CURSO COMPLETA DE SPSS CON CHATGPT I.

¡Bienvenido al curso de SPSS y estadística para sociología! Durante los próximos

6 meses, te guiaré a través del manejo del programa SPSS y el análisis
estadístico en general. Empezaremos desde lo básico, por lo que no es necesario
tener experiencia previa en estadística o en el uso del programa SPSS.

En la primera clase, hablaremos sobre los conceptos básicos de estadística y

cómo se aplican en el análisis de datos en SPSS.

En estadística, los datos se dividen en dos categorías: variables y casos. Una

variable es una característica o atributo que se mide en cada caso o individuo,
como la edad, el género o la altura. Un caso es una observación o medida en un
conjunto de datos, como una persona, una empresa o una ciudad.

En SPSS, los datos se organizan en una tabla que tiene una fila para cada caso y
una columna para cada variable. Cada celda de la tabla contiene un valor
numérico o de texto que representa la medición de una variable para un caso
particular.

Existen diferentes tipos de variables en SPSS, como variables categóricas y

numéricas. Las variables categóricas representan una cualidad o categoría, como
el género o la raza, y se pueden dividir en nominal y ordinal. Las variables
numéricas representan una cantidad o medida, como la edad o el ingreso, y se
pueden dividir en continuas y discretas.

En SPSS, podemos realizar diferentes tipos de análisis estadísticos, como análisis

descriptivos y análisis inferenciales. Los análisis descriptivos se utilizan para
resumir y visualizar los datos, como calcular la media, la mediana y la moda de
una variable o crear un gráfico de barras o un histograma. Los análisis
inferenciales se utilizan para hacer generalizaciones o conclusiones sobre una
población a partir de una muestra de datos, como realizar una prueba de hipótesis
o un análisis de regresión.

En la próxima clase, te mostraré cómo ingresar y organizar los datos en SPSS.

Asegúrate de tener instalado el programa SPSS en tu computadora antes de la
próxima clase. ¡Nos vemos entonces!

¿Qué es SPSS?

SPSS es un software estadístico utilizado para el análisis de datos y la generación

de informes en la investigación social. El software tiene una interfaz gráfica de
usuario (GUI) que permite a los usuarios realizar análisis estadísticos complejos
sin necesidad de tener conocimientos de programación.

Crear un archivo de datos

Para crear un archivo de datos en SPSS, sigue los siguientes pasos:
a. Abre el software SPSS.
b. Haz clic en "Archivo" en la barra de herramientas superior.
c. Selecciona "Nuevo" y luego "Archivo de datos".
d. Aparecerá una ventana que te pedirá que selecciones el tipo de archivo de
datos que deseas crear. Selecciona "Tipo de archivo de datos de SPSS" y haz clic
en "Aceptar".
e. Una nueva ventana aparecerá para que puedas nombrar y guardar tu archivo
de datos.
Introducción a las variables

Las variables son elementos fundamentales en SPSS, ya que son los valores que
se miden y se registran en los datos. En SPSS, las variables pueden ser de dos
tipos:
a. Variables numéricas: son aquellas que representan una medida cuantitativa,
como la edad o la cantidad de ingresos.
b. Variables categóricas: son aquellas que representan una medida cualitativa,
como la raza o el género.

Introducción al editor de datos

El editor de datos es una de las herramientas más importantes en SPSS, ya que te

permite ver y editar los datos de tu archivo. Para abrir el editor de datos, haz clic
en "Datos" en la barra de herramientas superior y luego selecciona "Editor de
datos".

Ingreso de datos

Para ingresar datos en SPSS, debes seguir estos pasos:

a. Abre el editor de datos.
b. Haz clic en la celda donde deseas ingresar los datos.
c. Ingresa el valor de la variable en esa celda.
d. Continúa ingresando datos hasta que hayas ingresado todos los valores para la
variable.
e. Repite estos pasos para todas las variables en tu archivo de datos.

VARIABLES CATEGÓRICAS NOMINALES

Las variables y sus posibles valores
Género (masculino/femenino)
Estado civil (soltero/casado/divorciado/viudo)
País de origen (México/Estados Unidos/Canadá, etc.)
Tipo de vivienda (casa/apartamento/condominio)
Marca de automóvil (Ford/Chevrolet/Toyota, etc.)
Color favorito (rojo/azul/verde/amarillo, etc.)
Animal favorito (perro/gato/pez, etc.)
Tipo de música favorita (rock/pop/clásica)
Nivel de educación (primaria/secundaria/preparatoria/licenciatura/posgrado)
Tipo de ocupación (empleado/independiente/estudiante, etc.)
VARIABLES CATEGÓRICAS ORDINALES
Las variables y sus posibles valores
Nivel de satisfacción laboral (muy insatisfecho/insatisfecho/neutro/satisfecho/muy
satisfecho)
Nivel de acuerdo (totalmente en desacuerdo/en desacuerdo/neutro/de
acuerdo/totalmente de acuerdo)
Escala de dolor (ninguno/leve/moderado/severo/extremo)
Calificación de la película (muy mala/mala/promedio/buena/muy buena)
Escala de calidad (muy baja/baja/media/alta/muy alta)
Tamaño de la empresa (pequeña/mediana/grande)
Nivel de experiencia laboral (sin experiencia/poca experiencia/moderada
experiencia/mucha experiencia)
Nivel de satisfacción laboral (muy insatisfecho/insatisfecho/neutro/satisfecho/muy
satisfecho)
Grado de discapacidad (leve/moderado/severo)
Nivel educativo (primaria/ secundaria/ licenciatura)
Nivel de preocupación (nada preocupado/poco preocupado/preocupado/muy
preocupado)

VARIABLE CATEGORICA NOMINAL Y ORDINAL

Las variables categóricas son una de las dos categorías principales de

variables en estadística, junto con las variables numéricas. Las variables
categóricas se dividen en dos subtipos: nominal y ordinal.

Una variable categórica nominal es una variable que representa una cualidad o
categoría que no tiene un orden o jerarquía natural. Las categorías son
mutuamente excluyentes y no se pueden ordenar de manera significativa. Por
ejemplo, el género es una variable categórica nominal, ya que las categorías
(masculino y femenino) son mutuamente excluyentes y no tienen un orden natural.
Otro ejemplo podría ser el color de los ojos, donde las categorías son marrón,
azul, verde, etc.

Según Hair, Black, Babin y Anderson (2014), "las variables categóricas nominales
son aquellas que representan atributos que no pueden ser ordenados
secuencialmente". También señalan que estas variables "no tienen una magnitud
relativa o proporcional" y "no se pueden medir en términos de unidades de
medida".

Por otro lado, una variable categórica ordinal es una variable que representa una
cualidad o categoría que tiene un orden o jerarquía natural. Las categorías pueden
ordenarse de manera significativa, pero no necesariamente tienen un valor
numérico equivalente. Por ejemplo, la escala de dolor es una variable categórica
ordinal, ya que las categorías (ninguno, leve, moderado, severo y extremo) tienen
un orden natural, pero no están igualmente espaciadas en términos de magnitud.
Otro ejemplo podría ser la clasificación socioeconómica, donde las categorías son
bajo, medio y alto.

De acuerdo con Field (2013), "las variables categóricas ordinales se utilizan para
representar una variable que tiene un orden significativo, pero donde no se puede
hacer ninguna inferencia sobre la magnitud de la diferencia entre cada nivel".
También señala que "los valores numéricos de las categorías son arbitrarios y solo
se utilizan para facilitar el análisis".

En resumen, una variable categórica nominal representa una cualidad o categoría

que no tiene un orden natural, mientras que una variable categórica ordinal
representa una cualidad o categoría que tiene un orden natural. Es importante
tener en cuenta la diferencia entre estos dos subtipos de variables categóricas al
realizar análisis estadísticos, ya que las técnicas y los métodos de análisis que se
utilizan pueden variar según el tipo de variable.

Técnica estadística y tipo de grafico

Cuando se trabaja con variables categóricas nominales, la técnica estadística

adecuada es la frecuencia relativa o absoluta. La frecuencia relativa se calcula
dividiendo el número de observaciones en una categoría por el número total de
observaciones, mientras que la frecuencia absoluta simplemente cuenta el número
de observaciones en cada categoría. Por ejemplo, si se tiene una variable
categórica nominal que describe el color de los ojos, las frecuencias relativas o
absolutas informarán la proporción de personas en cada categoría de color de
ojos.

Para visualizar una variable categórica nominal, se puede utilizar un diagrama de

barras. En un diagrama de barras, se representa cada categoría en el eje x y la
frecuencia relativa o absoluta en el eje y. Cada categoría se representa con una
barra del mismo ancho, y la altura de la barra corresponde a la frecuencia relativa
o absoluta. Este tipo de gráfico es útil para comparar las frecuencias de diferentes
categorías y para identificar cuáles son las categorías más comunes.

En el caso de las variables categóricas ordinales, la técnica estadística adecuada

es el cálculo de medidas de tendencia central y dispersión. Las medidas de
tendencia central se refieren a la ubicación de los datos en relación con un punto
central en la distribución, como la media o la mediana, mientras que las medidas
de dispersión se refieren a la variabilidad de los datos, como la desviación
estándar o el rango intercuartil. Por ejemplo, si se tiene una variable categórica
ordinal que describe la educación, se pueden calcular medidas como la mediana
para informar sobre el nivel de educación promedio en una muestra.

Para visualizar una variable categórica ordinal, se puede utilizar un diagrama de

cajas o un gráfico de barras ordenado. En un diagrama de cajas, se representa la
mediana con una línea horizontal, mientras que la caja se extiende desde el primer
al tercer cuartil. Las líneas verticales que se extienden desde la caja indican el
rango de los datos, y los puntos se utilizan para representar valores atípicos. Este
tipo de gráfico es útil para comparar la ubicación y la variabilidad de diferentes
categorías. Por otro lado, un gráfico de barras ordenado es similar a un diagrama
de barras, pero las categorías se ordenan en función de su ubicación en la
distribución ordinal. Esto permite comparar visualmente la ubicación de diferentes
categorías y es útil para identificar categorías que son más comunes o que tienen
una ubicación atípica.

En resumen, la técnica estadística adecuada para analizar una variable categórica

nominal es la frecuencia relativa o absoluta, mientras que para las variables
categóricas ordinales, se pueden calcular medidas de tendencia central y
dispersión. Para visualizar una variable categórica nominal, se puede utilizar un
diagrama de barras, mientras que para una variable categórica ordinal, se puede
utilizar un diagrama de cajas o un gráfico de barras ordenado. Es importante elegir
la técnica estadística y el gráfico adecuado para las variables en cuestión para
asegurar una interpretación precisa de los resultados.

Bibliografía

-Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2014). Multivariate data
analysis (7th ed.). Pearson Education.

-Field, A. (2013). Discovering statistics using IBM SPSS statistics (4th ed.). Sage
Publications.

VARIABLES NUMÉRICA: DISCRETAS Y CONTINUAS

Una variable numérica es una variable que representa una cantidad numérica. Se
divide en dos subtipos: variables numéricas discretas y variables numéricas
continuas.

Una variable numérica discreta es una variable que solo puede tomar valores
enteros, como el número de hijos en una familia o el número de personas en un
grupo. Estos valores son contables y finitos, y no pueden ser divididos en
fracciones o decimales. Según Field (2013), "las variables discretas se utilizan
para representar conteos o recuentos".

Por otro lado, una variable numérica continua es una variable que puede tomar
cualquier valor dentro de un rango determinado. Por ejemplo, la altura de una
persona o la temperatura en un día determinado son variables numéricas
continuas. Según Hair, Black, Babin y Anderson (2014), "las variables continuas
se miden en una escala de medición continua y tienen una magnitud y un
orden relativo".

Las variables numéricas se pueden analizar de diferentes maneras utilizando

diversas técnicas estadísticas, como la media, la desviación estándar, la
distribución de frecuencia, entre otras. Además, se pueden utilizar diferentes
gráficos para visualizar los datos, como histogramas, diagramas de cajas, entre
otros.

Es importante tener en cuenta que la elección de la técnica estadística y el gráfico

adecuado para analizar una variable numérica depende del tipo de variable y la
naturaleza de los datos. Por ejemplo, si los datos son simétricos y se distribuyen
normalmente, se puede utilizar la media y la desviación estándar como medidas
descriptivas. Sin embargo, si los datos son sesgados, se pueden utilizar medidas
descriptivas alternativas, como la mediana y el rango intercuartil.

En resumen, una variable numérica es una variable que representa una cantidad
numérica y se divide en dos subtipos: variables numéricas discretas y variables
numéricas continuas. Estas variables se pueden analizar utilizando diversas
técnicas estadísticas y gráficos, dependiendo del tipo de variable y la naturaleza
de los datos.

Técnica estadística y tipo grafico

Para analizar y visualizar variables numéricas discretas, se pueden utilizar

técnicas estadísticas descriptivas como medidas de tendencia central (como la
media, la mediana y la moda) y medidas de dispersión (como la desviación
estándar y el rango). También se pueden utilizar técnicas estadísticas
inferenciales como pruebas de hipótesis y análisis de regresión.

En cuanto a los gráficos, los más comunes para representar variables numéricas
discretas son el diagrama de barras y el histograma. El diagrama de barras es útil
para comparar la frecuencia de cada categoría y puede ser horizontal o vertical.
Por otro lado, el histograma es útil para mostrar la distribución de frecuencias de
una variable numérica discreta en una escala continua.

Por ejemplo, si se quiere analizar y visualizar la cantidad de estudiantes que

obtuvieron ciertas calificaciones en un examen, se podría utilizar una medida de
tendencia central como la media para obtener un valor promedio de las
calificaciones. También se podría utilizar un diagrama de barras para comparar la
frecuencia de cada calificación y un histograma para mostrar la distribución de
frecuencias de las calificaciones en una escala continua.

Por otro lado, para analizar y visualizar variables numéricas continuas, se pueden
utilizar técnicas estadísticas descriptivas como la media, la mediana y la
desviación estándar, así como técnicas estadísticas inferenciales como pruebas
de hipótesis y análisis de regresión.

Los gráficos más comunes para representar variables numéricas continuas son el
diagrama de caja y bigotes (también conocido como diagrama de caja), el gráfico
de líneas y el histograma. El diagrama de caja es útil para mostrar la mediana, el
rango intercuartílico y los valores atípicos de una variable numérica continua. El
gráfico de líneas es útil para mostrar la tendencia a lo largo del tiempo de una
variable numérica continua. Y el histograma es útil para mostrar la distribución de
frecuencias de una variable numérica continua en una escala continua.

Por ejemplo, si se quiere analizar y visualizar la edad de una muestra de

personas, se podría utilizar una medida de tendencia central como la media para
obtener un valor promedio de la edad de la muestra. También se podría utilizar un
diagrama de caja para mostrar la mediana, el rango intercuartílico y los valores
atípicos de la edad, y un histograma para mostrar la distribución de frecuencias de
la edad en una escala continua.

ARCHIVO DE DATOS (SPSS) HIPOTÉTICO CON 5 VARIABLES NUMÉRICAS Y

5 VARIABLES CATEGÓRICAS

¡Claro! Para ejemplificar la creación de un archivo de datos en SPSS, aquí te

presento un archivo de datos hipotético con 5 variables numéricas y 5 variables
categóricas. Además, te daré un ejemplo de una variable categórica con sus
valores respectivos:

 Variable numérica: Edad (rango de 18 a 65 años)

 Ejemplo de valores: 23, 45, 32, 50, 18, 37, 29, 61, 42, 25, etc.

 Variable numérica: Ingreso mensual (en dólares)

 Ejemplo de valores: 1200, 2500, 3100, 4500, 800, 6000, 1750, 3900,
2800, 2000, etc.

 Variable numérica: Nivel educativo (en años de escolaridad).

 Ejemplo de valores: 12, 16, 14, 18, 10, 20, 8, 15, 13, 11, etc.
  Variable numérica: Altura (en centímetros)
 Ejemplo de valores: 170, 165, 182, 175, 168, 190, 155, 178, 162, 180,
etc.

 Variable numérica: Peso (en kilogramos)

 Ejemplo de valores: 70, 80, 65, 90, 75, 95, 60, 85, 72, 78, etc.

 Variable categórica: Género (valores: "Masculino" y "Femenino")

 Variable categórica: Estado civil (valores: "Soltero/a", "Casado/a", "Viudo/a",
"Divorciado/a")
 Variable categórica: País de origen (valores: "Estados Unidos", "Canadá",
"México", "Colombia", "Argentina")
 Variable categórica: Tipo de empleo (valores: "Tiempo completo", "Tiempo
parcial", "Contrato por proyecto", "Independiente")
 Variable categórica: Nivel de satisfacción laboral (valores: "Muy
satisfecho/a", "Satisfecho/a", "Indiferente", "Insatisfecho/a", "Muy
insatisfecho/a")

Por ejemplo, supongamos que ya hemos recopilado los datos de estas variables
para 100 participantes. La variable categórica "País de origen" tendría los
siguientes valores: 30 participantes de Estados Unidos, 25 de Canadá, 20 de
México, 15 de Colombia y 10 de Argentina.

EXPLICACIÓN DE LAS CELDAS DE SPSS EDITOR DE ARCHIVOS

¡Por supuesto! A continuación, te explicaré cada una de las celdas o columnas del
editor de datos de SPSS para que puedas completarlas adecuadamente:

1. Nombre: Esta columna corresponde al nombre de cada variable en el

archivo de datos. Es importante que los nombres sean descriptivos y fáciles
de entender para que puedas identificar rápidamente qué información se
 encuentra en cada variable. Por ejemplo, si tienes una variable que
representa la edad de los participantes, podrías nombrarla "Edad".

2. Tipo: En esta columna, debes especificar el tipo de datos que contiene cada
variable. En SPSS, los tipos de datos pueden ser numéricos o categóricos.
Las variables numéricas incluyen variables como edad, ingresos o altura,
mientras que las variables categóricas incluyen variables como género,
estado civil o nivel educativo.

3. Anchura decimal: Esta columna se refiere al número de dígitos que se

permiten en una variable numérica, incluyendo los decimales. Por ejemplo,
si tienes una variable de ingresos mensuales y el rango va desde $0 a
$10,000, podrías establecer una anchura decimal de 5 para asegurarte de
que todos los datos se ajusten adecuadamente en la columna.

4. Etiqueta: Esta columna te permite asignar una etiqueta descriptiva a cada

variable para que puedas identificarla de manera más fácil. Por ejemplo, si
tienes una variable que representa el género, podrías etiquetarla como
"Género".

5. Valores: Esta columna se utiliza para especificar los valores que puede
tomar una variable categórica. Por ejemplo, si tienes una variable que
representa el estado civil, podrías establecer valores como "Soltero/a",
"Casado/a", "Viudo/a" y "Divorciado/a".
6. Perdidos: Esta columna se utiliza para indicar qué valores se considerarán
como datos faltantes en una variable. Por ejemplo, si tienes una variable
que representa el ingreso mensual y algunas personas no proporcionaron
esa información, podrías indicar que los valores vacíos o "N/A" deben
considerarse como datos faltantes.
7. Columnas: Esta columna se utiliza para especificar la anchura de cada
columna en el archivo de datos. Por ejemplo, si tienes una variable de edad
 y quieres que cada valor se muestre en una columna de 2 dígitos, puedes
establecer una anchura de columna de 2.
8. Alienación: Esta columna se utiliza para especificar la alineación de los
datos en una columna. Puedes elegir alinear los datos a la izquierda, a la
derecha o en el centro de la columna.
9. Medida: Esta columna se utiliza para especificar la unidad de medida para
una variable numérica. Por ejemplo, si tienes una variable de altura, puedes
especificar que la medida es "centímetros".
10. Rol: Esta columna se utiliza para especificar el papel que juega cada
variable en un análisis estadístico. Por ejemplo, si tienes una variable que
representa el género y quieres realizar un análisis de regresión, puedes
establecer el rol de la variable como "Predictor" o "Covariable".
Espero que esta explicación detallada te haya sido útil para completar las celdas
del editor de datos de SPSS de manera adecuada. ¡No dudes en hacerme
preguntas si necesitas más información!

VARIABLE DE INTERVALO

Una variable de intervalo es una variable numérica que tiene una escala de
medición en la que los valores tienen una relación matemática significativa entre sí
y una unidad de medida uniforme. En otras palabras, las diferencias entre los
valores de la variable son significativas y tienen una interpretación matemática
clara. Además, la escala de medición es continua, lo que significa que hay un
número infinito de valores posibles entre cualquier par de valores.

A continuación, se presentan 10 ejemplos de variables de intervalo:

1) Temperatura en grados Celsius: los valores de la variable representan una

cantidad numérica y uniforme de calor, y la diferencia entre 20°C y 30°C es igual a
la diferencia entre 30°C y 40°C.
2) Puntuación en un examen de matemáticas: los valores representan el número
de preguntas respondidas correctamente, y la diferencia entre una puntuación de
80 y una puntuación de 90 es igual a la diferencia entre una puntuación de 90 y
una puntuación de 100.

3) Peso en kilogramos: los valores representan una cantidad numérica y uniforme

de masa, y la diferencia entre una persona que pesa 60 kg y otra que pesa 70 kg
es la misma que entre una persona que pesa 70 kg y otra que pesa 80 kg.

Edad en años: los valores representan la cantidad de años que han transcurrido
desde el nacimiento, y la diferencia entre una persona que tiene 30 años y otra
que tiene 40 años es igual a la diferencia entre una persona que tiene 40 años y
otra que tiene 50 años.

Tiempo en segundos: los valores representan una cantidad numérica y uniforme

de tiempo, y la diferencia entre 10 segundos y 20 segundos es igual a la diferencia
entre 20 segundos y 30 segundos.

Longitud en metros: los valores representan una cantidad numérica y uniforme de

distancia, y la diferencia entre una longitud de 5 metros y una longitud de 10
metros es igual a la diferencia entre una longitud de 10 metros y una longitud de
15 metros.

Volumen en litros: los valores representan una cantidad numérica y uniforme de

capacidad, y la diferencia entre un volumen de 2 litros y un volumen de 3 litros es
igual a la diferencia entre un volumen de 3 litros y un volumen de 4 litros.

Velocidad en kilómetros por hora: los valores representan una cantidad numérica y
uniforme de distancia recorrida por unidad de tiempo, y la diferencia entre una
velocidad de 20 km/h y una velocidad de 30 km/h es igual a la diferencia entre una
velocidad de 30 km/h y una velocidad de 40 km/h.
Presión arterial en milímetros de mercurio: los valores representan la fuerza
ejercida por la sangre contra las paredes de las arterias, y la diferencia entre una
presión arterial de 100 mmHg y una presión arterial de 110 mmHg es igual a la
diferencia entre una presión arterial de 110 mmHg y una presión arterial de 120
mmHg.

Concentración de glucosa en sangre en miligramos por decilitro: los valores

representan la cantidad de glucosa presente en la sangre, y la diferencia entre una
concentración de glucosa de 80 mg/dl y una concentración de glucosa de 90 mg/dl
es igual.

VARIABLES NUMERICAS DISCRETAS Y CONTINUAS

¡Claro! Aquí te presento 10 ejemplos de variables numéricas discretas y 10

ejemplos de variables numéricas continuas, junto con sus valores
correspondientes:
Variables numéricas discretas Valores
22, 27, 33, 40, 48, 51,
Edad (en años) 56, 61, 68, 75
Número de hijos 0, 1, 2, 3, 4, 5, 6, 7, 8, 9
Número de libros leídos en el último
mes 0, 1, 2, 3, 4, 5, 6, 7, 8, 9
Puntuación en un examen de opción
múltiple (escala de 0 a 10) 2, 5, 7, 3, 9, 6, 8, 4, 1, 0
4, 5, 6, 7, 8, 9, 10, 11,
Número de horas de sueño por noche 12, 13
Número de mascotas en casa 0, 1, 2, 3, 4, 5, 6, 7, 8, 9
Número de días en que se ha faltado al
trabajo 0, 1, 2, 3, 4, 5, 6, 7, 8, 9
 Variables numéricas discretas
Número de veces que se ha ido al cine
en el último mes
Número de hermanos
Número de tarjetas de crédito
Valores
0, 1, 2, 3, 4, 5, 6, 7, 8, 9
0, 1, 2, 3, 4, 5, 6, 7, 8, 9
0, 1, 2, 3, 4, 5, 6, 7, 8, 9

Variables numéricas
continuas Valores
165.2, 172.8, 180.5, 158.9,
170.2, 176.1, 182.7, 155.4,
Altura (en cm) 168.9, 174.6
64.3, 71.8, 79.5, 58.9, 70.2,
Peso (en kg) 76.1, 82.7, 55.4, 68.9, 74.6
Puntuación en una escala de 37.5, 45.2, 61.8, 28.9, 50.6,
ansiedad (escala de 0 a 100) 69.1, 78.7, 15.4, 44.9, 57.6
Tiempo en minutos para 12.3, 17.6, 21.4, 8.9, 15.7, 25.2,
completar una tarea 29.8, 6.5, 19.3, 23.7
Salario anual (en miles de
dólares) 42.3, 53

Variables numéricas
continuas Valores

50.2, 60.8, 70.1, 80.5, 90.0, 100.3,

Peso de una persona 110.7, 120.9, 130.4, 140.1

5.2, 6.5, 7.1, 8.3, 9.0, 10.1, 11.2,

Altura de un árbol 12.5, 13.4, 14.2

Temperatura de un horno 100, 200, 300, 400, 500, 600, 700,

 Variables numéricas
continuas Valores

800, 900, 1000

Tiempo de ejecución de un 0.5, 1.2, 2.1, 3.5, 4.0, 5.2, 6.3, 7.9,
programa 8.8, 9.6

Velocidad de un objeto en 10.3, 20.6, 30.1, 40.5, 50.0, 60.3,

movimiento 70.7, 80.9, 90.4, 100.1

Edad de una persona 20, 25, 30, 35, 40, 45, 50, 55, 60, 65

Cantidad de productos en
un inventario

TERCER CLASE DE SPSS CON Chat GPT

Para analizar la variable categórica ordinal "Nivel de satisfacción laboral" en

SPSS, se puede aplicar una técnica estadística de análisis descriptivo conocida
como estadística de tendencia central. La medida de tendencia central más común
para variables categóricas ordinales es la mediana, que representa el valor central
de la distribución de los datos. Además, también se puede calcular la moda, que
es el valor más frecuente en la distribución.

En cuanto a los gráficos recomendables para visualizar los datos de la variable

"Nivel de satisfacción laboral", se pueden utilizar gráficos de barras o gráficos de
sectores. Estos gráficos permiten representar la frecuencia de cada categorí…

Para analizar la variable categórica ordinal "Nivel de satisfacción laboral" en

SPSS, es recomendable utilizar el análisis de frecuencias y medidas de tendencia
central y dispersión. Esto nos permitirá conocer la distribución de los datos y
obtener información sobre la media, mediana y moda, así como sobre la
varianza y desviación estándar de la variable.

En cuanto a la visualización de los datos, una opción recomendable es el gráfico

de barras. Este gráfico permite representar de forma clara y sencilla la frecuencia
de cada categoría de la variable, y nos permite comparar la frecuencia de las
diferentes categorías de forma visual. También es posible utilizar gráficos como el
histograma o el diagrama de cajas y bigotes para obtener una representación
más detallada de la distribución de los datos.

En resumen, para analizar la variable categórica ordinal "Nivel de satisfacción

laboral" en SPSS, se recomienda utilizar el análisis de frecuencias y medidas de
tendencia central y dispersión, y para visualizar los datos se recomienda utilizar el
gráfico de barras, aunque también se pueden utilizar otros gráficos como el
histograma o el diagrama de cajas y bigotes según las necesidades y objetivos de
la investigación.