ANALISIS DE DATOS CON EXCEL

Mag. Julián Suquilvide

Montevideo, Mayo-Junio 2005

La matriz de datos

Es la forma en que tenemos la información luego de su recolección y procesamiento

864738

875337

962316

1076285

651834

678333

777332

866321

P5P4P3P2P1

Estructura tripartita de los datos: para cada individuo o unidad

se relevan variables y se obtienen diferentes valoresAnálisis centrado en la unidad Análisis centrado en la variable

Tablas dinámicas con Excel

• El primer paso es entrar en Datos - Asistente para Tablas Dinámicas que nos guiará en todo el proceso.

• El segundo paso es indicar donde se encuentra la matriz de datos con la que vamos a trabajar.

• El tercer paso es indicar donde vamos a ubicar los resultados: hoja nueva o actual.

La matriz de datos en Excel

• Tablas dinámicas: el comienzo

Dónde están los datos?

Dónde ubicar los resultados?

Distribución de frecuencias

• Tres tipos de frecuencia:– Simple o absoluta– Relativa (%)

Ej: 2/20x100=10%– Acumulada

• Dos tipos de distribución:– Con valores no

agrupados– Con valores

agrupados en intervalos

100%20Total

20 20%47

16 40%86

8 10%25

6 20%44

2 10%23

acumulada%SimpleValor

100%20Total

20 70%145 a 7

6 30%63 a 4

acumulada%SimpleValor

Es una transformación de la matriz centrada en la variable

Distribución de frecuencias con Excel

• Al terminar el paso anterior aparecen con forma de botones los nombres de las variables de la base.

• Paso 1: arrastrar la variable seleccionada a “Coloque campos de fila aquí”

• Paso 2: arrastre la misma variable a “Coloque datos aquí”

• Va a aparecer la distribución de frecuencias absolutas de la variable seleccionada

• Debe decir “Contar de”. Si dice “suma de” ir a un elemento de la barra de herramientas llamado “Configuración de campo” que controla las salidas de los cuadros.

Configuración de campo

• Controla la forma de salida de los datos

• Para generar distribución de frecuencias absolutas se debe marcar “Contar de”

• Para generar distribución de frecuencias relativas, ir a “opciones” y cambiar donde dice “normal” en “mostrar datos como” por % de la columna.

• Si queremos modificar formato de decimales vamos a “número”.

Distribución de frecuencias en Excel

Configuración de campo

Configuración de campo

Agrupación en intervalos

• Con que criterios generar intervalos:– Criterio aritmético: se generan

intervalos iguales para distribuir las frecuencias

– Criterio teórico: diferenciación por alguna causa. P.ej. Notas de promoción o no

• Marca de clase: es la semisuma de los límites de cada clase.

Generación de intervalos en Excel

• Generación de intervalos desiguales– Marcar los valores de la tabla dinámica que se

quieren agrupar.– Ir a datos - agrupar y esquema - agrupar– Aparece una nueva columna y los valores se

agrupan como grupo 1– Se repite hasta completar todos los intervalos. – De esta forma se genera una nueva variable,

cuyo nombre será el mismo con un 2 después.

– Generación de intervalos iguales– Posicionado en el primer valor de la variable,

ir a Datos - Agrupar y Esquema - Agrupar.– Donde dice por, escribir el tamaño de los

intervalos.

Generación de intervalos desiguales

• El diseño de un gráfico depende de dos elementos:– El nivel de

medición de la variable

• Nominal u ordinal: barras, tortas, pictogramas

• Interval: histograma y polígono de frecuencias

– El objetivo del gráfico (qué es lo que queremos resaltar)

a b c

Gráficos de frecuencias

020406080

Medidas de tendencia central

MODO: Valor mas repetido Se puede observar para todas las

variablesMEDIANA: Valor que divide la

distribución en dos partes iguales Se puede calcular sólo para

ordinales e intervalesMEDIA: Promedio Se usa sólo para variables

intervales Cálculo de la media: Sobre la matriz de datos

Promedio simple: Sobre distribución:

Media ponderada

Cálculo de medidas de tendencia central con

Excel

Medidas de dispersión• Describe una variable en función del

grado de homogeneidad que tengan sus valores Dos conjunto de datos con una misma media puede tener una distribución muy diferentes

• En general sólo se calculan medidas de dispersión para variables intervales pues están basadas en desviaciones respecto de la media

• La varianza y el desvío estandar son las dos medidas de dispersión mas importantes.

• La idea básica es medir cuanto se separan de la media los datos individuales. Cuanto más se separen mas dispersión van a tener los datos. Cuanto más cerca de la media se encuentren, más homogénea va a ser la distribución.

• El coeficiente de variación (desvío sobre media por cien) se expresa en porcentaje.

Cálculo de medidas de dispersión con Excel

Fórmulas para el cálculo de medidas descriptivas

Medidas de tendencia central

N

xx

i

N

fxx

ii

Primedio simple

Media ponderada

Medidas de dispersión: desvío estandar

Sobre la matriz

Fórmula de cálculo

Nxxsi

/)( 2

22 )(/)(

xNxsi

Fórmula de cálculo

Sobre la distribución

Nxfxsii

/)( 2

22 )(/)(

xNfxsii

Análisis bivariadoAsociación de

variablesCuando formulamos una hipótesis,

tenemos en definitiva una probable relación entre dos categorías o variables. P. Ej. Los ingresos del trabajo femenino es menor que el del masculino. Lo que estamos proponiendo es una asociación entre ingreso por trabajo y sexo

Podemos entonces además de analizar cada variable por separado, como hemos hecho hasta ahora, analizar la variación conjunta y ver si se cumple lo que planteamos en la hipótesis.

• Distribución bivariante conjunta (matriz)

• Tabla de contingencia

Tablas de contingencia• Se diseña una tabla de doble entrada. Los

valores de una de las variables en columnas y los valores de la otra en filas. En las celdas resultantes se anota la cantidad de casos que presentan ambas características.

• Generalmente en las filas se anota la variable dependiente, pero depende de la cantidad de valores de ambas variables. En el ej.en fila irían los tramos de ingreso y en columnas, sexo.

• Se anotan además los totales, tanto para filas como para columnas y se les llama marginales.

• Los datos pueden estar dados en frecuencias absolutas o en porcentajes.

• Tres formas de presentación de porcentajes– Sobre el total– Sobre las filas– Sobre las columnas

Elaboración y lectura de tablas de contingencia

Elaborar tablas de contingencia• Estudiar la distribución de cada variable y

ver si en algunos valores hay tan pocos casos que no permita su cruce. En este caso se deberán agrupar valores.

• Si la variable es ordinal, los valores deben estar ordenados. Si la variable es interval, se deben crear tramos según algún criterio

• Calcular porcentajes en función de la variable independiente para poder comparar los grupos de esa variable en cuanto su variación respecto de la otra.

Lectura de tablas:• Leer el título, fuentes y notas al pié• Ver la variabilidad que existe entre los

datos

Elaboración de tablas bivariadas con EXCEL

• Arrastrar una variable a campo de filas y la otra a campo de columnas

• Arrastrar una de ellas a campo de datos.

• A partir de configuración de campo se modifica la orientación de los porcentajes, filas o columnas o total.

• Se puede eliminar columnas o filas que no interesen para el análisis y se vuelve a calcular los totales.

• Se puede utilizar la variable original o la variable recodificada.