jueves, 16 de agosto de 2012

Ejercicios Prácticos Resueltos Utilizando PSPP

16:09    2 comments


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






2 comentarios: