El investigador debera:

1. 2. 3. 4. . Recolectar datos Procesar y depurar Almacenarlos de forma ordenada Usar la tecnologia Programas computacionales

Analisis entre variables

!A es la causa de " !" es la causa de A !#anto A como " son causadas por $ !%a asociaci&n de A y " es causada por una pura coincidencia.

Analisis Parametricos
! $oeficiente de $orrelaci&n de Pearson ! Analisis de dispersion ! Prueba #

Analisis 'o Parametricos

! %a $(i cuadrada o )*

$oeficiente de $orrelaci&n de Pearson

El coeficiente de correlaci&n de Pearson es un +ndice estad+stico ,ue mide la relaci&n lineal entre dos variables cuantitativas.

Cual es la relacion entre los embarazos en adolescentes y la desercion escolar? -ariable dependiente: Desercion escolar -ariable independiente: Embarazos en adolescentes

Paso . 1
USO DE REGRESION LINEAL

! " #alores de la $ariable inde%endiente & " #alores de la $ariable de%endiente N " numero de obser$aciones

n 1

/
desercion

0
embara1os

0* 123425

xy

/*

22

123

51,500 250,000

42

56

9,409

41,225 180,625

412

135

19,321

84,790 372,100

322

4,225

19,500

90,000

1383

424

43,564

197,01 892,725 5

A97 0*7/:7070/ 9 31.33 n7 0*:;7 0<* "9n7 0/:707/9 4.23 n7 0*:; 70<* /9A = " ;)< 31.33=4.23 ; <9 31.33=84.44911 .65

r 9 n7)y:7)7y >?n7)*:;7)< *<;n7y*:;7y< *@

4;15621 <:424;183 <9 688242:641342944622 ?4;43 44<:;424<*<;4;85262 <:183 *@ ?;1642 4: 143214<; 3 62522: 334622 < @;11242<; 22346 <2248 622229 > 46415

9 2.58

El valor del +ndice de correlaci&n var+a en el intervalo ?:13 =1@: Ai r 9 :2.52 correlaci&n negativa muy fuerte Ai r 9 2.22 no e)iste una correlaci&n alguna Ai r 9 =1 correlaci&n positiva perfecta

#er %a'()*+ ,etodolo'ia de la In$esti'acion

$onclusiones:
! E)iste una correlacion positiva muy fuerte entre los embara1os adolescentes y la desercion escolar. ! Bipotesis comprobada: altos valores en ) estan asociados con altos valores con y. ! Para la aplicacion del analisis parametrico de correlacion de Pearson se necesitan los valores (istoricos en estudio de una variable dependiente y otra independiente.

Regresion lineal:
%a regresi&n lineal se determina con base en el diagrama de dispersi&n. Este consiste en una grafica donde se relacionan las puntuaciones de una muestra en dos variables.

PAAC 1:
Crdenar los datos en una tabla de regresi&n lineal de relaci&n variable 0 y /

'
C"AER-A$DC'EA

0
EE"ARAFCA

/
GEAER$DC'

1 2 3 4

123 56 135 4

22 42 412 322

PAAC 2:
Reali1ar un diagrama de dispersion ,ue pueda relacionar 0 y /:
EHe y ;vertical< deserciones

EHe ) ;(ori1ontal< embara1os de adolescentes

PAAC 3:
Iraficar cada par de puntuaciones en un espacio o plano bidimensional.
EHe y ;vertical< deserciones

n 1 2 3 4

) 123 56 135 4

y 22 42 412 322

EHe ) ;(ori1ontal< embara1os de adolescentes

PAAC 4:
Ae visuali1a graficamente la dispersion.
EHe y ;vertical< deserciones

n 1 2 3 4

) 123 56 135 4

y 22 42 412 322

EHe ) ;(ori1ontal< embara1os de adolescentes

$onclusiones:
! E)iste una correlaci&n positiva muy fuerte entre los embara1os adolescentes y la deserci&n escolar. ! Bip&tesis comprobada: altos valores en ) estJn asociados con altos valores con y. ! %a aplicaci&n del anJlisis parametrico de regresi&n lineal esta asociado con el de correlaci&n de Pearson.

%a prueba # de Atudent:
Es una prueba estad+stica para evaluar si dos grupos difieren entre si de manera significativa respecto a sus medias. Ae simboli1a KtL.

El valor t se obtiene en muestras grandes mediante la formula:

t 9 )1 : )2 s1+ s2 n1 n2
Donde: ) es la media del primer r!po ! ) es la media del se !ndo r!po s represen"a la des#ia$ion es"andar del se !ndo r!po ele#ado al $!adrado % n2 es el "ama&o del se !ndo r!po'
2

%a variable atractivo fisico fue medida a traves de una prueba estandari1ada.

(1)*om+res,-128 (2 )m!.eres,-119 /edia de *om+res -15 /edia de m!.eres -12 Des#' 0s"andar Des#' 0s"andar 1r!e+a " 2l- )128+119,32 -4 -3 - 6'698 -24

EHemplo:
4i- 56os #arones le a"ri+!yen mayor impor"an$ia al a"ra$"i#o 7isi$o en s!s rela$iones *e"erosex!ales 8!e las m!.eres9 4o- 56os #aronoes no le a"ri+!yen mas impor"an$ia al a"ra$"i#o 7isi$o en s!s rela$iones *e"erosex!ales 8!e las m!.eres9

$onclusiones:
! %a (ipotesis se plantea en relacion a ,ue dos grupos difieren significativamente entre si y la (ipotesis nula propone ,ue los grupos no difieren significativamente. ! %a comparacion se reali1a sobre una variable3 si (ay diferentes variables se efectuaran varias pruebas KtL.

Analisis 'o Parametricos

%a la chi cuadrada o ):
Es una prueba estad+stica para evaluar (ip&tesis acerca de la relaci&n entre dos variables categ&ricas.

-i%.tesis a %robar: correlacionales. -ariables consideradas: dos. %a prueba c(i cuadrada no considera relaciones causales. Ni$el de medici.n de las $ariables: 'ominal u ordinal ; o intervalos o ra1&n reducidos a ordinales<.

/A0LA DE CON/INGENCIA 12+

NOR/E
3artido derec4ista

SUR
577 167 517

/otal 167

567 597 5:7

*)7

Identi8icaci.n

3artido del centro 3artido iz;uierdista

):7 197

/otal

*77

57)7

fe

9 ; total o marginal de rengl&n< ; total o marginal de columna< n En donde n es el nMmero total de frecuencias observadas

para la primera celda ; 1ona norte y partido derec(ista < la frecuencia esperada ser+a:

fe

9 ; 282 < ; 42 < 1242

9 14 .4

CUADRO DE <RECUENCIAS ES3ERADAS(

14 .4 244.2 1 2.4
*)7

134.4 224.2 135.4

*77

167 ):7 197 57)7

N&rmula de la c(i cuadrada

(0-E )2 9 ) E

7 9 Aumatoria 2 9 frecuencia observada en cada celda E9 frecuencia esperada en cada celda.

Procedimiento para calcular la c(i cuadrada

Celda Aona norte %artido derec4ista Aona norte %artido centro zona norte %artido iz;uierdista Aona sur %artido derec4ista zona sur %artido centro zona sur %artido iz;uierdista 7 E 182 14 .4 152 244.4 162 1 2.4 122 134.4 282 224.2 122 135.4 7=E 34.4 : 4.4 15.4 : 34.4 4.2 :15.4 > O=E?1 1156.14 25 5.34 364.34 1156.14 2514.22 365.34 > 7=E?1@ E 8.23 12.11 2. 2 8.85 12.52 2.62

)29

46.33

Dnterpretaci&n: Al igual ,ue t y f3 la c(i cuadrada proviene de una distribuci&n muestral denominada distribuci&n )23 y los resultados obtenidos en la muestra estJn identificados por los grados de libertad. Esto es3 para saber si un valor de )2 es o no significativo3 debemos calcular los grados de libertad. Estos se obtienen mediante la siguiente f&rmula:
gl 9 ; r:1 < ; c: 1 <

En donde r es el nBmero de re'lones del cuadro de contin'encia y c el nBmero de columnas( En nuestro caso

gl9

; 3:1 <

; 2:1 < 9

; distribuci&n de la c(i cuadrada < eligiendo nuestro nivel de confian1a ; 2.2 o 2.21 <. Ai nuestro valor calculado de )2 es igual o superior al de la tabla3 decimos ,ue las variables estJn relacionadas ; ) 2 fue significativa <. En el eHemplo3 el valor ,ue re,uerimos empatar o superar al nivel del 2.2 es .551. el valor de )2 calculado por nosotros es de 46.333 ,ue es muy superior al de la tabla: ) 2 resulta significativa.

EOEEP%C: BD: %os tres canales de televisi&n a nivel nacional difieren en la cantidad de programas pro sociales3 neutrales y antisociales ,ue difunden. Bay relaci&n y programas pro antisociales. la variable emisi&n de sociales3 neutrales y

Resultados: )1 9 6.5 Il9 4

PIracias por su atencionQ