"Año del Bicentenario del Perú: 200 años de Independencia"

UNIVERSIDAD NACIONAL DE INGENIERÍA

Facultad de Ingeniería Geológica, Minera y Metalúrgica

ANALISIS ESTADISTICO DE VALORES ANOMALOS USANDO SPSS

CURSO:
➢ GEOESTADISTICA

SECCIÓN:
➢ R- Teoría

DOCENTE:
➢ Dr. ALFREDO MARIN SUAREZ

ALUMNO:
➢ Tirado Ramírez Yeferson Martín (20171185J)

2021-I
 UNIVERSIDAD NACIONAL DE INGENIERÍA
Facultad de Ingeniería Geológica, Minera y Metalúrgica

OBJETIVOS

➢ Interpretar valores anómalos en una data, mediante histogramas

➢ Interpretar la variación en el grafico de campana de Gauss
➢ Aprender el uso del SPSS para análisis estadísticos

CONCEPTOS

➢ IBM SPSS:
El IBM SPSS Statistics es una familia de avanzados programas computacionales de análisis estadístico.
Ofrece los procedimientos estadísticos principales que los gestores y los analistas necesitan para tratar las
cuestiones empresariales y de investigación básicas.
Este software proporciona herramientas que permiten a los usuarios consultar datos y formular hipótesis de
pruebas adicionales de forma rápida, así como ejecutar procedimientos para ayudar a aclarar las relaciones
entre variables, crear clústeres, identificar tendencias y realizar predicciones.

➢ VALORES ANOMALOS:
También conocidos como valores atípicos, son observaciones que se desvían en alguna dirección respecto al
comportamiento general del resto del conjunto de datos y pueden afectar los resultados de aplicar métodos
estadísticos univariantes o multivariantes. Estos datos siempre están presentes en la toma de datos o creación
de nuevas datas.

➢ CAMPANA DE GAUSS:
También conocida como distribución normal, es una representación gráfica de la distribución normal de un
grupo de datos. Éstos se reparten en valores bajos, medios y altos, creando un gráfico de forma acampanada
y simétrica con respecto a un determinado parámetro.

pág. 2
 UNIVERSIDAD NACIONAL DE INGENIERÍA
Facultad de Ingeniería Geológica, Minera y Metalúrgica

➢ DISTRIBUCION LOGNORMAL

La distribución logarítmica normal comúnmente se utiliza para modelar la vida de las unidades cuyos
modos de falla son de una naturaleza a la fatiga del estrés. Dado que se incluyen la mayoría, si no todos,
los sistemas mecánicos, la distribución logarítmica normal puede tener aplicación generalizada. Una
variable aleatoria que se distribuye log normal si el logaritmo de la variable aleatoria tiene una
distribución normal. Debido a esto, hay muchas similitudes matemáticas entre las dos distribuciones. Por
ejemplo, el razonamiento matemático para la construcción de la probabilidad trazando escalas y el sesgo
de los estimadores de parámetros es muy similar para estas dos distribuciones.
La función de distribución viene dada por:

Esta distribución se puede normalizar si se sustituye y = ln(x)

Para halar esperanza y varianza se realiza primera y segunda derivada de la función generadora.

Con lo que se obtiene:

La distribución de densidad de probabilidad y función de probabilidad están dadas por: (x>b)

De manera análoga, las funciones de varianza y esperanza con derivadas serian:

De esta manera:

S2
M = lnuX −
2
2
M
S 2 = ln⁡(1 + 2 )
uX
pág. 3
 UNIVERSIDAD NACIONAL DE INGENIERÍA
Facultad de Ingeniería Geológica, Minera y Metalúrgica

PROCEDIMIENTO
➢ Primero se abre el software SPSS

➢ Para cargar la data, dar clic en leer datos de texto

➢ Seleccionamos la carpeta donde se encuentran los datos a analizar

pág. 4
 UNIVERSIDAD NACIONAL DE INGENIERÍA
Facultad de Ingeniería Geológica, Minera y Metalúrgica

➢ Clic en siguiente para cargar la data, en la cuarta ventana colocar como tabulador para que aparezcan los
datos en la primera columna.

pág. 5
 UNIVERSIDAD NACIONAL DE INGENIERÍA
Facultad de Ingeniería Geológica, Minera y Metalúrgica

➢ Luego aparecerán los datos de esta manera, ordenados en una columna.

➢ En esta nueva ventana de confirmacion sera donde apareceran los graficos.

➢ En la vista de variables, cambiar a dos decimales para una mejor apreciación de datos.

pág. 6
 UNIVERSIDAD NACIONAL DE INGENIERÍA
Facultad de Ingeniería Geológica, Minera y Metalúrgica

➢ Luego, para apreciar el histograma, clic en gráficos/ cuadro de dialogo antiguos/ histograma

➢ Cargamos la variable que es la columna 1

➢ Se obtiene el primer histograma

pág. 7
 UNIVERSIDAD NACIONAL DE INGENIERÍA
Facultad de Ingeniería Geológica, Minera y Metalúrgica

➢ Luego, para hallar la campana de Gauss; clic en transformar/ calcular variable

➢ Luego se coloca en función Ln de tipo aritméticas y se elige la columna 1

➢ Y aparece la segunda columna con los ln de la primera.

pág. 8
 UNIVERSIDAD NACIONAL DE INGENIERÍA
Facultad de Ingeniería Geológica, Minera y Metalúrgica

➢ Se realiza el histograma de esta segunda columna

➢ Para analizar datos anómalos, a la columna numero uno se le aumentaron 60 valores que son superiores
al mayor valor registrado.

pág. 9
 UNIVERSIDAD NACIONAL DE INGENIERÍA
Facultad de Ingeniería Geológica, Minera y Metalúrgica

➢ Los gráficos del histograma y campana de Gauss de los valores con los 60 datos adicionales (anomalía)
son:

pág. 10
 UNIVERSIDAD NACIONAL DE INGENIERÍA
Facultad de Ingeniería Geológica, Minera y Metalúrgica

INTERPRETACION
➢ Datos sin anomalía

Reemplazando:

β= 1.0526

α= -0.4

Reemplazando:

β= 1.3484

α= -1.54

La media se acerca a
0.5 según teoría.

pág. 11
 UNIVERSIDAD NACIONAL DE INGENIERÍA
Facultad de Ingeniería Geológica, Minera y Metalúrgica

➢ Datos con anomalía

Reemplazando:

β= 1.428

α= -0.47
La desviación típica es
mucha en comparación a
los datos sin anomalía

Reemplazando: Se puede observar un

doble pico en la campana
β= 1.499 de Gauss, lo cual indica la
α= -1.922 presencia de los 60
valores anómalos.

CONCLUSIONES

➢ Los valores anómalos se ven expresados en el gráfico de campana de Gauss, ya que hay dos picos
existentes que indican anomalía en la dispersión de datos.
➢ Una interpretación de la anomalía de datos es la contaminación de suelos con relaves por parte de las
compañías mineras, o enriquecimiento anómalo de mineral en determinada zona.
➢ El software SPSS es de mucha utilidad en el análisis estadístico de datos.
pág. 12