Академический Документы
Профессиональный Документы
Культура Документы
análisis estadístico
aplicadas a las
ciencias de la
actividad física y
la salud
Profesor: Manuel Pulido Martos
1-4-2016
0
ÍNDICE
PARTE 1 ........................................................................ página 2
1
Ejercicios para entregar por plataforma. PARTE 1
2
Si la media del consumo calórico de la muestra de
estudio es diferente de los valores poblacionales del año
2003.
La media del consumo calórico es inferior este año (media = 2746.0) que
en el año 2003 (media = 2767.0). La diferencia entre los dos años fue de 21
kilocalorías (95% IC = -27.93-14.06). Una prueba t para muestras independientes
indicó que las diferencias entre el consumo calórico de este año y del 2003 eran
estadísticamente significativas (t = -6.450; gl = 15; p < .001).
3
Si la media del consumo de proteínas de la muestra de
estudio es diferente de los valores poblacionales del año
2006.
4
Si las medias de los consumos calóricos y de proteínas de
hombres y mujeres (por separado) de la muestra de
estudio son diferentes de los valores poblacionales del
año 2000.
5
Clientes de gimnasio
El dueño del gimnasio “Muscle” está convencido de que la situación
económica de los últimos años le está ocasionando un grave perjuicio. Ha visto como
su número de clientes ha disminuido considerablemente en los últimos 3 años.
Preocupado por la situación y esperando que si hay una recuperación económica eso
le llevará a un aumento de clientes, ha decidido contactar con otros gimnasios para
conocer el número de bajas de clientes desde el año 2006. Concretamente les ha
pedido que le envíen el número de bajas del período 2006-2011. Ha decidido
comparar el número de bajas de lo que el considera la época de bonanza económica
(2006-2008) con el número de bajas de la época de crisis (2009-2011). Con el
archivo gimnasio.sav debes ayudar al dueño del gimnasio “Muscle” para tomar una
decisión sobre si la situación económica realmente está afectando a la clientela de los
gimnasios. Construye un gráfico que ayude a visualizar los resultados encontrados.
N Correlación Sig.
6
Prueba de muestras emparejadas
Sig.
(bilateral
Diferencias emparejadas )
95% de intervalo de
confianza de la
Desviació Media de diferencia
n error
Media estándar estándar Inferior Superior t gl
Par bajas_nocris - -
- -
1 bajas_cris 13,666 23,45459 5,52830 -2,00297 17 ,024
25,33036 2,472
67
7
El gráfico de cajas y bigotes anterior muestra que existe cierto grado de
solapamiento (moderado) entre las dos barras de cada momento. Así pues, existen
diferencias en las medias del número de bajas en los años de crisis y la de los años de
no crisis.
Desarrollo de anorexia
La anorexia nerviosa es un trastorno alimentario que lleva a que las
personas pierdan más peso de lo que se considera saludable para su edad y estatura.
Las personas con este trastorno pueden tener un miedo intenso a aumentar de peso,
incluso cuando están con peso insuficiente. Es posible que hagan dietas o ejercicio en
forma excesiva o que utilicen otros métodos para bajar de peso.
8
En el archivo anorexia.sav se incluyen los datos de todas las variables.
Debes determinar si existen diferencias en lo que se refiere al desarrollo de la anorexia
teniendo en cuenta el origen de las participantes (caucásico vs. no caucásico) y el tipo
de trabajo (con empleo vs. sin empleo).
Pruebas de chi-cuadrado
Significación
asintótica
Valor gl (bilateral)
N de casos válidos 80
Al haber dos casillas con un recuento menor que 5 tenemos que utilizar la
opción Exacta.
Casos
9
Tabla cruzada origen*anorexia
anorexia
sí no Total
caucásico Recuento 22 36 58
otro Recuento 12 4 16
Total Recuento 38 42 80
Pruebas de chi-cuadrado
N de casos válidos 80
a. 2 casillas (33,3%) han esperado un recuento menor que 5. El recuento mínimo esperado es 2,85.
10
La relación entre el hecho de padecer anorexia y el origen resultó
estadísticamente significativa: χ2 (2, N = 80) = 7.87, p < .05.
11
Teniendo en cuenta el tipo de trabajo.
Casos
anorexia
sí no Total
Total Recuento 38 42 80
12
Pruebas de chi-cuadrado
Significación
asintótica
Valor gl (bilateral)
N de casos válidos 80
13
Edad y actividad física
Siendo conscientes de los beneficios para la salud de la realización de
actividad física, se recogieron datos de una muestra de 20 personas adultas para
comprobar la posible relación entre la edad y los niveles de realización de actividad
física.
14
El diagrama de dispersión anterior muestra que en edades tempranas se
realiza mayores niveles de actividad física que en edades más avanzadas.
15
Correlaciones
edad af
N 20 20
N 20 20
Correlaciones
gl 0 17
gl 17 0
16
Ejercicios para entregar por plataforma. PARTE 2
Teniendo en cuenta, además, que la vida laboral no deja de ser una vida
emocional y que como sostienen muchos autores existe una influencia recíproca entre
trabajo y emociones, sería interesante conocer el papel que juega una habilidad como
la regulación de las emociones en la relación con variables dentro de las
organizaciones saludables.
17
Lo que se te pide es que determines si, en el grupo de trabajadores
estudiado, los niveles de actividad física total (andar + moderada + vigorosa), el
conflicto trabajo-familia y la capacidad para reparar emociones, contribuyen a
explicar la variación en los síntomas físicos relacionados con la salud mental. Deberás
suponer que los niveles de actividad física total y el conflicto trabajo-familia ya
explican un porcentaje de la varianza de los síntomas físicos. Informarás sobre los
resultados encontrados, incluyendo el porcentaje de varianza adicional de los
síntomas físicos que llega a explicar la reparación emocional, más allá de lo explicado
por los niveles de AF total y el conflicto trabajo-familia. Informarás también sobre la
posible multicolinealidad entre las variables predictoras del modelo.
Estadísticos descriptivos
Desviación
Media estándar N
Correlaciones
18
N sintomas 225 225 225 225
Variables entradas/eliminadasa
Variables Variables
Modelo entradas eliminadas Método
1 afvig,
reparacion, . Entrar
conftrabfamb
ANOVAa
Suma de Media
Modelo cuadrados gl cuadrática F Sig.
19
b. Predictores: (Constante), afvig, reparacion, conftrabfam
Coeficientesa
Coeficientes
Coeficientes no estandarizad Estadísticas de
estandarizados os colinealidad
Error
Modelo B estándar Beta T Sig. Tolerancia VIF
conftrabfa
,652 ,157 ,259 4,148 ,000 ,967 1,034
m
Tabla 1. Coeficientes de regresión estandarizados y no estandarizados para las variables introducidas en el modelo
Modelo B E.E. β
20
Diagnósticos de colinealidada
Proporciones de varianza
Índice de
Modelo Dimensión Autovalor condición (Constante) reparacion conftrabfam afvig
21
Recaída de lesiones por práctica de deporte
En el archivo recaida.sav encontrarás los datos recogidos en un estudio
que pretendía identificar algunas de las variables que predicen las recaídas de lesiones
en una muestra de 221 adultos lesionados por diferentes prácticas deportivas. En el
archivo, la variable “edad” registra la edad del lesionado en años y “prerecaidas” el
número de lesiones previas. La variable “recaida” es una variable categórica que
registra si el lesionado volvía a lesionarse después de recuperarse de su última lesión.
El valor 1 indica recaída, mientras que el 0 indica que el lesionado no volvía a recaer.
Además se aplicaba un cuestionario con dos escalas tipo Likert (0-12). La escala cuyos
datos se recogen en la variable “praclesivas” se refiere a la puesta en práctica, por
parte del deportista, de acciones que no son recomendadas cuando se práctica deporte
por el riesgo de causar lesión. Un valor de 0 indicaba que el deportista nunca llevaba
a cabo ese tipo de acciones y un valor de 12 indicaba que desarrollaba esas acciones
de forma habitual. La escala identificada con la variable “atencpreven” se refiere a la
atención que prestan los deportistas a la prevención de lesiones (importancia que dan
a los chequeos médicos, formación sobre prevención, consulta de documentación…).
Un valor de 0 indica una ausencia de atención y un valor de 12 implica una máxima
atención.
22
relacionadas con lesiones está asociada con un incremento de las probabilidades de
recaída por un factor de 1.18 (95% IC 1.03-1.35).
Casos perdidos 0 ,0
Casos no seleccionados 0 ,0
Chi-cuadrado gl Sig.
23
Tabla de clasificacióna
Pronosticado
recaída
Porcentaje
Observado no si correcto
si 55 9 14,1
Variables en la ecuación
atencpreve
,097 ,065 2,244 1 ,134 1,102 ,970 1,252
n
24
Ejercicios para entregar por plataforma. PARTE 3
Lo que se te pide es que analices con EQS la estructura factorial del auto-
concepto en adolescentes. En primer lugar comprueba la hipótesis de normalidad
multivariante y después comprueba el ajuste de un modelo con cuatro factores
oblicuos (relacionados) (General SC, Academic SC, English SC y Math SC).
Las variables observadas cargan sobre los factores con el siguiente patrón:
25
SDQ2N01 E25
SDQ2N13 E26
General
SDQ2N25 E27
SDQ2N37 E28
SDQ2N04 E29
SDQ2N16 E30
Academico
SDQ2N28 E31
SDQ2N40 E32
SDQ2N10 E33
SDQ2N22 E34
Inglés
SDQ2N34 E35
SDQ2N46 E36
SDQ2N07 E37
SDQ2N19 E38
Mates E4309
SDQ2N31
SDQ2N43
26
UNIVARIATE STATISTICS
---------------------
27
SKEWNESS (G1) -.8857 -1.1636 -1.4999 -.8971 -
1.9811
VARIABLE SDQ2N43
V40
MEAN 4.9774
28
MULTIVARIATE KURTOSIS
---------------------
FIT INDICES
-----------
29
BOLLEN (IFI) FIT INDEX = .979
.154
7.027@
( .168)
( 6.460@
.132
6.437@
( .147)
( 5.789@
.131
7.117@
( .152)
( 6.136@
30
SDQ2N16 =V30 = 1.278*F2 + 1.000 E30
.150
8.507@
( .169)
( 7.564@
.154
8.083@
( .181)
( 6.885@
.157
8.037@
( .199)
( 6.313@
.103
8.643@
( .098)
( 9.067@
.148
4.528@
31
( .162)
( 4.131@
.117
7.212@
( .150)
( 5.626@
----------------------------------
V F
--- ---
I F1 - F1 .615*I
I .138 I
I 4.452@I
I ( .144)I
I ( 4.274@I
I I
I F2 - F2 .563*I
I .127 I
I 4.446@I
I ( .140)I
I ( 4.028@I
I I
I F3 - F3 .671*I
I .117 I
32
I 5.739@I
I ( .123)I
I ( 5.457@I
I I
I F4 - F4 2.316*I
I .274 I
I 8.443@I
I ( .219)I
I ( 10.553@I
I I
----------------------------------
E D
--- ---
.126 I I
9.524@I I
( .142)I I
( 8.479@I I
I I
.125 I I
9.003@I I
( .161)I I
( 6.953@I I
I I
33
E27 -SDQ2N25 1.061*I I
.107 I I
9.882@I I
( .136)I I
( 7.825@I I
I I
.088 I I
8.797@I I
( .108)I I
( 7.142@I I
I I
.129 I I
10.879@I I
( .144)I I
( 9.709@I I
I I
.069 I I
9.005@I I
( .076)I I
( 8.177@I I
I I
.090 I I
9.943@I I
( .142)I I
( 6.355@I I
I I
.095 I I
10.009@I I
34
( .165)I I
( 5.799@I I
I I
.083 I I
7.926@I I
( .108)I I
( 6.061@I I
I I
.076 I I
8.718@I I
( .121)I I
( 5.448@I I
I I
.234 I I
11.108@I I
( .171)I I
( 15.181@I I
I I
.119 I I
10.164@I I
( .173)I I
( 6.985@I I
I I
---------------------------------------
V F
35
--- ---
I F2 - F2 .416*I
I F1 - F1 .079 I
I 5.282@I
I ( .084)I
I ( 4.959@I
I I
I F3 - F3 .356*I
I F1 - F1 .072 I
I 4.937@I
I ( .070)I
I ( 5.083@I
I I
I F4 - F4 .637*I
I F1 - F1 .119 I
I 5.375@I
I ( .131)I
I ( 4.869@I
I I
I F3 - F3 .466*I
I F2 - F2 .079 I
I 5.911@I
I ( .094)I
I ( 4.970@I
I I
I F4 - F4 .876*I
I F2 - F2 .135 I
I 6.508@I
I ( .141)I
I ( 6.213@I
I I
I F4 - F4 .332*I
I F3 - F3 .101 I
36
I 3.302@I
I ( .121)I
I ( 2.749@I
I I
---------------------------------------
V F
--- ---
I F2 - F2 .707*I
I F1 - F1 I
I I
I F3 - F3 .555*I
I F1 - F1 I
I I
I F4 - F4 .534*I
I F1 - F1 I
I I
I F3 - F3 .758*I
I F2 - F2 I
I I
I F4 - F4 .767*I
I F2 - F2 I
I I
I F4 - F4 .266*I
I F3 - F3 I
I I
37
SDQ2N01 =V25 = .581 F1 + .814 E25 .338
38
Clima del aula y burnout
En un estudio realizado con 716 profesores de distintos niveles educativos,
se pretendía comprobar un modelo que explicase los efectos de una variable de tipo
psicosocial (como el clima del aula) sobre dos dimensiones del burnout (cansancio
emocional y realización personal). Concretamente, se planteaba que el clima del aula
contribuiría de forma positiva a mejorar los niveles de realización personal, pero a
través de su influencia sobre el cansancio emocional. El clima del aula favorable
ayudaría a disminuir los niveles de cansancio emocional.
39
D2
...
/G
E25
G ... E27
c:J E7
... E8
... E9
G El ü
...
/G
E30
,B ·G ... E31
G ... E32
40
TOTAL NUMBER OF LINES PER SET IS: 26
EQSOUT.CBK
UNIVARIATE STATISTICS
---------------------
41
MEAN 3.5354 3.1362 5.7729 5.8552
5.8227
MULTIVARIATE KURTOSIS
---------------------
Los valores de kurtosis son normales ya que son todos inferiores a 1.96. En el
encabezado multivariante Kurtosis observamos dos variantes del coeficiente Mardia. De
mayor interés es la opción normalizada (<5).
42
PROBABILITY VALUE FOR THE CHI-SQUARE STATISTIC IS .00000
FIT INDICES
-----------
.115
13.757@
( .123)
( 12.932@
43
.078
12.466@
( .083)
( 11.706@
.112
12.232@
( .119)
( 11.485@
.031
33.674@
( .028)
( 37.472@
.034
29.583@
( .034)
( 29.577@
44
.063
18.156@
( .062)
( 18.317@
.060
17.730@
( .068)
( 15.535@
----------------------------------
V F
--- ---
I F1 - F1 .101*I
I .013 I
I 7.816@I
I ( .014)I
I ( 7.292@I
I I
I F3 - F3 .456*I
I .043 I
I 10.598@I
I ( .044)I
I ( 10.298@I
I I
45
No se presenta ningún problema ya que ningún valor es negativo y todos son
significativos.
----------------------------------
E D
--- ---
E7 - V7 .180*I D2 - F2 1.121*I
.011 I .082 I
15.915@I 13.725@I
( .011)I ( .079)I
( 16.393@I ( 14.219@I
I I
E8 - V8 .150*I I
.015 I I
9.975@I I
( .015)I I
( 10.110@I I
I I
E9 - V9 .147*I I
.010 I I
15.402@I I
( .011)I I
( 13.990@I I
I I
.020 I I
46
15.732@I I
( .021)I I
( 15.151@I I
I I
.032 I I
13.781@I I
( .036)I I
( 12.431@I I
I I
.026 I I
6.344@I I
( .026)I I
( 6.222@I I
I I
.034 I I
14.489@I I
( .039)I I
( 12.527@I I
I I
.027 I I
13.111@I I
( .039)I I
( 8.920@I I
I I
.029 I I
47
10.129@I I
( .039)I I
( 7.692@I I
I I
.030 I I
13.129@I I
( .036)I I
( 10.915@I I
I I
---------------------------------------
V F
--- ---
I F3 - F3 .079*I
I F1 - F1 .012 I
I 6.814@I
I ( .013)I
I ( 6.334@I
I I
48
---------------------------------------
V F
--- ---
I F3 - F3 .370*I
I F1 - F1 I
I I
STANDARDIZED SOLUTION: R-
SQUARED
49