prueba de normalidad y correlación en spss
DESCRIPTION
El siguiente documento se detallan los pasos en SPSS para REALIZAR LA PRUEBA DE NORMALIDAD Y TAMBIEN LOS DEMÁS ITEMS COMO ES ANOVA, CORRELACIÓN, ETCTRANSCRIPT
DEBER Nº 10
NOMBRE: ANDRÉS AGUASFECHA: 22/05/2015
NORMALIDAD
PRUEBA DE NORMALIDAD EN SPSS
La prueba de normalidad es cuando los valores de la variable aleatoria dependiente
siguen una distribución normal en la población a la que pertenece la muestra.
1. Nos dirigimos analizar, estadísticos descriptivos analizar.
2. En la ventana que se nos abre ventana en la cual daremos un click en gráficos.
3. Activaremos en la siguiente ventana la opción gráficos a prueba de normalidad.
4. De ahí regresamos a la primera ventana en la cual escogeremos nuestras variables
5. Y al poner aceptar nos saldrá la prueba de normalidad.
Pruebas de normalidad
no
mbres
Kolmogorov-Smirnova Shapiro-Wilk
Esta
dístico
gl Si
g.
Esta
dístico
gl Si
g.
califica
ciones
pr
ofesor,094
2
0
,2
00*,979
2
0
,9
19
*. Este es un límite inferior de la significación verdadera.
a. Corrección de la significación de Lilliefors
H0 = la distribución es normal
H1 = la distribución no es normal
1. Si la significancia ˃ al 5% entonces se acepta H0 y se rechaza H1 esto quiere decir
que la distribución es normal.
2. Si la significancia ˂ al 5% entonces se acepta H1 y se rechaza H0 esto quiere decir
que la distribución no es normal.
En nuestro caso sig = 0,200 es mayor entonces H0 y se rechaza H1 esto quiere
decir que la distribución es normal.
PRUEBA DE HOMOCEDASTICIDAD EN SPSS
Se refiere a que las varianzas de la variable dependiente en los grupos que se
comparan sea aproximadamente iguales, también se le puede llamar homogeneidad de las
varianzas, el proceso que se utiliza para la homoscedaticidad, es similar al que fue
empleado para normalidad.
Conclusión
Podemos observar en el grafico que las 2 cajas son de un y tamaño similar, esto
quiere decir, que la diferencia entre la varianza no es significativa.
CORRELACIÓN
Se considera aquella prueba estadística para analizar la relación entre dos variables
medidas, en un nivel por intervalo o de razón.
La variable dependiente es la talla de hijos en centímetros.
La variable independiente es la talla de padres en centímetros.
Existe una relación positiva entre las variables su tendencia es ascendente.
Planteamiento de la Hipótesis:
H0: no existe correlación entre las variables
H1: existe correlación entre las variables
Correlaciones
talla de
padres
talla
de hijos
talla de
padres
Correlación de
Pearson1 ,251
Sig. (bilateral) ,484
N 10 10
talla de
hijos
Correlación de
Pearson,251 1
Sig. (bilateral) ,484
N 10 10
Nivel de significancia
α = 0.05 %
Estadístico de prueba
Coeficiente de correlación de PEARSON
CONCLUSIÓN
La correlación entre talla de padres e hijos se encuentra en un rango de 0,2 a 1
quiere decir que la relación es fuerte o alta, por ende cualquier mínima variación en la talla
de padres va afectar en gran medida a la talla de hijos.
Sig. Bilateral, es considerado como el valor P, como el valor P ˂ 0.05, se rechaza
H0, por lo tanto hay evidencia que existe correlación entre las variables, y el valor R= 0.2
˂ 0.05, también se rechaza la H0.
LINEALIDAD
Resumen del modelo
M
odelo
R R
cuadrad
o
R
cuadr
ado
corregi
da
E
rror típ.
de la
estimació
n
Estadísticos de cambio
C
ambio en
R
cuadrado
C
ambio en F
g
l1
g
l2
S
ig.
Cambio
en F
1,
251a
,
063
-
,054
5
,797
,0
63
,5
381 8
,
484
a. Variables predictoras: (Constante), talla de padres
Este modelo nos permite saber en qué cantidad y en qué manera afecta la variable
independiente a la dependiente, en este caso afectara en R cuadrado = 0,063, por tanto H0
se rechaza, quiere decir que hay correlación.
https://prezi.com/og-riwccznsk/investigacion-y-planificacion-estrategica/