Valid son los datos que el programa analizo y no tienen error, missing son los datos perdidos o que

el programa no analizo, en este caso 501 son válidos ósea el programa los proceso, y 0 datos
perdidos, la moda es 9.000 es el dato que más se repite este, este valor en una investigación no
solo tiene que ser un solo dato, pueden haber más de una moda, en este caso solo un valor,
mediana de 10.000 que es el valor medio de los datos y no es afectada por los datos atípicos, la
media de 10.381 como el promedio de los datos y es susceptible a los atípicos, que en este caso y
explicando atípico seria como el máximo y mínimo que son valores que pueden jalar la media así
sea solo un dato de la muestra, desviación estándar es a como lo entiendo, el valor en el cual el
punto central es la media pero es donde más se concentran datos cercanos y al parecer podría ser
un margen de error donde los datos dentro de este margen de derecha o izq. aún se consideran
significativos a la tendencia central, la gráfica considero se podría decir que da una curva de
campana entonces los datos de relaciones sociales apuntan a la media.
Creería que no es necesario sacar los estadísticos ya que es ordinal porque son datos concretos,
que ya deberían estar sesgados , al momento de definir la población que se necesitaría para que el
estudio tenga validez, cuantas muestras de cuantos y cuales semestres , pero si se va a realizar
una investigación tipo, vamos a hacer tales preguntas y al final preguntamos el semestre, para
saber cuál semestre fue quien más respondió, serviría pero es como trabajar al revés porque para
contar cuantas veces se repite un número no se necesita jasp. 13 datos se perdieron, 488 validos,
la moda es 3.000 ósea son de 3 semestre porque son el punto medio de los datos ordenados ya
que la mediana toma el percentil 50, la media es 4.074 el promedio teniendo en cuenta que esta
es influida por los datos atípicos que el max 12 y el min 1, aún se encuentran en la desviación
estándar que su rango es 2.725 donde se concentran la mayoría de datos que apuntan a la media.

Análisis alterno 1 : La grafica al parecer no representa una curva definida de donde se puedan
sacar algún tipo de conclusión que sirva para esta investigación, viéndolo de otra manera y
saliendo de la explicación del taller, más bien una divagación por haber estudiado electrónica en la
pedagógica, podría ser una sinusoidal amortiguada, con frecuencia 1 y esto debería ser por el
número de la población de la muestra, y en las universidades donde yo he estudiado se dice que
hasta tercer semestre es un filtro y se van de la u muchas personas, y termina reduciendo la
sinusoidal porque en el semestre 12 son pocos los que quedan a comparación de los que entran a
la u. para más claridad la siguiente imagen

https://es.wikipedia.org/wiki/Onda_sinusoidal_amortiguada
Análisis alterno 2: Hipotéticamente hablando Si fuera el caso de una correlación se usaría
spearman dado que la gráfica es similar a algunas graficas monótonas, van hacia la misma
dirección pero en intervalos no constantes, para eso necesitaríamos que esa grafica hubiese sido
generada por dos variables y que fuera de correlación, aunque se nos enseñó que analizar una
gráfica de estas no es nada aconsejable dado que es para ver los datos más estéticos y pude
aprender que las proporciones no las manejan iguales aunque el programa ponga todas iguales.

Correlation
Pearson's Correlations
Variable SatisfaccionTotal Semestre
1. SatisfaccionTotal Pearson's r —
p-value —
2. Semestre Pearson's r -0.221 —
p-value < .001 —

Tome estas dos variables dado que puedo explicar de una manera adecuada, considero que
al tomar una de ellas ordinal casi podría asegurar que debo utilizar Pearson, dado que es
más probable la relación que se tenga sea de tipo lineal y en este caso esa prueba es la ideal,
dado que Pearson es para pruebas con relación lineal. Spearman se usa para la relación
monótona ósea los datos apuntan o se dirigen, mueven hacia la misma dirección relativa
pero no a un ritmo constante, ósea la gráfica puede que en lo más probable no sea una línea.

en este caso la p es menor a 0,001 es porque existe una diferencia significativa. Esto es
para aceptar o rechazar la hipótesis nula depende el caso en particular, cuando se toma la
decisión de rechazar la hipótesis nula cuando esta es verdadera es un error tipo I, en este
caso planteo la hipótesis nula y la alterna:

H0= no existe alguna relación entre el semestre y la satisfacción de…

H1= existe alguna relación entre el semestre y la satisfacción de…

Y como el valor de p es 0.001 tomo la decisión de rechazar la hipótesis nula, entonces si

Pearson's Correlations
Variable SatisfaccionTotal Semestre
existe relación y vendría a analizar el valor de La r de -0.221, si es negativa es que mientras
uno disminuye el otro aumenta, en este caso de 0 a -1, cuando el valor está cerca al 1 es
fuerte la relación en este caso invertida, y si se aproxima al cero es porque esa relación es
baja, en este caso es una relación baja negativa.

Como se puede ver en la siguiente grafica de correlación, la línea que se dibuja, mientras
semestre baja la satisfacción aumenta