EVALUACIÓN INTERNA MATEMÁTICAS APLICACIONES E INTERPRETACIÓN

Bachillerato Internacional
—————————————————————————————————————
Nivel Medio

¿De qué manera influye la altura de un tenista en su

porcentaje de acierto en el saque?

Cómputo total de palabras: 2.936

Número total de páginas: 17

Declaración de autoría: Confirmo que el presente trabajo es original y que es la versión final

1
ÍNDICE

Introducción 3
Información, mediciones y datos obtenidos 5
● MUESTREO ESTRATIFICADO: 6
● MUESTREO ALEATORIO: 6
● IDENTIFICACIÓN DE VALORES ATÍPICOS: 7

Analisis e interpretacion de datos 8

● DIAGRAMA DE DISPERSIÓN: 9
● COEFICIENTE DE CORRELACIÓN DE PRODUCTO SPEARMAN: 10
● CONTRASTE O TEST CHI-CUADRADO (2): 11
● CONTRASTE O TEST T - STUDENT: 16

Conclusión 19

Apéndices y anexos 21

2
Introducción

Al saber que tenía que elaborar una exploración matemática, lo primero que pensé fue en

investigar algo que me fuera a interesar. Las matemáticas no son algo que me apasione

mucho, por no decir nada, por eso me aseguré de que el trabajo de investigación que fuera a

elegir me gustase/interesase.

Al final, me decanté por el tenis, ya que es un deporte que llevo practicando desde pequeña,

me gusta mucho y lo disfruto bastante.

Siempre me han interesado bastantes cosas sobre el tenis, pero lo que me llevo preguntando

toda la vida es que si una persona con menos altura tiene más dificultad al meter el saque, lo

que es igual que si una persona más alta tiene mayor facilidad a la hora de meter el saque.

Habiendo abordado con mayor concretación lo que realmente me interesa, podríamos decir

que el objetivo principal de mi evaluación interna trata de intentar averiguar si la altura de

un tenista afecta al porcentaje de sus saques metidos en un partido.

Esta pregunta de investigación va a ser investigada mediante estadística. Esta ha sido la

forma elegida de indagación ya que lo que buscamos en este trabajo es buscar la relación

entre dos variables, y eso con la estadística es posible. Adentrándonos ahora en qué cosas

voy a hacer para investigar. En primer lugar, realizaré una serie de muestreos estadísticos,

concretamente, el muestreo estratificado y el muestreo aleatorio, esto me ayudará a

simplificar 138 datos obtenidos de la ATP, asociación de tenis masculino y de la WTA,

asociación de tenis femenino. En segundo lugar pero último dentro del apartado de

información, mediciones y datos obtenidos, haremos una identificación de valores atípicos,

3
para que, en el caso de que haya, eliminarlos. Posteriormente, pasaremos al apartado de

análisis e interpretación de datos para hacer 4 distintas operaciones estadísticas buscando la

relación entre las dos variables. Realizaremos, un diagrama de dispersión para saber como

es la relación entre las dos variables numéricas. Posteriormente, haremos el coeficiente de

correlación de Pearson para poder ver si la dos variables tienen relación en el caso de que

sean cuantitativas y continuas y el coeficiente de correlación Spearman para ver la

dependencia de ranking entre dos variables. Seguiremos con un test o prueba de Chi -

2
Cuadrado (χ ), para ver hipótesis referidas a la relación entre las variables y por último,

terminaremos con un test o prueba T - Student para ver si hay una diferencia significativa

entre la media de los dos grupos.

La hipótesis de este trabajo es que la altura de dicho tenista va a influir en el porcentaje de

saques que cada uno pueda meter en un partido, porque, siendo una persona que sabe de

tenis, pienso que al tener una mayor altura, hay una mejor perspectiva del recorrido que

tiene que hacer la bola para que caiga dentro del cuadrado de saque.

Con este trabajo conseguiremos comprobar si esta hipótesis es correcta o incorrecta.

Aún así como no estoy segura de que sea así, posteriormente con operaciones matemáticas

de estadística, lo comprobaremos.

4
Información, mediciones y datos obtenidos

En este estudio encontraremos como variable dependiente (X) el porcentaje de saques

metidos en un partido y como variable independiente (Y), la altura del tenista.

Las operaciones realizadas posteriormente se harán mayoritariamente para poder reducir la

tabla de todos los datos obtenidos y poder trabajar con una mayor facilidad. Voy a realizar

dos tipos de muestreo, el muestreo estratificado y el muestreo aleatorio. El muestreo

estratificado lo haré para ver cuántos tenistas hay por rango de edad y así poder saber el

porcentaje. Cojeremos los tenistas por rango de edad divididos por hombres y mujeres, lo

dividiremos entre el total y los multiplicaremos por 100. Centrándonos ahora en el muestreo

aleatorio, esto lo voy a hacer para reducir los 138 datos que tengo a 52 que me van a quedar

para poder hacer más simple la indagación. Lo que voy a hacer es multiplicar el porcentaje

que he obtenido en el muestreo estratificado y multiplicarlo por 50 que son los datos con los

que quiero más o menos trabajar. Esta operación me va a dar un número y ese será el

número de los tenistas que tendré que coger en cada rango. Miraré que tenistas tengo en

cada rango y los meteré en un página web que me diga aleatoriamente cuántos tenistas

elegir en cada rango de edad. Por último, realizaremos una identificación de valores atípicos

para que en el caso que haya, eliminarlos.

La página web que usaré, será, https://es.piliapp.com/random/wheel/.

5
Anexo 1: Tabla de los 138 datos obtenidos totales

● MUESTREO ESTRATIFICADO:

18-22 23-27 28-32 33-37 38-42 TOTAL

HOMBRE 10 29 18 13 1 71

MUJERES 12 28 24 3 0 67

TOTAL 22 67 42 16 1 138

Hombres:
10
- De 18 - 22 → 138
= 0, 07246376812 × 100 = 7, 246376812% → 7%

Mujeres:
12
- De 18 - 22 → 138
= 0, 08695652174 × 100 = 8, 695652174% → 9%

En las operaciones hechas anteriormente vemos un ejemplo de lo que habría que hacer con

cada rango de edad.

● MUESTREO ALEATORIO:
En este pantallazo se ve la página web con la que voy a implementar el muestreo aleatorio.

Me fijaré en que tenistas están en cada rango y de dicho rango ver cuantos tengo que elegir.

Esta ruleta me facilitará elegir qué tenistas usar en la investigación. En el cuadro blanco que

se puede ver a la arriba a la derecha del pantallazo, meteremos a todos los tenistas de cada

rango y giraremos la ruleta el número de veces que nos dé el resultado de las operaciones

realizadas posteriormente.

6
Para poder sacar el resultado, cogeré el porcentaje que dio como resultado en el muestreo

estratificado y lo multiplicaré por 5o que son los datos que más o menos quiero.

Hombres:
7
- De 18 - 22 → 100
× 50 = 4

Mujeres:
9
- De 18 - 22 → 100
× 50 = 4, 5 = 5

Al igual que en el muestreo estratificado estos son un ejemplo de las operaciones que habría

que hacer con cada rango de edad.

Al haber hecho ya el muestreo estratificado y el muestreo aleatorio, ya tendríamos una nueva

tabla con datos reducidos, pero antes de pasar a toda la parte central del trabajo

comprobaremos antes si hay valores atípicos.

● IDENTIFICACIÓN DE VALORES ATÍPICOS:

Posteriormente realizaremos una identificación de valores atípicos y en el caso de que

encontremos algunos, los eliminaremos.

Usaremos la tabla en la que ya están hechos los dos tipos de muestreo ya que la operaciones

que se van a realizar posteriormente van a ser solo con esos datos.

Para saber el resultado de Q1 y Q3 de las dos variables, usaremos en hojas de cálculo una

fórmula que nos permitirá saber el resultado directamente.

A continuación, vamos a calcular los valores atípicos para la variable Y, que es la altura del

tenista.

7
𝑄1 = 173 173 − (1, 5 × 15) = 150, 5
𝑄3 = 188 188 + (1, 5 × 15) = 210, 5
𝑅𝐼𝐶 = 188 − 173 = 15
No hay valores atípicos ya que de mis datos obtenidos de la altura, no hay ningún valor

menor de 150,5 y ninguno mayor que 210,5.

Al haber realizado anteriormente los valores atípicos de la variable Y, ahora calcularemos los

de la variable X

𝑄1 = 60, 4 60, 4 − (1, 5 × 4, 9) = 53, 05

𝑄3 = 65, 3 65, 3 + (1, 5 × 4, 9) = 72, 65
𝑅𝐼𝐶 = 65, 3 − 60, 4 = 4, 9

En este caso sí que encontramos valores atípicos, así que posteriormente los eliminaremos

de la tabla. Al eliminar dichos valores atípicos, la tabla se nos quedaría con 47 datos en vez

de 52.

Anexo 2: Tabla con los datos definitivos para el trabajo de investigación

Analisis e interpretacion de datos

En este siguiente apartado ya nos dirigimos más a las operaciones más específicas que hay

que ejecutar para saber si realmente existe una relación entre la altura de un tenista y su

porcentaje de primeros saques en un partido. Así de primeras, viendo la tabla con los datos

obtenidos, diríamos que no tienen ninguna relación, pero posteriormente lo

comprobaremos con operaciones matemáticas. Haremos operaciones que nos sean útiles, o

sea, que nos faciliten de alguna manera ver si realmente existe una relación.

Para este análisis e interpretación de datos haremos un diagrama de dispersión, el

8
coeficiente de correlación de producto Pearson, el coeficiente de correlación de producto

Spearman, la prueba de Chi-Cuadrado y la prueba de T - Student. Todas las operaciones que

vamos a realizar, en general, sirven para ver si hay una relación pero, aun así, en cada

interpretación de datos que hagamos aclararemos qué es lo que nos va a aportar

específicamente el análisis.

● DIAGRAMA DE DISPERSIÓN:
El diagrama de dispersión nos va a permitir ver las relaciones entre la variable X y la variable

Y.

Habiendo ejecutado ya el diagrama de dispersión, podemos ver que tiene una correlación

débil porque los valores están entre 0,25 y 0,5. Dicho diagrama también nos permite

observar que tiene una relación no lineal, lo cual, quiere decir que según el diagrama, no

existe una relación entre la altura de un tenista y su porcentaje de primeros saques metidos

en un partido.

Centrándonos en los dos tipos de coeficientes de correlación, el coeficiente de correlación

Pearson y el coeficiente de correlación Spearman, podemos observar que el tipo de

9
correlación Pearson no lo vamos a poder realizar ya que anteriormente, en el diagrama de

dispersión, nos ha salido una relación no lineal y Pearson solo se puede realizar cuando

existe una relación lineal entre las dos variables.

Aún así, el coeficiente de correlación Spearman si que lo vamos a poder realizar ya que es

posible ejecutarlo teniendo una relación no lineal entre las variables.

Este tipo de correlación nos permite estudiar en qué medida una variable varía cuando lo

hace la otra

● COEFICIENTE DE CORRELACIÓN DE PRODUCTO SPEARMAN:

En este apartado vamos a realizar el coeficiente de correlación Spearman. Para ello, vamos a

coger la tabla simplificada y vamos a ordenar los datos de mayor a menor en forma de

ranking formando una nueva tabla con nuevos datos. Posteriormente, meteremos todos los

datos de la nueva tabla en la calculadora, para así poder saber cual es el coeficiente de

correlación.

Anexo 3: Tabla posición en ranking de las dos variables

Después de haber metido todos los datos en la calculadora, el resultado del coeficiente de

correlación de producto Spearman ha sido 𝑟 = 0, 11876997. Tanto el resultado como

fijándonos en la tabla en forma de ranking, nos demuestran que la relaciones entre estas dos

variables no existen.

10
 ● CONTRASTE O TEST CHI-CUADRADO (χ2):

Otro método estadístico que se puede utilizar para demostrar si existe una posible relación

entre las dos variables escogidas, es contraste o prueba de chi-cuadrado. Esta prueba nos

permite determinar si las dos variables están o no relacionadas, lo que es lo mismo, si existe

o no relación de dependencia entre el porcentaje de primeros saques metido en un partido y

la altura del tenista.

1. En primer lugar, vamos a llevar a cabo la hipótesis, que esto conlleva:

- Hipótesis nula (𝐻𝑜): El porcentaje de primeros saques metidos en un partido es

independiente de la altura del jugador.

- Hipótesis alternativa (𝐻1): El porcentaje de primeros saques metidos en un partido

es dependiente de la altura del jugador.

2. Posteriormente realizaremos la tabla de frecuencia observada y la tabla de

frecuencias esperada:

- Tabla de frecuencia de observada →

Esta tabla se va a rellenar a partir de los datos obtenidos en la tabla simplificada, la que ha

sido realizada después de los dos tipos de muestreo y la identificación de asíntotas . Es

bastante simple ya que lo único que necesitamos hacer para rellenar, es fijarse la tabla que

vayamos a usar para la investigación.

Altura/Porcentaje 40% - 50% 50% - 60 % 60% - 70% 70% - 80% TOTAL

160-170 0 2 5 0 7

170-180 0 9 10 0 19

11
180-190 0 3 9 0 12

190-200 0 2 6 0 8

200-210 0 0 0 0 0

210-220 0 0 1 0 1

TOTAL o 16 31 o 47

- Tabla de frecuencia esperada →

En esta siguiente tabla vamos a usar una pequeña fórmula para poder cambiar los datos y

que sea una tabla de frecuencia esperada. Vamos a tener que multiplicar el total de cada

columna por el total de cada fila, entre el total en general.

0·7
Ejemplo: 47
= 0

Altura/Porcentaje 40% - 50% 50% - 60 % 60% - 70% 70% - 80% TOTAL

160-170 0 2,38 4,61 0 7

170-180 0 6,46 12,53 0 19

180-190 0 4,08 7,91 0 12

190-200 0 2,72 5,27 0 8

200-210 0 0 0 0 0

210-220 0 0,34 0,65 0 1

TOTAL 0 16 31 0 47

Cuando realizamos una tabla de frecuencias esperadas, los valores que salgan en cada celda

menos la columna de total y la fila del total, tienen que ser mayores o iguales a 5, para ello

juntaremos todos los intervalos de columnas y filas que sean posibles para que de mayor o

igual a 5. Haremos también una segunda tabla de observación ya que en la esperada

juntaremos intervalos.

12
 - 2ª tabla de frecuencia observada con lo intervalos juntos →

Altura/Porcentaje 40% a 60% 60% a 80% TOTAL

160 a 180 11 15 26

180 a 220 5 16 21

TOTAL 16 31 47

- 2ª tabla de frecuencia esperada con los intervalos juntos →

Altura/Porcentaje 40% a 60% 60% a 80% TOTAL

160 a 180 8,84 17,14 26

180 a 220 7,14 13,83 21

TOTAL 16 31 47

3. A continuación realizaremos el cálculo de los grados de libertad:

Para ello lo calcularemos mediante una fórmula expuesta en el libro y aprendida en clase.

Esto nos dirá el número de observaciones independientes, básicamente el número de

observaciones que necesitamos en nuestra investigación. Tendremos que realizarlo con la

primera tabla de observación y con la segunda ya que ha sido modificada juntando los

intervalos.

- Cálculo grados de libertad 1ª tabla de observación →

𝐺𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 = (𝑛º 𝑑𝑒 𝑓𝑖𝑙𝑎𝑠 − 1) · (𝑛º 𝑑𝑒 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 − 1)

Ahora tendríamos que sustituir el nº de filas y el nº de columnas, reemplazandolo, el

resultado sería:

𝐺𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 = (6 − 1) · (4 − 1) = 15

13
 - Cálculo grados de libertad 2ª tabla de observación →

𝐺𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 = (𝑛º 𝑑𝑒 𝑓𝑖𝑙𝑎𝑠 − 1) · (𝑛º 𝑑𝑒 𝑐𝑜𝑙𝑢𝑚𝑛𝑎𝑠 − 1)

Al igual que antes, sustituimos el nº de filas y el nº de columnas, reemplazandolo, el

resultado sería:

𝐺𝑟𝑎𝑑𝑜𝑠 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑 = (2 − 1) · (2 − 1) = 1

Habiendo hecho el cálculo podemos ver como los grados de libertad reducen ya que la tabla

ha sido disminuida y necesitamos un menor número de observaciones en nuestra

investigación.

2
4. Como cuarto paso realizaremos el cálculo del estadístico χ y del valor-p:

Usaremos una fórmula específica que tendremos que calcular de forma manual pero que nos

2
dirá el resultado exacto de lo que va a ser el estadístico χ . Luego lo podremos comprobar

con la calculadora y aprovecharemos ya que también nos dará el Valor-p-

2
2 (𝑓𝑜−𝑓𝑒)
χ = Σ 𝑓𝑒

2 2 2 2
2 (11−8,84) (15−17,14) (5−7,14) (16−13,83)
χ = 8,84
+ 17,14
+ 7,14
+ 13,83

2
χ = 1, 77037915

𝑉𝑎𝑙𝑜𝑟 − 𝑝 = 0, 18333516

5. Como último paso de la prueba chi-cuadrado, compararemos el valor-p con el nivel

2
de significación (n.s) y el valor de χ con el valor crítico.

14
Anexo 4: Tabla de test chi - cuadrado

Este proceso funciona de la siguiente manera. En el caso de que el valor-p salga mayor que el

nivel de significación, aceptaremos la hipótesis nula, de no ser ese caso, rechazaremos la

hipótesis nula con lo cual aceptaremos la alternativa. El nivel de significación no nos lo dan,

pero podemos elegirlo entre el 1%, 3% y 5%, en este caso, será del 5% ya que tener un nivel de

significación más alto hará que haya un mayor riesgo de concluir que existe una diferencia

2
cuando en realidad no la existe. Fijándonos en la siguiente comparación entre el valor χ y el

2
valor crítico, si el valor χ sale menor que el valor crítico se acepta la hipótesis nula y

2
rechazamos la alternativa, pero sin embargo, si sale mayor el valor χ rechazaremos la

hipótesis nula. El valor crítico tampoco nos lo dan en ningún lado, por lo que, tendremos que

acudir a la tabla de la prueba Chi-Cuadrado, en la primera fila horizontal buscaremos el nivel

de significación que hayamos elegido entre los posibles, y en la primera fila vertical nos

fijamos en nuestro grado de libertad.

𝑉𝑎𝑙𝑜𝑟 − 𝑝 (0, 18333516) > 𝑛. 𝑠. (0, 05) → 𝑎𝐻𝑜

2
𝑉𝑎𝑙𝑜𝑟 χ (1, 77037915) < 𝑣. 𝑐. (3, 8415) → 𝑎𝐻𝑜

Comparando los dos casos nos ha salido que aceptemos la hipótesis nula con lo cual

rechazaremos la alternativa. Esto quiere decir, que el porcentaje de primeros saques

metidos en un partido es independiente de la altura del jugador, lo cual esto cuadra con el

diagrama de dispersión y el coeficiente de correlación Spearman.

15
 ● CONTRASTE O TEST T - STUDENT:

Como última operación de esta evaluación interna, realizaremos un contraste o test T -

Student. Este tipo de test se utiliza cuando tenemos dos muestras de datos que van a medir

la misma cosa. En este caso, cogeremos a todos los tenistas y los dividiremos entre más

altos y más bajos, y a partir de ahí realizaremos una tabla con todo en conjunto

1. Como primer paso, realizaremos una tabla de dos columnas. Entre todos los tenistas

de la tabla simplificada, denominaremos tenistas bajos a los que miden menos de 180

cm y tenistas altos a los que miden más de 180 cm. El 180 ha sido escogido para que

hubiese más o menos los mismos tenistas repartidos entre los altos y los bajos.

1 2

Porcentajes de los jugadores con menor altura (<180cm) Porcentajes de los jugadores con mayor altura (>180cm)

64,1 63,2

69,7 60,6

60,9 64,4

61 61,1

63,2 64,1

62 65,7

60,8 59,5

62,6 64,3

53,6 68,6

60,1 69,1

57,2 66,9

61,6 56,4

64,5 69,4

61,5 64,2

58 60,5

60,5 60,8

16
 65,2 65

54,9 65

66,9 63,2

60 57,6

66,1 64

65

66,3

55,9

1 2

Porcentajes de los jugadores con menor altura (<180cm) Porcentajes de los jugadores con mayor altura (>180cm)

55,1

2. Como segundo paso, realizaremos los dos tipos de hipótesis, la nula y la alternativa:

- Hipótesis nula (𝐻𝑜): µ1 = µ2 , es decir, no hay diferencias significativas entre el

porcentaje de primeros saques de los tenistas más bajos y el porcentaje de primeros
saques de los tenistas más altos.

- Hipótesis alternativa (𝐻1): µ1 < µ2 , es decir, el grupo 1 (los más bajos), tendrán un
mejor porcentaje de saques metidos en un partido

3. Posteriormente, con la calculadora, obtendremos el resultado de tres cosas, el valor

estadístico - t , el valor - p y los grados de libertad.

Calcular estas tres operaciones, nos servirá para después, en el siguiente paso poder hacer la

comparación entre el valor -t y el valor crítico y entre el valor -p y los niveles de significación

Valor estadístico - t = 73,6729275

Valor - p = 1

4. Como cuarto y último paso, haremos la comparación.

17
El valor - t y el valor - p lo sacaremos de la calculadora. El nivel de significación puede ser 1%,

3% o 5%, en este caso, utilizaremos el mismo que en la prueba Chi-Cuadrado, 5%. Sin

embargo, el valor crítico, lo podremos averiguar con la tabla de T-Student, pero como para

averiguarlo necesitamos el número de grados de libertad y al ser un test de una muestra no

lo tenemos, entonces, solo realizaremos una comparación.

𝑉𝑎𝑙𝑜𝑟 − 𝑝 (1) > 𝑛. 𝑠. (0, 05) → 𝑎𝐻𝑜

En la comparación recientemente hecha, se acepta la hipótesis nula, con lo cual,

rechazaremos la alternativa, es decir que no hay diferencias significativas entre el porcentaje

de primeros saques de los tenistas más bajos y el porcentaje de primeros saques de los

tenistas más altos.

18
Conclusión

Al haber dado ya como finalizado este trabajo de investigación, me dispongo a responder a la

pregunta de investigación formulada al principio del trabajo. Gracias a la estadística,

específicamente a 4 operaciones realizadas en esta tarea he podido comprobar que la

hipótesis planteada al principio del trabajo era correcta, es decir, que no existe una relación

entre la altura de un tenista y su porcentaje de primeros saques metidos en un partido.

En primer lugar, con el diagrama de dispersión pude ver por primera vez como no existía

una relación ya que me salía una relación no lineal. Posteriormente, me disponía a realizar el

coeficiente de correlación Pearson, pero teniendo una relación no lineal en el diagrama de

dispersión, no fue posible. Pasé a trabajar en el coeficiente de correlación Spearman y ahí

pude ver por segunda vez como mis variables no tenían una relación existente. Por último,

me dispuse a ejecutar dos tipos de test, recientemente dados en clase, el test Chi - Cuadrado

y el test T - Student. El objetivo de estos dos test era ver si se aceptaba o rechazaba la

hipótesis nula o se aceptaba o rechaza la hipótesis alternativa, siguiendo paso a paso las

operaciones, en los dos casos hemos aceptado la hipótesis nula, con lo cual hemos rechazado

la alternativa.

Sin embargo, soy consciente de que mi trabajo de investigación podría ser mejorado

mediante una tercera variable para ver cual tiene más relación. Aún así, estoy orgullosa de

mi trabajo de investigación. Siendo actualmente jugadora de tenis agradezco a dichas

herramientas estadísticas por haber podido responder a una pregunta que me llevaba

haciendo desde pequeña.

19
Referencias y bibliografía

ATP → Ranking de chicos tenistas

- https://www.atptour.com/es/stats/leaderboard?boardType=serve&timeFrame=52Week&surf

ace=all&versusRank=all&formerNo1=false

WTA → Ranking de chicas tenistas

- https://www.wtatennis.com/rankings/doubles

Ruleta aleatoria para el muestreo aleatorio

- https://es.piliapp.com/random/wheel/

Tabla test Chi-Cuadrado

- https://www.slideshare.net/mayhuasca2/tabla-chi-cuadrado-37003519

20
Apéndices y anexos

Anexo 1: Tabla de los datos obtenidos totales

Nombre Porcentaje de saques metidos en un partido Altura (cm)

Daniil Medvedev 61,2 198
Novak Djokovic 64,1 188
Alexander Zverev 70,2 198
Rafael Nadal 64,5 185
Stefanos Tsitsipas 63,2 193
Matteo Berrettini 64 196
Andrey Rublev 61,1 188
Casper Ruud 64,4 183
Felix Auger-Aliassime 62,8 193
Jannik Sinner 60,1 188
Nick Kyrgios 66,3 193
Cameron Norrie 65,7 188
Denis Shapovalov 60,4 185
Diego Schwartzman 64,5 170
Roberto Bautista Agut 65,5 183
Pablo Carreño Busta 68,6 188
Reilly Opelka 65,6 211
Nikoloz Basilashvili 57,6 185
Carlos Alcaraz 63,2 185
Taylor Fritz 58,6 196
Lorenzo Sonego 66,5 191
Aslan Karatsev 60,1 185
John Isner 69,1 208
Marin Cilic 55,9 198
Cristian Garin 61 185
Karen Khachanov 62,9 198
Roger Federer 64,6 185
Gael Monfils 62,4 193
Daniel Evans 62 175
Frances Tiafoe 62,6 188
Alex De Minaur 62 183
Lloyd Harris 65 193

21
Nombre Porcentaje de saques metidos en un partido Altura (cm)
Alexander Bublik 57,6 196
Federico Delbonis 64,1 193
Grigor Dimitrov 63,3 190
Fabio Fognini 60,7 178
Albert Ramos-Vinolas 63,4 188
Sebastian Korda 65 196
Tommy Paul 59,8 185
Filip Krajinovic 69,1 185
Ilya Ivashka 61,4 193
Ugo Humbert 61,3 188
Jenson Brooksby 65 193
Dusan Lajovic 67,8 183
Alejandro Davidovich Fokina 67,5 183
Kei Nishikori 64,1 178
Botic Van De Zandschulp 63,6 191
Marton Fucsovics 59,6 188
Pedro Martinez 64,1 185
Dominic Thiem 64,3 185
Dominik Koepfer 62,7 180
Laslo Djere 59,5 188
Benoit Paire 51,4 196
Mikhail Kukushkin 74 183
Roman Safiullin 64,8 185
Lorenzo Musetti 68,3 185
Arthur Rinderknech 63,8 196
Jan-Lennard Struff 53,8 193
Mackenzie McDonald 62,9 178
Sebastian Korda 64 196
Miomir Kecmanovic 60,6 183
Albert Ramos-Vinolas 64,8 188
James Duckworth 55,9 183
Soon Woo Kwon 60 180
Federico Coria 66,9 180
Adrian Mannarino 69,4 181
Andy Murray 55,1 190
Hugo Gaston 57,7 173

22
Nombre Porcentaje de saques metidos en un partido Altura (cm)
Pablo Andujar 64,1 180
Emil Ruusuvuori 65,8 188
David Goffin 56,4 180
Maxime Cressy 63,8 198
Ashleigh Barty 61 166
Iga Swiatek 64,6 176
Maria Sakkari 60,7 172
Barbora Krejcikova 61,5 178
Aryna Sabalenka 60,5 182
Paula Badosa Gibert 60,9 180
Anett Kontaveit 62,3 174
Karolina Plikova 59,1 186
Garbiñe Muguruza Blanco 66 183
Ons Jabeur 52,9 167
Danielle Collins 56,9 178
Jelena Ostapenko 62,2 177
Emma Raducanu 68,9 175
Anastasia Pavlyuchenkova 75 176
Angelique Kerber 66,1 173
Visotria Azarenka 58 183
Cori Gauff 62,3 175
Elena Rybakina 55,2 184
Simona Halep 63,8 168
Elina Svitolina 61,2 174
Jessica Pegula 60,5 170
Leylah Annie Fernandez 64,1 168
Verinika Kudermetova 60,1 175
Elise Mertens 58 179
TAmara Zidansek 60,9 168
Madison Keys 65,7 178
Sorana Cristea 59,6 177
Belinda Bencic 61,6 175
Daria Kasatkina 68,7 170
Ludmila Samsoova 55,9 180
Camila Giorgi 48,6 168
Petra Kvitova 60,8 182

23
Nombre Porcentaje de saques metidos en un partido Altura (cm)
Marketa Vondrousova 53,6 172
Maria Camila Osorio Serrano 69,7 162
Sara Sorribes Tormo 72,4 176
Alize Cornet 60 173
Jil Belen Teichmann 57,2 170
Sloane Stephens 74,4 170
Ajla Tomljanovic 61,7 180
Clara Tauson 57,7 182
Amanda Anisimova 64,7 180
Viktorija Golubic 67,7 169
Bianca Andreescu 62,6 170
Jasmine Paolini 63,2 160
Tereza Martincova 69,7 178
Yulia Putintseva 67,4 163
Shelby Rogers 57,9 175
Nuria Parrizas Díaz 76,1 167
Alison Riske 66,9 173
Anhelina Kalinina 64,5 179
Ana Konjuh 57,9 174
KAterina Siniakova 65,1 174
Yekaterina Alexandrova 54,2 175
Marta Kostyuk 60,8 175
Alison Van Uytvanck 58,5 173
Madison Brengle 74,3 168
Aliaksandra Sasnovich 65,2 174
kaia Kanepi 51,3 181
Beatriz Haddad Maia 67,1 185
Magda Linette 65,5 171
Andrea Petkovic 70,2 180
Ann Li 59,1 170
Danka Kovinic 55,4 169
Caroline Garcia 60 177
Maryna Zanevska 54,9 175
Jaqueline Cristian 58,3 180
Irina-Camelia Begu 58,8 181

24
 Anexo 2: Tabla con los datos definitivos para el trabajo de investigación

Variables X → Porcentaje de primeros Variable Y →

Nombre saques metidos en un partido Altura (cm)
Carlos Alcaraz 63,2 185
Sebastian Korda 65 196
Jenson Brooksby 65 193
Miomir Kecmanovic 60,6 183
Stefanos Tsitsipas 63,2 193
Casper Ruud 64,4 183
Andrey Rublev 61,1 188
Reilly Opelka 65,6 211
Alexander Bublik 57,6 196
Pedro Martinez 64,1 185
Matteo Berrettini 64 196
Lloyd Harris 65 193
Nick Kyrgios 66,3 193
Cameron Norrie 65,7 188
Laslo Djere 59,5 188
Dominic Thiem 64,3 185
Pablo Carreño Busta 68,6 188
Filip Krajinovic 69,1 185
Federico Coria 66,9 180
Daniel Evans 62 175
David Goffin 56,4 180
Marin Cilic 55,9 198
Adrian Mannarino 69,4 181
Andy Murray 55,1 190
Pablo Andujar 64,2 180
Leylah Annie Fernandez 64,1 168
Marta Kostyuk 60,8 175
Maria Camila Osorio Serrano 69,7 162
Bianca Andreescu 62,6 170
Aryna Sabalenka 60,5 182
Veronika Kudermetova 60,1 175
Tamara Zidansek 60,9 168
Jil Belen Teichmann 57,2 170

25
 Variables X → Porcentaje de primeros Variable Y →
Nombre saques metidos en un partido Altura (cm)
Ashleigh Barty 61 166
Belinda Bencic 61,6 175
Anhelina Kalinina 64,5 179
Barbora Krejcikova 61,5 178
Elise Mertens 58 179
Jasmine Paolini 63,2 160
Jessica Pegula 60,5 170
Aliaksandra Sasnovich 65,2 174
Maryna Zanevska 54,9 175
Alison Riske 66,9 173
Petra Kvitova 60,8 182
Alize Cornet 60 173
Angelique Kerber 66,1 173

Anexo 3: Tabla posición en ranking de las dos variables

Variable X
Posición en el ranking del porcentaje de Variable Y
primeros saques metidos en un partido Posición en el ranking de la Altura (cm)
23 46
13 23
13 16,5
33 12,5
23 25
16 37
28 7,5
10 37
40 12,5
19,5 1
21 35
13 4
7 7,5
9 7,5
38 27,5
17 19,5

26
Variable X
Posición en el ranking del porcentaje de Variable Y
primeros saques metidos en un partido Posición en el ranking de la Altura (cm)
4 16,5
3 25
5,5 16,5
26 43,5
42 4
43 16,5
2 7,5
44 47
18 41
19,5 32
31,5 32
1 29
25 12,5
46 45
34,5 43,5
36 32
30 21,5
41 19,5
29 21,5
26 41
15 32
27 37
39 12,5
23 27,5
34,5 4
11 41
45 25
5,5 2
31,5 10
37 32
8 39
1 48
8,5 38
34,5 22,5

27
Variable X
Posición en el ranking del porcentaje de Variable Y
primeros saques metidos en un partido Posición en el ranking de la Altura (cm)
40 38
11 38

Anexo 4: Tabla de test chi - cuadrado

28