Вы находитесь на странице: 1из 15

UNIVERSIDAD DE GUAYAQUIL

FACULTAD DE CIENCIAS ADMINISTRATIVAS

INGENIERIA EN GESTIÓN EMPRESARIAL

TEMA DE INVESTIGACIÓN:

SPSS (Statistical Package for the Social Sciences) y Minitab

DOCENTE:

Ing. Rafael Ortiz Zambrano.

CURSO:

3-55

ESTUDIANTE:

Rivera Molina Ashly Maitte

PERIODO:

2017-2018
ii

Tabla de contenidos

SPSS (Statistical Package for the Social Sciences)..........................................3


Definición......................................................................................................................3

Importancia...................................................................................................................3

Uso.................................................................................................................................3

Ventajas.........................................................................................................................4

Desventajas....................................................................................................................5

Análisis de varianza de un factor................................................................................5

Análisis de varianza de dos factores...........................................................................6

Minitab

Definición.....................................................................................................................10

Importancia.................................................................................................................10

Uso................................................................................................................................11

Ventajas.......................................................................................................................11

Desventajas..................................................................................................................11

Análisis de varianza de un factor..............................................................................11

Análisis de varianza de dos factores.........................................................................12

Bibliografía..............................................................................................................................15
3

SPSS (Statistical Package for the Social Sciences)


Definición

Es un programa o software estadístico que emplea gestión de información,

capaz de trabajar con datos procedentes de distintos formatos muy a menudo en las

ciencias sociales y, de un modo más específico por las empresas y profesionales de

investigación de mercado, desde sencillos gráficos de distribuciones y estadísticos

descriptivos hasta análisis estadísticos complejos que nos permitirán descubrir

relaciones de dependencia e interdependencia.

Importancia

La importancia de esta herramienta radica en que la información obtenida a

través de su aplicación permitirá tomar las decisiones más convenientes siempre en

función de la data disponible, de esta manera es necesario recabar los datos estadísticos

manipularlos o introducirlos al programa de forma precisa.

Todos aquellos profesionales de diferentes áreas que necesitan utilizar las

técnicas básicas y concretas para el análisis de datos, comprensión del lenguaje

estadístico y procesamiento de resultados hacen uso del SPSS.

Uso

Se presupone que el usuario que utiliza esta aplicación quiere introducirse en los

conocimientos básicos de la Estadística mediante la utilización de un programa

informático para el tratamiento de datos, concretamente el programa SPSS, versión 11.

Para el seguimiento del libro no se requiere ningún conocimiento previo del

funcionamiento de este programa. Este material ha sido concebido como un instrumento

aplicado al aprendizaje de la Estadística, ya que permite ver cómo se aplican los


4

conocimientos y se obtienen los resultados con las herramientas informáticas

disponibles.

En cada uno de los apartados se consideran dos partes que permiten, en primer

lugar, familiarizarse con el entorno del programa SPSS, y seguidamente se procede a

explicar las técnicas de análisis de datos: se incluyen una explicación teórica con

definiciones, expresiones y fórmulas que permite introducir o recordar al lector la teoría

estadística que se está utilizando.

Ventajas

 Ayudan a un investigador a realizar cientos o miles de contrastes de hipótesis en

un tiempo muy reducido.

 Calculan decenas de modelos de regresión en un tiempo muy corto y después

quedarse con el más apropiado de ellos.

 En problemas de investigación de operaciones un programa estadístico es capaz

de realizar miles de iteraciones por segundo de un algoritmo en el que una

persona tardaría varios minutos en cada una de ellas.

 Presentan la capacidad de elegir entre miles de resultados posibles cuál de todos

ellos es el óptimo.

 Permiten resolver problemas de estadística aplicada por fuerza bruta o por

probar miles de combinaciones para quedarse finalmente con la que se crea que

es la mejor para el uso.


5

Desventajas

 En los programas más complejos se necesita tener conocimientos de

programación, así como para realizar los cálculos más laboriosos.

 En estadística a menudo pueden salir resultados contradictorios entre test

distintos.

 No brinda los resultados esperados en el tiempo esperado.

 Lleva a veces a una sofisticación innecesaria al permitir el empleo de técnicas

complejas para responder a cuestiones simples.

 Si el usuario no tiene experiencia previa utilizando SPSS o si sus conocimientos

de estadística no están actualizados, es difícil comprender que opciones

seleccionar.

 Los reportes de resultados contiene un nivel excesivo de información.

Análisis de varianza de un factor

El análisis de varianza (ANOVA) de un factor nos sirve para comparar varios

grupos en una variable cuantitativa. Esta prueba es una generalización del contraste de

igualdad de medias para dos muestras independientes. Se aplica para contrastar la

igualdad de medias de tres o más poblaciones independientes y con distribución normal.

Supuestas k poblaciones independientes, las hipótesis del contraste son siguientes:

1. H0: µ1=µ2=…=µk Las medias poblacionales son iguales.

2. H1: Al menos dos medias poblacionales son distintas.


6

Análisis de varianza de dos factores

Sean dos factores, que denominaremos A, con t niveles y B, con r niveles, si el

diseño es cruzado tendremos tr clases en total, si además es equilibrado, con n

observaciones en cada clase, el número total de observaciones es N = trn.

El modelo de análisis de la varianza con dos factores sin interacción se puede

escribir como: Xij = + m e A B i j + + ij

Donde Xij es una variable aleatoria que representa al conjunto de valores

posibles de la variable dependiente correspondiente al nivel i-ésimo del factor A y al

nivel j-ésimo del factor B, m es la media general, Ai es el efecto aditivo que sobre esa

media produce el nivel i-ésimo del factor A, Bj el correspondiente al nivel j-ésimo del

factor B y eij es el error o residuo del modelo.

Los distintos elementos que componen el modelo se definen como:

Ai i = - m m · , siendo mi· la media poblacional del nivel i-ésimo del factor A,

sin considerar el factor B.

Bj j = - m m · siendo m· j la media poblacional del nivel j-ésimo del factor B, sin

considerar el factor A.

Covarianza

Descompone la varianza total de un conjunto de puntuaciones en las fuentes de

varianza:

 La varianza entre-grupos (atribuida al efecto del Tratamiento o a la relación

entre las variables) VARIANZA SISTEMÁTICA


7

 La varianza intra-grupos del error (intra-celdilla) VARIANZA NO

SISTEMÁTICA. +

 La varianza atribuida a la VARIABLE COVARIADA (X)

Anova

F = VARIANZA ENTRE GRUPOS ATRIBUIDA A LA VI


VARIANZA ATRIBUIDA AL ERROR ALEATORIO

Ancova

F = VARIANZA ENTRE GRUPOS ATRIBUIDA A LA VI + VARIANZA ENTRE GRUPOS


ATRIBUIDA A LA COVARIADA
VARIANZA ATRIBUIDA AL ERROR ALEATORIO + VARIANZA ERROR ATRIBUIDA
A LA COVARIADA

Coeficientes de Correlación.

Pueden seleccionarse uno o más de los tres siguientes coeficientes:

Peason: Es una medida de la asociación lineal entre dos variables. Los valores

del coeficiente de correlación van de -1 a 1. El signo del coeficiente indica la dirección

de la relación y su valor absoluto indica la fuerza. Los valores mayores indican que la

relación es más estrecha.

Tau-b de Kendall: Es una medida no paramétrica de asociación para variables

ordinales o de rangos que tiene en consideración los empates. El signo del coeficiente

indica la dirección de la relación y su valor absoluto indica la magnitud de la misma, de

tal modo que los mayores valores absolutos indican relaciones más fuertes. Los valores

posibles van de -1 a 1, pero un valor de -1 o +1 sólo se puede obtener a partir de tablas

cuadradas.
8

Spearman: Versión no paramétrica del coeficiente de correlación de Pearson,

que se basa en los rangos de los datos en lugar de hacerlo en los valores reales. Resulta

apropiada para datos ordinales, o los de intervalo que no satisfagan el supuesto de

normalidad. Los valores del coeficiente van de -1 a +1. El signo del coeficiente indica la

dirección de la relación y el valor absoluto del coeficiente de correlación indica la

fuerza de la relación entre las variables. Los valores absolutos mayores indican que la

relación es mayor.

Prueba de significación. Junto con cada coeficiente de correlación, el Visor

ofrece la información necesaria para contrastar la hipótesis nula de que el valor

poblacional del coeficiente es cero. El SPSS permite seleccionar el nivel crítico

deseado:

Bilateral: Probabilidad de obtener resultados tan extremos como el obtenido, y

en cualquier dirección, cuando la hipótesis nula es cierta. Un nivel de significación

bilateral (de dos colas) contrasta una hipótesis nula en la que la dirección del efecto no

se especifica de antemano.

Unilateral: Probabilidad de obtener un resultado tan extremo como el

observado, y en la misma dirección, cuando la hipótesis nula es cierta. Contrasta la

hipótesis nula en la que se especifica con antelación la dirección del efecto.

Regresión lineal simple

El análisis de regresión lineal es una técnica estadística utilizada para estudiar la

relación entre variables cuantitativas. Tanto en el caso de dos variables (regresión

simple) como en el de más de dos variables (regresión múltiple), el análisis regresión

lineal puede utilizarse para explorar y cuantificar la relación entre una variable llamada
9

dependiente o criterio (Y) y una o más variables llamadas independientes o predictoras

(X1, X2,…, Xp), así como para desarrollar una ecuación lineal con fines predictivos.
10

Minitab

Definición

Es un programa estadístico muy potente, versátil y de fácil uso, que proporciona

un amplio rango de aplicaciones estadísticas, capacidad de gráfico.

Ofrecen, entre otras facilidades: Capacidad estadística comprensiva y completa,

que incluye análisis de datos exploratorios, cálculos básicos, regresión, análisis de

varianza, tamaño de muestra, análisis multivariante, distribuciones no-paramétrica,

series de tiempo, tabulación cruzada y simulación.

Importancia

Es una herramienta esencial en la aplicación de Six Sigma sin la cual, el equipo

de implementación no pudiera ni pensar en moverse un solo centímetro. En el análisis

de datos, la cual es una función crucial en la metodología de Six Sigma debe realizarse

con mucha precisión; por lo cual Minitab tiene que estar en la caja de herramientas de

cada individuo que trabaja con Six Sigma. Esta ha sido la mejor herramienta de análisis

para los profesionales de Six Sigma en todo el mundo.

Mucha gente que conoce Six Sigma se pregunta que si Excel pudiera ser

utilizado en lugar de Minitab. Se pudiera usar Excel en lugar de Minitab, pero tenga en

cuenta las facilidades que ofrece Minitab por encima de Excel. Por cada análisis en

Excel, uno tendría que buscar y definir una macro, mientras que en el Minitab todas las

funciones están disponibles a un solo click. Por otro lado, muchos profesionales

usan Minitab y Excel mientras trabajan con los datos de Six Sigma.
11

Uso

Puedes preparar gráficas y calcular la regresión con rapidez, además el ingreso

de datos funciona de manera muy similar a Excel. Minitab puede requerir mucho trabajo

en lo que respecta a cálculos estadísticos.

Ventajas

 Es la mejor alternativa para hacer análisis estadísticos.

 En una sola página puedes tener todas las gráficas y los datos.

 La hoja de reporte explica todos los datos necesarios para preparar un análisis.

Desventajas

 Es complicado al usarlo por primera vez.

 Es necesario tener conocimiento de estadísticas.

 La página de entrar los datos no puede manipularse con facilidad.

Análisis de varianza de un factor

El objetivo principal de muchos experimentos consiste en determinar el efecto

que sobre alguna variable dependiente Y tienen distintos niveles de algún factor X

(variable independiente y discreta). El factor puede ser la temperatura, la empresa que

ha producido el bien, el día de la semana, etc. Esencialmente, el diseño para el análisis

simple de la varianza consistirá en obtener muestras aleatorias e independientes del

valor de Y asociado a cada uno de los distintos niveles del factor X1, X2,..., Xn .

Entonces podremos determinar si los diferentes niveles del factor tienen un efecto

significativo sobre el valor de la variable dependiente.


12

El funcionamiento de la técnica ANOVA simple es, a grandes rasgos, el

siguiente: a fin de comparar las medias de Y asociadas a los distintos niveles del factor

(X1, X2,..., Xn), compararemos una medida de la variación entre diferentes niveles

(MS-factor) con una medida de la variación dentro de cada nivel (MS-error). Si el MS-

factor es significativamente mayor que el MS-error, concluiremos que las medias

asociadas a diferentes niveles del factor son distintas. Esto significa que el factor influye

significativamente sobre la variable dependiente Y. Si, por el contrario, el MS-factor no

es significativamente mayor que el MS-error, no rechazaremos la hipótesis nula de que

todas las medias, asociadas a diferentes niveles del factor, coinciden.

Análisis de varianza de dos factores

Usaremos el análisis doble de la varianza para estudiar los posibles efectos

causados por diferentes niveles de dos factores sobre la variable dependiente. Así, por

ejemplo, en agricultura estaremos interesados en estudiar qué efectos tendrán, sobre el

crecimiento de las patatas, variaciones en los niveles de potasio y nitrógeno de la tierra;

en medicina, estaremos interesados en estudiar los efectos, sobre el dolor de cabeza, del

medicamento y de la dosis empleados.

Usaremos ANOVA doble para contrastar, para cada uno de los dos factores, la

hipótesis nula de que el resultado de la variable dependiente (crecimiento de patatas,

intensidad del dolor de cabeza, tiempo en adquirir conocimientos, ventas, etc.) no

depende del factor.

Covarianza

La covarianza mide la relación lineal entre dos variables. Aunque la covarianza

es similar a la correlación entre dos variables, difieren de las siguientes maneras:


13

 Los coeficientes de correlación están estandarizados. Por lo tanto, una relación

lineal perfecta da como resultado un coeficiente de 1. La correlación mide tanto

la fuerza como la dirección de la relación lineal entre dos variables.

 Los valores de covarianza no están estandarizados. Por consiguiente, la

covarianza puede ir desde infinito negativo hasta infinito positivo. Por lo tanto,

el valor de una relación lineal perfecta depende de los datos. Puesto que los

datos no están estandarizados, es difícil determinar la fuerza de la relación entre

las variables.

Usted puede utilizar la covarianza para comprender la dirección de la relación

entre las variables. Los valores de covarianza positivos indican que los valores por

encima del promedio de una variable están asociados con los valores por encima del

promedio de la otra variable y los valores por debajo del promedio están asociados de

manera similar. Los valores de covarianza negativos indican que los valores por encima

del promedio de una variable están asociados con los valores por debajo del promedio

de la otra variable.

Coeficiente de correlación

Utilice Correlación para medir la fuerza y la dirección de la asociación entre dos

variables. Minitab ofrece dos métodos de correlación: la correlación del momento del

producto de Pearson y la correlación del orden de los rangos de Spearman. La

correlación de Pearson (también conocida como r), que es el método más común, mide

la relación lineal entre dos variables continuas.

Por ejemplo, un ingeniero que trabaja en una fábrica de tableros de partículas

desea determinar si la densidad de los tableros de partículas está asociada con la rigidez

del tablero. El ingeniero realiza un análisis de correlación utilizando la correlación de


14

Pearson para evaluar la fuerza y la dirección de la relación lineal entre densidad

y rigidez.

Si usted no está seguro de que las variables estén relacionadas linealmente, debe

crear una Gráfica de dispersión. Si la relación entre las variables no es lineal, podría

utilizar la correlación del orden de los rangos de Spearman (también conocida como rho

de Spearman). La correlación de Spearman mide la relación monótona entre dos

variables continuas o dos variables ordinales.

Regresión lineal simple

La regresión lineal simple examina la relación lineal entre dos variables

continuas: una respuesta (Y) y un predictor (X). Cuando las dos variables están

relacionadas, es posible predecir un valor de respuesta a partir de un valor predictor con

una exactitud mayor que la asociada únicamente a las probabilidades.

La regresión proporciona la línea que "mejor" se ajusta a los datos. Esta línea se

puede utilizar después para:

 Examinar cómo cambia la variable de respuesta a medida que cambia la variable

predictora.

 Predecir el valor de una variable de respuesta (Y) para cualquier variable

predictora (X).
15

Bibliografía
 http://queaprendemoshoy.com/%C2%BFque-es-el-paquete-estadistico-spss/
 http://www.ub.edu/aplica_infor/spss/
 https://es.slideshare.net/jesussanval/minitab-2496894
 https://previa.uclm.es/profesorado/raulmmartin/Estadistica/PracticasSPSS/CORRELACION
_CON_SPSS.pdf
 https://spcgroup.com.mx/minitab-six-sigma/
 https://support.minitab.com/es-mx/minitab/18/help-and-how-to/statistics/basic-
statistics/how-to/correlation/before-you-start/overview/
 https://www.ibm.com/mx-es/marketplace/spss-statistics
 https://www.minitab.com/uploadedFiles/Documents/getting-
started/Minitab17_GettingStarted-es-es.pdf
 https://www.questionpro.com/es/que-es-spss.html
 https://www.uam.es/personal_pdi/economicas/eva/pdf/introspss.pdf
 https://www.uco.es/servicios/informatica/windows/filemgr/download/modlineal/Practica_7/
dos_factores.PDF
 https://www.uoc.edu/in3/emath/docs/ANOVA.pdf
 https://www.uv.es/~friasnav/Covarianza.pdf

 https://www.uv.es/innomide/spss/SPSS/SPSS_0702b.pdf

Вам также может понравиться