UNIVERSIDAD NACIONAL DE PIURA

ESCUELA DE POSGRADO

PROGRAMA DE MAESTRÍA EN CIENCIAS DE LA EDUCACIÓN

MENCIÓN EN DOCENCIA E INVESTIGACIÓN

TRABAJO ENCARGADO N°2

CURSO: ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EDUCATIVA

DOCENTE: Dr. César Leonardo Haro Díaz

Grupo 05

Integrantes:

Ruiz Chinga Ingrid del Rocío

Chanta García Lizeth Maribel
Dominguez Saucedo Miguel Ángel
Girón Sandoval Wilfredo Enrique

Piura-Perú
2022
DESARROLLO

1. Ocurre cierto número de accidentes automovilísticos menores en varias intersecciones de

alto riesgo en Sao Paulo, a pesar de los semáforos. El departamento de tránsito afirma que
una modificación del tipo de semáforos reducirá estos accidentes. Los comisionados de la
cuidad acordaron poner en práctica dicho experimento. Se eligieron ocho intersecciones al
azar y se modificaron los semáforos. Los números de accidentes menores durante un
periodo de seis meses antes y después de las modificaciones fueron:

Número de accidentes
A B C D E F G H
Antes de la modificación 5 7 6 4 8 9 8 10
Después de la 3 7 7 0 4 6 8 2
modificación

Con un nivel de significancia de 0.01, ¿es razonable concluir que la modificación redujo
el número de accidentes de tránsito? Interprete su resultado. ¿Qué suposición necesita
acerca de la distribución de las diferencias?
Sugerencia. Previo a la ejecución de la prueba de hipótesis, debes realizar para cada variable
y la diferencia, la prueba de normalidad de los datos. Utilice el Software SPSS

Desarrollo

Ingresamos datos al SPSS

Procedemos a realizar la prueba de normalidad de datos.

Prueba de Normalidad
Antes de realizar la prueba de hipótesis, debemos comprobar si el número medio de accidentes
antes de la modificación y después de la modificación se distribuyen aproximadamente como
una normal. El tamaño de la muestra n=8 número de accidentes no excede de 50, por lo que es
razonable utilizar la prueba de Shapiro Wilk para comprobar la normalidad.
Tenemos
Hipótesis: H 0 : Los datos provienen de una distribución normal

H1 : Los datos no provienen de una distribución normal

Mediante el software SPSS, siguiendo la secuencia:

Analizar > Estadísticos Descriptivos > explorar > Lista de dependientes: Escojo las 2
variables y la diferencia.
Se obtiene:

Puesto que el tamaño de muestra n=8<50, entonces analizamos la prueba se Shapiro Wilk

Interpretación:

Tenemos que sí p   , entonces aceptamos H 0 , caso contrario aceptamos H1

En este caso para la variable 1: 0.925>0.05 y para la variable 2: 0.581>0.05 y para la diferencia
0.511> 0.05, entonces aceptamos H 0 . Por tanto, se concluye que las variables provienen de
una distribución normal.

Como ya se conoce que la variable: Número de accidentes proviene de una distribución normal,
se va utilizar la distribución t de Student, puesto que el tamaño de la muestra (n=8) no excede
de 30 casos. Además, la distribución t de Student se aproxima a la distribución normal.

Ahora el interés es saber si la modificación redujo el número de accidentes de tránsito. Por ello
recurre a comparar medias en muestras dependientes (datos obtenidos antes y después)

Hipótesis
H 0 : No hay diferencias significativas entre el número de accidentes antes y después de la
modificación de los semáforos.
H1 : Existen diferencias significativas entre el número de accidentes antes y después de la
modificación de los semáforos.
Nivel de significancia: 1%

Utilizando el software SPSS, siguiendo la secuencia:

Analizar > comparar medias>prueba T para muestras relacionadas

 Prueba de muestras emparejadas
Diferencias emparejadas
99% de intervalo de
Desv. Desv. Error confianza de la diferencia Sig.
Media Desviación promedio Inferior Superior t gl (bilateral)
Par Accidentes antes - 2,500 2,928 1,035 -1,122 6,122 2,415 7 ,046
1 Accidentes
después

Interpretación

Como el p-valor = Sig. (bilateral) = 0.046 >0.01, se acepta H0. Es decir que No existe evidencia
suficiente para concluir que la modificación de los semáforos reduce el número de accidentes
de tránsito.
 2. A 10 candidatos a ingresar en un programa de maestría, se les aplica en la facultad de
Psicología una prueba de personalidad (X) y una prueba general de conocimiento (Y), con
las siguientes puntuaciones:

Candidato A B C D E F G H I J
X 2.96 2.46 3.36 3.40 2.43 2.12 2.85 3.12 3.20 2.75
Y 529 506 591 610 474 509 550 600 575 540

Sugerencia. Ambas variables estén medidas en escala de intervalo.

Previo a la ejecución de la prueba de hipótesis del inciso a), debes realizar para cada
variable la prueba de normalidad de los datos. Utilice el Software SPSS.
Desarrollo

a) ¿Existe una relación significativa entre los puntajes de la prueba de personalidad y

la prueba general de conocimiento? Utilice un nivel de significancia α = 0.05.
Interprete su resultado.

En vista de que ambas variables son cuantitativas (puntajes de pruebas de personalidad y

prueba general de conocimiento), se procede a realizar la prueba de normalidad de datos.

Prueba de normalidad:
H0: Los datos provienen de una distribución normal
H1: Los datos no provienen de una distribución normal

Siguiendo la siguiente secuencia:

Analizar> estadísticos descriptivos> explorar

Ingreso ambas variables y marco la opción de gráficos de normalidad con pruebas.

Siendo el tamaño de muestra n=10 < a 50, se trabaja con la prueba de Shapiro-Wilk.

Tabla1. Pruebas de normalidad

Kolmogorov - Smirnova Shapiro-Wilk

Estadístico gl Sig. Estadístico gl Sig.

Prueba de personalidad ,129 10 ,200* ,951 10 ,684

(X)

Prueba general de ,128 10 ,200* ,960 10 ,782

conocimiento (Y)
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

Interpretación:
El resultado indica un p-valor (sig) >0.05, para ambas variables, entonces se acepta H0. Por
tanto, se concluye que los datos de ambas pruebas (personalidad y conocimiento), provienen de
una distribución normal.
Como los datos, provienen de una distribución normal, utilizó el coeficiente de correlación
de Pearson.

Hipótesis de correlación
H0: No existe relación significativa entre los puntajes de la prueba de personalidad y la prueba
general de conocimiento. (=0)
H1: Existe relación significativa entre los puntajes de la prueba de personalidad y la prueba
general de conocimiento (0)
Nivel de significancia: 5%

Siguiendo la siguiente secuencia:

Analizar>correlacionar>bivariadas > coeficiente de correlación Pearson
Luego ingreso ambas variables
Obtenemos la tabla de correlación

Tabla 2. Correlaciones
Prueba
Prueba de general de
personalidad conocimiento
(X) (Y)
Prueba de personalidad Correlación de 1 ,889**
(X) Pearson
Sig. (bilateral) ,001
N 10 10
Prueba general de Correlación de ,889** 1
conocimiento (Y) Pearson
Sig. (bilateral) ,001
N 10 10
**. La correlación es significativa en el nivel 0,01 (bilateral).
Interpretación:
La Tabla 2, nos muestra un p-valor (sig. bilateral) = 0.001< =0.05, lo que significa que existe
correlación significativa entre los puntajes de la prueba de personalidad y la prueba general de
conocimiento.
b) ¿Cuál es el grado de correlación que existe entre los puntajes de la prueba de personalidad
yla prueba general de conocimiento? Interprete su resultado

Para determinar el grado de correlación se utilizó la siguiente tabla:

Tabla 3. Escala de valores del coeficiente de correlación de Pearson
valor significado
-1.00 Correlación negativa grande y perfecta
-0.90 a -0.99 Correlación negativa muy alta
-0.70 a -0.89 Correlación negativa alta
-0.40 a -0.69 Correlación negativa moderada
-0.20 a -0.39 Correlación negativa baja
-0.01 a -0.19 Correlación negativa muy baja
0.00 No existe correlación entre las variables
+0.01 a 0.19 Correlación positiva muy baja
+0.20 a 0.39 Correlación positiva baja
+0.40 a 0.69 Correlación positiva moderada
+0.70 a 0.89 Correlación positiva alta
+0.90 a 0.99 Correlación positiva muy alta
+1.00 Correlación positiva perfecta y grande
Fuente: Haro (2022), Unidad 3, Pruebas Estadísticas Paramétricas, p.94.

Interpretación:
El resultado de la Tabla 2, nos muestra un coeficiente de correlación de 0.889. Por tanto, se
concluye que existe una correlación positiva alta entre los puntajes de la prueba de
personalidad y los puntajes de la prueba general de conocimientos.
Referencias

Haro, C. (2022). Estadística Aplicada a la Investigación Educativa. Unidad 3: Prueba

estadísticas paramétricas. Universidad Nacional de Piura:
https://classroom.google.com/.