Tutorial Infostat

UNIVERSIDAD DE BUENOS AIRES
FACULTAD DE FARMACIA Y BIOQUÍMICA
TUTORIAL INFOSTAT
Lic. Selva Figueroa
CÁTEDRA DE MATEMÁTICA
Primer Cuatrimestre
2020
Apunte de Infostat
Instalación
El software se descarga directamente de la página web www.infostat.com.ar, sección descargas.
Las instrucciones están detalladas tanto para la versión estudiantil como para la comercial.
Importante: El programa reconoce automáticamente la configuración regional de la computadora.

Por defecto las versiones en español de Windows configura el sistema para que reconozca a la
coma como separador decimal. En estos casos, si se ingresan datos desde el teclado, al usar punto
como separador decimal, el programa considerará que se ingresó un conjunto de caracteres
alfanuméricos y no un valor numérico.
Aspectos generales
Al abrir el programa, aparece la pantalla
Y en la parte superior, se encuentra la barra del menú:

Manejo de datos
El programa trabaja con datos en forma de tabla, donde las columnas representan las variables y las
filas las observaciones.
El manejo de las tablas se realiza con el menú Archivo:
El ingreso de datos se puede hacer a través del teclado, usando la opción de nueva tabla:
Que irá ampliándose a medida que vayamos introduciendo los datos.
También se puede abrir una base de datos con los siguientes formatos:
Infostat (*.IDB, *.IDB2) Excel (*.xls) Gráficos (*.IGB)
Textos (*.txt, *.dat) Dbase (*.DBF) Resultados(*.ITRES)
InfoGen (*.IGDB) Paradox (*.DB) EpiInfo(*.REC)
Para abrir un archivo con extensión TXT o DAT, se abrirá la ventana del importador de texto.
Este nos permite indicar el tipo de separador de variables o campos que tiene el archivo y si la
primer fila contiene los nombres.
También podemos indicar desde que fila debe leer el programa.
Los botones de desplazamientos nos permiten acomodar los nombres de las variables:
Manejo de tablas
Al abrir una tabla (vacía o no), en la parte superior aparece el menú
Que permiten:
Guardar la tabla activa
Exportar tabla
Copiar
Pegar
Imprimir
Formato:
Fuente
Tamaño de letra
Agregar/quitar decimales
Alineación
Color de celda
Manejo de columnas
Ordenar según una o varias columnas
Renombrar – agrupar por categorías.
Por defecto, al guardar una tabla, el programa lo hace en formato InfoStat (extensión .IDB2).
Si queremos en otro formato, debemos usar la opción Guardar tabla como.
Manipulación de los datos

Para modificar una celda nos paramos sobre la misma y cargamos el dato. Al presionar <ENTER>, se
realiza dicha carga. Si presionamos <Esc>, se mantiene el contenido anterior.
Al posicionarnos sobre una celda y presionar botón derecho (o <CTRL+E>), aparece el menú
contextual
Para movernos dentro de la tabla podemos usar las teclas de direccionamiento y para seleccionar
un grupo usamos el mouse.
El menú Datos nos permite la manipulación de los datos

Transformar
Esta opción es válida solo para variables numéricas. Al elegir esta acción, aparece la ventana
Transformaciones para elegir la o las variables a transformar.
Luego de aceptar, aparece otra ventana que permite elegir la transformación. Se puede elegir entre
transformar una variable o realizar combinación de variables.
Al aceptar, el programa generará nuevas columnas conteniendo las variables transformadas, a las
que el programa rotulará con el nombre de la transformación y después de un subguión el nombre
de la variable original.
Resultados
Al realizar una acción desde el menú Estadística o Aplicaciones, se abre una ventana con los
resultados de dicha acción. El menú RESULTADOS muestra lo que podemos realizar con este
resultado
Entre otras opciones, podemos abrir un archivo con los resultados guardados de una sesión de
trabajo (Cargar resultados), guardarlo (Guardar resultados), elegir la cantidad de decimales que
utiliza la ventana de Resultados. El programa por defecto utiliza la notación exponencial.
Estadísticas
Desde el menú ESTADÍSTICAS, podemos realizar análisis estadísticos sobre una tabla de datos activa.
Estadística descriptiva
Medidas resumen
Se dispone de las siguientes medidas de resumen:
⚫ número de observaciones (n)

⚫ Media, desviación estándar (D.E)
⚫ varianza con denominador n-1 (Var(n-1)
⚫ varianza con denominador n (Var(n))
⚫ error estándar (E.E.)
⚫ coeficiente de variación (CV)
⚫ valor mínimo (Mín)
⚫ valor máximo (Máx)
⚫ Mediana
⚫ Cuantil 0.25 o primer cuartil (Q1), cuantil 0.75 o tercer cuantil (Q3)
⚫ suma de las observaciones (Suma)
⚫ Asimetría, Kurtosis
⚫ suma de cuadrados no corregida (Suma Cuad.)
⚫ suma de cuadrados corregida por la media (SCC)
⚫ mediana de los desvíos absolutos respecto de la mediana (MAD)
⚫ Datos faltantes, percentiles 5, 10, 25, 50, 75, 90 y 95 (P(05), P(10), etc.).
Ejemplo: Usamos el archivo Atriplex.
Archivo → Abrir datos de prueba → Atriplex.
1. Sin criterio de clasificación.

Estadísticas → Medidas de resumen
Seleccionamos “PG”, “PN” y “PS”.
Al Aceptar aparece la siguiente ventana:
Se selecciona las medidas de interés y se obtiene la siguiente tabla:

2. Con criterio de clasificación
Si queremos realizar el análisis pero teniendo en cuenta el tamaño, debemos utilizar la variable
Tamaño como criterio de clasificación.
Así obtenemos la tabla de resultados agrupados por tamaños.

Tablas de frecuencias
Las tablas de frecuencias pueden dar:

Límite inferior (LI) y superior (LS) de los intervalos de clase.
Marca de clase (MC).
Frecuencias absolutas (FA).
Frecuencias relativas (FR).
Frecuencias absolutas acumuladas (FAA).
Frecuencias relativas acumuladas (FRA).
El número de clases (K) puede ser calculado automáticamente usando K = log2(n+1), donde n es la
cantidad de datos, o puede ser determinado por el usuario especificando el mínimo, máximo y
número de intervalos. Los intervalos son cerrados a derecha .
Estadísticas → Tablas de frecuencias → Distribución de frecuencias
En la ventana Variables, agregamos la variable PG y en la solapa Particiones, la variable

Tamaño. Al aceptar aparece la ventana con las opciones de frecuencias donde se puede seleccionar
el tipo de información a visualizar.
Tablas de frecuencias
Tamaño Variable Clase LI LS MC FA FR
chicas PG 1 20.00 44.33 32.17 3 0.33
chicas PG 2 44.33 68.67 56.50 3 0.33
chicas PG 3 68.67 93.00 80.83 3 0.33
grandes PG 1 40.00 57.67 48.83 3 0.33
grandes PG 2 57.67 75.33 66.50 0 0.00
grandes PG 3 75.33 93.00 84.17 6 0.67
medianas PG 1 13.00 42.00 27.50 3 0.33
medianas PG 2 42.00 71.00 56.50 0 0.00
medianas PG 3 71.00 100.00 85.50 6 0.67

Probabilidades y cuantiles
Estadísticas → Probabilidades y cuantiles.

Nos permite obtener las probabilidades acumuladas para varias distribuciones. Basta con elegir la
distribución e introducir los parámetros y el valor x, para el cual se desea calcular la probabilidad
acumulada.
Parámetros de
la distribución
Distribución Valor para el

elegida cual queremos
encontrar la
probabilidad
acumulada
Al aceptar se obtiene, además de P(X≤x), las probabilidades P(X>x) y P(X=x). Este último en el caso que
corresponda.
Si se desea el valor del percentil se introduce el valor de probabilidad deseada en Prob(X<=x) y en

Valor de x, aparece el percentil buscado.
Inferencia en una y dos poblaciones.
⚫ Inferencia basada en una muestra
Prueba T para un parámetro
Esta opción permite testear la hipótesis H0 : μ = μ0 .
Ejemplo: Usamos el archivo Atriplex

Estadísticas → Inferencia basada en una muestra → Prueba t para un parámetro
En este caso vamos a realizar una prueba bilateral para H 0 : μ = 50 para la variable PG.
Al aceptar, pasamos a la ventana

El campo parámetro permite introducir el valor a comprobar, o sea μ 0. (En nuestro ejemplo sería
50)
Prueba t para una media
Valor de la media bajo la hipótesis nula: 50
Variable n Media DE LI(95) LS(95) T p(Bilateral)
PG 27 65.56 26.93 54.90 76.21 3.00 0.0059
Se puede testear la misma hipótesis pero partiendo la población según una o varias variables. Al
elegir la solapa Particiones, seleccionamos la variable Tamaño.
Al aceptar y seguir como en el caso anterior obtenemos

Prueba t para una media
Valor de la media bajo la hipótesis nula: 50
Tamaño Variable n Media DE LI(95) LS(95) T p(Bilateral)
chicas PG 9 54.56 26.34 34.31 74.81 0.52 0.6180
grandes PG 9 73.33 19.28 58.51 88.15 3.63 0.0067
medianas PG 9 68.78 32.81 43.56 93.99 1.72 0.1243
Intervalos de confianza
Estadísticas → Inferencia basada en una muestra → Intervalos de confianza

Se pueden obtener los intervalos de confianza para la Media, Mediana, Varianza y Proporción
usando estimación paramétrica. InfoStat supone que los datos tienen distribución normal. Para
el intervalo de confianza para la media, utiliza la distribución T de Student.
Ejemplo: En el archivo Pesos se encuentran los pesos de 20 individuos de una clase y se desea
estimar a través de un intervalo de confianza el peso promedio de la población de individuos de esa
clase, con un nivel de confianza del 95%.
Intervalos de confianza
Bilateral
Estimación paramétrica
Variable Parámetro Estimación E.E. n LI(95%)) LS(95%))
Pesos Media 68.50 0.80 20 66.82 70.18
Nota:La estimación es la media muestral. E.E es el error de la estimación, o desvío de la media muestral
(s n ).
⚫ Inferencia basada en dos muestras
Prueba T para muestras independientes
Estadísticas → Inferencia basada en dos muestras → Prueba T (muestras independientes)
Esta prueba permite realizar la comparación

H0 : μ1 = μ2 versus H1: μ1 ≠ μ2
Los archivos de datos deben tener una variable que permita identificar las muestras:
Ejemplo: En un estudio para analizar la evolución de tubérculos almacenados, se desea comparar
dos épocas de cosecha: Abril y Agosto, las que determinan diferentes periodos de almacenamiento.
La variable en estudio fue la pérdida de peso por deshidratación (en gr).
El archivo Época contiene las observaciones del estudio.
Para poder comparar las perdidas de peso promedio en cada época, se compara la variable
“Peso” según el criterio de clasificación “Epoca”.
Al aceptar, aparece la ventana

Al seleccionar la opción “Usar la corrección de Satterwait ...” , realiza la prueba para
homogeneidad de varianzas. En el caso que se rechace la hipótesis, se utiliza el estadístico
T=
(X 1 )
− X 2 − (1 −  2 )
S X1 X 2
2 2
=
S1 + S2
Donde S X1 X 2
.
n1 n2
Prueba T para muestras Independientes
Clasific Variable Grupo 1 Grupo 2 n(1) n(2) Media(1) Media(2)
Epoca Peso {Abril} {Agosto} 10 10 40.89 26.65
LI(95) LS(95) Var(1) Var(2) pHomVar T gl p-valor prueba
10.59 17.88 12.81 17.25 0.6648 8.21 18 <0.0001 Bilateral
p-valor para la Prueba de Homogeneidad de Varianzas.

Prueba T para observaciones apareadas
Estadísticas → Inferencia basada en dos muestras → Prueba T apareada
Permite probar la hipótesis de igualdad de medias cuando se dispone de una muestra de n

pares de observaciones.
Observación: para esta prueba los datos deben estar en columnas, una para cada muestra.
Ejemplo : el archivo Poliniza, contiene información sobre el peso promedio de semillas
polinizadas y sin polinizar. El experimento se realizó sobre 10 plantas donde la mitad de cada
planta fue polinizada y la otra mitad no.
Seleccionamos la opción Prueba t apareada:
Y aparece directamente la ventana

Prueba T (muestras apareadas)
Obs(1) Obs(2) N media(dif) DE(dif) T Bilateral
Poliniz. NoPoliniz. 10 0.45 0.17 8.42 <0.0001
Nota: media(dif) y DE(dif) corresponden a la media y a la desviación estándar de la variable diferencia.
Prueba F para igualdad de varianzas
Estadísticas → Inferencia basada en dos muestras → Prueba F de igualdad de varianzas.

Es para realizar la prueba H0 σ1 = σ2 vs H1 σ1 ≠ σ2
Ejemplo: para el archivo Época se realizó una prueba F de homogeneidad de varianzas.

Prueba F para igualdad de varianzas
Variable Grupo(1) Grupo(2) n(1) n(2) Var(1) Var(2) F p prueba
Peso {Abril} {Agosto} 10 10 12.81 17.25 0.74 0.6648 Bilateral

Análisis de la varianza
Para realizar el ANOVA, el archivo debe tener 2 columnas, una la del tratamiento (variable de
clasificación) y la otra la de la variable respuesta.
Ejemplo: Para comparar 4 cultivares de maíz (tratamientos) se realiza un experimento bajo un

diseño completamente aleatorizado con 10 repeticiones o parcelas por tratamiento. La variable
de respuesta es el rendimiento. Los resultados se encuentran en el archivo Híbridos.
Variable de
clasificación
Variable respuesta:
contiene los datos a
analizar
Estadísticas → Análisis de la varianza

Al declarar la variable Cultivar como única variable de clasificación, al Aceptar aparecerá en la
subventana Especificación de los términos del modelo ya que se trata de un análisis a un factor.
Aquí podemos indicar si deseamos guardar los residuos, los valores predichos, los residuos
estudentizados y/o los valores absolutos de los residuos. Al solicitarlos se crean columnas en el
archivo de datos con la información pedida.
El campo Sobrescribir reemplaza los valores de una corrida anterior.
La solapa Comparaciones permite seleccionar el método de comparaciones a posteriori.

Al aceptar se obtiene los siguientes resultados:
Análisis de la varianza
Variable N R² R² Aj CV
Rend. 40 0.32 0.26 23.73
Cuadro de Análisis de la Varianza (SC tipo III)
F.V. SC gl CM F p-valor
Modelo 10026.83 3 3342.28 5.68 0.0027
Cultivar 10026.83 3 3342.28 5.68 0.0027
Error 21194.85 36 588.75
Total 31221.68 39
Nota: En el Cuadro de Análisis, la SCE recibe el nombre Cultivar (nombre de la variable de clasificación) y la
SCD el de Error.
Test:Tukey Alfa=0.05 DMS=27.72246
Error: 588.7457 gl: 36
Cultivar Medias n E.E.
2.00 76.68 10 7.67 A El cultivar 2 difiere del resto de los cultivares.
4.00 105.44 10 7.67 B
1.00 106.90 10 7.67 B
3.00 120.06 10 7.67 B
Medias con una letra común no son significativamente diferentes(p<= 0.05)

Análisis de Regresión lineal
Estadísticas → Regresión lineal
El programa realiza regresión lineal simple y múltiple. Utiliza el método de mínimos cuadrados
para obtener las estimaciones de los coeficientes de regresión.
Una vez elegida las variables dependiente y la/las regresoras, aparece la ventana
La solapa General permite seleccionar la información que veremos en la ventana de Resultados:
1. Coeficientes de regresión y estadísticos asociados: da el valor estimado (Est), el error

estándar de la estimación (E.E), los límites del intervalo de confianza de nivel 0.95 (L.I y L.S),
el valor del estadístico T para la prueba H0 β = 0, el p-valor y el indíce Cp de Mallows (criterio
para seleccionar un subconjunto de variables que mejor ajuste a los datos).
2. Tabla de análisis de la varianza: muestra el R2, el R2 ajustado, el error cuadrático medio de
predicción y el análisis de la varianza para el modelo especificado. (Nota: las sumas de
cuadrados Tipo I particionan la SC del modelo según la secuencia de incorporación de
términos al modelo. Por defecto las sumas de cuadrados son de tipo III)
3. Tabla de resumen de criterios de diagnóstico: da el mínimo y el máximo de los residuos
estudentizados (rs), externamente estudentizados (res), el leverage (Lev) y la distancia de
Cook(Cook).
La solapa Diagnostico permite elegir elementos de diagnóstico, el cálculo de los valores

predichos y los intervalos de confianza y de predicción. La información solicitada se guardara
como nuevas variables en original.
Además se puede solicitar los gráficos de ajuste, bandas de confianza y predicción.
Ejemplo: Se quiere estudiar la relación entre la biomasa y el pH en un medio de cultivo. Para esto se
midió la biomasa (gr) para valores de pH entre 3 y 7 registrándose 45 mediciones. (Archivo RegLin).
Análisis de regresión lineal
Variable N R² R² Aj ECMP AIC BIC
Biomasa 45 0.95 0.95 909.73 434.87 440.29
Coeficientes de regresión y estadísticos asociados
Coef Est. E.E. LI(95%) LS(95%) T p-valor CpMallows VIF
const 313.95 15.87 281.94 345.96 19.78 <0.0001
pH 95.56 3.35 88.80 102.32 28.51 <0.0001 795.36 1.00
Cuadro de Análisis de la Varianza (SC tipo III)
F.V. SC gl CM F p-valor
Modelo. 685876.59 1 685876.59 812.81 <0.0001
pH 685876.59 1 685876.59 812.81 <0.0001
Error 36284.63 43 843.83
Total 722161.23 44
Nota: Pedimos los residuos (RDUO_nombre_variable), los estudentizados (RE_nonmbre_variable) y los

predichos (PRED_nombre_variable).
También pedimos los gráficos de ajuste y bandas de predicción
En la solapa 0 se puede ver el gráfico de los residuos

Gráficos
La herramienta de gráficos está compuesta de 2 ventanas: Herramientas Gráficas y Gráficos.
En la ventana Herramientas Gráficas, tenemos las opciones para modificar el título, la leyenda de
los ejes, los textos que aparecen en el gráfico y el formato de las series.
Esta ventana aparece junto con la ventana Gráficos al ejecutar el gráfico solicitado. Tiene 3 solapas:
Series, Eje X y Eje Y.
Al seleccionar una serie (botón izquierdo del mousse), presionando el botón derecho del mousse
aparece el menú contextual para poder modificar las series
La ventana de Herramientas Gráficas, además tiene las solapas de EjeX, EjeY, que permiten
modificar características de dichos ejes.
Solapas EjeX, EjeY

La ventana Gráficos, almacena los gráficos que vamos realizando durante la sesión en varias solapas
en la misma ventana.
Esta ventana presenta varias opciones en la parte superior, como por ejemplo, Guardar gráfico,
Guardar gráfico como, etc.
Al posicionarse sobre el cuerpo del gráfico, tenemos el menú contextual
.
Tipos de gráficos
Entre todos los tipos de gráficos disponibles en InfoStat, veremos:
1. Diagrama de Dispersión.
2. Gráfico de puntos.
3. Gráfico de barras.
4. Gráfico de cajas (Box – Plot).
5. Histograma.
6. Gráfico de sectores.
• Diagrama de Dispersión
Gráficos →Diagrama de Dispersión
Además de ver la variación de dos variables cualitativas, podemos agregarle un criterio de partición,
todos en el mismo gráfico.
Para poder realizar el gráfico con la partición, al seleccionar las variables a graficar, debemos ir a la
solapa Particiones y seleccionar la variable que da el criterio de partición.
• Gráfico de puntos
Gráficos →Gráfico de puntos
Similar al anterior. Muestra una medida de resumen y no valores individuales.
Ejemplo: Archivo Hembras. El gráfico muestra el diámetro medio del cuerpo de un nematodo
(“Diamcpo”) según la temperatura. Además, muestra el error estándar.
Al aceptar aparece la ventana
Que nos permite elegir la medida a graficar junto con las medidas de confianza que elijamos.
Este es un gráfico interactivo: en parte de Opciones, tenemos varias medidas de confianza, que al
seleccionarlas, cambian automáticamente el gráfico.
• Gráfico de Barras
Gráficos →Gráfico de barras
Al gráfico se le puede agregar la representación de una medida de variabilidad. También se puede

tener más de un criterio de clasificación, generando un gráfico por cada partición o un solo gráfico
para todas las particiones.
Ejemplo: Archivo Atriplex. Porcentaje de germinación de semillas (PG) usando como Criterio de
clasificación la variable Tamaño. Al segundo gráfico se le agregó el color (Episperma) como
partición, desde la solapa Particiones (Particionar por) . Por defecto, el programa hace un gráfico
para cada partición (debemos seleccionar la opción Particiones en el mismo gráfico).
ón Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil

Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
ón Estudiantil Versión Estudiantil PG segúnVersión
Versión Estudiantil tamaño
Estudiantil Versión Estudiantil
105.25
85.07
PG
64.90
44.72
24.54
ón Estudiantil Versión Estudiantil Versión Estudiantil
chicas Versióngrandes
medianas Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil
Tamaño Versión Estudiantil Versión Estudiantil
ón Estudiantil Versión Estudiantil PGEstudiantil
Versión según tamaño y color
Versión Estudiantil Versión Estudiantil
101.33
79.18
PG
57.03
34.87
12.72
ón Estudiantil Versión Estudiantil Versión Estudiantil
chicas Versióngrandes
medianas Estudiantil Versión Estudiantil
Tamaño Versión Estudiantil Versión Estudiantil
• Gráfico de cajas (Box – Plot)
Gráficos → Gráfico de cajas
Muestra la mediana, la media, los cuantiles 0.05, 0.25, 0.75 y 0.95 y la presencia de valores atípicos
(outliers) en caso de que hubiere. La selección de las variables es idéntica que para el diagrama de
puntos.
• Histograma
Gráficos → Histograma
Por defecto, el número de clases son calculadas como Log 2(n+1) y gráfica la frecuencia relativa.
Ejemplo: A continuación vemos los histogramas de frecuencias relativas y relativas acumuladas

para la variable perímetro de cabezas de ajo blanco de un ensayo de sanidad vegetal (archivo
AjoBlanc)
rsión Estudiantil Versión Estudiantil Versión Estudiantil VersiónVersión
Estudiantil
Estudiantil
VersiónVersión
Estudiantil
Estudiantil Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil VersiónVersión
Estudiantil
Estudiantil
VersiónVersión
Estudiantil
Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil
rsión Estudiantil Versión Estudiantil Versión Estudiantil
AjoBlanc Versiónrelativa
: frecuencia Versión
Estudiantil
Estudiantil
VersiónVersión
Estudiantil
Estudiantil Versión
AjoBlanc Estudiantil relativa
: frecuencia Versión Estudiantil
acumuladaVersión Estudiantil
Estudiantil
Estudiantil
VersiónVersión
Estudiantil
0.24 1.00
Estudiantil
Estudiantil
VersiónVersión
Estudiantil
Estudiantil
Estudiantil
VersiónVersión
Estudiantil
Estudiantil
Estudiantil
VersiónVersión
Estudiantil
0.18 0.75
frec. rel. acumulada

frecuencia relativa

Estudiantil
Estudiantil
VersiónVersión
Estudiantil
Estudiantil
Estudiantil
VersiónVersión
Estudiantil
Estudiantil
Estudiantil
VersiónVersión
Estudiantil
0.12 0.50
Estudiantil
Estudiantil
VersiónVersión
Estudiantil
Estudiantil
Estudiantil
VersiónVersión
Estudiantil
Estudiantil
Estudiantil
VersiónVersión
Estudiantil
0.06 0.25
Estudiantil
Estudiantil
VersiónVersión
Estudiantil
Estudiantil
Estudiantil
VersiónVersión
Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil VersiónVersiónEstudiantil
Estudiantil
VersiónVersión
Estudiantil
0.00 0.00
rsión Estudiantil Versión Estudiantil Versión Estudiantil Versión Versión
Estudiantil
Estudiantil
Versión
7.0 9.0 10.9 12.9 14.9 16.818.8 20.7 22.7 24.7 26.6 28.6 Versión
Estudiantil
Estudiantil Versión
7.0 9.0 10.9 12.9Estudiantil
14.9 16.818.8Versión Estudiantil
20.7 22.7 24.7 26.6Versión
28.6 Estudiantil
Versión Estudiantil Versión Estudiantil Versión
perimEstudiantil VersiónVersión
Estudiantil
Estudiantil
VersiónVersión
Estudiantil
Estudiantil VersiónperimEstudiantil Versión Estudiantil Versión Estudiantil
Estudiantil
Estudiantil
VersiónVersión
Estudiantil
• Gráfico de sectores (tortas)
Gráficos → Gráfico de sectores
Útil para representar contribuciones porcentuales a un total o frecuencias de una variable

categórica.
Para realizar este gráfico tenemos dos opciones dependiendo de la forma en están los datos, si
están en columnas o filas. Para ilustrar, utilizamos el archivo Tortas (las contribuciones están en las
columnas de la tabla)
Cuando elegimos Gráfico de sectores, debemos seleccionar, en este caso, Categorías en columnas
Y seleccionamos las categorías a graficar. En este caso, tenemos la columna “Familia” que sirve
como criterio de agrupamiento, por lo tanto, podemos realizar 2 gráficos, uno por cada tipo de
familia
Y obtenemos el gráfico
La ventana de Herramientas gráficas, permite cambiar el rótulo. Para poder cambiar todas las
categorías a la vez, debemos seleccionarlas a todas (alimentación, serv. e imp., educación y otros).
Si solo queremos el gráfico de un tipo de familia, debemos seleccionar “Familia” en la solapa

Particiones (y no en Criterios de clasificación), y elegimos el tipo de familia que queremos graficar
Obteniendo
Si no hacemos una identificación de grupo familiar, el InfoStat utiliza el total por columna para
realizar el gráfico
ón Estudiantil Versión EstudiantilGráfico deEstudiantil
Versión sectores sin grupos
(200)
Versión Estudiantil (170)Estudiantil
Versión Versión Estudiantil Versión Estudiantil Versión Estudiantil
Versión Estudiantil Versión Estudiantil Versión Estudiantil (800)
ón Estudiantil (140)Versión Estudiantil
Como en el resto de los gráficos, el formato de los sectores y rótulos se modifican utilizando la
parte de Opciones de la ventana Herramientas Gráficas.
Para la opción Categorías en filas, se aplican los mismos pasos.

Tutorial Infostat

Cargado por

Información del documento

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

Tutorial Infostat

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE BUENOS AIRES

FACULTAD DE FARMACIA Y BIOQUÍMICA

Lic. Selva Figueroa

Importante: El programa reconoce automáticamente la configuración regional de la computadora.

Y en la parte superior, se encuentra la barra del menú:

El manejo de las tablas se realiza con el menú Archivo:

Que irá ampliándose a medida que vayamos introduciendo los datos.

Infostat (*.IDB, *.IDB2) Excel (*.xls) Gráficos (*.IGB)

Textos (*.txt, *.dat) Dbase (*.DBF) Resultados(*.ITRES)

InfoGen (*.IGDB) Paradox (*.DB) EpiInfo(*.REC)

También podemos indicar desde que fila debe leer el programa.

Al abrir una tabla (vacía o no), en la parte superior aparece el menú

Guardar la tabla activa

Ordenar según una o varias columnas

Renombrar – agrupar por categorías.

Si queremos en otro formato, debemos usar la opción Guardar tabla como.

Manipulación de los datos

El menú Datos nos permite la manipulación de los datos

Se dispone de las siguientes medidas de resumen:

⚫ número de observaciones (n)

Ejemplo: Usamos el archivo Atriplex.

Archivo → Abrir datos de prueba → Atriplex.

1. Sin criterio de clasificación.

Seleccionamos “PG”, “PN” y “PS”.

Al Aceptar aparece la siguiente ventana:

Se selecciona las medidas de interés y se obtiene la siguiente tabla:

Así obtenemos la tabla de resultados agrupados por tamaños.

Las tablas de frecuencias pueden dar:

Estadísticas → Tablas de frecuencias → Distribución de frecuencias

En la ventana Variables, agregamos la variable PG y en la solapa Particiones, la variable

Tamaño Variable Clase LI LS MC FA FR

chicas PG 1 20.00 44.33 32.17 3 0.33

chicas PG 2 44.33 68.67 56.50 3 0.33

chicas PG 3 68.67 93.00 80.83 3 0.33

Tamaño Variable Clase LI LS MC FA FR

grandes PG 1 40.00 57.67 48.83 3 0.33

grandes PG 2 57.67 75.33 66.50 0 0.00

grandes PG 3 75.33 93.00 84.17 6 0.67

Tamaño Variable Clase LI LS MC FA FR

medianas PG 1 13.00 42.00 27.50 3 0.33

medianas PG 2 42.00 71.00 56.50 0 0.00

medianas PG 3 71.00 100.00 85.50 6 0.67

Estadísticas → Probabilidades y cuantiles.

Distribución Valor para el

Si se desea el valor del percentil se introduce el valor de probabilidad deseada en Prob(X<=x) y en

Prueba T para un parámetro

Esta opción permite testear la hipótesis H0 : μ = μ0 .

Ejemplo: Usamos el archivo Atriplex

Al aceptar, pasamos a la ventana

Valor de la media bajo la hipótesis nula: 50

Variable n Media DE LI(95) LS(95) T p(Bilateral)

PG 27 65.56 26.93 54.90 76.21 3.00 0.0059

Al aceptar y seguir como en el caso anterior obtenemos

Valor de la media bajo la hipótesis nula: 50

Tamaño Variable n Media DE LI(95) LS(95) T p(Bilateral)

chicas PG 9 54.56 26.34 34.31 74.81 0.52 0.6180

grandes PG 9 73.33 19.28 58.51 88.15 3.63 0.0067

medianas PG 9 68.78 32.81 43.56 93.99 1.72 0.1243

Estadísticas → Inferencia basada en una muestra → Intervalos de confianza

Variable Parámetro Estimación E.E. n LI(95%)) LS(95%))

Pesos Media 68.50 0.80 20 66.82 70.18

⚫ Inferencia basada en dos muestras

Prueba T para muestras independientes

Estadísticas → Inferencia basada en dos muestras → Prueba T (muestras independientes)

Infostat (.IDB, .IDB2) Excel (.xls) Gráficos (.IGB)

Textos (.txt, .dat) Dbase (.DBF) Resultados(.ITRES)

InfoGen (.IGDB) Paradox (.DB) EpiInfo(*.REC)