“Año de la lucha contra la corrupción y la impunidad”

Universidad José Carlos Mariátegui

Facultad de Ingenierías

Escuela Profesional de Ingeniería Mecánica Eléctrica

Informe N° 06

Trabajo en SPSS

CURSO: Estadística aplicada a la investigación

DOCENTE: Ing. Sergio Almanza Quispe

ALUMNO (A): Jandir Manuel Mamani Vasquez

CÓDIGO: 162162018P

CICLO: IV

FECHA: 06/05/2019

Ilo- Perú
I. OBJETIVOS DEL TRABAJO:

 Realizar prueba de normalidad

 Mann-Whitney

II. ¿QUE ES EL SPSS?

SPSS es un programa estadístico informático muy usado en las ciencias

sociales y aplicadas, además de las empresas de investigación de
mercado. El nombre originario correspondía al acrónimo de Statistical
Package for the Social Sciences (SPSS), reflejando la orientación a su
mercado original (ciencias sociales), aunque este programa es también
muy utilizado en otros campos como la mercadotecnia. Sin embargo, en
la actualidad la parte SPSS del nombre completo del software (IBM
SPSS) no es acrónimo de nada.

Es uno de los programas estadísticos más conocidos teniendo en cuenta

su capacidad para trabajar con grandes bases de datos y una sencilla
interfaz para la mayoría de los análisis. El programa consiste en un
módulo de base y módulos anexos que se han ido actualizando
constantemente con nuevos procedimientos estadísticos.
 III. TIPOS DE PRUEBAS DE NORMALIDAD

TIPOS DE PRUEBAS DE NORMALIDAD

Prueba de normalidad de Shapiro-Wilk

Esta prueba evalúa la normalidad calculando la correlación entre

los datos y las puntuaciones normales de los datos. Si el
coeficiente de correlación se encuentra cerca de 1, es probable
que la población sea normal. El estadístico de Ryan-Joiner evalúa
la fuerza de esta correlación; si se encuentra por debajo del valor
crítico apropiado, usted rechazará la hipótesis nula de normalidad
de la población. Esta prueba es similar a la prueba de normalidad
de Shapiro-Wilk.

Prueba de normalidad de Kolmogorov-Smirnov

Esta prueba compara la función de distribución acumulada
empírica (ECDF) de los datos de la muestra con la distribución
esperada si los datos fueran normales. Si esta diferencia
observada es adecuadamente grande, la prueba rechazará la
hipótesis nula de normalidad de la población. Si el valor p de esta
prueba es menor que el nivel de significancia (α) elegido, usted
puede rechazar la hipótesis nula y concluir que se trata de una
población no normal.
Agregamos la variable antes de tipo numerico con 8 de anchura y 0 decimales
y etiqueta antes de programa, en medida escala.

Agregamos la segunda variable que será “después” de tipo numérico con

anchura 8 y decimales 0 con etiqueta “después” de programa y en medida
escala.

Llenamos los datos en la pestaña de vista de datos.

Ingresamos desde el menú a transformar/calcular variable.

En variable de objeto ponemos “dif” que será el nombre de la nueva variable.

Luego pasamos la variable “antes” al cuadro de expresión numérica luego
ponemos el signo menos y a continuación agregamos la variable “después”.
Y aceptamos.

Arrojando el siguiente resultado.

Para realizar la prueba de normalidad ingresamos a analizar/estadísticos

descriptivos/explorar.
Luego pasamos la variable “dif” a lista de dependientes y ingresamos a
gráficos.

Activamos “gráficos de normalidad con pruebas”.

Aceptamos y como resultado saldrá lo siguiente.

A continuación se muestran lo resultados.

Luego para aplicar la “prueba no paramétrica” dado el incumplimiento de

normalidad.

Para esto desde el menú ingresamos a analizar/pruebas no

paramétricas/cuadros de dialogo antiguos/2 muestras relacionadas.
Seleccionamos las dos variables “antes” y “después” de las pasamos a
contrastar pares.

Y esto nos daría como resultado.