Para comprender de manera
práctica cómo usar el paquete estadístico PSPP se presentan
algunos casos prácticos comunes en las ciencias sociales.
Ejemplo 1:
En un Centro de Salud se
determinó el peso, talla y índice de masa corporal (IMC) de una
población de 14 personas que acudieron a consulta en un día
obteniéndose los siguientes datos:
|
Edad
|
Sexo
|
Peso
|
Talla
|
IMC
|
|
24
|
1
|
76
|
175
|
24,82
|
|
28
|
2
|
75
|
162
|
28,58
|
|
32
|
1
|
82
|
178
|
25,88
|
|
34
|
2
|
92
|
174
|
30,39
|
|
36
|
2
|
65
|
168
|
23,03
|
|
38
|
1
|
83
|
172
|
28,06
|
|
39
|
1
|
73
|
173
|
24,39
|
|
41
|
2
|
69
|
178
|
21,78
|
|
44
|
1
|
59
|
158
|
23,63
|
|
45
|
2
|
89
|
175
|
29,06
|
|
52
|
1
|
65
|
172
|
21,97
|
|
58
|
2
|
68
|
169
|
23,81
|
|
61
|
2
|
58
|
168
|
20,55
|
|
65
|
1
|
72
|
170
|
24,91
|
Nota: El IMC se calcula
mediante la fórmula: IMC= Peso/(Estatura en metros)2
Y según la Organización
Mundial para la Salud (OMS)
|
Clasificación
|
I.M.C.
(Kg/m2)
|
Riesgo
|
Rango
Normal
|
18.5
- 24.9
|
Promedio
|
Sobrepeso
|
25
- 29.9
|
Aumentado
|
Obesidad
grado I
|
30
- 34.9
|
Moderado
|
Obesidad
grado II
|
35
- 39.9
|
Severo
|
Obesidad
grado III
|
=/>40
|
Muy
severo
|
Con todos estos datos
vamos a aplicar análisis estadístico con PSPP para ello abrimos la
aplicación y comenzamos en primer lugar por dar nombre a cada una de
las variables en la pestaña “ variable view”
En la vista de datos
“Data view” comenzamos a escribir cada uno de los datos de la
tabla anterior, donde nos queda:
Ahora, ya podemos aplicar
análisis estadístico a la tabla de datos así:
a) Para determinar valor
mínimo y máximo, la media y desviación típica de las variables
edad y peso:
Vamos al menu “analyze”
luego buscamos “Descriptive Statitics” y hacemos clic en
“frecuencies” y nos aparecerá un cuadro de diálogo como este:
Con el botón ubicado a
la derecha de la lista de variables, le indicamos a PSPP cuáles son
las variables que tomaremos en cuenta para realizar el cálculo, en
este caso seleccionamos las variables “peso” y “edad”
Y tildamos los cálculos
que queremos:
Mean (media), Standard
devition (desviación estándar), Minimum (mínimo) y Maximum
(máximo) y pulsamos el botón aceptar, obteniendo los valores
deseados tal como se aprecia, a continuación:
Estos valores los podemos
copiar en un documento de texto o en cualquier herramienta ofimática
para darle el formato deseado.
b) Calculo de error,
varianza y mediana:
En el cuadro de diálogo
de frecuencias tildamos las opciones “median”, “standard error
of median”, “variance” y “standard error of kut” y otros
que deseemos calcular. Y nos arrojará lo siguiente:
c) Todas las opciones
disponibles en estadísticas descriptivas:
7.1 FREQUENCIES. Peso
+-----------------------+------+
|N Valid |
14|
| Missing |
0|
|Mean |
73.29|
|S.E. Mean |
2.77|
|Mode |
65.00|
|Std Dev |
10.38|
|Variance
|107.76|
|Kurtosis |
-.62|
|S.E. Kurt |
1.15|
|Skewness |
.34|
|S.E. Skew |
.60|
|Minimum |
58.00|
|Maximum |
92.00|
|Percentiles 50 (Median)|
72.50|
+-----------------------+------+
7.2 FREQUENCIES. Edad
+-----------------------+------+
|N Valid |
14|
| Missing |
0|
|Mean |
42.64|
|S.E. Mean |
3.31|
|Mode |
. |
|Std Dev |
12.40|
|Variance
|153.79|
|Kurtosis |
-.66|
|S.E. Kurt |
1.15|
|Skewness |
.47|
|S.E. Skew |
.60|
|Minimum |
24.00|
|Maximum |
65.00|
|Percentiles 50 (Median)|
40.00|
+-----------------------+------+
7.3 FREQUENCIES. Talla
+-----------------------+----+
|N Valid |
14|
| Missing |
0|
|Mean
|1.71|
|S.E. Mean |
.02|
|Mode |
. |
|Std Dev |
.06|
|Variance |
.00|
|Kurtosis |
.85|
|S.E. Kurt
|1.15|
|Skewness
|-.97|
|S.E. Skew |
.60|
|Minimum
|1.58|
|Maximum
|1.78|
|Percentiles 50
(Median)|1.72|
+-----------------------+----+
7.4 FREQUENCIES. IMC
+-----------------------+-----+
|N Valid |
14|
| Missing |
0|
|Mean
|25.06|
|S.E. Mean |
.80|
|Mode |
. |
|Std Dev |
2.98|
|Variance |
8.88|
|Kurtosis |
-.82|
|S.E. Kurt |
1.15|
|Skewness |
.39|
|S.E. Skew |
.60|
|Minimum
|20.55|
|Maximum
|30.39|
|Percentiles 50
(Median)|24.61|
c) Supongamos que en el ejemplo anterior no nos
proporcionan los datos del IMC y nos piden calcular. Con PSPP podemos
realizar cálculos mediante fórmulas a través de la opción
transform - - computer.
En target Variable o destino de la variables
colocamos el nombre de la variables que vamos a calcular y
seguidamente la fórmula según las etiquetas de las otras variables
y presionamos el botón aceptar.
Y se nos agrega una
columna con el nombre de la variable deseada y los datos:
d) Medidas de Comparación
T student para una muestra:
siguiendo con el mismo
ejemplo, ahora supongamos que queremos aplicar una prueba T student
para la muestra de 14 sujetos analizados según la variable Talla.
Para ello, en el mismo archivo ejemplo 1 vamos al menú Analyze,
buscamos la opción Compare means y luego hacemos clic en One sample
T Test (Prueba T para una muestra) y listamos la variable talla y
pulsamos el botón aceptar, obteniendo el resultado deseado.
En valor del test (Test
Value) colocamos la media obtenida en las tablas anteriores. Dando
como resultado:
Ejemplo 2. Prueba T
student para muestras independientes.
Caso: Se desea probar dos
métodos de enseñanza de inglés (método tradicional y método uso
de TIC's) para lo cual al final de cada uno de los cursos se aplicó
una prueba de conocimientos, obteniéndose los siguientes puntajes
para X1 (grupo método tradicional) y X2 (grupo método uso de TIC's)
para 7 individuos en X1 y 6 en X2. Y la puntuación máxima es de 40
puntos.
-
|
X1
|
X2
|
|
26
|
38
|
|
24
|
26
|
|
18
|
24
|
|
17
|
24
|
|
18
|
30
|
|
20
|
22
|
|
18
|
|
N1= 7 y N2=6
Registrando estos datos
en PSPP nos queda la siguiente tabla:
Luego, vamos al menú
“analyze” y buscamos en “compare means” y hacemos clic en
Independt sample T Test y rellenamos los siguientes valores.
Y listo,
Ejemplo 3:
Cálculo de Prueba T para
dos muestras dependientes o muestras relacionadas:
Caso: Supongamos que
queremos calcular la prueba T para saber si un taller es efectivo
para cambiar el nivel de autoestima de un grupo de pacientes,
para
ello se evalúa la autoestima antes de iniciar el taller y al
finalizar el mismo. Los datos obtenidos
se muestran a continuación,
donde X son los puntajes de la primera medición y Y corresponde a
la
segunda medición
.
Dados los valores:
Luego vamos al menú
Analyze, buscamos en compare means y luego hacemos clic en parient
sample T Test y en el cuadro de diálogo que nos aparece listamos las
dos variables y pulsamos el botón aceptar.
Dando como resultado:
En cuanto a la
efectividad del taller para modificar la autoestima en un grupo de
pacientes, se encontraron diferencias en el nivel de autoestima antes
y después de asistir al taller (t = -3.044, df = 19, p < 0.01).
Acá link con los archivos utilizados en los ejemplos
