AN

1
ANÁLISIS EXPLORATORIO DE DATOS

• Ángel M. Ramos Domínguez

2
Análisis Exploratorio de Datos

• La exploración de los datos puede ayudar a
  determinar si las técnicas estadísticas que
  estamos considerando utilizar en el análisis son
  apropiadas. El procedimiento EXPLORAR de SPSS
  proporciona una variedad de resúmenes númericos y
  visuales de los datos, tanto para todos los datos
  en su conjunto, como para grupos de casos
  separadamente. La variable dependiente debe
  estar medida en una escala cuantitativa,
  mienstras que las variables de grupo pueden ser
  ordinales o nominales.
• Con el procedimiento EXPLORAR de SPSS podemos
• Escrutar los datos
• Identificar casos atípicos (outliers)
• Revisar los supuestos
• Caracterizar las diferencias entre grupos de casos

3
Análisis Exploratorio de Datos

• Queremos explorar la variable gasto por turista y
  día, para el conjunto de la muestra, cumple los
  supuestos exigidos para la mayoría de las
  técnicas estadísticas, así como, para cada uno de
  los grupos de turistas definidos según sexo.
• Haremos uso de la base de datos Base Turistas.sav
  que se encuentra en la carpeta \\Escritorio\Asigna
  turas\Empresariales\Métodos\ de nuestro PC.
• El fichero recoge la información referida a una
  muestra de 797 turistas entrevistados al término
  de sus vacaciones en Tenerife.

4
Análisis Exploratorio de Datos

• Para empezar el análisis, de la barra de menús
  elegimos
• Analizar
• Estadísticos Descriptivos
• Explorar

5
Análisis Exploratorio de Datos

• Elegimos como variable dependiente el gasto por
  turista y día, y como factor la variable sexo.
• Elegimos los estadísticos descriptivos,
  intervalo de confianza para la media al 95,
  estimadores robustos centrales, valores atípicos
  y percentiles.
• Elegimos los gráficos diagrama de cajas, tallos
  y hojas, histograma, y gráficos con prueba de
  normalidad
• Estimación de la potencia
• Elegimos que nos muestre los valores perdidos.

6
Resultados del AED

• La tabla de resumen del procesamiento de los
  casos muestra tres secciones la primera recoge
  el número de casos válidos según sexo, la segunda
  muestra el número de casos perdidos según sexo, y
  por último, el número total de casos, también
  según sexo.

7
Resultados del AED
8
Resultados del AED
9
Resultados del AED

• Los estimadores-M son medidas robustas de
  tendencia central que se pueden usar como
  alternativas a la media y la mediana.

10
Resultados del AED

• Los percentiles indican el porcentaje de casos
  que están por debajo de los valores mostrados.

11
Resultados del AED

• La tabla de valores extremos muestra los casos
  con los 5 valores mayores y menores.

12
Resultados del AED

• El estadístico de Kolmogorov-Smirnov contrasta la
  hipótesis de que los datos se distribuyen
  normalmente.

13
Resultados del AED

• El estadístico de Levene contrasta la hipótesis
  de igualdad de varianzas de la variable
  dependiente para los grupos definidos por la
  variable factor categórica.

14
Resultados del AED
15
Resultados del AED
16
Resultados del AED
LNgtd Stem-and-Leaf Plot for Sexo masculino
Frequency Stem Leaf 3,00 Extremes
(lt1,5) 2,00 1 . 11,00
2 . 1333 13,00 2 . 7899 46,00
3 . 000000001222334444444 63,00
3 . 555555666666777777788889999999 73,00
4 . 00001122222222222333333344444444444
75,00 4 . 55555566666666666667778888888888
9999 52,00 5 . 00011111112222233333333
4 8,00 5 . 557 4,00 6 .
2 1,00 6 . Stem width
1,00 Each leaf 2 case(s) denotes
fractional leaves.
GAsto por turista y día Stem-and-Leaf Plot
for Sexo femenino Frequency Stem Leaf
32,00 0 . 000011111111111 61,00
0 . 222222222222222333333333333333 59,00
0 . 44444444444444444444555555555
31,00 0 . 666666666777777 34,00
0 . 8888888888999999 30,00 1 .
00000000001111 23,00 1 .
22222222222 13,00 1 . 444445
22,00 1 . 6667777777 15,00 1 .
8888889 12,00 2 . 01111 2,00
2 . 3 12,00 2 . 445555 ,00
2 . 1,00 2 . 13,00
Extremes (gt292) Stem width 100,00 Each
leaf 2 case(s)
17
Resultados del AED
18
Resultados del AED
19
Resultados del AED

• El diagrama de cajas nos permite comparar cada
  grupo utilizando cinco valores resumen la
  mediana, los percentiles 25 y 75, y los valores
  mínimo y máximo que no son estadísticamente
  atípicos. Los valores atípicos y extremos se les
  da una atención especial.
• La línea negra que está dentro de la caja marca
  el percentil 50 o mediana dicha distribución.
  Nótese que las medianas varían muy poco entre
  grupos de turistas según su sexo.
• Los bordes de las cajas marcan los percentiles 25
  y 75 de cada distribución.
• Los bigotes que aparecen por encima y por debajo
  de cada caja, señalan los valores mínimo y máximo
  no considerados estadísticamente atípicos.
• Los valores atípicos se representan con un
  círculo y los extremos con un asterisco.