-UNIVERSIDAD CATÓLICA DE CUENCA SEDE AZOGUES

UNIDAD ACADÉMICA DE SALUD Y BIENESTAR

FACULTAD DE MEDICINA

TRABAJO PRÁCTICO

ASIGNATURA:

BIOESTADÍSTICA

TÍTULO:

ANÁLISIS DE LOS EJERCICIOS ESTADÍSTICOS PARAMÉTRICOS Y NO

PARAMÉTRICOS CON LA APLICACIÓN DE LOS PROGRAMA EXCEL Y SPSS
DURANTE EL PERIODO MARZO-AGOSTO 2022
INTEGRANTES:

PABLO ANDRES MARCA VENEGAS

EDISON ISRAEL ORTIZ PADILLA
YARITZA JAMILETH PÉREZ GUIJARRO
KEVIN ROBINSON PERUGACHI MARCILLO
ANDREA DANIELA QUIROZ LANDI
OSCAR OMAR URGILES GUAMAN

CATEDRÁTICO:

ECON. FROILÁN MÉNDEZ

CICLO:

SEXTO “A”
Objetivo general

Objetivos específicos

 Identificar la importancia de la T de studen y chi cuadrado mediante los ejercicios

planteados con su respectivo proceso.

 Aplicar los ejercicios mediante los programas de Excel y SPSS

 Establecer una comparación de los resultados obtenidos de los ejercicios realizados en los

programas de Excel y SPSS

INTRODUCCIÓN

La bioestadística cumple un rol fundamental en todas las disciplinas, de manera especial en las

ciencias de la salud, esta se considera como una rama de la estadística encargada de recoger,

analizar e interpretar los datos obtenidos a partir de una muestra o de una población. Estos son

obtenidos mediante procesos estadísticos como las medidas de probabilidad y la estadística

inferencial.

La t de Student es una herramienta que nos ayuda a evaluar las medias de uno o dos grupos

mediante pruebas de hipótesis. Por otra parte, el chi cuadrado será una prueba no paramétrica

utilizada para obtener una diferencia significativa entre resultados esperados y observados en

una o varias muestras. Las pruebas no paramétricas se van a encargar del análisis de datos

que no tienen una distribución particular y se guían en una hipótesis, pero sus datos no se

encuentran organizados con normalidad, mientras que las pruebas paramétricas se ocupan del

análisis de los factores de una población.

El trabajo fue realizado con la finalidad de evaluar la efectividad de la t de Student y el chi

cuadrado utilizando estas pruebas en diversos ejercicios, empleando el programa SPSS y

Excel, que se efectuó en la cátedra de bioestadística en el periodo Marzo 2022 - Agosto 2022.

PRUEBAS PARAMÉTRICAS Y NO PARAMÉTRICAS

Las pruebas paramétricas están diseñadas para estimar la distribución de la muestra de una
población para su estudio, presenta variables cuantitativas continuas. Estas pruebas son más

eficientes los errores serán mínimos, serán más sensibles y a su vez serán complicadas de

calcular. Mientras más grande sea la muestra será más exacto y mientras más pequeña será

más distorsionado la muestra de la población. Entre estas pruebas tenemos la prueba de valor

Z de la distribución normal, las distintas pruebas de T Student y la prueba F.

Las pruebas no paramétricas estas nos permiten realizar un análisis de datos en escala

nominal u ordinal, estas pruebas pueden ser utilizadas, aunque no existan datos o se

desconozcan parámetros de la población para realizar un estudio. Estas pruebas son más

fáciles de utilizar, se pueden utilizar así los datos vengas diferentes poblaciones. Existen

diferentes pruebas como la prueba X2 de Pearson o Chi Cuadrado, prueba de Friedman,

McNemar, U de Mann, entre otras más.

PRUEBA T DE STUDENT PARA DATOS RELACIONADOS

Se determina una comparación entre dos grupos de medidas y determinar su diferencia. Con los

datos distributivos las variables dependientes serán normales, tendrán una homogeneidad en sus

varianzas, al escoger los grupos será de manera aleatoria, en el procedimiento su cálculo de las

diferencias entre los valores de las dos variables contrasta si la medida difiere de 0.

Ejemplo

Se requiere saber si el promedio de 12 estudiantes del 6to A de la carrera de medicina aumento

con las tutorías impartidas por el Docente después de clases.

Nivel de significancia del 5% = 0.0

Ho: Se expresa que no existe cambios en las calificaciones en el antes y después de recibir las
tutorías

Ha: Se expresa que las calificaciones aumentaron después de las tutorías

Estudiant Antes Despues d d-X (d-X)˄2

1 8 10 -2 -3.25 10.563
2 6 8 -2 -3.25 10.563 Paso 3: S=√Σ(d-X)˄2/(n-1)
3 7 8 -1 -2.25 5.063 S= 9.66
4 10 4 6 4.75 22.563 S= 3.108
5 5 6 -1 -2.25 5.063 Paso 4: t=X-u/(S/√n)
6 4 7 -3 -4.25 18.063 1.34
t=
7 6 2 4 2.75 7.563
8 8 5 3 1.75 3.063 Paso 5:
9 8 2 6 4.75 22.563 gl=n-1
10 5 3 2 0.75 0.563 gl=11
11 8 7 1 -0.25 0.063
12 7 5 2 0.75 0.563 X1= ±1.796
12 82 67 15 Σ 106.250 X2=1.34
6.833333 5.5833333 1.25
X1=6.83 X2=5.58
T-TEST PAIRS=Nota1 WITH Nota2 (PAIRED)
/CRITERIA=CI(.9500)
/MISSING=ANALYSIS.

Prueba T

[Conjunto_de_datos0] C:\Users\pc\Documents\datos independientes 1.sav

Estadísticos de muestras relacionadas

Media N Desviación típ. Error típ. de la

media

Notas Antes de tutorias 6.83 12 1.697 .490

Par 1
Notas despues de tutorias 5.58 12 2.539 .733

Correlaciones de muestras relacionadas

N Correlación Sig.

Notas Antes de tutorias y 12 -.039 .905

Par 1
Notas despues de tutorias

Prueba de muestras relacionadas

Diferencias relacionadas

Media Desviación típ. Error típ. de la 95% Intervalo de

media confianza para
la diferencia

Inferior

Notas Antes de tutorias - 1.250 3.108 .897 -.725

Par 1
Notas despues de tutorias

Prueba de muestras relacionadas

Diferencias t gl Sig. (bilateral)

relacionadas
 95% Intervalo de
confianza para la
diferencia

Superior

Notas Antes de tutorias - Notas 3.225 1.393 11 .191

Par 1
despues de tutorias

*Nonparametric Tests: Related Samples.

NPTESTS
/RELATED TEST(Nota1 Nota2)
/MISSING SCOPE=ANALYSIS USERMISSING=EXCLUDE
/CRITERIA ALPHA=0.05 CILEVEL=95.

Pruebas no paramétricas

[Conjunto_de_datos0] C:\Users\pc\Documents\datos independientes 1.sav

EXAMINE VARIABLES=Nota1 Nota2

/PLOT BOXPLOT HISTOGRAM NPPLOT
/COMPARE VARIABLES
/STATISTICS DESCRIPTIVES
/CINTERVAL 95
/MISSING LISTWISE
/NOTOTAL.

Pruebas de normalidad

Kolmogorov-Smirnova Shapiro-Wilk

Estadístico gl Sig. Estadístico gl Sig.

Notas Antes de tutorias .171 12 .200* .951 12 .656
*
Notas despues de tutorias .128 12 .200 .957 12 .745

*. Este es un límite inferior de la significación verdadera.

a. Corrección de la significación de Lilliefors

Histograma
Interpretación: Como t se encuentra dentro de la zona de aceptación se va a aceptar la hipótesis
alternativa y se rechaza la hipótesis nula
Ejercicio 2: Comparar los niveles de ansiedad en 10 jóvenes no asertivos antes y después de un
entrenamiento de una habilidad social. Justificación de la prueba estadística T de student.

Hipótesis
Ha: El nivel de ansiedad en los jóvenes no asertivos disminuye después del entrenamiento
Ho: No existe cambios observados en el antes y el después del entrenamiento, y no hay
diferencia entre ambos periodos
Sujetos Antes Despues d d-X (d-X)2
1 35 12 23 6.9 47.61
2 28 27 1 -15.1 228.01
3 38 14 24 7.9 62.41
4 45 25 20 3.9 15.21
5 32 13 19 2.9 8.41
6 25 20 5 -11.1 123.21
7 39 12 27 10.9 118.81
8 52 45 7 -9.1 82.81
9 29 10 19 2.9 8.41
10 38 22 16 -0.1 0.01
Σ Σ Σ 161 144.9 694.9

X= 16.1 S= √Σ(d-X)2/(n-1) t=X-u/S/√n

S=√694.7/9 t=16.1-0.05/8.78/√10
S=8.78 t=5.79
Prueba T

[Conjunto_de_datos0]

Estadísticos de muestras relacionadas

Media N Desviación típ. Error típ. de la

media

Antes del entrenamiento 36.10 10 8.198 2.593

Par 1
Despues del entrenamiento 20.00 10 10.625 3.360

Correlaciones de muestras relacionadas

N Correlación Sig.

Antes del entrenamiento y 10 .591 .072

Par 1
Despues del entrenamiento
 Prueba de muestras relacionadas

Diferencias relacionadas

Media Desviación típ. Error típ. de la 95% Intervalo de

media confianza para
la diferencia

Inferior

Antes del entrenamiento - 16.100 8.787 2.779 9.814

Par 1
Despues del entrenamiento

Prueba de muestras relacionadas

Diferencias t gl Sig. (bilateral)

relacionadas

95% Intervalo de
confianza para la
diferencia

Superior

Antes del entrenamiento - 22.386 5.794 9 .000

Par 1
Despues del entrenamiento

*Nonparametric Tests: Related Samples.

NPTESTS
/RELATED TEST(Antes Despues)
/MISSING SCOPE=ANALYSIS USERMISSING=EXCLUDE
/CRITERIA ALPHA=0.05 CILEVEL=95.

Pruebas no paramétricas

[Conjunto_de_datos0]
FREQUENCIES VARIABLES=Antes Despues
/HISTOGRAM NORMAL
/ORDER=ANALYSIS.

Histograma
Interpretación: El nivel de ansiedad en los jóvenes no asertivos disminuye después de participar
en un entrenamiento en las habilidades sociales, existen diferencias significativas entre el antes y
después

PRUEBA T DE STUDENT PARA DATOS NO RELACIONADOS (MUESTRAS

INDEPENDIENTES)

La prueba t de student es una prueba de hipótesis dónde:

La hipótesis nula supone la igualdad de los promedios de la muestra 1 y la muestra 2.

H0: µ1=µ2

Y la hipótesis alterna la hipótesis alterna significa que los promedios que los promedios son
distintos en este podemos utilizar que el promedio de la muestra uno sea mayor o sea menor al

promedio de la muestra 2 en este caso estamos utilizando la prueba de hipótesis bilateral o de dos

colas. (Molina, Ochoa, & Ortega, 2020)

H1: µ1≠µ2

Estadístico de prueba:

X 1−X 2

√
T= S 2C S2C
+
N1 N2

Donde la varianza común se va a calcular con la fórmula.

2 2
2 ( N 1−1 ) S C + ( N 2−1 ) SC
SC
N 1 + N 2−2

Este estadístico va a seguir una distribución con N 1 + N 2−2 con dos grados de libertad.

Y se rechaza la hipótesis nula siempre que el valor absoluto calculado sea mayor que el valor

crítico. Que su fórmula es: gl=(n1+n2-2) que se somete a la condición:

t=¿)*(n1+n2-2)

Ejemplo

Dos antibióticos a y b que fueron administrados a 22 y 20 pacientes con diagnóstico de la misma

enfermedad y se han medido los tiempos del tratamiento en días de ambas medicinas.

Tabla 7. Ejemplo T-student

 1 6 7
2 5 6
3 6 7
4 7 9
5 5 5
6 7 8
7 6 7
8 4 6
9 3 7
10 6 9
11 6 8
12 5 7
13 7 8
14 8 7
15 6 6
16 5 8
17 8 7
18 4 6
19 6 5
20 6 5
21 7

Fuente: Archivo Universidad Católica de Cuenca

Elaborado por: Grupo4

Tabla . Ejemplo T-student

Fuente: Archivo Universidad Católica de Cuenca

Elaborado por: Grupo 4

Elaboración en SPSS.

Paso 1: Planteamiento de hipótesis

a) Hipótesis alternativa (Hi): El antibiótico A y el antibiótico B en cuanto a su promedio de
administración va a ser diferente.
b) Hipótesis nula (Ho): El tiempo promedio del antibiótico A es igual al tiempo promedio del
antibiótico B.
Paso 2: Nivel de significación
a) Para todo valor de probabilidad igual o menor que 0.05 se acepta Hi y se rechaza Ho.
Paso 3: Lectura de P-valor
a) P-valor = > α acepta Ho = los datos provienen de una distribución normal
b) P-valor < α acepta Hi = los datos no provienen de una distribución normal
Vamos a encontrar que los datos estudiados van a ser menores o iguales a 30 individuos, por lo
mismo se va a utilizar la prueba de Shapiro-Wilk para poder corroborar la normalidad, de esta
manera nos va a indicar el nivel de significancia de los antibióticos A en un valor de .206 así
mismo como de los antibióticos B con un valor de .122, en donde vamos a poder observar que
son mayores a 0.05, por lo mismo se deduce que los datos provienen de una distribución normal.
Observamos que los datos analizados van a ser menores o iguales a 30 individuos, por esto se
utiliza la prueba de Shapiro-Wilk para poder corroborar la normalidad, de esta manera nos va a
indicar el nivel de significancia de los antibióticos A en un valor de .206 así mismo como de los
antibióticos B con un valor de .122, en donde vamos a poder observar que son mayores a 0.05,
por lo mismo se deduce que los datos provienen de una distribución normal.
Paso 4: igualdad de varianzas
Prueba de Levene
P-valor = > α acepta Ho = las varianzas son iguales
P-valor < α acepta Hi = existe diferencia significativa entre las varianzas
Vamos a observar que la igualdad de varianza es de .928 y va a estar contrastado 0.05 entonces
el valor de p es mayor que alfa, por lo que tenemos que las varianzas son iguales.
Paso 5: Decisión estadística

Como podemos observar el calculo de p-valor se puede observar la prueba T para la igualdad de
medias, donde indica que el valor de significancia para la prueba T student es de 0.011, por lo
mismo se observa que el p-valor va a ser mayor que alfa. Por lo mismo no se rechaza la
hipótesis.

Ejercicio 3: Un investigador ha obtenido la talla de 20 niños de 5 años de edad, de dos

condiciones socioeconómicas contrastantes (alta y baja). Considere que ambos grupos de
población tienen estaturas diferentes.
Resolución del ejercicio con el programa Excel.
Primer paso: Plantear las hipótesis; tanto hipótesis nula, como hipótesis alternativa.
 Hipótesis alternativa (Hi): Las tallas de niños de las 2 muestras de condiciones
socioeconómicas contrastantes son distintas.
  Hipótesis nula (Ho): Las diferencias observadas en las tallas de niños de muestras de
condiciones socioeconómicas similar se deben al azar.
Segundo paso: Determinar el nivel de significación.
 Para todo valor de probabilidad igual o menor que 0.05 se acepta Hi y se rechaza Ho
Tercer paso: Cálculo.
Estatura (Clase Estatura (Clase
d - X1 (d - X1)² d - X2 (d - X2)²
social baja) social alta)
101 103 0,1 0,01 -2 4
102 105 1,1 1,21 0 0
100 104 -0,9 0,81 -1 1
104 106 3,1 9,61 1 1
102 108 1,1 1,21 3 9
99 100 -1,9 3,61 -5 25
102 108 1,1 1,21 3 9
103 104 2,1 4,41 -1 1
97 105 -3,9 15,21 0 0
99 107 -1,9 3,61 2 4
1009 1050 ∑ 40,9 ∑ 54

Cálculo de las medias aritméticas.

Media aritmética (estatura clase social baja):
∑ X1 1009
X= X= X =109
n 10
Media aritmética (estatura clase social alta):

∑X2 1050
X= X= X =105
n 10

Aplicar la prueba estadística T de Student para datos no relacionados (nuestras

independientes).
 Suma de los cuadrados.
Sc1 = (d – X1) ² = 40,9
Sc2 = (d – X2) ² = 54
 Cálculo de la desviación estándar ponderada.
 S=
√ ( Sc 1+ Sc 2 )
( n 1+n 2 )−2 √
S=
( 4 0 .9+54 )
(10+ 10 )−2
S=2.296

 Cálculo de la ecuación t.
X 1− X 2 100.9−105
t= t= t=−3. 39
1+ 1 1+1
S√ 2.296 √
n 1+ n 2 10+10
 Cálculo de los grados de libertad.
𝑔𝑙 = n1 + n2 – 2 gl=10+10−2 gl=18
 Localización de la intercesión (0.05;18), en la tabla de distribución T de Student.

GRÁFICO DE LA TABLA
El valor de t se compara con los valores críticos de la tabla con 18 grados de libertad y se obtiene
que, en el valor más cercano al calculado, la probabilidad es de 0.001.
Cuarto paso: Decisión.
Como el valor de t es -3. 39 tiene un valor de probabilidad menor que 0.001; también, es menor
que 0.05 propuesto como nivel de significancia, por lo cual se acepta Ha y se rechaza Ho.
Quinto paso: Interpretación.
Las diferencias en talla de ambos grupos de niños en las distintas condiciones socioeconómicas
difieren notoriamente en el nivel de confianza de p menor que 0.001.
Sexto paso: Gráficos.

Estatura
X1 (Clase
social baja)
1 101
2 102
3 100
4 104
5 102
6 99
7 102
8 103
9 97
10 99
 Estatura (Clase social baja)
106

Estatura en centímrtros
104
102
100
98
96
94
92
0 2 4 6 8 10 12
XI

Estatura
X1 (Clase
social alta)
1 103
2 105
3 104
4 106
5 108
6 100
7 108
8 104
9 105
10 107
 Estatura (Clase social alta)
110

108

106

104
Axis Title

102

100

98

96
1 2 3 4 5 6 7 8 9 10

Resolución del ejercicio con el programa SPSS.

Primer paso: Prueba de normalidad.

Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Clase social de los Estadístic Estadístic
niños o gl Sig. o gl Sig.
Estura de los Baja ,197 10 ,200* ,958 10 ,767
niños Alta ,142 10 ,200* ,940 10 ,549
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors

Como podemos observar se esta trabajando con 20 distribuciones, por esto vamos hacer uso de la
prueba de Shapiro-Wilk, al realizar el análisis del nivel de significancia, vamos a poder observar
que las significancias calculadas van a ser iguales a 0.767 y 0.549 por esto se deduce que son
mayores a 0.05, por lo tanto, vamos a tener que se rechaza la hipótesis nula.
Segundo paso: Prueba de homocedasticidad
 Estadísticas de grupo
Clase social de los Desv. Desv. Error
niños N Media Desviación promedio
Estura de los Baja 10 100,90 2,132 ,674
niños Alta 10 105,00 2,449 ,775
Prueba de muestras independientes
Prueba de
Levene de
igualdad de
varianzas prueba t para la igualdad de medias
Diferenc 95% de intervalo de
Sig. Difere ia de confianza de la
(bilat ncia de error diferencia
F Sig. t gl eral) medias estándar Inferior Superior
Estura de los Se ,017 ,896 - 18 ,001 -4,100 1,027 -6,257 -1,943
niños asumen 3,993
varianz
as
iguales
No se - 17,66 ,001 -4,100 1,027 -6,260 -1,940
asumen 3,993 3
varianz
as
iguales

En la tabla anterior se observa que, la significancia calculada de 0.896 es mayor que 0.05 por lo
tanto, se cumple que las muestras provienen de poblaciones con similares varianzas. Además, se
observa que la significancia calculada (0.001), es menor que 0.05. Entonces, se rechaza la
hipótesis nula. Con un nivel de confianza del 95%, existe evidencia estadísticamente
significativa para afirmar que Las tallas de niños de las 2 muestras de condiciones
socioeconómicas contrastantes son distintas.
Como podemos observar que la significancia calculada va a ser igual a 0.896 es mayor que 0.05
por esto, se cumple que las muestras provienen de poblaciones con similares varianzas. La
significancia calculada es de 0.001 es menor que 0.05. Entonces se va a rechazar la hipótesis.
Tercer paso: Análisis fiabilidad.
 Estadísticas de fiabilidad

Alfa de Cronbach N de elementos

,365 2

Se puede observar que el Alfa de Cronbach es 0.365, es menor a 0.7. Por esto se deduce que no
es factible proceder con este estudio, dado que, o los datos no son correctos, o fueron más
ingresados. Aunque, tener un valor tan bajo en el Alfa de Cronbach, también puede deberse al
reducido número de observaciones.
Cuarto paso: Frecuencias.

Estura de los niños

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado
Válido 97 1 5,0 5,0 5,0
99 2 10,0 10,0 15,0
100 2 10,0 10,0 25,0
101 1 5,0 5,0 30,0
102 3 15,0 15,0 45,0
103 2 10,0 10,0 55,0
104 3 15,0 15,0 70,0
105 2 10,0 10,0 80,0
106 1 5,0 5,0 85,0
107 1 5,0 5,0 90,0
108 2 10,0 10,0 100,0
Total 20 100,0 100,0

Clase social de los niños

Porcentaje Porcentaje
Frecuencia Porcentaje válido acumulado
Válido Baja 10 50,0 50,0 50,0
Alta 10 50,0 50,0 100,0
 Total 20 100,0 100,0

Quinto paso: Estadísticos Descriptivos.

Estura de los Clase social

niños de los niños
N Válido 20 20
Perdidos 0 0
Media 102,95 1,50
Mediana 103,00 1,50
a
Moda 102 1a
Desv. Desviación 3,069 ,513
Varianza 9,418 ,263
Asimetría -,045 ,000
Error estándar de ,512 ,512
asimetría
Curtosis -,604 -2,235
Error estándar de curtosis ,992 ,992
Rango 11 1
Mínimo 97 1
Máximo 108 2
Percentiles 25 100,25 1,00
50 103,00 1,50
75 105,00 2,00
a. Existen múltiples modos. Se muestra el valor más
pequeño.

Sexto paso: Gráficos.

 CHI CUADRADO

El chi cuadrado es una muestra que permite averiguar la distribución de una variable categórica,

sirve para someter una prueba de hipótesis referida a la distribución, se lo utiliza para comprobar

la independencia entre dos variables, cual el valor de x2 es menos probable la hipótesis nula y

optaremos por la hipótesis alternativa.

Ejemplo

En el centro de salud del Cantón Azogues se analiza todas las historias clínicas (200 hombres y

100 mujeres) de los cuales 12 hombres y 20 mujeres han acudido por COVID

Paso 1: Establecer la hipótesis existente entre las 2 variables (género y COVID).

Ho = género = COVID: Las dos variables no están relacionadas por lo tanto son independientes.

H₁ = género ≠ COVID: Las dos variables sí están relacionadas es decir son dependientes.

Paso 2. Crear la tabla con los datos obtenidos, conocida también como tabla de 2x2.

Tabla 1. Datos obtenidos

Historias Clínicas COVID-19 NO COVID-19 TOTALTES

Mujeres 20 80 100
Hombre 12 188 200
TOTALES 32 268 300
Fuente: Centro de salud cantón Azogues

Elaborado: grupo 4.

Paso 3. Calcular los valores esperados, para ello se aplica la siguiente fórmula:

total de la fila∗total de la columna

Ve=
total de los totales

100∗32
Ve= =10 , 66 → Mujeres
300

200∗32
Ve= =21 , 33 → Hombres
300

Valores esperados:

Tabla 2. Datos esperados

Historias Clínicas COVID-19 NO COVID-19 TOTALTES

Mujeres 10,66 89,34 100
Hombre 21,33 178,67 200
TOTALES 31,99 268 300

Fuente: Centro de salud cantón Azogues

Elaborado: grupo 4.

Gráfico 1
 Valores esperados de COVID-19
350

300

250

200

150

100

50

0
COVID-19 NO COVID-19 TOTALTES

Mujeres Hombre TOTALES

Fuente: Centro de salud cantón Azogues

Elaborado: grupo 4.

Paso 4. Aplicar la fórmula de chi cuadrado

[ ]
k 2
(Oi−Ei)
X 2 =∑
i=1 Ei

( 20−10.66 )2 ( 80−89.34 )2 ( 12−21.33 )2 ( 188−178 , 67 )2

X2= + + + =13 ,71
10 ,66 89.34 21.33 178 ,67

Paso 5. Calcular los grados de libertad (gl)

Nivel de significación: 0.05

gl = (f-1) (c-1), donde:

F= filas
C= columnas

gl = (2-1) (2-1) = 1

Tabla 3. DISTRIBUCIÓN DE X2

DISTRIBUCIÓN DE X2

GRADOS PROBABILIDAD
DE
0,001
LIBERTAD
0,00 0,00 0,01 0,02 0,05 0,01 0,15 0,20 0,25 0,30
25 5 5

1 10,83 9,14 7,87 6,63 5,02 3,84 2,70 2,07 1,64 1,32 1,07

2 13,82 11,9 10,5 9,21 7,37 5,99 4,60 3,79 3,21 2,77 2,40
8 9

3 16,26 14,3 12,8 11,3 9,34 7,81 6,25 5,31 4,64 4,10 3,66
2 3 4

4 18,46 16,4 14,8 13,2 11,1 9,48 7,77 6,74 5,98 5,38 4,87
2 6 7 4

5 20,51 18,3 16,7 15,0 12,8 11,0 9,23 8,11 7,28 6,62 6,06
8 4 8 3 7

6 22,45 20,2 18,5 16,8 14,4 12,5 10,6 9,44 8,55 7,84 7,23
4 4 1 4 9 4

7 24,32 22,0 20,2 18,4 16,0 14,0 12,0 10,7 9,80 9,03 8,38
4 7 7 1 6 1 4
 8 26,12 23,7 21,9 21,0 17,5 15,5 13,3 12,0 11,0 10,2 9,52
7 5 9 3 0 6 2 3 1

9 27,87 25,4 23,5 21,6 19,0 16,9 14,6 13,2 12,2 11,3 10,6
6 8 6 2 1 8 8 4 8 5

10 29,58 27,1 25,1 23,2 20,4 18,3 15,9 14,5 13,4 12,5 11,7
1 8 0 8 0 8 3 4 4 8

Fuente: Datos obtenidos de Medwave, 2011

Elaborado: Grupo 4.

Paso 6. Interpretación

El punto crítico obtenido en chi cuadrado en (0.05; 1) es = 3,84.

Dado que la probabilidad de Chi cuadrado es de 13,71, concluimos que es mayor al punto crítico

con un nivel de confianza del 95%, por lo tanto, se acepta la hipótesis nula y por ende se rechaza

la hipótesis alternativa. (Quevedo Ricardi, 2011)

APLICACIÓN SPSS
Tablas de contingencia

Notas

Resultados creados 26-JUL-2022 19:39:11

Comentarios
Conjunto de datos activo Conjunto_de_datos0
Filtro <ninguno>
Peso <ninguno>
Entrada
Dividir archivo <ninguno>
Núm. de filas del archivo de 300
trabajo
Los valores perdidos definidos por el
Definición de los perdidos
usuario serán tratados como perdidos.
Tratamiento de los valores Los estadísticos de las tablas se basan
perdidos en todos los casos con datos válidos en
Casos utilizados
los rangos especificados para todas las
variables de las tablas.
 CROSSTABS
/TABLES=Genero BY Historiaclinica
/FORMAT=AVALUE TABLES
Sintaxis /STATISTICS=CHISQ
/CELLS=COUNT EXPECTED
/COUNT ROUND CELL
/BARCHART.
Tiempo de procesador 00:00:01,11

Tiempo transcurrido 00:00:00,86

Recursos
Dimensiones solicitadas 2

Casillas disponibles 131029

[Conjunto_de_datos0]

Resumen del procesamiento de los casos

Casos

Válidos Perdidos Total

N Porcentaje N Porcentaje N Porcentaje

Genero * Historiaclinica 200 66,7% 100 33,3% 300 100,0%

Tabla de contingencia Genero * Historiaclinica

Historiaclinica Total
Covid No covid

Recuento 20 80 100
Femenino
Frecuencia esperada 16,0 84,0 100,0
Genero
Recuento 12 88 100
Masculino
Frecuencia esperada 16,0 84,0 100,0
Recuento 32 168 200
Total
Frecuencia esperada 32,0 168,0 200,0
 Pruebas de chi-cuadrado

Valor gl Sig. asintótica Sig. exacta Sig. exacta

(bilateral) (bilateral) (unilateral)
a
Chi-cuadrado de Pearson 2,381 1 ,123
b
Corrección por continuidad 1,823 1 ,177
Razón de verosimilitudes 2,402 1 ,121
Estadístico exacto de Fisher ,176 ,088
Asociación lineal por lineal 2,369 1 ,124
N de casos válidos 200

a. 0 casillas (0,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima esperada es 16,00.
b. Calculado sólo para una tabla de 2x2.

Ejemplo 2

En un centro de salud se analiza todas las historias clínicas (229 hombres y 192 mujeres) de los
cuales 10 hombres y 24 mujeres han acudido por infecciones estomacales

Paso 1: Establecer la hipótesis existente entre las 2 variables (género y afección estomacal).

Ho = (género) = (afecciones estomacales): Las dos variables no están asociadas, son

independientes.

H₁ = (género) ≠ (afecciones estomacales): Las dos variables si están asociadas.

Paso 2: Construir una tabla (2 x 2) con la información brindada.

Valores observados:

No infecciones
Infecciones estomacales TOTALES
estomacales

Hombres 10 282 292

Mujeres 24 168 192

TOTALES 34 450 484

Paso 3: Calcular los valores esperados.

(total fila)×(total columna)

Ve=
total de lostotales

(292)×(34)
V e=
484

V e=20 , 51

Valores esperados:
 No
Infecciones
infecciones TOTALE
estomacale
estomacale S
s
s
Hombres 20.5 271.5 292
Mujeres 13.5 178.5 192
TOTALE
34 450 484
S

Gráfico 2

Historias clínicas datos esperados

600

500

400
Totales

300

200

100

0
271,5 178,5 450
20,5 13,5 34
Infecciones/noinfeccciones

Fuente: Centro de salud cantón Azogues

Elaborado: grupo 4.

Paso 4: Ampliar la ecuación del Ji cuadrado.

( O−E )2
X 2 =∑
E

Como hay cuatro casillas se puede realizar Ji cuadrado.

 ( 10−20.5 )2 ( 282−271.5 )2 ( 24−13.5 )2 ( 168−178.5 )2
X2= + + + =14.57
20.5 271.5 13.5 178.5

Paso 5: Calcular los grados de libertad (gl).

Se tiene: (f) filas con (c) columnas; entonces, gl = (f-1) (c-1) = gl = (2-1) (2-1) = 1

Tabla 2. DISTRIBUCIÓN DE X2

DISTRIBUCIÓN DE X2

GRADOS DE PROBABILIDAD
LIBERTAD
0,001
0,002 0,005 0,01 0,025 0,05 0,01 0,15 0,20 0,25 0,30
5

1 10,83 9,14 7,87 6,63 5,02 3,84 2,70 2,07 1,64 1,32 1,07

2 13,82 11,98 10,59 9,21 7,37 5,99 4,60 3,79 3,21 2,77 2,40

3 16,26 14,32 12,83 11,34 9,34 7,81 6,25 5,31 4,64 4,10 3,66

4 18,46 16,42 14,86 13,27 11,14 9,48 7,77 6,74 5,98 5,38 4,87

5 20,51 18,38 16,74 15,08 12,83 11,07 9,23 8,11 7,28 6,62 6,06

6 22,45 20,24 18,54 16,81 14,44 12,59 10,64 9,44 8,55 7,84 7,23

7 24,32 22,04 20,27 18,47 16,01 14,06 12,01 10,74 9,80 9,03 8,38

8 26,12 23,77 21,95 21,09 17,53 15,50 13,36 12,02 11,03 10,21 9,52
 9 27,87 25,46 23,58 21,66 19,02 16,91 14,68 13,28 12,24 11,38 10,65

10 29,58 27,11 25,18 23,20 20,48 18,30 15,98 14,53 13,44 12,54 11,78

Fuente: Datos obtenidos de Medwave, 2011

Elaborado: Grupo 4.

Interpretación

El punto crítico obtenido en chi cuadrado en (0.05;1) es = 3,84. Por tanto, se afirma la relación

entre sexo e infecciones estomacales.

APLICACIÓN SPSS

FILE='C:\Users\Lenovo\Downloads\ji cuadrado de ejercicio de materia

(1).sav'.
DATASET NAME Conjunto_de_datos1 WINDOW=FRONT.
CROSSTABS
/TABLES=Género BY HistoriaClínica
/FORMAT=AVALUE TABLES
/STATISTICS=CHISQ
/CELLS=COUNT EXPECTED
/COUNT ROUND CELL
/BARCHART.

Tablas de contingencia

Notas
Resultados creados 26-JUL-2022 20:51:09
Comentarios
C:\Users\Lenovo\Downloads\ji cuadrado
Datos
de ejercicio de materia (1).sav
Conjunto de datos activo Conjunto_de_datos1
Filtro <ninguno>
Entrada
Peso <ninguno>
Dividir archivo <ninguno>
Núm. de filas del archivo de 484
trabajo
Los valores perdidos definidos por el
Definición de los perdidos
usuario serán tratados como perdidos.
Tratamiento de los valores Los estadísticos de las tablas se basan
perdidos en todos los casos con datos válidos en
Casos utilizados
los rangos especificados para todas las
variables de las tablas.
CROSSTABS
/TABLES=Género BY HistoriaClínica
/FORMAT=AVALUE TABLES
Sintaxis /STATISTICS=CHISQ
/CELLS=COUNT EXPECTED
/COUNT ROUND CELL
/BARCHART.
Tiempo de procesador 00:00:00,31

Tiempo transcurrido 00:00:00,30

Recursos
Dimensiones solicitadas 2

Casillas disponibles 131029

[Conjunto_de_datos1] C:\Users\Lenovo\Downloads\ji cuadrado de ejercicio de
materia (1).sav

Resumen del procesamiento de los casos

Casos

Válidos Perdidos Total

N Porcentaje N Porcentaje N Porcentaje

Género * HistoriaClínica 484 100,0% 0 0,0% 484 100,0%

Tabla de contingencia Género * HistoriaClínica

HistoriaClínica Total

Infecciones Infecciones no
estomacales estomacales

Recuento 10 282 292

Masculino
Frecuencia esperada 20,5 271,5 292,0
Género
Recuento 24 168 192
Femenino
Frecuencia esperada 13,5 178,5 192,0
Recuento 34 450 484
Total
Frecuencia esperada 34,0 450,0 484,0

Pruebas de chi-cuadrado

Valor gl Sig. asintótica Sig. exacta Sig. exacta

(bilateral) (bilateral) (unilateral)
a
Chi-cuadrado de Pearson 14,607 1 ,000
b
Corrección por continuidad 13,251 1 ,000
Razón de verosimilitudes 14,326 1 ,000
Estadístico exacto de Fisher ,000 ,000
Asociación lineal por lineal 14,577 1 ,000
N de casos válidos 484

a. 0 casillas (0,0%) tienen una frecuencia esperada inferior a 5. La frecuencia mínima esperada es 13,49.
b. Calculado sólo para una tabla de 2x2.
CONCLUSIONES

 El programa SPSS facilita de manera óptima un correcto cálculo de los datos

que se dispongan a partir de una muestra, este programa no solo permite
asegurar o consultar varias cuestiones y características de la estadística actual,
también permite funciones avanzadas que asegurara un correcto manejo y
respuestas independientemente de su uso en los distintos modelos estadísticos
que incluye.

 El SPSS es una herramienta que, debido a su facilidad de uso, nos proporcionó

una ayuda indispensable en el manejo de las pruebas paramétricas y no
paramétricas, mediante los pasos que permitirán plantear las hipótesis
determinando así una diferencia significativa de los resultados ya sea con la
aplicación del T-student o el Chi-cuadrado.
 Todos los profesionales de diferentes áreas necesitan aplicar análisis
estadísticos de datos y hacen uso del SPSS por su confiabilidad en el manejo,
tabulación y obtención de los resultados, en las ciencias médicas es elemental el
uso de este programa para la investigación de valores referentes a tasas de
mortalidad, incidencia, prevalencia y demás datos que no pueden ser calculados
de forma manual ya que supondría un error estadístico muy alto, ante ello el
SPSS es importante y conocer su uso es aun más necesario para obtener los
resultados correctos.
RECOMENDACIONES

 Para el uso del SPSS es necesario determinar y asegurar que los datos que

serán utilizados hayan sido correctamente recopilados o extraídos mediante los

diferentes procesos que hemos visto hasta ahora para así evitar resultados que

no vayan acorde a una investigación independientemente del campo al cual se

aplique.

 Para desarrollar el calculo de los datos estadísticos es indispensable conocer los

modelos estadísticos al cual será aplicado, es necesario los conocimientos

previos acerca de la teoría en el uso de dichas herramientas para así

complementarlo con el manejo adecuado del SPSS y obtener así resultados

significativamente correctos y precisos.

 Una recomendación para el uso del SPSS en cualquiera de los modelos o

cálculos estadísticos en los que se puede aplicar, es necesario la utilización de

un libro de códigos, el cual no es más que una ficha en que se incluyen todos los

valores numéricos asignados a cada una de las variables, de manera que, al

momento de ingresar los datos a SPSS, el investigador, así como los digitadores

sepan que rango de valores debe usar cada una de las variables.

 Se recomienda realizar una correcta búsqueda e instalación del programa desde

servidores que no manejen herramientas de uso sospechoso que manejen virus

 o programas piratas ya que aquello determinaría un grave peligro en el uso del

programa donde se podría perder los datos y generar resultados alterados

relacionado a esta problemática.

BIBLIOGRAFÍAS

1. Mendivelso F, Rodríguez M. Prueba Chi-Cuadrado de independencia aplicada a tablas

2xN. Rev Médica Sanitas. 30 de junio de 2018;21:92-5.
2. Comparación de dos medias. Pruebas de la t de Student [Internet]. [citado 26 de julio de
2022]. Disponible en: https://evidenciasenpediatria.es/articulo/7699/comparacion-de-dos-
medias-pruebas-de-la-t-de-student