0.1763
0.4860 0.0185 0.7919 0.4057

Podemos ensamblar una matriz a partir de matrices de me-

nor orden, por bloques, como sigue:

332
 " B=[A, zeros(3); zeros(3), ones(3)]
B=
1 2 3 0 0 0
4 5 6 0 0 0
7 8 9 0 0 0
0 0 0 1 1 1
0 0 0 1 1 1
0 0 0 1 1 1

Ejemplo
" a = 4: 9 a=4 5 6 7 8 9
" b = 9: -1: 4 b = 9 8 7 6 5 4
" c = ones(2) c = 1 1
1 1
" d1=[a b] d1 = 45 6 7 8 9
9 8 7 6 5 4
" d2=[a; b] d2 = 45 6 7 8 9
9 8 7 6 5 4
" d3=[d2, c] d3 = 4 5 6 7
8 9 1 1
9 8 7 6 5 4
1 1
" d4=[c; d2] d4 = 1 1 4 5 6
7 8 9
1 1 9 8 7 6
5 4

Filas, columnas y elementos de una matriz. Submatrices

El elemento de una matriz A que se encuentra en la fila i colum-

na j se denota como en lgebra lineal A(i, j). En las matrices da-
das en los ejemplos anteriores:
" B(4,5) ans = 1
" A(3,2) ans = 8
" d1(10) ans = 6

333
 En el caso de vectores basta con dar la componente del vec-
tor, la primera componente es d1(1), y as para todos los vecto-
res, no existe para matlab una componente de ndice cero, igual
con las matrices, el elemento de la primera fila y primera colum-
na es A(1, 1), no existe A(0, 0).
Podemos redefinir una matriz modificando algn elemento,
por ejemplo:
" A(3,2)=17

Observe el elemento (3, 2), en la matriz A que se tenia y como

se reemplaz en la nueva A:

A= A=
1 2 3 1 2 3
4 5 6 4 5 6
7 8 9 7 17 9

Ejemplo
" d1 d1 = 45 6 7 8 9 9 8
7 6 5 4
" d1(10) ans = 6

Modificamos la componente 10 del vector d1: sta es reem-

plazada por la suma de la primera y la dcima componente.

" d1(10)=d1(1)+d1(10) d1 = 4 5 6 7
8 9 9 8 7 10 5 4

Para obtener la primera columna de la matriz A escriba:

" A (:, 1)
ans =
1
4
7

334
 para la tercera fila:
" A(3,:) ans = 7 17 9

La fila i la columna j se obtienen escribiendo A(i,:) A(:, j)

respectivamente.
Si quisiramos borrar la tercera fila, hacemos:

" A(3,: )=[ ]

A=
1 2 3
4 5 6

Usando dos puntos podemos construir otras submatrices, re-

cordamos que tenemos en la matriz B y escribimos la submatriz
B1 formado por la segunda, tercera y cuarta fila

"B
B=
1 2 3 0 0 0
4 5 6 0 0 0
7 8 9 0 0 0
0 0 0 1 1 1
0 0 0 1 1 1
0 0 0 1 1 1

" B1=B(2:4,:)
Escribimos el dos para la fila inicial, el cuatro para la final, si
no se escribe el incremento, MATLAB asume que es uno.

B1 =
4 5 6 0 0 0
7 8 9 0 0 0
0 0 0 1 1 1

335
 " B2=B(:,1:2:6)

Para la submatriz B2, escribimos uno para que comience en

la primera columna, incrementndose de dos en dos, a lo ms
hasta la sexta columna:

B2 =
1 3 0
4 6 0
7 9 0
0 0 1
0 0 1
0 0 1

Esto es, la submatriz B2 est formada por la primera, tercera

y quinta columna.

" B3=B(:, [2 5])

B3 =
2 0
5 0
8 0
0 1
0 1
0 1

B3 est formada por la segunda y la cuarta columna.

B4 = B([1 5], [2 3 4])

B4 =
2 3 0
0 0 1

B4 est formada por la primera y quinta filas, adems por la

segunda, tercera y cuarta columnas.

336
Operaciones con matrices y vectores

Para tomar la transpuesta de la matriz A: se coloca un apstrofe

" B=A'
B=
1 4 7
2 5 8
3 6 9

La suma de matrices y de vectores es igual a la suma de es-

calares.

Ejemplo
A=[1 2 3;4 5 6;7 8 9], B=A'.
A= B=
1 2 3 1 4 7
4 5 6 2 5 8
7 8 9 3 6 9

" C = A+B
C=
2 6 10
6 10 14
10 14 18
" a =4: 9 a= 4 5 6 7 8 9
" b =9: -1: 4 b= 9 8 7 6 5 4
"c=a+b c= 13 13 13 13 13 13
" d1= 3*a-2*b d1 = -6 -1 4 9 14 19
" [1 1 1]/3 ans = 0,3333 0,3333 0,3333

El producto de matrices es el usual del lgebra, el nmero de

columnas de la primera matriz factor debe coincidir con el n-
mero de filas del segundo factor.

337
 " D=A*B
D=
14 32 50
32 77 122
50 122194

El producto interior de dos vectores puede obtenerse de la

siguiente manera:

" d2=a*b' d2 = 236

Existe otro producto, se le llama producto exterior:

" d3=[1; 2; 3]*[1 2 3]
d3 =
1 2 3
2 4 6
3 6 9

Usamos el "punto operacin" para efectuarlo componente a

componente como sigue:

" d4=[1 2 3 4].*[1 1/2 1/3 1/4] d4 = 1

1 1 1
" d5=[2 2 2 2].^[0 1 2 3]
d5 =1 2 4 8
" A.*B
ans =
1 8 21
8 25 48
21 48 81

Anlisis de datos

Las matrices son usadas de manera natural por MATLAB para

analizar datos. Por convencin el conjunto de datos se almacenan

338
en matrices orientada por columnas, cada columna representa una
variable diferente y cada fila representa a un individuo.
Al digitar help datafun, matlab le muestra una lista de las
funcionres estadsticas que podra Ud. necesitar, algunas de es-
tas es mostrada en la siguiente tabla:

Funcin estadstica Descripcin

bar(x) Diagrama de barras

corrcoef(x) Coeficientes de correlacin
cov(x) Matriz de covarianza
cumprod(x) Producto acumulado de columnas
cumsum(x) Suma acumulado de columnas
diff(x) Calcula las diferencias entre elementos
hist() Histograma
mean(x) Valor medio de columnas
median(x) Valor de la mediana de las columnas
prod(x) Producto de elemtos en columnas
rand(x) Nmeros aleatorios distribuidos uniformemente
randn(x) Nmeros aleatorios distribuidos normalmente
sort(x) Ordena columnas en orden ascendente
std(x) Desviacin estandar de columnas
sum(x) Suma de elementos de cada columna

Ejemplo
Supongamos que la siguiente matriz represente a cuatro
variables (columnas) y 3 individuos (filas).
A=[
2 7 4 7
6 4 6 1
4 0 7 4]

>>mean(A) nos da la media aritmtica de cada una de las

variables
ans = 4.0000 3.6667 5.6667 4.0000

>> sum(A) nos da la suma de los valores de cada variable

ans = 12 11 17 12

339
 sort(A)
ans =
2 0 4 1
4 4 6 4
6 7 7 7
>> cov(A) proporciona la matriz de covarianzas de las tres
variables
ans =
4.0000 -3.0000 2.0000 - 6.0000
-3.0000 12.3333 -5.1667 4.5000
2.0000 -5.1667 2.3333 -3.0000
-6.0000 4.5000 -3.0000 9.0000

Nmeros aleatorios

Nos sirven para simular un problema complejo.

Los nmeros aleatorios que tienen la misma probabilidad
de ser elegidos entre un lmite superior y uno inferior se denomi-
nan nmeros aleatorios uniformes.
MATLAB mediante la funcin rand genera nmeros aleato-
rios distribuidos uniformemente en el intervalo [0,1], la sintaxis es:
rand (n) %matriz de orden n de entradas entre 0 y 1.
rand(m,n) %matiz de orden m por n
Para obtener una sucesin de nmeros aleatorios se utiliza
el valor de una semilla el valor de este semilla inicialmente es
cero, pero se puede cambiar con la funcin seed
rand('seed', n) %asigna n como valor de la semilla
rand('seed'),%devuelve el valor actual de la semilla del ge-
nerador de nmeros aleatorios.
Las sucesiones aleatorias que tienen algunos valores con
mayor probabilidad de ocurrir que otros pueden modelarse con
nmeros aleatorios normales.
MATLAB genera valores gaussianos con una media de cero
y una varianza de 1.0 en [0,1], mediante:

randn(m) %genera una matriz de orden m

randn(m,n) %genera una matriz de orden m por n

340
 Ejemplo
y=randn(1500,1); % genera 1500 nmeros aleatorios con dis-
tribucin normal de media
cero y varianza 1.
hist(y) % dibuja un histograma de 10 barras para los datos
del vector y.

Ejemplo
x=-2.9:0.1:2.9
y=randn(1000,1),
hist(y, x);

50
45
40
35
30
25
20
15
10
5
0
-3 -2 -1 0 1 2 3

Recordar que todos los comandos MATLAB SE DIGITAN EN

LETRAS MINSCULAS.

Los comandos de ayuda

Si conocemos el nombre del comando del que necesitamos ayu-

da, escribimos help nombre del comando, por ejemplo escriba help
diag, y lea lo que matlab muestra en pantalla acerca de diag. Si

341
escribimos help +, matlab nos muestra todo acerca de las opera-
ciones aritmticas y otras relaciones ms; en cambio help help
nos explica que es lo que hace help.

Vea que es lo que hace un solo help.

Si no conocemos exactamente el nombre del comando pero sabe-

mos por ejemplo que esta relacionado con los nmeros comple-
jos escribimos lookfor complex, matlab nos muestra una lista de
comandos que est relacionado con los complejos. Escriba lookfor
fourier y lea lo matlab muestra en pantalla.

Los comandos who y whos

Nos muestra en pantalla las variables que estamos utilizando en

sta sesin de Matlab.

Los comandos save y load

Si queremos conservar la matriz A para usarla en la siguiente se-

sin escribir save A y A es guardada en un archivo de extensin
mat, para recuperarla en la siguiente sesin escribir load A.mat

El comando intro

Hace un paseo de demostracin, muestra lo que matlab puede

ofrecer. Digite intro y disfrute de este paseo. Puede recorrer tam-
bin por demo, para ello digite demo.
Para averiguar que es lo que hacen algunos de los comandos
que nos muestra intro, por ejemplo plot, grid, etc digite:help plot,
help grid.

El comando %

Sirve para escribir comentarios, lo que sigue despues del % en

toda esa lnea, matlab no lo ejecuta.

342
Archivos M

Cuando un programa tiene comandos que ocupan varias lneas

es conveniente usar los archivos.m, funcionan como macroco-
mandos matlab, lo pensamos como programas escritos en len-
guaje matlab, pueden guardarse en disco y corregirse tantas ve-
ces como sea necesario. Incluye cualquier cosa que el usuario
pueda escribir directamente en la ventana de comandos.
Estos archivos.m son de dos clases: los archivos.m de guin
y los archivos.m de funcin.
Los archivos.m de guin es una lista de comandos matlab,
que pueden operar con datos que existen en el espacio de trabajo
y pueden crear nuevos datos para seguir operando, pueden lla-
mar a otros archivos.m, Cualquier variable que ellos han creado
permanecen en el espacio de trabajo y pueden ser usadas en los
clculos que siguen.
Los archivos.m de funcin aceptan argumentos en la entra-
da y retornan argumentos en la salida. El nombre del archivo y el
nombre de la funcin deben coincidir.
Para empezar de un clic con el ratn en file, se despliega un
men, elija new y haga un clic y por ltimo clic en M-file, matlab
nos mostrar una ventana como la siguiente:

343
 Al que llamar ventana del archivo.m, en sta ventana po-
demos empezar digitando, en la primera linea:

function y = nombre_archivo( x)

donde y es el argumento de salida y x el argumento de entrada,

tanto x como y pueden ser una matriz, un vector o un nmero
indistintamente.
En la segunda linea puede digitarse un comentario acerca
de lo que hace ste archivo.
Ambos procedimientos tanto para crear un archivo.m de
funcin como el de un archivo.m de guin, es el mismo, as tam-
bin para guardar el archivo.

Ejemplo 7. 16 Suponga que quiere realizar la siguiente tabla de

frecuencias.

X fi Fi

0 2 2
1 11 13
2 11 24
4 3 27
5 3 30

Definir una funcin de distribucin de frecuencias acumu-

ladas de una variable discreta al que llamaremos funcin esklra
Comenzando el procedimiento, con el ratn:

file clic
new clic
M-file clic

344
 En la ventana que se muestra digitar:
function f=esklra(x);
% funcin escalera en un intervalo desde 0 hasta M dimen-
sin del vector de frecuencias a,
%donde para cada subintervalo de longitud uno, se asocia
una componente del vector a, por
%decir para x entre 0 y 1 se asocia 2, entre 1 y 2 el 13, etc.
a= [2 13 24 24 27 30];%a es un vector de fre-
cuencias
M=length(a);
for k=1:M-1,
aa=k-1;bb=k;
set=find( aa <= x )&find( x < bb);
f(set)=a(k);
if isempty(f) == 0;
break,
end,
end,
if isempty(f) == 1;
f(1)=a(6);
end

Para guardarlas hacemos lo siguiente con el raton:

file clic
save as clic.

En el espacio nombre del archivo escribir esklra.m (no olvi-

dar la extencin.m) y en el espacio 'guardado en' buscar work,
por ltimo dar un clic con el ratn en guardar.
Para ejecutar estos archivos escribir en la ventana de co-
mandos el nombre del archivo sin la extensin, en este caso
por ser un archivo.m de funcin, es como si se evaluara una
funcin en matlab escribimos en la ventana de comandos eskl-
ra(4.5) y dando un enter obtenemos por ejemplo esklra(4.5)=27,
esklra(0.8)=2, etc.

345
 Cada vez que modificamos (corregimos) un archivo.m te-
nemos que avisar a matlab, guardando este archivo del modo
siguiente, con el ratn:
file clic
save clic
Nuevamente ya est listo para su ejecucin

El procedimiento para construir un archivo.m de guin es el

mismo que el de archivo.m de funcin solo se diferencian en la
primera lnea, digite % y luego un comentario acerca de lo que
hace este archivo.m, de modo tal que si se digita en la ventana de
comandos:
help nombre_archivo,nos mostrar este comentario.
Luego de digitado el programa en la ventana del archivo.m,
tiene que guardarlo con un nombre adecuado de modo que nos
sugiera lo que ese archivo resuelve. Para ello en la ventana del
archivo.m de un clic en file, en el men desplegado de un clic en
save as nos mostrar una tercera ventana: guardar como; escri-
bir el nombre del archivo con la extencin.m y buscar matlab
para guardarlo. Ya est listo para ser usado.

Ejemplo Hacer la grfica de la funcin eskalra del ejemplo

anterior.
Comenzamos el proceso abriendo la ventana de archivos.m
para ello con el ratn clic en files, clic en new y por ltimo clic en
M-files, aparecer una ventana en el que digitamos
% para graficar la funcin escalera, necesitamos el archivo
esklra
clear, clf,
for jj=0:1:5;
j=1;
for xx=jj:.01:jj+.99;
ww=esklra(xx);
xxx(j)=xx;
www(j)=ww;

346
 j=j+1;
end
hold on
plot(xxx,www)
clear xxx www;
end
hold on;
x=[1 2 4 5];
a= [2 13 24 27];
plot(x,a,'o');
x=[0 1 2 4 5];
a=[2 13 24 27 30];
plot(x,a,'.')
axis([0 6 0 35])
hold off;

Escrito todos los comandos lo guardamos con algn nom-

bre, recuerde: clic en files, clic en save as y reemplazar en Untitle
(por ejemplo) por gr_esc.m, en este caso est listo para ser ejecu-
tado, digitando en la ventana de comandos gr_esc (sin la exten-
sin), nos mostrar el grfico de la escalera.

35

30

25

20

15

10

0
0 1 2 3 4 5 6

347
 Ejemplo. Hacer el grfico de una distribucin de frecuen-
cias acumuladas de una variable continua, como la siguiente:

Intervalos fi Fi
174 -196 2 2
196 - 218 7 9
218 - 240 10 19
240 - 262 23 42
262 - 284 38 80
284 - 306 11 91
306 -328 5 96
328 -350 4 100

Crear los datos de vectores X e Y. En la ventana de archivos.m

escribimos:
X=[196 218 240 262 284 306 328 350];
Y=[2 9 19 42 80 91 96 100];
plot(X,Y);
hold on
plot(X,Y,'.');
hold off
set(gca,'xtick',X)
set(gca,'ytick',Y)
Lo salvamos con el nombre gr_fre.m, lo llamamos por gr_fre
y nos muestra:

100
96
91

80

42

19

9
2
196 219 240 262 284 306 328 360

348
 Ejemplo. Para la misma tabla de frecuencias, hacer el grfi-
co del un polgono de frecuencias absolutas.

clear,clf,
X1=[174 196 196 218 218 240 240 262 262 284 284 306 306
328 328 350];
for k=1:2:15
pt_me((k+1)/2)=(X1(k)+X1(k+1))/2;
end
Y3=[0 2 7 10 23 38 11 5 4 0];
pt_me=[163,pt_me,361];
plot(pt_me,Y3)
hold on
plot(pt_me,Y3,'.')
hold off
X=[163 174 196 218 240 262 284 306 328 350 361];
set(gca,'xtick',X)

40

35

30

25

20

15

10

0
163 174 196 218 240 262 284 306 328 350 361

349