Ingreso Perceptor08

*********************************************************************************************
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
Núm. de filas del archivo de
trabajo
Sintaxis
Recursos Tiempo de procesador

Tiempo transcurrido
C:\Curso SPSS\MCPEC\Datos\per1208.sav
1. PERSONA 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
***el comando count nos sirve para contar ****. *Porcentaje de columna*. ****el cpct es el co
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
1. PERSONA 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
***podemos utilizar ambos datos juntos *****. tables table = persona /statistics = count cpct
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
1. PERSONA 1
10
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
****las comillas permiten colocar nombres o las descripciones****. tables table = persona /s
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
Entrada

trabajo
Sintaxis

Tiempo transcurrido
1. PERSONA 1
10
11
12
13
14
15
16
17
18
19
19
20
21
22
23
24
25
******los aprotofes sirven para colocar los datos *****. tables table = persona /statistics =
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
1. PERSONA 1
5
5
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
****creando la variable llamada area******. compute area1 =area. var lab area1 'Area residenc
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
1. PERSONA 1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
****programamos para cambiar la descripción de personas***. var lab persona''. tables table =
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Urbano
Casos
1 10950
2 9994
3 8312
4 6227
5 3722
6 1902
7 955
8 483
9 252
10 145
11 78
12 35
13 19
14 12
15 11
16 7
17 3
18 2
19 1
20 1
21 1
22 1
23 1
24 1
25 1
var lab area1''/persona''. tables table = area1 by persona /statistics = count ('Casos') cpct
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
1
Casos
Urbano 10950
Rural 8444
****nos permiten por varios casos****. var lab persona''. tables table = persona by area1 /st
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Urbano
Casos
1 10950
2 9994
3 8312
4 6227
5 3722
6 1902
7 955
8 483
9 252
10 145
11 78
12 35
13 19
14 12
15 11
16 7
17 3
18 2
19 1
20 1
21 1
22 1
23 1
24 1
25 1
var lab area1''/persona''. tables table = area1 by persona /statistics = count ('Casos') cpct
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
1
Casos
Urbano 10950
Rural 8444
****para incorporar mas variables les colocamos etiquetas y + despues del by y en el estadist
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Urbano
Número
1 10950
2 9994
3 8312
4 6227
5 3722
6 1902
7 955
8 483
9 252
10 145
11 78
12 35
13 19
14 12
15 11
16 7
17 3
18 2
19 1
20 1
21 1
22 1
23 1
24 1
25 1
****para incorporar una nueva base de estudio le colocamos un + pero a la izquierda del by***
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
Entrada

trabajo
Sintaxis

Tiempo transcurrido
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
4. Relación de Parentesco Jefe
Cónyuge
Hijo
Yerno o nuera
Nieto
Padres suegros
Otros parientes
Empl. doméstica
Otros no parient
******para la relacion de jefe de hogar****. var lab area1'Area Residencial'/rn 'Región Natur
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Urbano
Número
Jefe 10950
Cónyuge 7281
Hijo 18112
Yerno o nuera 683
Nieto 3164
Padres suegros 538
Otros parientes 1937
Empl. doméstica 91
Otros no parient 360
****un cambio para ver la variable**********. var lab area1'Area Residencial'/rn 'Región Natu
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Area Residencial Urbano

Rural
Región Natural Sierra
Costa
Amazonía
No delimitado (Costa)
Sexo Hombre
Mujer
****un cambio para ver la variable para observar las bondades**********. var lab area1'Area R
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido

Rural
Costa
Amazonía
No delimitado (Costa)
Sexo Hombre
Mujer
**************************************************************************** **************ha
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Urbano
Número
Jefe 10950
Cónyuge 7281
Hijo 18112
Yerno o nuera 683
Nieto 3164
Padres suegros 538
Empl. doméstica 91
Total 43116
Fuente: INEC- ENEMDU
Fecha: 12 de Marzo del 2010
Elaboración: Curso SPSS-MCPEC
***********se realiza el conteo o los totales en contra de la variable que no se encuentra en
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Recursos
Tiempo transcurrido
Total
Número
Jefe 19394
Cónyuge 13188
Hijo 34297
Yerno o nuera 1243
Nieto 5921
Padres suegros 896
Empl. doméstica 97
Total 78742
*****se necesita saber si se quiere que las variables se encuentren de manera vertical u hori
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Urbano
1
Número
Jefe 10950
Cónyuge 7281
Hijo 18112
Yerno o nuera 683
Nieto 3164
Padres suegros 538
Empl. doméstica 91
***se anida por sexo reljefe y area******************. var lab sexo''. tables table = (tota
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Entrada
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Saludos
Total Jefe
Cónyuge
Hijo
Yerno o nuera
Nieto
Padres suegros
Otros parientes
Empl. doméstica
Otros no parient
Total
Hombre Jefe
Cónyuge
Hijo
Yerno o nuera
Nieto
Padres suegros
Otros parientes
Empl. doméstica
Otros no parient
Total
Mujer Jefe
Cónyuge
Hijo
Yerno o nuera
Mujer
Nieto
Padres suegros
Otros parientes
Empl. doméstica
Otros no parient
Total
***************ejercicio de codificacion de variables de datos y cruces de datos ************
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Distribución de la relación de sexo según Área residenc
Total
Rural
Región Natural
Costa
Amazonía
Provincia Azuay
Bolivar
Cañar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Rios
Manabi
Pichincha
Tungurahua
Amazonia
Ciudad Quito
Guayaquil
Cuenca
Machala
Ambato
*********************************************************************************************
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Hombre
Número
Jefe 1729593
Cónyuge 47258
Hijo 2014351
Yerno o nuera 63553
Nieto 322524
Padres suegros 23022
Empl. doméstica 1423
Total 4470688
var lab area1'Area Residencial'/rn 'Región Natural'/sexo 'Sexo'/reljefe ''. tables table = r
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Entrada
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Hombre
Número
Jefe 1729593
Cónyuge 47258
Hijo 2014351
Yerno o nuera 63553
Nieto 322524
Total 4470688
var lab area1'Area Residencial'/rn 'Región Natural'/sexo ''/reljefe ''. tables table = relje
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Total
Número
Jefe 3447092
Cónyuge 2324922
Hijo 6027839
Yerno o nuera 224778
Nieto 993797
*********************************************************************************************
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Distribución de la relación de parentesco según Área residen
Total
Rural
Costa
Amazonía
Provincia Azuay
Bolivar
Cañar
Provincia
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Rios
Manabi
Pichincha
Tungurahua
Amazonia
Ciudad Quito
Guayaquil
Cuenca
Machala
Ambato

compute base=1. var lab base''. val lab base 1'Total'. TABLES /FORMAT BLANK MISSING('.') /obs
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Entrada
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Total
Rural
Costa
Amazonía
Provincia Azuay
Bolivar
Cañar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Rios
Manabi
Pichincha
Tungurahua
Amazonia
Ciudad Quito
Guayaquil
Cuenca
Machala
Ambato

compute base=1. var lab base'Total'. val lab base 1''. TABLES /FORMAT BLANK MISSING('.') /obs
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Total
Rural
Costa
Amazonía
Provincia Azuay
Bolivar
Cañar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Rios
Manabi
Pichincha
Tungurahua
Amazonia
Ciudad Quito
Guayaquil
Cuenca
Ciudad
Machala
Ambato
compute base=1. var lab base'Total'. val lab base 1''. TABLES /FORMAT BLANK MISSING('.') /obs
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
1 total
Rural
Región Natural
Costa
Amazonía
Provincia Azuay
Bolivar
Cañar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Rios
Manabi
Pichincha
Tungurahua
Amazonia
Ciudad Quito
Guayaquil
Cuenca
Machala
Ambato
compute base=1. var lab base'Total'. val lab base 1''. recode ingrl (-1,999999 = SYSMIS). TAB
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Distribución de la relación de parentesco según
Total
Rural
Costa
Amazonía
Provincia Azuay
Bolivar
Cañar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Rios
Manabi
Pichincha
Tungurahua
Amazonia
Ciudad Quito
Guayaquil
Cuenca
Machala
Ambato
compute base=1. var lab base'Total'. val lab base 1''. recode ingrl (-1,999999 = SYSMIS). TAB
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Distribución de la relación de parentesco s

Total
Rural
Costa
Amazonía
Provincia Azuay
Bolivar
Cañar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Rios
Manabi
Pichincha
Tungurahua
Amazonia
Ciudad Quito
Guayaquil
Cuenca
Machala
Ambato
compute base=1. var lab base'Total'. val lab base 1''. recode ingrl (-1,999999 = SYSMIS). if
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
Entrada

trabajo
Sintaxis

Tiempo transcurrido
Advertencia
Texto: npecrp
Una variable usada en el subcomando STATISTICS no existe en el subcomando TABLE.
Compruebe la ortografía.
Este comando no se ha ejecutado.
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Distribución de la relación de pa
Total
Rural
Costa
Amazonía
Provincia Azuay
Bolivar
Cañar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Rios
Manabi
Pichincha
Tungurahua
Amazonia
Ciudad Quito
Guayaquil
Cuenca
Machala
Ambato
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Advertencia
Texto: npercp
Una variable usada en el subcomando STATISTICS no existe en el subcomando TABLE.
Compruebe la ortografía.
Este comando no se ha ejecutado.
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Ingreso promedio de los perceptores según Área residencial región y sexo
Total
Area Residencial
Rural
Costa
Amazonía
Provincia Azuay
Bolivar
Cañar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Rios
Manabi
Pichincha
Tungurahua
Amazonia
Ciudad Quito
Guayaquil
Cuenca
Machala
Ambato
Sexo Hombre
Mujer
compute base=1. var lab base''/ingrl''. val lab base 1''. recode ingrl (-1,999999 = SYSMIS).
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Total
Rural
Costa
Amazonía
Provincia Azuay
Bolivar
Cañar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Rios
Manabi
Pichincha
Tungurahua
Amazonia
Ciudad Quito
Guayaquil
Ciudad
Cuenca
Machala
Ambato
Sexo Hombre
Mujer
compute base=1. var lab base''/ingrl''. val lab base 1''. recode ingrl (-1,999999 = SYSMIS).
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido

Total
Rural
Costa
Amazonía
Provincia Azuay
Bolivar
Cañar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Rios
Manabi
Pichincha
Tungurahua
Amazonia
Ciudad Quito
Guayaquil
Cuenca
Machala
Ambato
Sexo Hombre
Mujer
FILTER off. compute base=1. var lab base''/ingrl''. val lab base 1''. recode ingrl (-1,999999
Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
Entrada

trabajo
Sintaxis

Tiempo transcurrido
Ingreso promedio de los perceptores según Área residencia
Total Sexo
Rural
Costa
Amazonía
Provincia Azuay
Bolivar
Cañar
Carchi
Cotopaxi
Chimborazo
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Rios
Manabi
Pichincha
Tungurahua
Amazonia
Ciudad Quito
Guayaquil
Cuenca
Machala
Ambato

Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Entrada
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Ingreso promedio de los perceptores según Área residencial regió
Total Hombre
Mujer
Rural
Costa
Amazonía
Provincia Azuay
Bolivar
Cañar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Rios
Manabi
Pichincha
Tungurahua
Amazonia
Ciudad Quito
Guayaquil
Cuenca
Machala
Ambato

Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Total Hombre
Mujer
Total
Rural
Costa
Amazonía
Amazonía
Provincia Azuay
Bolivar
Cañar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Rios
Manabi
Pichincha
Tungurahua
Amazonia
Ciudad Quito
Guayaquil
Cuenca
Machala
Ambato

Tablas
Notas
Resultados creados
Comentarios
Entrada Datos
Filtro
Peso
Segmentar archivo
trabajo
Sintaxis

Tiempo transcurrido
Total Total
Hombre
Mujer
Rural
Costa
Amazonía
Provincia Azuay
Bolivar
Provincia
Bolivar
Cañar
Carchi
Cotopaxi
Chimborazo
El Oro
Esmeraldas
Guayas
Imbabura
Loja
Los Rios
Manabi
Pichincha
Tungurahua
Amazonia
Ciudad Quito
Ciudad
Guayaquil
Cuenca
Machala
Ambato

FILTER off.
************************. *SOLICITAR A LOS ESTUDIANTES DOCUMENTAR CADA PASO DEL PROGRAMA. *************
12-mar-2010 07:58:31
C:\Curso
SPSS\MCPEC\Datos\per1208.sav
<ninguno>
<ninguno>
<ninguno>
78742
tables table = persona

/statistics = count.
0:00:00.358
0:00:00.733
Recuento 19394
Recuento 17564
Recuento 14584
Recuento 11205
Recuento 7147
Recuento 4017
Recuento 2217
Recuento 1213
Recuento 656
Recuento 354
Recuento 189
Recuento 84
Recuento 41
Recuento 26
Recuento 19
Recuento 12
Recuento 5
Recuento 4
Recuento 3
Recuento 2
Recuento 2
Recuento 1
Recuento 1
Recuento 1
Recuento 1
***el cpct es el column percent es decir el porcentaje de columna******. tables table = persona /statis
12-mar-2010 07:58:32
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742

/statistics = cpct.
0:00:00.390
0:00:00.405
Porcentaje del recuento 24.6%

Porcentaje del recuento .8%
istics = count cpct.
12-mar-2010 07:58:33
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742

/statistics = count cpct.
0:00:00.374
0:00:00.405
Recuento 19394
Recuento 17564
Recuento 14584
Recuento 11205
Recuento 7147
Recuento 4017
Recuento 2217
Recuento 1213
Recuento 656
Recuento 354
Recuento 189
Recuento 84
Recuento 41
Recuento 26
Recuento 19
Recuento 12
Recuento 5
Recuento 4
Recuento 3
Recuento 2
Recuento 2
Recuento 1
Recuento 1
Recuento 1
Recuento 1
table = persona /statistics = count ('') cpct ('').
12-mar-2010 07:58:33
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742

/statistics = count ('') cpct ('').
0:00:00.359
0:00:00.406
19394
24.6%
17564
22.3%
14584
18.5%
11205
14.2%
7147
9.1%
4017
5.1%
2217
2.8%
1213
1.5%
656
.8%
354
.4%
189
.2%
84
.1%
41
.1%
26
.0%
19
.0%
12
.0%
5
.0%
4
.0%
3
.0%
2
.0%
2
.0%
1
.0%
1
.0%
1
.0%
1
.0%
rsona /statistics = count ('Casos') cpct ('%').
12-mar-2010 07:58:33
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742

/statistics = count ('Casos') cpct ('%').
0:00:00.375
0:00:00.405
Casos 19394
% 24.6%
Casos 17564
% 22.3%
Casos 14584
% 18.5%
Casos 11205
% 14.2%
Casos 7147
% 9.1%
Casos 4017
% 5.1%
Casos 2217
% 2.8%
Casos 1213
% 1.5%
Casos 656
% .8%
Casos 354
% .4%
Casos 189
% .2%
Casos 84
% .1%
Casos 41
% .1%
Casos 26
% .0%
Casos 19
% .0%
Casos 12
% .0%
Casos 5
% .0%
Casos 4
% .0%
Casos 3
% .0%
Casos 2
% .0%
Casos 2
% .0%
Casos 1
% .0%
Casos 1
% .0%
Casos 1
% .0%
Casos 1
% .0%
rea1 'Area residencial'. val lab area1 1'Urbano' 2'Rural'. ****al programa anterior le coloco las estad
12-mar-2010 07:58:34
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742
tables table = persona by area1

0:00:00.500
0:00:00.531
Area residencial
Urbano Rural
Casos % Casos %
10950 13.9% 8444 10.7%
9994 12.7% 7570 9.6%
8312 10.6% 6272 8.0%
6227 7.9% 4978 6.3%
3722 4.7% 3425 4.3%
1902 2.4% 2115 2.7%
955 1.2% 1262 1.6%
483 .6% 730 .9%
252 .3% 404 .5%
145 .2% 209 .3%
78 .1% 111 .1%
35 .0% 49 .1%
19 .0% 22 .0%
12 .0% 14 .0%
11 .0% 8 .0%
7 .0% 5 .0%
3 .0% 2 .0%
2 .0% 2 .0%
1 .0% 2 .0%
1 .0% 1 .0%
1 .0% 1 .0%
1 .0%
1 .0%
1 .0%
1 .0%
a''. tables table = persona by area1 /statistics = count ('Casos') cpct ('%').
12-mar-2010 07:58:35
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742

0:00:00.484
0:00:00.469
Area residencial
Urbano Rural
% Casos %
13.9% 8444 10.7%
12.7% 7570 9.6%
10.6% 6272 8.0%
7.9% 4978 6.3%
4.7% 3425 4.3%
2.4% 2115 2.7%
1.2% 1262 1.6%
.6% 730 .9%
.3% 404 .5%
.2% 209 .3%
.1% 111 .1%
.0% 49 .1%
.0% 22 .0%
.0% 14 .0%
.0% 8 .0%
.0% 5 .0%
.0% 2 .0%
.0% 2 .0%
.0% 2 .0%
.0% 1 .0%
.0% 1 .0%
.0%
.0%
.0%
.0%
ount ('Casos') cpct ('%').
12-mar-2010 07:58:35
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742
tables table = area1 by persona

0:00:00.484
0:00:00.483
1 2 3
% Casos % Casos %
13.9% 9994 12.7% 8312 10.6%
10.7% 7570 9.6% 6272 8.0%
ersona by area1 /statistics = count ('Casos') cpct ('%' (f8.2):area1).
12-mar-2010 07:58:36
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742

/statistics = count ('Casos') cpct ('%'
(f8.2):area1).
0:00:00.437
0:00:00.515
Urbano Rural
% Casos %
25.40 8444 23.70
23.18 7570 21.25
19.28 6272 17.61
14.44 4978 13.97
8.63 3425 9.61
4.41 2115 5.94
2.21 1262 3.54
1.12 730 2.05
.58 404 1.13
.34 209 .59
.18 111 .31
.08 49 .14
.04 22 .06
.03 14 .04
.03 8 .02
.02 5 .01
.01 2 .01
.00 2 .01
.00 2 .01
.00 1 .00
.00 1 .00
.00
.00
.00
.00
ount ('Casos') cpct (persona (f8.2)'%').

12-mar-2010 07:58:36
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742
tables table = area1 by persona

/statistics = count ('Casos') cpct (persona
(f8.2)'%').
0:00:00.468
0:00:00.498
1 2 3
% Casos % Casos %
13.91 9994 12.69 8312 10.56
10.72 7570 9.61 6272 7.97
by y en el estadistico con comas , para aumentar*****. var lab area1'Area Residencial'/rn 'Región Natur
12-mar-2010 07:58:37
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742
tables table = persona by area1 + rn +

sexo
/statistics = count ('Número') cpct
('%':area1,rn,sexo).
0:00:00.671
0:00:00.719
Area Residencial Región
Urbano Rural Sierra
% Número % Número %
25.4% 8444 23.7% 10516 25.3%
23.2% 7570 21.2% 9494 22.8%
19.3% 6272 17.6% 7718 18.6%
14.4% 4978 14.0% 5914 14.2%
8.6% 3425 9.6% 3663 8.8%
4.4% 2115 5.9% 1996 4.8%
2.2% 1262 3.5% 1097 2.6%
1.1% 730 2.0% 590 1.4%
.6% 404 1.1% 321 .8%
.3% 209 .6% 163 .4%
.2% 111 .3% 72 .2%
.1% 49 .1% 29 .1%
.0% 22 .1% 11 .0%
.0% 14 .0% 9 .0%
.0% 8 .0% 5 .0%
.0% 5 .0% 2 .0%
.0% 2 .0% 1 .0%
.0% 2 .0%
.0% 2 .0%
.0% 1 .0%
.0% 1 .0%
.0%
.0%
.0%
.0%
izquierda del by******. var lab area1'Area Residencial'/rn 'Región Natural'/sexo 'Sexo'. tables table
12-mar-2010 07:58:38
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742
tables table = persona + reljefe by area1

+ rn + sexo
0:00:00.967
0:00:00.998
Area Residencial
Urbano Rural Sierra
Número % Número % Número
10950 25.4% 8444 23.7% 10516
9994 23.2% 7570 21.2% 9494
8312 19.3% 6272 17.6% 7718
6227 14.4% 4978 14.0% 5914
3722 8.6% 3425 9.6% 3663
1902 4.4% 2115 5.9% 1996
955 2.2% 1262 3.5% 1097
483 1.1% 730 2.0% 590
252 .6% 404 1.1% 321
145 .3% 209 .6% 163
78 .2% 111 .3% 72
35 .1% 49 .1% 29
19 .0% 22 .1% 11
12 .0% 14 .0% 9
11 .0% 8 .0% 5
7 .0% 5 .0% 2
3 .0% 2 .0% 1
2 .0% 2 .0%
1 .0% 2 .0%
1 .0% 1 .0%
1 .0% 1 .0%
1 .0%
1 .0%
1 .0%
1 .0%
10950 25.4% 8444 23.7% 10516
7281 16.9% 5907 16.6% 7195
18112 42.0% 16185 45.4% 18228
683 1.6% 560 1.6% 538
3164 7.3% 2757 7.7% 2798
538 1.2% 358 1.0% 497
1937 4.5% 1161 3.3% 1484
91 .2% 6 .0% 67
360 .8% 248 .7% 278
l'/rn 'Región Natural'/sexo 'Sexo'/reljefe ''. tables table = reljefe by area1 + rn + sexo /statistics
12-mar-2010 07:58:39
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742
tables table = reljefe by area1 + rn +

sexo
0:00:00.640
0:00:00.733

Urbano Rural Sierra
25.4% 8444 23.7% 10516 25.3%
16.9% 5907 16.6% 7195 17.3%
42.0% 16185 45.4% 18228 43.8%
1.6% 560 1.6% 538 1.3%
7.3% 2757 7.7% 2798 6.7%
1.2% 358 1.0% 497 1.2%
4.5% 1161 3.3% 1484 3.6%
.2% 6 .0% 67 .2%
.8% 248 .7% 278 .7%
al'/rn 'Región Natural'/sexo 'Sexo'/reljefe ''. tables table = area1 + rn + sexo by reljefe /statisti
12-mar-2010 07:58:39
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742
tables table = area1 + rn + sexo by

reljefe
0:00:00.702
0:00:00.780
Jefe Cónyuge Hijo

10950 25.4% 7281 16.9% 18112
8444 23.7% 5907 16.6% 16185
10516 25.3% 7195 17.3% 18228
7922 24.2% 5319 16.2% 13983
890 21.7% 627 15.3% 1957
66 22.4% 47 16.0% 129
14872 38.4% 293 .8% 17822
4522 11.3% 12895 32.3% 16475
ar lab area1'Area Residencial'/rn 'Región Natural'/sexo 'Sexo'/reljefe ''. tables table = area1 + rn +
12-mar-2010 07:58:40
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742
tables table = area1 + rn + sexo by
reljefe
('%':reljefe).
0:00:00.655
0:00:00.703
Jefe Cónyuge Hijo

10950 56.5% 7281 55.2% 18112
8444 43.5% 5907 44.8% 16185
10516 54.2% 7195 54.6% 18228
7922 40.8% 5319 40.3% 13983
890 4.6% 627 4.8% 1957
66 .3% 47 .4% 129
14872 76.7% 293 2.2% 17822
4522 23.3% 12895 97.8% 16475
** **************hasta aqui clase primera de Table Miercoles 10******* ********************************
12-mar-2010 07:58:41
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742
tables table = reljefe + tota by area1 + rn

+ sexo
('%':area1,rn,sexo)
/title = 'Distribución de la relación de
parentesco según Área residencial región
y sexo' 'Saludos'
/caption = 'Fuente: INEC- ENEMDU'
'Fecha: 12 de Marzo del 2010'
'Elaboración: Curso SPSS-MCPEC'.
0:00:01.046
0:00:01.262
Distribución de la relación de parentesco según Área residencial región y sexo
Saludos
Urbano Rural Sierra
25.4% 8444 23.7% 10516 25.3%
16.9% 5907 16.6% 7195 17.3%
42.0% 16185 45.4% 18228 43.8%
1.6% 560 1.6% 538 1.3%
7.3% 2757 7.7% 2798 6.7%
1.2% 358 1.0% 497 1.2%
4.5% 1161 3.3% 1484 3.6%
.2% 6 .0% 67 .2%
.8% 248 .7% 278 .7%
100.0% 35626 100.0% 41601 100.0%
no se encuentra en el CPCT************. tables table = reljefe + tota by tota + area1 + rn + sexo /st
12-mar-2010 07:58:42
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742
tables table = reljefe + tota by tota +

area1 + rn + sexo
('%':area1,rn,sexo)
y sexo' 'Saludos'
0:00:01.155
0:00:01.295

Saludos
Total Area Residencial
Urbano Rural
24.6% 10950 25.4% 8444 23.7%
16.7% 7281 16.9% 5907 16.6%
43.6% 18112 42.0% 16185 45.4%
1.6% 683 1.6% 560 1.6%
7.5% 3164 7.3% 2757 7.7%
1.1% 538 1.2% 358 1.0%
3.9% 1937 4.5% 1161 3.3%
.1% 91 .2% 6 .0%
.8% 360 .8% 248 .7%
100.0% 43116 100.0% 35626 100.0%
era vertical u horizontal *****Vertical; izquierda de BY y Horizontal es a la derecha del by ****pero l
12-mar-2010 07:58:44
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742
tables table = reljefe by area1 + rn >
sexo
('%':area1,rn,sexo)
y sexo' 'Saludos'
0:00:00.686
0:00:00.780
Distribución de la relación de parentesco según Área residencial región y sex

Saludos
Area Residencial
Urbano Rural Sierra
2 3 4 Sexo
Hombre
25.4% 8444 23.7% 7999 39.9%
16.9% 5907 16.6% 118 .6%
42.0% 16185 45.4% 9214 46.0%
1.6% 560 1.6% 289 1.4%
7.3% 2757 7.7% 1447 7.2%
1.2% 358 1.0% 120 .6%
4.5% 1161 3.3% 737 3.7%
.2% 6 .0%
.8% 248 .7% 121 .6%
bles table = (tota + sexo) > (reljefe + tota) by tota + area1 + rn + prov /statistics = count ('Número'
12-mar-2010 07:58:45
C:\Curso
<ninguno>
<ninguno>
<ninguno>
78742
tables table = (tota + sexo) > (reljefe +

tota) by tota + area1 + rn + prov
('%':area1,rn,sexo, tota, prov)
y sexo' 'Saludos'
0:00:02.355
0:00:02.482
Total Area Residencial

Urbano Rural
19394 24.6% 10950 25.4% 8444
13188 16.7% 7281 16.9% 5907
34297 43.6% 18112 42.0% 16185
1243 1.6% 683 1.6% 560
5921 7.5% 3164 7.3% 2757
896 1.1% 538 1.2% 358
3098 3.9% 1937 4.5% 1161
97 .1% 91 .2% 6
608 .8% 360 .8% 248
78742 100.0% 43116 100.0% 35626
14872 38.4% 8106 38.9% 6766
293 .8% 202 1.0% 91
17822 46.0% 9269 44.5% 8553
532 1.4% 313 1.5% 219
3108 8.0% 1617 7.8% 1491
222 .6% 127 .6% 95
1595 4.1% 998 4.8% 597
4 .0% 4 .0%
317 .8% 177 .9% 140
38765 100.0% 20813 100.0% 17952
4522 11.3% 2844 12.8% 1678
12895 32.3% 7079 31.7% 5816
16475 41.2% 8843 39.6% 7632
711 1.8% 370 1.7% 341
2813 7.0% 1547 6.9% 1266
674 1.7% 411 1.8% 263
1503 3.8% 939 4.2% 564
93 .2% 87 .4% 6
291 .7% 183 .8% 108
39977 100.0% 22303 100.0% 17674
datos *************************. var lab sexo''. recode prov (14, 15, 16, 19, 21, 22 = 100) (90= SYSMI
12-mar-2010 07:58:47
C:\Curso
<ninguno>
fexp
<ninguno>
78742
tables table = tota + area1 + rn + provin

+ dominio by sexo + tota
('%':area1,rn, tota, provin, dominio)
/title = 'Distribución de la relación de sexo
según Área residencial región, sexo
,provincia, dominios'
0:00:01.404
0:00:01.514
o según Área residencial región, sexo ,provincia, dominios

Hombre Mujer Total
6831453 49.2% 7047250 50.8% 13878704
4470688 48.6% 4731660 51.4% 9202348
2360766 50.5% 2315590 49.5% 4676355
3013803 48.3% 3231997 51.7% 6245800
3470629 50.0% 3475123 50.0% 6945753
347021 50.5% 340130 49.5% 687151
321707 46.2% 375317 53.8% 697024
88960 48.8% 93440 51.2% 182400
106085 46.1% 124030 53.9% 230115
82163 48.6% 86740 51.4% 168903
198266 48.1% 214351 51.9% 412617
221363 48.9% 230879 51.1% 452241
304392 48.6% 321517 51.4% 625908
225279 50.1% 224207 49.9% 449486
1835994 49.9% 1842211 50.1% 3678206
200044 48.7% 210340 51.3% 410384
211174 48.0% 228703 52.0% 439877
384723 50.5% 377089 49.5% 761812
669794 50.0% 669997 50.0% 1339791
1330115 48.6% 1406670 51.4% 2736785
253927 49.3% 261528 50.7% 515454
347021 50.5% 340130 49.5% 687151
756619 47.9% 822700 52.1% 1579320
1092861 48.9% 1143618 51.1% 2236478
72525 49.7% 73313 50.3% 145838
120215 48.8% 126172 51.2% 246387
101673 50.4% 100220 49.6% 201893
*************************************************** ***************************************************
12-mar-2010 07:58:49
C:\Curso
<ninguno>
fexp
<ninguno>
78742
tables table = reljefe + tota by (area1 +
rn) > sexo
('%':area1,rn,sexo, tota)
y sexo' 'Saludos'
0:00:00.951
0:00:01.014

Saludos
Area Residencial
Urbano Rural
Hombre Mujer Hombre
38.7% 615556 13.0% 889439 37.7%
1.1% 1498148 31.7% 10554 .4%
45.1% 1879964 39.7% 1131379 47.9%
1.4% 83123 1.8% 30206 1.3%
7.2% 310801 6.6% 195314 8.3%
.5% 83623 1.8% 13491 .6%
5.2% 207497 4.4% 73957 3.1%
.0% 22518 .5%
.8% 30430 .6% 16426 .7%
100.0% 4731660 100.0% 2360766 100.0%
. tables table = reljefe + tota by (area1 + rn) > sexo /statistics = count ('Número') cpct ('%':area1,
12-mar-2010 07:58:50
C:\Curso
<ninguno>
fexp
<ninguno>
78742
tables table = reljefe + tota by (area1 +

rn) > sexo
('%':area1,rn,sexo)
y sexo' 'Saludos'
0:00:00.921
0:00:01.077

Saludos
Area Residencial
Urbano Rural
Sexo Sexo
Hombre Mujer Hombre
38.7% 615556 13.0% 889439 37.7%
1.1% 1498148 31.7% 10554 .4%
45.1% 1879964 39.7% 1131379 47.9%
1.4% 83123 1.8% 30206 1.3%
7.2% 310801 6.6% 195314 8.3%
.5% 83623 1.8% 13491 .6%
5.2% 207497 4.4% 73957 3.1%
.0% 22518 .5%
.8% 30430 .6% 16426 .7%
100.0% 4731660 100.0% 2360766 100.0%
ables table = reljefe by tota + (area1 + rn) > (tota + sexo) /statistics = count ('Número') cpct ('%':a
12-mar-2010 07:58:51
C:\Curso
<ninguno>
fexp
<ninguno>
78742
tables table = reljefe by tota + (area1 +

rn) > (tota + sexo)
('%':area1,rn,sexo,tota)
y sexo' 'Saludos'
0:00:01.077
0:00:01.233
Distribución de
Total Area Reside

Urbano
Total Hombre
24.8% 2345148 25.5% 1729593 38.7%
16.8% 1545406 16.8% 47258 1.1%
43.4% 3894315 42.3% 2014351 45.1%
1.6% 146676 1.6% 63553 1.4%
7.2% 633325 6.9% 322524 7.2%
1.1% 106645 1.2% 23022 .5%
4.2% 439249 4.8% 231751 5.2%
.2% 23941 .3% 1423 .0%
.7% 67643 .7% 37213 .8%
********************************************************** ************* ***************************

12-mar-2010 07:58:53
C:\Curso
<ninguno>
fexp
<ninguno>
78742
TABLES /FORMAT BLANK MISSING('.')

/obser=base
/ptotal=total
/TABLE = tota + area1 + rn + provin +
dominio by sexo + base
/statistics = sum (Base'Número') cpct
('%':area1,rn,provin,tota, dominio)
y sexo'
0:00:01.934
0:00:02.979
co según Área residencial región y sexo

Hombre Mujer 3 4
% % Número %
49.2% 50.8% 1.387870E+07 100.0%
48.6% 51.4% 9.202348E+06 100.0%
50.5% 49.5% 4.676355E+06 100.0%
48.3% 51.7% 6.245800E+06 100.0%
50.0% 50.0% 6.945753E+06 100.0%
50.5% 49.5% 687151.000000 100.0%
46.2% 53.8% 697024.000000 100.0%
48.8% 51.2% 182400.000000 100.0%
46.1% 53.9% 230115.000000 100.0%

48.6% 51.4% 168902.500000 100.0%
48.1% 51.9% 412616.876157 100.0%
48.9% 51.1% 452241.500000 100.0%
48.6% 51.4% 625908.500000 100.0%
50.1% 49.9% 449485.808086 100.0%
49.9% 50.1% 3.678206E+06 100.0%
48.7% 51.3% 410384.000000 100.0%
48.0% 52.0% 439876.500000 100.0%
50.5% 49.5% 761812.000000 100.0%
50.0% 50.0% 1.339791E+06 100.0%
48.6% 51.4% 2.736785E+06 100.0%
49.3% 50.7% 515454.500000 100.0%
50.5% 49.5% 687151.000000 100.0%
47.9% 52.1% 1.579320E+06 100.0%
48.9% 51.1% 2.236478E+06 100.0%
49.7% 50.3% 145837.949543 100.0%
48.8% 51.2% 246386.930336 100.0%
50.4% 49.6% 201893.068725 100.0%
K MISSING('.') /obser=base /ptotal=total /TABLE = tota + area1 + rn + provin + dominio by sexo + base /
12-mar-2010 08:00:04
C:\Curso
<ninguno>
fexp
<ninguno>
78742

/obser=base
/ptotal=total
/statistics = cpct ('%':area1,rn,provin,tota,
dominio) sum (Base'Número')
y sexo'
0:00:01.264
0:00:01.279

Hombre Mujer 3 4
% % % Número
49.2% 50.8% 100.0% 1.387870E+07
48.6% 51.4% 100.0% 9.202348E+06
50.5% 49.5% 100.0% 4.676355E+06
48.3% 51.7% 100.0% 6.245800E+06
50.0% 50.0% 100.0% 6.945753E+06
50.5% 49.5% 100.0% 687151.000000
46.2% 53.8% 100.0% 697024.000000
48.8% 51.2% 100.0% 182400.000000
46.1% 53.9% 100.0% 230115.000000
48.6% 51.4% 100.0% 168902.500000
48.1% 51.9% 100.0% 412616.876157
48.9% 51.1% 100.0% 452241.500000
48.6% 51.4% 100.0% 625908.500000

50.1% 49.9% 100.0% 449485.808086
49.9% 50.1% 100.0% 3.678206E+06
48.7% 51.3% 100.0% 410384.000000
48.0% 52.0% 100.0% 439876.500000
50.5% 49.5% 100.0% 761812.000000
50.0% 50.0% 100.0% 1.339791E+06
48.6% 51.4% 100.0% 2.736785E+06
49.3% 50.7% 100.0% 515454.500000
50.5% 49.5% 100.0% 687151.000000
47.9% 52.1% 100.0% 1.579320E+06
48.9% 51.1% 100.0% 2.236478E+06
49.7% 50.3% 100.0% 145837.949543
48.8% 51.2% 100.0% 246386.930336
50.4% 49.6% 100.0% 201893.068725
K MISSING('.') /obser=base /ptotal=total /TABLE = tota + area1 + rn + provin + dominio by sexo + base /
12-mar-2010 08:02:09
C:\Curso
<ninguno>
fexp
<ninguno>
78742
/obser=base
/ptotal=total
/statistics = cpct ('%':area1,rn,provin,tota,
dominio) sum (Base (f8.0)'Población')
y sexo'
0:00:01.294
0:00:01.389

Hombre Mujer Total
% % % Población
49.2% 50.8% 100.0% 13878704
48.6% 51.4% 100.0% 9202348
50.5% 49.5% 100.0% 4676355
48.3% 51.7% 100.0% 6245800
50.0% 50.0% 100.0% 6945753
50.5% 49.5% 100.0% 687151
46.2% 53.8% 100.0% 697024
48.8% 51.2% 100.0% 182400
46.1% 53.9% 100.0% 230115
48.6% 51.4% 100.0% 168903
48.1% 51.9% 100.0% 412617
48.9% 51.1% 100.0% 452241
48.6% 51.4% 100.0% 625908
50.1% 49.9% 100.0% 449486
49.9% 50.1% 100.0% 3678206
48.7% 51.3% 100.0% 410384
48.0% 52.0% 100.0% 439877
50.5% 49.5% 100.0% 761812
50.0% 50.0% 100.0% 1339791
48.6% 51.4% 100.0% 2736785
49.3% 50.7% 100.0% 515454
50.5% 49.5% 100.0% 687151
47.9% 52.1% 100.0% 1579320
48.9% 51.1% 100.0% 2236478
49.7% 50.3% 100.0% 145838
48.8% 51.2% 100.0% 246387
50.4% 49.6% 100.0% 201893
K MISSING('.') /obser=base /ptotal=total /TABLE = total + area1 + rn + provin + dominio by sexo + base
12-mar-2010 08:32:24
C:\Curso
<ninguno>
fexp
<ninguno>
78742

/obser=base
/ptotal=total
/TABLE = total + area1 + rn + provin +
/statistics = cpct ('%':area1,rn,provin,
dominio) sum (Base (f8.0)'Población')
y sexo'
0:00:01.170
0:00:01.279

Hombre Mujer Total
% % % Población
49.2% 50.8% 100.0% 13878704
48.6% 51.4% 100.0% 9202348
50.5% 49.5% 100.0% 4676355
48.3% 51.7% 100.0% 6245800
50.0% 50.0% 100.0% 6945753
50.5% 49.5% 100.0% 687151
46.2% 53.8% 100.0% 697024
48.8% 51.2% 100.0% 182400
46.1% 53.9% 100.0% 230115
48.6% 51.4% 100.0% 168903
48.1% 51.9% 100.0% 412617
48.9% 51.1% 100.0% 452241
48.6% 51.4% 100.0% 625908
50.1% 49.9% 100.0% 449486
49.9% 50.1% 100.0% 3678206
48.7% 51.3% 100.0% 410384
48.0% 52.0% 100.0% 439877
50.5% 49.5% 100.0% 761812
50.0% 50.0% 100.0% 1339791
48.6% 51.4% 100.0% 2736785
49.3% 50.7% 100.0% 515454
50.5% 49.5% 100.0% 687151
47.9% 52.1% 100.0% 1579320
48.9% 51.1% 100.0% 2236478
49.7% 50.3% 100.0% 145838
48.8% 51.2% 100.0% 246387
50.4% 49.6% 100.0% 201893
9999 = SYSMIS). TABLES /FORMAT BLANK MISSING('.') /obser=base ingrl /ptotal=total /TABLE = tota + area1
12-mar-2010 08:37:06
C:\Curso
<ninguno>
fexp
<ninguno>
78742
/obser=base ingrl
/ptotal=total
dominio by ingrl + sexo + base
/statistics = mean (ingrl (f8.2)'Ingreso
mensual por perceptor ($)') cpct
('%':area1,rn,provin, tota, dominio) sum
(Base (f8.0)'Población')
y sexo'
0:00:02.277
0:00:03.214
de parentesco según Área residencial región y sexo

Ingreso del trabajo Hombre Mujer Total
Ingreso mensual por perceptor ($) % % % %

313.14 100.0% 49.2% 50.8% 100.0%
363.67 100.0% 48.6% 51.4% 100.0%
192.66 100.0% 50.5% 49.5% 100.0%
341.36 100.0% 48.3% 51.7% 100.0%
286.68 100.0% 50.0% 50.0% 100.0%
316.06 100.0% 50.5% 49.5% 100.0%
321.86 100.0% 46.2% 53.8% 100.0%
213.41 100.0% 48.8% 51.2% 100.0%
234.91 100.0% 46.1% 53.9% 100.0%
278.02 100.0% 48.6% 51.4% 100.0%
257.38 100.0% 48.1% 51.9% 100.0%
255.25 100.0% 48.9% 51.1% 100.0%
302.78 100.0% 48.6% 51.4% 100.0%
251.91 100.0% 50.1% 49.9% 100.0%
298.57 100.0% 49.9% 50.1% 100.0%
265.32 100.0% 48.7% 51.3% 100.0%
248.39 100.0% 48.0% 52.0% 100.0%
315.96 100.0% 50.5% 49.5% 100.0%
231.20 100.0% 50.0% 50.0% 100.0%
422.65 100.0% 48.6% 51.4% 100.0%
261.21 100.0% 49.3% 50.7% 100.0%
316.06 100.0% 50.5% 49.5% 100.0%
459.57 100.0% 47.9% 52.1% 100.0%
331.28 100.0% 48.9% 51.1% 100.0%
378.47 100.0% 49.7% 50.3% 100.0%
329.96 100.0% 48.8% 51.2% 100.0%
363.71 100.0% 50.4% 49.6% 100.0%
9999 = SYSMIS). TABLES /FORMAT BLANK MISSING('.') /obser=base ingrl /ptotal=total /TABLE = tota + area1
12-mar-2010 08:42:45
C:\Curso
<ninguno>
fexp
<ninguno>
78742

/obser=base ingrl
/ptotal=total
dominio by ingrl + sexo + base
mensual por perceptor ($)') count (ingrl
(f8.0) 'Perceptores') cpct
(Base (f8.0)'Población')
y sexo'
0:00:01.388
0:00:01.468
ación de parentesco según Área residencial región y sexo

Ingreso del trabajo Hombre Mujer
Ingreso mensual por perceptor ($) Perceptores % % %
313.14 13878704 100.0% 49.2% 50.8%
363.67 9202348 100.0% 48.6% 51.4%
192.66 4676355 100.0% 50.5% 49.5%
341.36 6245800 100.0% 48.3% 51.7%
286.68 6945753 100.0% 50.0% 50.0%
316.06 687151 100.0% 50.5% 49.5%
321.86 697024 100.0% 46.2% 53.8%
213.41 182400 100.0% 48.8% 51.2%
234.91 230115 100.0% 46.1% 53.9%
278.02 168903 100.0% 48.6% 51.4%
257.38 412617 100.0% 48.1% 51.9%
255.25 452241 100.0% 48.9% 51.1%
302.78 625908 100.0% 48.6% 51.4%
251.91 449486 100.0% 50.1% 49.9%
298.57 3678206 100.0% 49.9% 50.1%
265.32 410384 100.0% 48.7% 51.3%
248.39 439877 100.0% 48.0% 52.0%
315.96 761812 100.0% 50.5% 49.5%
231.20 1339791 100.0% 50.0% 50.0%
422.65 2736785 100.0% 48.6% 51.4%
261.21 515454 100.0% 49.3% 50.7%
316.06 687151 100.0% 50.5% 49.5%
459.57 1579320 100.0% 47.9% 52.1%
331.28 2236478 100.0% 48.9% 51.1%
378.47 145838 100.0% 49.7% 50.3%
329.96 246387 100.0% 48.8% 51.2%
363.71 201893 100.0% 50.4% 49.6%
9999 = SYSMIS). if (ingrl>0) npercp=1. TABLES /FORMAT BLANK MISSING('.') /obser=base ingrl npercp /ptot
12-mar-2010 08:45:37
C:\Curso
<ninguno>
fexp
<ninguno>
78742

/obser=base ingrl npercp
/ptotal=total
dominio by ingrl + npercp + sexo + base
(Base (f8.0)'Población', npecrp
(f8.0)'Perceptores')
y sexo'
0:00:00.015
0:00:00.016
9999 = SYSMIS). if (ingrl>0) npercp=1. TABLES /FORMAT BLANK MISSING('.') /obser=base ingrl npercp /ptot
12-mar-2010 08:46:18
C:\Curso
<ninguno>
fexp
<ninguno>
78742
/ptotal=total
dominio by ingrl + npercp + sexo + base
(Base (f8.0)'Población', npercp
y sexo'
0:00:01.669
0:00:01.732
ón de la relación de parentesco según Área residencial región y sexo

Ingreso del trabajo
Ingreso mensual por perceptor ($) Perceptores % % Perceptores

313.14 13878704 100.0% 100.0% 5263055
363.67 9202348 100.0% 100.0% 3693064
192.66 4676355 100.0% 100.0% 1569991
341.36 6245800 100.0% 100.0% 2439013
286.68 6945753 100.0% 100.0% 2606239
316.06 687151 100.0% 100.0% 217803
321.86 697024 100.0% 100.0% 277127
213.41 182400 100.0% 100.0% 56644
234.91 230115 100.0% 100.0% 80603
278.02 168903 100.0% 100.0% 61743
257.38 412617 100.0% 100.0% 158648
255.25 452241 100.0% 100.0% 156071
302.78 625908 100.0% 100.0% 252970
251.91 449486 100.0% 100.0% 138002
298.57 3678206 100.0% 100.0% 1469763
265.32 410384 100.0% 100.0% 138266
248.39 439877 100.0% 100.0% 151486
315.96 761812 100.0% 100.0% 275864
231.20 1339791 100.0% 100.0% 438381
422.65 2736785 100.0% 100.0% 1133912
261.21 515454 100.0% 100.0% 224513
316.06 687151 100.0% 100.0% 217803
459.57 1579320 100.0% 100.0% 681356
331.28 2236478 100.0% 100.0% 952912
378.47 145838 100.0% 100.0% 53541
329.96 246387 100.0% 100.0% 105333
363.71 201893 100.0% 100.0% 93123
9999 = SYSMIS). if (ingrl>0) npercp=1. compute fil_per = (ingrl>0). filter by fil_per. var lab sexo 'Se
12-mar-2010 08:49:03
C:\Curso
fil_per
fexp
<ninguno>
78742

/ptotal=total
dominio + sexo by ingrl + base
(f8.0) 'Perceptores') sum (Base
(f8.0)'Población', npercp
y sexo'
0:00:00.016
0:00:00.015
9999 = SYSMIS). if (ingrl>0) npercp=1. compute fil_per = (ingrl>0). filter by fil_per. var lab sexo 'Se
12-mar-2010 08:50:47
C:\Curso
fil_per
fexp
<ninguno>
28854

/ptotal=total
mensual por perceptor ($)') sum (Base
(f8.0)'Población')
/title = 'Ingreso promedio de los
perceptores según Área residencial
región y sexo'
0:00:00.655
0:00:00.656
sidencial región y sexo
Ingreso del trabajo Total
Ingreso mensual por perceptor ($) Población

332.11 5263055
387.25 3693064
202.41 1569991
360.77 2439013
305.20 2606239
333.18 217803
332.89 277127
222.71 56644
240.78 80603
291.19 61743
262.49 158648
265.06 156071
321.12 252970
268.25 138002
320.79 1469763
297.40 138266
255.44 151486
331.46 275864
240.30 438381
452.70 1133912
273.98 224513
333.18 217803
491.69 681356
359.28 952912
407.91 53541
356.70 105333
381.73 93123
363.71 3365436
276.06 1897620
,999999 = SYSMIS). if (ingrl>0) npercp=1. compute fil_per = (ingrl>0). filter by fil_per. var lab sexo
12-mar-2010 08:51:49
C:\Curso
fil_per
fexp
<ninguno>
28854
/ptotal=total
(f8.0)'Población')
región y sexo'
0:00:00.749
0:00:00.874

332.11 5263055
387.25 3693064
202.41 1569991
360.77 2439013
305.20 2606239
333.18 217803
332.89 277127
222.71 56644
240.78 80603
291.19 61743
262.49 158648
265.06 156071
321.12 252970
268.25 138002
320.79 1469763
297.40 138266
255.44 151486
331.46 275864
240.30 438381
452.70 1133912
273.98 224513
333.18 217803
491.69 681356
359.28 952912
407.91 53541
356.70 105333
381.73 93123
363.71 3365436
276.06 1897620
,999999 = SYSMIS). if (ingrl>0) npercp=1. compute fil_per = (ingrl>0). filter by fil_per. var lab sexo
12-mar-2010 08:56:30
C:\Curso
fil_per
fexp
<ninguno>
28854

/ptotal=total
(f8.0)'Población')
región y sexo'
0:00:00.874
0:00:00.920

332.11 5263055
387.25 3693064
202.41 1569991
360.77 2439013
305.20 2606239
333.18 217803
332.89 277127
222.71 56644
240.78 80603
291.19 61743
262.49 158648
265.06 156071
321.12 252970
268.25 138002
320.79 1469763
297.40 138266
255.44 151486
331.46 275864
240.30 438381
452.70 1133912
273.98 224513
333.18 217803
491.69 681356
359.28 952912
407.91 53541
356.70 105333
381.73 93123
363.71 3365436
276.06 1897620
de ingrl (-1,999999 = SYSMIS). if (ingrl>0) npercp=1. compute fil_per = (ingrl>0). filter by fil_per. v
12-mar-2010 08:59:51
C:\Curso
fil_per
fexp
<ninguno>
28854

/ptotal=total
/TABLE = (tota + area1 + rn + provin +
dominio) > sexo by ingrl + base
(f8.0)'Población')
región y sexo'
0:00:01.685
0:00:02.448
según Área residencial región y sexo
Ingreso mensual
por perceptor ($) Población
Hombre 363.71 3365436
Mujer 276.06 1897620
Sexo Hombre 436.81 2234318
Mujer 311.34 1458746
Sexo Hombre 219.33 1131118
Mujer 158.81 438873
Sexo Hombre 410.77 1445397
Mujer 288.02 993616
Sexo Hombre 325.20 1774421
Mujer 262.54 831818
Sexo Hombre 365.88 145618
Mujer 267.22 72185
Mujer 249.46 125122
Mujer 201.61 18244
Mujer 180.44 34386
Mujer 244.80 20872
Mujer 208.56 62672
Sexo
Mujer 237.73 58261
Mujer 259.76 91350
Mujer 264.05 43053
Mujer 273.21 513893
Mujer 267.61 52921
Mujer 209.37 55782
Mujer 233.16 68037
Mujer 237.78 109589
Mujer 354.67 473889
Mujer 209.27 91468
Mujer 267.22 72185
Mujer 382.81 300974
Mujer 293.31 375475
Mujer 396.64 21112
Mujer 275.63 42260
Mujer 297.86 38768
12-mar-2010 09:00:56
C:\Curso
fil_per
fexp
<ninguno>
28854

/ptotal=total
dominio) > sexo by ingrl + base
(f8.0)'Población')
región y sexo'
0:00:00.812
0:00:00.874
Área residencial región y sexo
Ingreso mensual
363.71 3365436
276.06 1897620
Hombre 436.81 2234318
Mujer 311.34 1458746
Hombre 219.33 1131118
Mujer 158.81 438873
Hombre 410.77 1445397
Mujer 288.02 993616
Hombre 325.20 1774421
Mujer 262.54 831818
Hombre 365.88 145618
Mujer 267.22 72185
Hombre 401.56 152005
Mujer 249.46 125122
Hombre 232.74 38400
Mujer 201.61 18244
Hombre 285.66 46217
Mujer 180.44 34386
Hombre 314.88 40871
Mujer 244.80 20872
Hombre 297.71 95977
Mujer 208.56 62672
Hombre 281.33 97809
Mujer 237.73 58261
Hombre 355.80 161621
Mujer 259.76 91350
Hombre 270.16 94949
Mujer 264.05 43053
Hombre 346.37 955871
Mujer 273.21 513893
Hombre 315.87 85345
Mujer 267.61 52921
Hombre 282.29 95705
Mujer 209.37 55782
Hombre 363.64 207827
Mujer 233.16 68037
Hombre 241.14 328792
Mujer 237.78 109589
Hombre 523.08 660024
Mujer 354.67 473889
Hombre 318.47 133045
Mujer 209.27 91468
Hombre 365.88 145618
Mujer 267.22 72185
Hombre 577.84 380382
Mujer 382.81 300974
Hombre 402.17 577438
Mujer 293.31 375475
Hombre 415.24 32429
Mujer 396.64 21112
Hombre 411.02 63073
Mujer 275.63 42260
Hombre 441.55 54356
Mujer 297.86 38768
12-mar-2010 09:02:05
C:\Curso
fil_per
fexp
<ninguno>
28854

/ptotal=total
dominio) > (sexo + tota) by ingrl + base
(f8.0)'Población')
región y sexo'
0:00:00.983
0:00:01.014
Ingreso mensual
363.71 3365436
276.06 1897620
332.11 5263055
Hombre 436.81 2234318
Mujer 311.34 1458746
Total 387.25 3693064
Hombre 219.33 1131118
Mujer 158.81 438873
Total 202.41 1569991
Hombre 410.77 1445397
Mujer 288.02 993616
Total 360.77 2439013
Hombre 325.20 1774421
Mujer 262.54 831818
Total 305.20 2606239
Hombre 365.88 145618
Mujer 267.22 72185
Total 333.18 217803
Hombre 401.56 152005
Mujer 249.46 125122
Total 332.89 277127
Hombre 232.74 38400
Mujer 201.61 18244
Total 222.71 56644
Hombre 285.66 46217
Mujer 180.44 34386
Total 240.78 80603
Hombre 314.88 40871
Mujer 244.80 20872
Total 291.19 61743
Hombre 297.71 95977
Mujer 208.56 62672
Total 262.49 158648
Hombre 281.33 97809
Mujer 237.73 58261
Total 265.06 156071
Hombre 355.80 161621
Mujer 259.76 91350
Total 321.12 252970
Hombre 270.16 94949
Mujer 264.05 43053
Total 268.25 138002
Hombre 346.37 955871
Mujer 273.21 513893
Total 320.79 1469763
Hombre 315.87 85345
Mujer 267.61 52921
Total 297.40 138266
Hombre 282.29 95705
Mujer 209.37 55782
Total 255.44 151486
Hombre 363.64 207827
Mujer 233.16 68037
Total 331.46 275864
Hombre 241.14 328792
Mujer 237.78 109589
Total 240.30 438381
Hombre 523.08 660024
Mujer 354.67 473889
Total 452.70 1133912
Hombre 318.47 133045
Mujer 209.27 91468
Total 273.98 224513
Hombre 365.88 145618
Mujer 267.22 72185
Total 333.18 217803
Hombre 577.84 380382
Mujer 382.81 300974
Total 491.69 681356
Hombre 402.17 577438
Mujer 293.31 375475
Total 359.28 952912
Hombre 415.24 32429
Mujer 396.64 21112
Total 407.91 53541
Hombre 411.02 63073
Mujer 275.63 42260
Total 356.70 105333
Hombre 441.55 54356
Mujer 297.86 38768
Total 381.73 93123
12-mar-2010 09:02:53
C:\Curso
fil_per
fexp
<ninguno>
28854
/ptotal=total
dominio) > (tota + sexo) by ingrl + base
(f8.0)'Población')
región y sexo'
0:00:01.123
0:00:01.124
Ingreso mensual
332.11 5263055
363.71 3365436
276.06 1897620
Total 387.25 3693064
Hombre 436.81 2234318
Mujer 311.34 1458746
Total 202.41 1569991
Hombre 219.33 1131118
Mujer 158.81 438873
Total 360.77 2439013
Hombre 410.77 1445397
Mujer 288.02 993616
Total 305.20 2606239
Hombre 325.20 1774421
Mujer 262.54 831818
Total 333.18 217803
Hombre 365.88 145618
Mujer 267.22 72185
Total 332.89 277127
Hombre 401.56 152005
Mujer 249.46 125122
Total 222.71 56644
Hombre 232.74 38400
Mujer 201.61 18244
Total 240.78 80603
Hombre 285.66 46217
Mujer 180.44 34386
Total 291.19 61743
Hombre 314.88 40871
Mujer 244.80 20872
Total 262.49 158648
Hombre 297.71 95977
Mujer 208.56 62672
Total 265.06 156071
Hombre 281.33 97809
Mujer 237.73 58261
Total 321.12 252970
Hombre 355.80 161621
Mujer 259.76 91350
Total 268.25 138002
Hombre 270.16 94949
Mujer 264.05 43053
Total 320.79 1469763
Hombre 346.37 955871
Mujer 273.21 513893
Total 297.40 138266
Hombre 315.87 85345
Mujer 267.61 52921
Total 255.44 151486
Hombre 282.29 95705
Mujer 209.37 55782
Total 331.46 275864
Hombre 363.64 207827
Mujer 233.16 68037
Total 240.30 438381
Hombre 241.14 328792
Mujer 237.78 109589
Total 452.70 1133912
Hombre 523.08 660024
Mujer 354.67 473889
Total 273.98 224513
Hombre 318.47 133045
Mujer 209.27 91468
Total 333.18 217803
Hombre 365.88 145618
Mujer 267.22 72185
Total 491.69 681356
Hombre 577.84 380382
Mujer 382.81 300974
Total 359.28 952912
Hombre 402.17 577438
Mujer 293.31 375475
Total 407.91 53541
Hombre 415.24 32429
Mujer 396.64 21112
Total 356.70 105333
Hombre 411.02 63073
Mujer 275.63 42260
Total 381.73 93123
Hombre 441.55 54356
Mujer 297.86 38768
EL PROGRAMA. ******************************************************************************************
es table = persona /statistics = cpct.
terior le coloco las estadisticas según la variables area1****. ****las misma variable categorica es de
4 5 6 7
Casos % Casos % Casos % Casos %
6227 7.9% 3722 4.7% 1902 2.4% 955 1.2%
4978 6.3% 3425 4.3% 2115 2.7% 1262 1.6%
4 5 6 7
Casos % Casos % Casos % Casos %
6227 7.91 3722 4.73 1902 2.42 955 1.21
4978 6.32 3425 4.35 2115 2.69 1262 1.60
idencial'/rn 'Región Natural'/sexo 'Sexo'. *var lab area1'Area Residencial'/rn ''/sexo 'Sexo'. tables
Región Natural Sexo
Costa Amazonía No delimitado (Costa) Hombre
Número % Número % Número % Número %
7922 24.2% 890 21.7% 66 22.4% 14872 38.4%
7191 22.0% 818 20.0% 61 20.7% 2463 6.4%
6097 18.6% 711 17.4% 58 19.7% 7655 19.7%
4697 14.3% 553 13.5% 41 13.9% 5777 14.9%
3059 9.3% 397 9.7% 28 9.5% 3572 9.2%
1750 5.3% 251 6.1% 20 6.8% 2004 5.2%
937 2.9% 170 4.2% 13 4.4% 1077 2.8%
506 1.5% 112 2.7% 5 1.7% 609 1.6%
261 .8% 72 1.8% 2 .7% 337 .9%
146 .4% 45 1.1% 182 .5%
90 .3% 27 .7% 104 .3%
38 .1% 17 .4% 50 .1%
18 .1% 12 .3% 21 .1%
9 .0% 8 .2% 14 .0%
8 .0% 6 .1% 10 .0%
6 .0% 4 .1% 10 .0%
3 .0% 1 .0% 1 .0%
3 .0% 1 .0% 3 .0%
2 .0% 1 .0% 2 .0%
2 .0%
2 .0% 1 .0%
1 .0%
1 .0%
1 .0%
1 .0% 1 .0%
exo 'Sexo'. tables table = persona + reljefe by area1 + rn + sexo /statistics = count ('Número') cpct
Sierra Costa Amazonía No delimitado (Costa) Hombre
% Número % Número % Número % Número
25.3% 7922 24.2% 890 21.7% 66 22.4% 14872
22.8% 7191 22.0% 818 20.0% 61 20.7% 2463
18.6% 6097 18.6% 711 17.4% 58 19.7% 7655
14.2% 4697 14.3% 553 13.5% 41 13.9% 5777
8.8% 3059 9.3% 397 9.7% 28 9.5% 3572
4.8% 1750 5.3% 251 6.1% 20 6.8% 2004
2.6% 937 2.9% 170 4.2% 13 4.4% 1077
1.4% 506 1.5% 112 2.7% 5 1.7% 609
.8% 261 .8% 72 1.8% 2 .7% 337
.4% 146 .4% 45 1.1% 182
.2% 90 .3% 27 .7% 104
.1% 38 .1% 17 .4% 50
.0% 18 .1% 12 .3% 21
.0% 9 .0% 8 .2% 14
.0% 8 .0% 6 .1% 10
.0% 6 .0% 4 .1% 10
.0% 3 .0% 1 .0% 1
3 .0% 1 .0% 3
2 .0% 1 .0% 2
2 .0%
2 .0% 1
1 .0%
1 .0%
1 .0%
1 .0% 1
25.3% 7922 24.2% 890 21.7% 66 22.4% 14872
17.3% 5319 16.2% 627 15.3% 47 16.0% 293
43.8% 13983 42.7% 1957 47.8% 129 43.9% 17822
1.3% 633 1.9% 69 1.7% 3 1.0% 532
6.7% 2788 8.5% 309 7.5% 26 8.8% 3108
1.2% 358 1.1% 38 .9% 3 1.0% 222
3.6% 1432 4.4% 162 4.0% 20 6.8% 1595
.2% 26 .1% 4 .1% 4
.7% 290 .9% 40 1.0% 317
a1 + rn + sexo /statistics = count ('Número') cpct ('%':area1,rn,sexo).

7922 24.2% 890 21.7% 66 22.4% 14872 38.4%
5319 16.2% 627 15.3% 47 16.0% 293 .8%
13983 42.7% 1957 47.8% 129 43.9% 17822 46.0%
633 1.9% 69 1.7% 3 1.0% 532 1.4%
2788 8.5% 309 7.5% 26 8.8% 3108 8.0%
358 1.1% 38 .9% 3 1.0% 222 .6%
1432 4.4% 162 4.0% 20 6.8% 1595 4.1%
26 .1% 4 .1% 4 .0%
290 .9% 40 1.0% 317 .8%
sexo by reljefe /statistics = count ('Número') cpct ('%':area1,rn,sexo).

Hijo Yerno o nuera Nieto Padres suegros Otros parientes
42.0% 683 1.6% 3164 7.3% 538 1.2% 1937
45.4% 560 1.6% 2757 7.7% 358 1.0% 1161
43.8% 538 1.3% 2798 6.7% 497 1.2% 1484
42.7% 633 1.9% 2788 8.5% 358 1.1% 1432
47.8% 69 1.7% 309 7.5% 38 .9% 162
43.9% 3 1.0% 26 8.8% 3 1.0% 20
46.0% 532 1.4% 3108 8.0% 222 .6% 1595
41.2% 711 1.8% 2813 7.0% 674 1.7% 1503
ables table = area1 + rn + sexo by reljefe /statistics = count ('Número') cpct ('%':reljefe).
Hijo Yerno o nuera Nieto Padres suegros Otros parientes
52.8% 683 54.9% 3164 53.4% 538 60.0% 1937
47.2% 560 45.1% 2757 46.6% 358 40.0% 1161
53.1% 538 43.3% 2798 47.3% 497 55.5% 1484
40.8% 633 50.9% 2788 47.1% 358 40.0% 1432
5.7% 69 5.6% 309 5.2% 38 4.2% 162
.4% 3 .2% 26 .4% 3 .3% 20
52.0% 532 42.8% 3108 52.5% 222 24.8% 1595
48.0% 711 57.2% 2813 47.5% 674 75.2% 1503
**********************************************************************. ***************variable de todo

ión y sexo

7922 24.2% 890 21.7% 66 22.4% 14872 38.4%
5319 16.2% 627 15.3% 47 16.0% 293 .8%
13983 42.7% 1957 47.8% 129 43.9% 17822 46.0%
633 1.9% 69 1.7% 3 1.0% 532 1.4%
2788 8.5% 309 7.5% 26 8.8% 3108 8.0%
358 1.1% 38 .9% 3 1.0% 222 .6%
1432 4.4% 162 4.0% 20 6.8% 1595 4.1%
26 .1% 4 .1% 4 .0%
290 .9% 40 1.0% 317 .8%
32751 100.0% 4096 100.0% 294 100.0% 38765 100.0%
ta + area1 + rn + sexo /statistics = count ('Número') cpct ('%':area1,rn,sexo) /title = 'Distribución d

dencial región y sexo
Región Natural
Sierra Costa Amazonía No delimitado (Costa)
10516 25.3% 7922 24.2% 890 21.7% 66 22.4%
7195 17.3% 5319 16.2% 627 15.3% 47 16.0%
18228 43.8% 13983 42.7% 1957 47.8% 129 43.9%
538 1.3% 633 1.9% 69 1.7% 3 1.0%
2798 6.7% 2788 8.5% 309 7.5% 26 8.8%
497 1.2% 358 1.1% 38 .9% 3 1.0%
1484 3.6% 1432 4.4% 162 4.0% 20 6.8%
67 .2% 26 .1% 4 .1%
278 .7% 290 .9% 40 1.0%
41601 100.0% 32751 100.0% 4096 100.0% 294 100.0%
derecha del by ****pero la variable de estudio no debe estar en el CPCT (statistic) aqui se coloca tod
n Área residencial región y sexo
Región Natural
Sierra Costa Amazonía
Sexo Sexo Sexo
Mujer Hombre Mujer Hombre
2517 11.7% 6111 37.0% 1811 11.1% 707 34.3%
7077 32.8% 156 .9% 5163 31.8% 18 .9%
9014 41.8% 7490 45.4% 6493 40.0% 1047 50.8%
249 1.2% 216 1.3% 417 2.6% 25 1.2%
1351 6.3% 1497 9.1% 1291 7.9% 147 7.1%
377 1.7% 87 .5% 271 1.7% 13 .6%
747 3.5% 764 4.6% 668 4.1% 84 4.1%
67 .3% 4 .0% 22 .1%
157 .7% 178 1.1% 112 .7% 18 .9%
atistics = count ('Número') cpct ('%':area1,rn,sexo, tota, prov) /title = 'Distribución de la relación
cial Región Natural
Rural Sierra Costa Amazonía No delimitado (Costa)
23.7% 10516 25.3% 7922 24.2% 890 21.7% 66
16.6% 7195 17.3% 5319 16.2% 627 15.3% 47
45.4% 18228 43.8% 13983 42.7% 1957 47.8% 129
1.6% 538 1.3% 633 1.9% 69 1.7% 3
7.7% 2798 6.7% 2788 8.5% 309 7.5% 26
1.0% 497 1.2% 358 1.1% 38 .9% 3
3.3% 1484 3.6% 1432 4.4% 162 4.0% 20
.0% 67 .2% 26 .1% 4 .1%
.7% 278 .7% 290 .9% 40 1.0%
100.0% 41601 100.0% 32751 100.0% 4096 100.0% 294
37.7% 7999 39.9% 6111 37.0% 707 34.3% 55
.5% 118 .6% 156 .9% 18 .9% 1
47.6% 9214 46.0% 7490 45.4% 1047 50.8% 71
1.2% 289 1.4% 216 1.3% 25 1.2% 2
8.3% 1447 7.2% 1497 9.1% 147 7.1% 17
.5% 120 .6% 87 .5% 13 .6% 2
3.3% 737 3.7% 764 4.6% 84 4.1% 10
4 .0%
.8% 121 .6% 178 1.1% 18 .9%
100.0% 20045 100.0% 16503 100.0% 2059 100.0% 158
9.5% 2517 11.7% 1811 11.1% 183 9.0% 11
32.9% 7077 32.8% 5163 31.8% 609 29.9% 46
43.2% 9014 41.8% 6493 40.0% 910 44.7% 58
1.9% 249 1.2% 417 2.6% 44 2.2% 1
7.2% 1351 6.3% 1291 7.9% 162 8.0% 9
1.5% 377 1.7% 271 1.7% 25 1.2% 1
3.2% 747 3.5% 668 4.1% 78 3.8% 10
.0% 67 .3% 22 .1% 4 .2%
.6% 157 .7% 112 .7% 22 1.1%
100.0% 21556 100.0% 16248 100.0% 2037 100.0% 136
, 21, 22 = 100) (90= SYSMIS) (else=copy) into provin. recode rn (4=2). if (ciudad=170150) dominio=1. if
Total
%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
*****************************Viernes 12 de Marzo del 2010*************************************. *******

Región Natural
Rural Sierra Costa
212505 9.2% 1225148 40.7% 380434 11.8% 1279134 36.9%
768962 33.2% 18610 .6% 1083868 33.5% 36549 1.1%
1002146 43.3% 1392406 46.2% 1347628 41.7% 1575288 45.4%
47896 2.1% 39221 1.3% 31359 1.0% 49941 1.4%
165159 7.1% 189977 6.3% 180339 5.6% 300935 8.7%
35713 1.5% 15903 .5% 51413 1.6% 18515 .5%
68825 3.0% 116578 3.9% 123227 3.8% 174247 5.0%
769 .0% 14386 .4% 1423 .0%
13616 .6% 15959 .5% 19344 .6% 34597 1.0%
2315590 100.0% 3013803 100.0% 3231997 100.0% 3470629 100.0%
'Número') cpct ('%':area1,rn,sexo) /title = 'Distribución de la relación de parentesco según Área resid
Región Natural
Rural Sierra Costa
Sexo Sexo Sexo
212505 9.2% 1225148 40.7% 380434 11.8% 1279134 36.9%
768962 33.2% 18610 .6% 1083868 33.5% 36549 1.1%
1002146 43.3% 1392406 46.2% 1347628 41.7% 1575288 45.4%
47896 2.1% 39221 1.3% 31359 1.0% 49941 1.4%
165159 7.1% 189977 6.3% 180339 5.6% 300935 8.7%
35713 1.5% 15903 .5% 51413 1.6% 18515 .5%
68825 3.0% 116578 3.9% 123227 3.8% 174247 5.0%
769 .0% 14386 .4% 1423 .0%
13616 .6% 15959 .5% 19344 .6% 34597 1.0%
2315590 100.0% 3013803 100.0% 3231997 100.0% 3470629 100.0%
unt ('Número') cpct ('%':area1,rn,sexo,tota) /title = 'Distribución de la relación de parentesco según

Saludos
Area Residencial
Rural
Mujer Total Hombre Mujer
615556 13.0% 1101944 23.6% 889439 37.7% 212505 9.2%
1498148 31.7% 779516 16.7% 10554 .4% 768962 33.2%
1879964 39.7% 2133525 45.6% 1131379 47.9% 1002146 43.3%
83123 1.8% 78102 1.7% 30206 1.3% 47896 2.1%
310801 6.6% 360473 7.7% 195314 8.3% 165159 7.1%
83623 1.8% 49204 1.1% 13491 .6% 35713 1.5%
207497 4.4% 142781 3.1% 73957 3.1% 68825 3.0%
22518 .5% 769 .0% 769 .0%
30430 .6% 30042 .6% 16426 .7% 13616 .6%
*********************************************TABLE MAESTRO RESPUESTA SIMPLE****************************

+ dominio by sexo + base /statistics = cpct ('%':area1,rn,provin,tota, dominio) sum (Base'Número') /ti
+ dominio by sexo + base /statistics = cpct ('%':area1,rn,provin,tota, dominio) sum (Base (f8.0)'Pobla
+ dominio by sexo + base /statistics = cpct ('%':area1,rn,provin, dominio) sum (Base (f8.0)'Población
otal /TABLE = tota + area1 + rn + provin + dominio by ingrl + sexo + base /statistics = mean (ingrl (f8
Total
Población
13878704
9202348
4676355
6245800
6945753
687151
697024
182400
230115
168903
412617
452241
625908
449486
3678206
410384
439877
761812
1339791
2736785
515454
687151
1579320
2236478
145838
246387
201893
otal /TABLE = tota + area1 + rn + provin + dominio by ingrl + sexo + base /statistics = mean (ingrl (f8
Total
% Población
100.0% 13878704
100.0% 9202348
100.0% 4676355
100.0% 6245800
100.0% 6945753
100.0% 687151
100.0% 697024
100.0% 182400
100.0% 230115
100.0% 168903
100.0% 412617
100.0% 452241
100.0% 625908
100.0% 449486
100.0% 3678206
100.0% 410384
100.0% 439877
100.0% 761812
100.0% 1339791
100.0% 2736785
100.0% 515454
100.0% 687151
100.0% 1579320
100.0% 2236478
100.0% 145838
100.0% 246387
100.0% 201893
er=base ingrl npercp /ptotal=total /TABLE = tota + area1 + rn + provin + dominio by ingrl + npercp + se
er=base ingrl npercp /ptotal=total /TABLE = tota + area1 + rn + provin + dominio by ingrl + npercp + se
Hombre Mujer Total
% % % Población
49.2% 50.8% 100.0% 13878704
48.6% 51.4% 100.0% 9202348
50.5% 49.5% 100.0% 4676355
48.3% 51.7% 100.0% 6245800
50.0% 50.0% 100.0% 6945753
50.5% 49.5% 100.0% 687151
46.2% 53.8% 100.0% 697024
48.8% 51.2% 100.0% 182400
46.1% 53.9% 100.0% 230115
48.6% 51.4% 100.0% 168903
48.1% 51.9% 100.0% 412617
48.9% 51.1% 100.0% 452241
48.6% 51.4% 100.0% 625908
50.1% 49.9% 100.0% 449486
49.9% 50.1% 100.0% 3678206
48.7% 51.3% 100.0% 410384
48.0% 52.0% 100.0% 439877
50.5% 49.5% 100.0% 761812
50.0% 50.0% 100.0% 1339791
48.6% 51.4% 100.0% 2736785
49.3% 50.7% 100.0% 515454
50.5% 49.5% 100.0% 687151
47.9% 52.1% 100.0% 1579320
48.9% 51.1% 100.0% 2236478
49.7% 50.3% 100.0% 145838
48.8% 51.2% 100.0% 246387
50.4% 49.6% 100.0% 201893
fil_per. var lab sexo 'Sexo'. TABLES /FORMAT BLANK MISSING('.') /obser=base ingrl npercp /ptotal=total
fil_per. var lab sexo 'Sexo'. TABLES /FORMAT BLANK MISSING('.') /obser=base ingrl npercp /ptotal=total
by fil_per. var lab sexo 'Sexo'. TABLES /FORMAT BLANK MISSING('.') /obser=base ingrl npercp /ptotal=to
by fil_per. var lab sexo 'Sexo'. TABLES /FORMAT BLANK MISSING('.') /obser=base ingrl npercp /ptotal=to
l>0). filter by fil_per. var lab sexo 'Sexo'. TABLES /FORMAT BLANK MISSING('.') /obser=base ingrl nperc
l>0). filter by fil_per. var lab sexo ''. TABLES /FORMAT BLANK MISSING('.') /obser=base ingrl npercp /p
***********************************. ******************************************************************
a variable categorica es decir que contenga atributos*****. tables table = persona by area1 /statistics
8 9 10 11 12
Casos % Casos % Casos % Casos % Casos
483 .6% 252 .3% 145 .2% 78 .1% 35
730 .9% 404 .5% 209 .3% 111 .1% 49
8 9 10 11 12
483 .61 252 .32 145 .18 78 .10 35
730 .93 404 .51 209 .27 111 .14 49
rn ''/sexo 'Sexo'. tables table = persona by area1 + rn + sexo /statistics = count ('Número') cpct ('%
Sexo
Mujer
Número %
4522 11.3%
15101 37.8%
6929 17.3%
5428 13.6%
3575 8.9%
2013 5.0%
1140 2.9%
604 1.5%
319 .8%
172 .4%
85 .2%
34 .1%
20 .1%
12 .0%
9 .0%
2 .0%
4 .0%
1 .0%
1 .0%
2 .0%
1 .0%
1 .0%
1 .0%
1 .0%
cs = count ('Número') cpct ('%':area1,rn,sexo).

Sexo
Hombre Mujer
% Número %
38.4% 4522 11.3%
6.4% 15101 37.8%
19.7% 6929 17.3%
14.9% 5428 13.6%
9.2% 3575 8.9%
5.2% 2013 5.0%
2.8% 1140 2.9%
1.6% 604 1.5%
.9% 319 .8%
.5% 172 .4%
.3% 85 .2%
.1% 34 .1%
.1% 20 .1%
.0% 12 .0%
.0% 9 .0%
.0% 2 .0%
.0% 4 .0%
.0% 1 .0%
.0% 1 .0%
2 .0%
.0% 1 .0%
1 .0%
1 .0%
1 .0%
.0%
38.4% 4522 11.3%
.8% 12895 32.3%
46.0% 16475 41.2%
1.4% 711 1.8%
8.0% 2813 7.0%
.6% 674 1.7%
4.1% 1503 3.8%
.0% 93 .2%
.8% 291 .7%
Sexo
Mujer
Número %
4522 11.3%
12895 32.3%
16475 41.2%
711 1.8%
2813 7.0%
674 1.7%
1503 3.8%
93 .2%
291 .7%
Otros parientes Empl. doméstica Otros no parient
4.5% 91 .2% 360 .8%
3.3% 6 .0% 248 .7%
3.6% 67 .2% 278 .7%
4.4% 26 .1% 290 .9%
4.0% 4 .1% 40 1.0%
6.8%
4.1% 4 .0% 317 .8%
3.8% 93 .2% 291 .7%
pct ('%':reljefe).
Otros parientes Empl. doméstica Otros no parient
62.5% 91 93.8% 360 59.2%
37.5% 6 6.2% 248 40.8%
47.9% 67 69.1% 278 45.7%
46.2% 26 26.8% 290 47.7%
5.2% 4 4.1% 40 6.6%
.6%
51.5% 4 4.1% 317 52.1%
48.5% 93 95.9% 291 47.9%
***********variable de todos unos sirve para contar **************. compute tota = 1. var lab tota''. v
Sexo
Mujer
Número %
4522 11.3%
12895 32.3%
16475 41.2%
711 1.8%
2813 7.0%
674 1.7%
1503 3.8%
93 .2%
291 .7%
39977 100.0%
o) /title = 'Distribución de la relación de parentesco según Área residencial región y sexo' 'Saludos'
Sexo
Hombre Mujer
Número % Número %
14872 38.4% 4522 11.3%
293 .8% 12895 32.3%
17822 46.0% 16475 41.2%
532 1.4% 711 1.8%
3108 8.0% 2813 7.0%
222 .6% 674 1.7%
1595 4.1% 1503 3.8%
4 .0% 93 .2%
317 .8% 291 .7%
38765 100.0% 39977 100.0%
atistic) aqui se coloca todas las variables que se debe usar para cruzar ****para incremertar las varia
Amazonía No delimitado (Costa)
Sexo Sexo
Mujer Hombre Mujer
Número % Número % Número %
183 9.0% 55 34.8% 11 8.1%
609 29.9% 1 .6% 46 33.8%
910 44.7% 71 44.9% 58 42.6%
44 2.2% 2 1.3% 1 .7%
162 8.0% 17 10.8% 9 6.6%
25 1.2% 2 1.3% 1 .7%
78 3.8% 10 6.3% 10 7.4%
4 .2%
22 1.1%
istribución de la relación de parentesco según Área residencial región y sexo' 'Saludos' /caption = 'Fu
Distribución de la relación de parentesco según Área re
1 2 3 4
No delimitado (Costa) 1,00 2,00 3,00 4,00
% Número % Número % Número % Número %
22.4% 1121 24.6% 931 25.1% 915 23.5% 916 26.3%
16.0% 728 16.0% 634 17.1% 578 14.8% 664 19.1%
43.9% 1962 43.1% 1589 42.8% 1655 42.5% 1507 43.3%
1.0% 56 1.2% 48 1.3% 73 1.9% 21 .6%
8.8% 368 8.1% 303 8.2% 377 9.7% 199 5.7%
1.0% 53 1.2% 54 1.5% 50 1.3% 49 1.4%
6.8% 197 4.3% 115 3.1% 214 5.5% 105 3.0%
18 .4% 1 .0% 4 .1%
45 1.0% 36 1.0% 33 .8% 18 .5%
100.0% 4548 100.0% 3711 100.0% 3895 100.0% 3483 100.0%
34.8% 785 37.2% 729 40.8% 630 34.8% 734 43.1%
.6% 15 .7% 5 .3% 6 .3% 8 .5%
44.9% 981 46.5% 792 44.3% 801 44.3% 773 45.4%
1.3% 34 1.6% 24 1.3% 39 2.2% 11 .6%
10.8% 171 8.1% 153 8.6% 205 11.3% 104 6.1%
1.3% 8 .4% 13 .7% 14 .8% 10 .6%
6.3% 99 4.7% 54 3.0% 107 5.9% 56 3.3%
17 .8% 18 1.0% 8 .4% 8 .5%

100.0% 2110 100.0% 1788 100.0% 1810 100.0% 1704 100.0%
8.1% 336 13.8% 202 10.5% 285 13.7% 182 10.2%
33.8% 713 29.2% 629 32.7% 572 27.4% 656 36.9%
42.6% 981 40.2% 797 41.4% 854 41.0% 734 41.3%
.7% 22 .9% 24 1.2% 34 1.6% 10 .6%
6.6% 197 8.1% 150 7.8% 172 8.2% 95 5.3%
.7% 45 1.8% 41 2.1% 36 1.7% 39 2.2%
7.4% 98 4.0% 61 3.2% 107 5.1% 49 2.8%
18 .7% 1 .1% 4 .2%
28 1.1% 18 .9% 25 1.2% 10 .6%
100.0% 2438 100.0% 1923 100.0% 2085 100.0% 1779 100.0%
iudad=170150) dominio=1. if (ciudad=90150) dominio=2. if (ciudad=100150) dominio=3. if (ciudad=70150) d

******************. ***********************************************************************************
Región Natural
Costa Amazonía
Mujer Hombre Mujer
418914 12.1% 114749 33.1% 28713 8.4%
1084043 31.2% 2653 .8% 99199 29.2%
1378696 39.7% 178035 51.3% 155786 45.8%
91949 2.6% 4598 1.3% 7711 2.3%
268262 7.7% 26925 7.8% 27359 8.0%
63671 1.8% 2095 .6% 4252 1.3%
140539 4.0% 14883 4.3% 12556 3.7%
8378 .2% 523 .2%
20672 .6% 3082 .9% 4030 1.2%
3475123 100.0% 347021 100.0% 340130 100.0%
parentesco según Área residencial región y sexo' 'Saludos' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12
Región Natural
Costa Amazonía
Sexo Sexo
Mujer Hombre Mujer
418914 12.1% 114749 33.1% 28713 8.4%
1084043 31.2% 2653 .8% 99199 29.2%
1378696 39.7% 178035 51.3% 155786 45.8%
91949 2.6% 4598 1.3% 7711 2.3%
268262 7.7% 26925 7.8% 27359 8.0%
63671 1.8% 2095 .6% 4252 1.3%
140539 4.0% 14883 4.3% 12556 3.7%
8378 .2% 523 .2%
20672 .6% 3082 .9% 4030 1.2%
3475123 100.0% 347021 100.0% 340130 100.0%
lación de parentesco según Área residencial región y sexo' 'Saludos' /caption = 'Fuente: INEC- ENEMDU'
sexo
Región Natural
Sierra Costa
Total Hombre Mujer Total Hombre
Número % Número % Número % Número % Número
1605582 25.7% 1225148 40.7% 380434 11.8% 1698048 24.4% 1279134
1102479 17.7% 18610 .6% 1083868 33.5% 1120591 16.1% 36549
2740033 43.9% 1392406 46.2% 1347628 41.7% 2953985 42.5% 1575288
70580 1.1% 39221 1.3% 31359 1.0% 141890 2.0% 49941
370316 5.9% 189977 6.3% 180339 5.6% 569197 8.2% 300935
67315 1.1% 15903 .5% 51413 1.6% 82186 1.2% 18515
239805 3.8% 116578 3.9% 123227 3.8% 314786 4.5% 174247
14386 .2% 14386 .4% 9801 .1% 1423
35303 .6% 15959 .5% 19344 .6% 55269 .8% 34597
************************************************** ************************************************* VI
io) sum (Base'Número') /title = 'Distribución de la relación de parentesco según Área residencial regi
io) sum (Base (f8.0)'Población') /title = 'Distribución de la relación de parentesco según Área reside
sum (Base (f8.0)'Población') /title = 'Distribución de la relación de parentesco según Área residencia
tatistics = mean (ingrl (f8.2)'Ingreso mensual por perceptor ($)') cpct ('%':area1,rn,provin, tota, dom
tatistics = mean (ingrl (f8.2)'Ingreso mensual por perceptor ($)') count (ingrl (f8.0) 'Perceptores') c
inio by ingrl + npercp + sexo + base /statistics = mean (ingrl (f8.2)'Ingreso mensual por perceptor ($)
inio by ingrl + npercp + sexo + base /statistics = mean (ingrl (f8.2)'Ingreso mensual por perceptor ($)
ingrl npercp /ptotal=total /TABLE = tota + area1 + rn + provin + dominio + sexo by ingrl + base /stati
ingrl npercp /ptotal=total /TABLE = tota + area1 + rn + provin + dominio + sexo by ingrl + base /stati
ase ingrl npercp /ptotal=total /TABLE = tota + area1 + rn + provin + dominio + sexo by ingrl + base /st
ase ingrl npercp /ptotal=total /TABLE = tota + area1 + rn + provin + dominio + sexo by ingrl + base /st
.') /obser=base ingrl npercp /ptotal=total /TABLE = (tota + area1 + rn + provin + dominio) > sexo by in
/obser=base ingrl npercp /ptotal=total /TABLE = (tota + area1 + rn + provin + dominio) > sexo by ingrl
/obser=base ingrl npercp /ptotal=total /TABLE = (tota + area1 + rn + provin + dominio) > (sexo + tota)
/obser=base ingrl npercp /ptotal=total /TABLE = (tota + area1 + rn + provin + dominio) > (tota + sexo)
***************************************. ***********PROGRAMA DESARROLLADO PARA EL CURSO************. **
na by area1 /statistics = count ('Casos') cpct ('%').
12 13 14 15 16
% Casos % Casos % Casos % Casos %
.0% 19 .0% 12 .0% 11 .0% 7 .0%
.1% 22 .0% 14 .0% 8 .0% 5 .0%
12 13 14 15 16
.04 19 .02 12 .02 11 .01 7 .01
.06 22 .03 14 .02 8 .01 5 .01
unt ('Número') cpct ('%':area1,rn,sexo).

= 1. var lab tota''. val lab tota 1'Total'. ******colocamos la parte de tota para ver que pasa********
gión y sexo' 'Saludos' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del 2010' 'Elaboración: Cu
a incremertar las variables debo colocar el (+) en table antes del by y despues del by es para aumentar
Saludos' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC
parentesco según Área residencial región y sexo
5 6 7 8 9
5,00 6,00 7,00 8,00 9,00
938 24.9% 933 25.7% 1592 25.9% 1331 22.8% 2272
686 18.2% 636 17.5% 1027 16.7% 897 15.4% 1506
1675 44.5% 1658 45.7% 2520 41.0% 2579 44.2% 3993
66 1.8% 58 1.6% 109 1.8% 63 1.1% 205
229 6.1% 210 5.8% 521 8.5% 475 8.1% 674
37 1.0% 28 .8% 65 1.1% 57 1.0% 113
96 2.5% 84 2.3% 253 4.1% 364 6.2% 431
6 .2% 3 .1% 3 .0% 4 .1% 14
35 .9% 19 .5% 63 1.0% 68 1.2% 68
3768 100.0% 3629 100.0% 6153 100.0% 5838 100.0% 9276
750 41.3% 720 40.8% 1196 39.0% 1008 34.2% 1732
11 .6% 9 .5% 30 1.0% 38 1.3% 51
826 45.5% 846 48.0% 1341 43.7% 1368 46.4% 2153
32 1.8% 28 1.6% 45 1.5% 18 .6% 71
125 6.9% 106 6.0% 280 9.1% 263 8.9% 364
12 .7% 5 .3% 17 .6% 16 .5% 23
45 2.5% 39 2.2% 123 4.0% 193 6.6% 250
2 .1% 2
15 .8% 11 .6% 36 1.2% 40 1.4% 44
1816 100.0% 1764 100.0% 3068 100.0% 2946 100.0% 4690
188 9.6% 213 11.4% 396 12.8% 323 11.2% 540
675 34.6% 627 33.6% 997 32.3% 859 29.7% 1455
849 43.5% 812 43.5% 1179 38.2% 1211 41.9% 1840
34 1.7% 30 1.6% 64 2.1% 45 1.6% 134
104 5.3% 104 5.6% 241 7.8% 212 7.3% 310
25 1.3% 23 1.2% 48 1.6% 41 1.4% 90
51 2.6% 45 2.4% 130 4.2% 171 5.9% 181
6 .3% 3 .2% 3 .1% 2 .1% 12
20 1.0% 8 .4% 27 .9% 28 1.0% 24
1952 100.0% 1865 100.0% 3085 100.0% 2892 100.0% 4586
=3. if (ciudad=70150) dominio=4. if (ciudad=180150) dominio=5. WEIGHT by fexp. var lab provin 'Provinci
*****************************************************************. tables table = reljefe + tota by (a
NEC- ENEMDU' 'Fecha: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
Región Natural
Costa Amazonía
Hombre Mujer Total Hombre Mujer
36.9% 418914 12.1% 143462 20.9% 114749 33.1% 28713 8.4%
1.1% 1084043 31.2% 101852 14.8% 2653 .8% 99199 29.2%
45.4% 1378696 39.7% 333821 48.6% 178035 51.3% 155786 45.8%
1.4% 91949 2.6% 12308 1.8% 4598 1.3% 7711 2.3%
8.7% 268262 7.7% 54284 7.9% 26925 7.8% 27359 8.0%
.5% 63671 1.8% 6348 .9% 2095 .6% 4252 1.3%
5.0% 140539 4.0% 27439 4.0% 14883 4.3% 12556 3.7%
.0% 8378 .2% 523 .1% 523 .2%
1.0% 20672 .6% 7113 1.0% 3082 .9% 4030 1.2%
******************** VIERNES 12 DE MARZO DEL 2010******************************************************

n Área residencial región y sexo' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del 2010' 'Elab
tesco según Área residencial región y sexo' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del 2
o según Área residencial región y sexo' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del 2010'
a1,rn,provin, tota, dominio) sum (Base (f8.0)'Pob lación') /title = 'Distribución de la relación de
(f8.0) 'Perceptores') cpct ('%':area1,rn,provin, t ota, dominio) sum (Base (f8.0)'Población') /titl
nsual por perceptor ($)') count (ingrl (f8.0) 'Perceptores') cpct ('%':area1,rn,provin, t ota, domin
nsual por perceptor ($)') count (ingrl (f8.0) 'Perceptores') cpct ('%':area1,rn,provin, t ota, domin
by ingrl + base /statistics = mean (ingrl (f8.2)'Ingreso mensual por perceptor ($)') count (ingrl (f8.
by ingrl + base /statistics = mean (ingrl (f8.2)'Ingreso mensual por perceptor ($)') sum (Base (f8.0)
exo by ingrl + base /statistics = mean (ingrl (f8.2)'Ingreso mensual por perceptor ($)') sum (Base (f8
exo by ingrl + base /statistics = mean (ingrl (f8.2)'Ingreso mensual por perceptor ($)') sum (Base (f8
+ dominio) > sexo by ingrl + base /statistics = mean (ingrl (f8.2)'Ingreso mensual por perceptor ($)')
minio) > sexo by ingrl + base /statistics = mean (ingrl (f8.2)'Ingreso mensual por perceptor ($)') sum
minio) > (sexo + tota) by ingrl + base /statistics = mean (ingrl (f8.2)'Ingreso mensual por perceptor (
minio) > (tota + sexo) by ingrl + base /statistics = mean (ingrl (f8.2)'Ingreso mensual por perceptor (
EL CURSO************. *********************************************************************************
17 18 19 20 21
3 .0% 2 .0% 1 .0% 1 .0% 1
2 .0% 2 .0% 2 .0% 1 .0% 1
17 18 19 20 21
3 .00 2 .00 1 .00 1 .00 1
2 .00 2 .00 2 .00 1 .00 1
ara ver que pasa***************. ******se puede colocar el titulo bajo el comendo title y un captio par
l 2010' 'Elaboración: Curso SPSS-MCPEC'.
del by es para aumentar los desgloces los mis mos que deben colocarse en el ***cpct , el anidamient
ración: Curso SPSS-MCPEC'.
9 10 11 12 13
9,00 10,00 11,00 12,00 13,00
24.5% 915 24.5% 931 23.6% 1371 24.2% 1356 23.3%
16.2% 641 17.2% 637 16.2% 913 16.1% 976 16.8%
43.0% 1709 45.8% 1822 46.2% 2392 42.2% 2499 43.0%
2.2% 45 1.2% 42 1.1% 112 2.0% 144 2.5%
7.3% 237 6.4% 297 7.5% 548 9.7% 570 9.8%
1.2% 41 1.1% 51 1.3% 61 1.1% 62 1.1%
4.6% 108 2.9% 142 3.6% 223 3.9% 161 2.8%
.2% 4 .1% 5 .1% 3 .1% 2 .0%
.7% 29 .8% 16 .4% 51 .9% 40 .7%
100.0% 3729 100.0% 3943 100.0% 5674 100.0% 5810 100.0%
36.9% 707 38.9% 714 37.8% 1089 37.8% 1086 37.2%
1.1% 15 .8% 10 .5% 20 .7% 17 .6%
45.9% 869 47.8% 894 47.3% 1255 43.6% 1373 47.0%
1.5% 22 1.2% 20 1.1% 37 1.3% 45 1.5%
7.8% 131 7.2% 146 7.7% 317 11.0% 273 9.3%
.5% 14 .8% 15 .8% 16 .6% 15 .5%
5.3% 48 2.6% 81 4.3% 111 3.9% 87 3.0%
.0%
.9% 13 .7% 9 .5% 33 1.1% 25 .9%
100.0% 1819 100.0% 1889 100.0% 2878 100.0% 2921 100.0%
11.8% 208 10.9% 217 10.6% 282 10.1% 270 9.3%
31.7% 626 32.8% 627 30.5% 893 31.9% 959 33.2%
40.1% 840 44.0% 928 45.2% 1137 40.7% 1126 39.0%
2.9% 23 1.2% 22 1.1% 75 2.7% 99 3.4%
6.8% 106 5.5% 151 7.4% 231 8.3% 297 10.3%
2.0% 27 1.4% 36 1.8% 45 1.6% 47 1.6%
3.9% 60 3.1% 61 3.0% 112 4.0% 74 2.6%
.3% 4 .2% 5 .2% 3 .1% 2 .1%
.5% 16 .8% 7 .3% 18 .6% 15 .5%
100.0% 1910 100.0% 2054 100.0% 2796 100.0% 2889 100.0%
var lab provin 'Provincia'/dominio 'Ciudad'. val lab dominio 1'Quito' 2'Guayaquil' 3'Cuenca' 4'Macha
e = reljefe + tota by (area1 + rn) > sexo /statistics = count ('Número') cpct ('%':area1,rn,sexo, tota)
************************ ******************************************************************************
de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
Fecha: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
a: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
bución de la relación de parentesco según Área residencial región y sexo' /caption = 'Fuente: INEC- ENE
(f8.0)'Población') /title = 'Distribución de la relación de parentesco según Área residencial región y
,provin, t ota, dominio) sum (Base (f8.0)'Población', npecrp (f8.0)'Perceptores') /title = 'Distrib
,provin, t ota, dominio) sum (Base (f8.0)'Población', npercp (f8.0)'Perceptores') /title = 'Distrib
($)') count (ingrl (f8.0) 'Perceptores') sum (Base (f8.0)'Población' , npercp (f8.0)'Perceptores')
($)') sum (Base (f8.0)'Población') /title = 'Ingreso promedio de los perceptores según Área residenci
tor ($)') sum (Base (f8.0)'Población') /title = 'Ingreso promedio de los perceptores según Área reside
tor ($)') sum (Base (f8.0)'Población') /title = 'Ingreso promedio de los perceptores según Área reside
ual por perceptor ($)') sum (Base (f8.0)'Población') /title = 'Ingreso promedio de los perceptores seg
por perceptor ($)') sum (Base (f8.0)'Población') /title = 'Ingreso promedio de los perceptores según Á
mensual por perceptor ($)') sum (Base (f8.0)'Población') /title = 'Ingreso promedio de los perceptore
mensual por perceptor ($)') sum (Base (f8.0)'Población') /title = 'Ingreso promedio de los perceptore
*************************. ****************************************************************************
21 22 23 24 25
.0% 1 .0% 1 .0% 1 .0% 1 .0%
.0%
21 22 23 24 25
.00 1 .00 1 .00 1 .00 1 .00
.00
do title y un captio para colocar fuentes **********. var lab area1'Area Residencial'/rn 'Región Natura
***cpct , el anidamiento se debe hacer a traves del > y solo se puede hacer hasta dos anidamiento y es
14 15 16 17 18
14,00 15,00 16,00 17,00 18,00
180 21.0% 137 19.4% 130 25.5% 1684 26.2% 1232
129 15.1% 99 14.0% 81 15.9% 1177 18.3% 814
423 49.4% 330 46.7% 234 45.9% 2825 44.0% 1826
6 .7% 26 3.7% 9 1.8% 57 .9% 72
69 8.1% 80 11.3% 35 6.9% 301 4.7% 277
8 .9% 8 1.1% 2 .4% 70 1.1% 64
33 3.9% 20 2.8% 13 2.5% 265 4.1% 158
2 .2% 1 .1% 16 .2% 10
6 .7% 5 .7% 6 1.2% 25 .4% 22
856 100.0% 706 100.0% 510 100.0% 6420 100.0% 4475
139 32.6% 108 31.5% 103 44.4% 1303 41.4% 927
2 .6% 21 .7% 18
227 53.3% 175 51.0% 104 44.8% 1468 46.7% 964
3 .7% 7 2.0% 3 1.3% 37 1.2% 42
31 7.3% 37 10.8% 14 6.0% 161 5.1% 145
1 .2% 3 .9% 1 .4% 17 .5% 12
21 4.9% 9 2.6% 4 1.7% 125 4.0% 83
4 .9% 2 .6% 3 1.3% 12 .4% 10

426 100.0% 343 100.0% 232 100.0% 3144 100.0% 2201
41 9.5% 29 8.0% 27 9.7% 381 11.6% 305
129 30.0% 97 26.7% 81 29.1% 1156 35.3% 796
196 45.6% 155 42.7% 130 46.8% 1357 41.4% 862
3 .7% 19 5.2% 6 2.2% 20 .6% 30
38 8.8% 43 11.8% 21 7.6% 140 4.3% 132
7 1.6% 5 1.4% 1 .4% 53 1.6% 52
12 2.8% 11 3.0% 9 3.2% 140 4.3% 75
2 .5% 1 .3% 16 .5% 10
2 .5% 3 .8% 3 1.1% 13 .4% 12
430 100.0% 363 100.0% 278 100.0% 3276 100.0% 2274
uil' 3'Cuenca' 4'Machala' 5'Ambato'. val lab provin 1'Azuay' 2'Bolivar' 3'Cañar' 4'Carchi' 5'Cotopax
'%':area1,rn,sexo, tota) /title = 'Distribución de la relación de parentesco según Área residencial reg
****************************************************************************** *************. comput
ion = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
ea residencial región y sexo' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del 2010' 'Elaborac
ores') /title = 'Distribución de la relación de parentesco según Área residencial región y sexo' /capti
ores') /title = 'Distribución de la relación de parentesco según Área residencial región y sexo' /capti
rcp (f8.0)'Perceptores') /title = 'Distribución de la relación de parentesco según Área residencial reg
res según Área residencial región y sexo' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del 201
ptores según Área residencial región y sexo' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del
ptores según Área residencial región y sexo' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del
o de los perceptores según Área residencial región y sexo' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12
los perceptores según Área residencial región y sexo' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de
omedio de los perceptores según Área residencial región y sexo' /caption = 'Fuente: INEC- ENEMDU' 'Fech
omedio de los perceptores según Área residencial región y sexo' /caption = 'Fuente: INEC- ENEMDU' 'Fech
******************************. * *NOMBRE DEL ARCHIVO: tables_programa.sps. * Sector: Empleo. * Indicad
ncial'/rn 'Región Natural'/sexo 'Sexo'/reljefe ''. tables table = reljefe + tota by area1 + rn + sexo
sta dos anidamiento y es un desgloce del desgloce ***v1+v2>v3 by d1+d2+d3 es decir la variable v2 se an
18 19 21 22 90
18,00 19,00 21,00 22,00 90,00
27.5% 106 21.0% 215 24.1% 122 19.5% 66 22.4%
18.2% 75 14.9% 157 17.6% 86 13.7% 47 16.0%
40.8% 239 47.3% 413 46.3% 318 50.7% 129 43.9%
1.6% 3 .6% 12 1.3% 13 2.1% 3 1.0%
6.2% 43 8.5% 43 4.8% 39 6.2% 26 8.8%
1.4% 3 .6% 13 1.5% 4 .6% 3 1.0%
3.5% 32 6.3% 29 3.3% 35 5.6% 20 6.8%
.2% 1 .2%
.5% 4 .8% 10 1.1% 9 1.4%
100.0% 505 100.0% 892 100.0% 627 100.0% 294 100.0%
42.1% 91 33.6% 176 38.3% 90 27.5% 55 34.8%
.8% 10 2.2% 6 1.8% 1 .6%
43.8% 134 49.4% 223 48.5% 184 56.3% 71 44.9%
1.9% 2 .7% 4 .9% 6 1.8% 2 1.3%
6.6% 23 8.5% 23 5.0% 19 5.8% 17 10.8%
.5% 2 .7% 4 .9% 2 .6% 2 1.3%
3.8% 17 6.3% 17 3.7% 16 4.9% 10 6.3%
.5% 2 .7% 3 .7% 4 1.2%

100.0% 271 100.0% 460 100.0% 327 100.0% 158 100.0%
13.4% 15 6.4% 39 9.0% 32 10.7% 11 8.1%
35.0% 75 32.1% 147 34.0% 80 26.7% 46 33.8%
37.9% 105 44.9% 190 44.0% 134 44.7% 58 42.6%
1.3% 1 .4% 8 1.9% 7 2.3% 1 .7%
5.8% 20 8.5% 20 4.6% 20 6.7% 9 6.6%
2.3% 1 .4% 9 2.1% 2 .7% 1 .7%
3.3% 15 6.4% 12 2.8% 19 6.3% 10 7.4%
.4% 1 .3%
.5% 2 .9% 7 1.6% 5 1.7%
100.0% 234 100.0% 432 100.0% 300 100.0% 136 100.0%
ñar' 4'Carchi' 5'Cotopaxi' 6'Chimborazo' 7'El Oro' 8' Esmeraldas' 9'Guayas' 10'Imbabura' 11'L oja' 1
gún Área residencial región y sexo' 'Saludos' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del
*************. compute base=1. var lab base''. val lab base 1'Total'. TABLES /FORMAT BLANK MISSING('
SPSS-MCPEC'.
arzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
al región y sexo' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del 2010' 'Elaboración: Curso S
al región y sexo' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del 2010' 'Elaboración: Curso S
gún Área residencial región y sexo' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del 2010' 'El
cha: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
'Fecha: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
'Fecha: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
INEC- ENEMDU' 'Fecha: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
- ENEMDU' 'Fecha: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
nte: INEC- ENEMDU' 'Fecha: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
nte: INEC- ENEMDU' 'Fecha: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
Sector: Empleo. * Indicadores: Ingreso. * Fuente: Encuesta de Empleo Diciembre 2008 y ECV 5ta Ronda (Mó
ota by area1 + rn + sexo /statistics = count ('Número') cpct ('%':area1,rn,sexo) /title = 'Distribución
ecir la variable v2 se anida con v3 ; si se coloca (v1+v2)>v3 es decir ahi se anida v1 y v2 con v3 ****
'Imbabura' 11'L oja' 12'Los Rios' 13'Manabi' 14'Morona' 15'Napo' 16'Pastaza' 17'Pichincha' 18'Tungur
' 'Fecha: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
S /FORMAT BLANK MISSING('.') /obser=base /ptotal=total /TABLE = tota + area1 + rn + provin + dominio by
10' 'Elaboración: Curso SPSS-MCPEC'.
10' 'Elaboración: Curso SPSS-MCPEC'.
12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
y ECV 5ta Ronda (Módulo de Vivienda). * Última actualización: 12 de Marzo del 2010. * Realizado por: In
tle = 'Distribución de la relación de parentesco según Área residencial región y sexo' 'Saludos' /capti
v1 y v2 con v3 ***********cuando hablamos del mayor que se realiza un proceso que se denomina anidamien
ichincha' 18'Tungurahua' 19'Zamora' 20'Galapagos' 21'Sucumbios' 22'Orell ana' 23'Santo Domingo' 24'S
provin + dominio by sexo + base /statistics = sum (Base'Número') cpct ('%':area1,rn,provin,tota, domin
* Realizado por: Ing. Wladymir Brborich. **************************************************************
o' 'Saludos' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-M
denomina anidamiento****. var lab area1'Area Residencial'/rn 'Región Natural'/sexo 'Sexo'/reljefe ''.
Santo Domingo' 24'Santa Elena' 100'Amazonia' 90''. tables table = tota + area1 + rn + provin + domini
,provin,tota, dominio) /title = 'Distribución de la relación de parentesco según Área residencial regió
***************************************. **************************************************************
ación: Curso SPSS-MCPEC'.
'Sexo'/reljefe ''. tables table = reljefe by area1 + rn > sexo /statistics = count ('Número') cpct ('%
n + provin + dominio by sexo + tota /statistics = count ('Número') cpct ('%':area1,rn, tota, provin, do
a residencial región y sexo' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo del 2010' 'Elaboraci
***************************************. ****************ABRIR LA BASE DE DATOS DE TRABAJO*************
('Número') cpct ('%':area1,rn,sexo) /title = 'Distribución de la relación de parentesco según Área resi
n, tota, provin, dominio) /title = 'Distribución de la relación de sexo según Área residencial región,
el 2010' 'Elaboración: Curso SPSS-MCPEC'.
TRABAJO****************. ******************************************************************************
esco según Área residencial región y sexo' 'Saludos' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Ma
residencial región, sexo ,provincia, dominios' /caption = 'Fuente: INEC- ENEMDU' 'Fecha: 12 de Marzo de
***********************. *****************************************TRABAJO FINAL DEL CURSO DE SPSSS*****
U' 'Fecha: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
cha: 12 de Marzo del 2010' 'Elaboración: Curso SPSS-MCPEC'.
CURSO DE SPSSS**************************************************** ************************************
*******************************************************************************************************
******************************* *********** *tres tasas de educacion basica; 1)tasa por edad 2) ta
sa por edad 2) tasa neta de escolaridad basica y 3) tasa bruta de escolaridad basica*. ***en el modu
sica*. ***en el modulo 5 de la enemhu demogra , debemos utilizar las variables del asistea, nivinst, ed
sistea, nivinst, edad , anio **********. ***del modulo de Eduaccion debemos utilizar las variables nive
las variables nivel y grado, matriculacion, edad************. *****************************************
*******************************************************************************************************
*************************** ********* ********************** ***************************************
***************************************************************************************** **********
****** **********. ********Aplicaciones y Usos del Módulo Tables de SPSS*********. GET FILE='C:\Cu
. GET FILE='C:\Curso SPSS\MCPEC\Datos\per1208.sav'. **podemos dilucidar cuantos personas de cada miem
sonas de cada miembro existen en un hogar ******. *Conteo*. tables table = persona /statistics = count.
/statistics = count.

Ingreso Perceptor08

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Ingreso Perceptor08

Cargado por

Copyright:

Formatos disponibles

*********************************************************************************************

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Núm. de filas del archivo de

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Núm. de filas del archivo de

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Area Residencial Urbano

Recursos Tiempo de procesador

Area Residencial Urbano

Recursos Tiempo de procesador

***********se realiza el conteo o los totales en contra de la variable que no se encuentra en

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Recursos Tiempo de procesador

***************ejercicio de codificacion de variables de datos y cruces de datos ************

Recursos Tiempo de procesador

Distribución de la relación de sexo según Área residenc

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Distribución de la relación de parentesco según Área residen

Area Residencial Urbano

Región Natural Sierra

Fuente: INEC- ENEMDU

Recursos Tiempo de procesador

Distribución de la relación de parentesco según Área residen

Area Residencial Urbano

Región Natural Sierra

Fuente: INEC- ENEMDU

Recursos Tiempo de procesador

Distribución de la relación de parentesco según Área residen

Recursos Tiempo de procesador

Distribución de la relación de parentesco según Área residen

Recursos Tiempo de procesador

Distribución de la relación de parentesco según

Recursos Tiempo de procesador

Distribución de la relación de parentesco s

Núm. de filas del archivo de

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Recursos Tiempo de procesador

Ingreso promedio de los perceptores según Área residencial región y sexo

Recursos Tiempo de procesador

Ingreso promedio de los perceptores según Área residencial región y sexo

Recursos Tiempo de procesador

Ingreso promedio de los perceptores según Área residencial región y sexo

Núm. de filas del archivo de

Recursos Tiempo de procesador

Ingreso promedio de los perceptores según Área residencia

Area Residencial Urbano

***ejercicio de codificacion de variables de datos y cruces de datos

********hasta aqui clase primera de Table Miercoles 10* ******************************

era vertical u horizontal *Vertical; izquierda de BY y Horizontal es a la derecha del by pero l

**************************************************** * *********************