Jamovi | Introducción a la prueba U de Mann-Whitney

En la entrada anterior, vimos que una de las pruebas de inferencia estadística más básica era la T de Student. Ahí aprendimos que para realizar esta prueba se deben cumplir varios supuestos de normalidad. Puedes hacer clic en el siguiente botón verde para repasar o refrescar estos conocimientos:

Cuando no es posible realizar la prueba T de Student, debemos realizar una prueba similar de la rama de pruebas no paramétricas denominada U de Mann-Whitney.

Prueba U de Mann-Whitney

Al igual que ocurría con la prueba T de Student, el test U de Mann-Whitney se emplea cuando queremos conocer si hay diferencias significativas de una (o varias) variable(s) dependiente(s) entre (únicamente) dos grupos. Por tanto, para hacer esta prueba necesitamos tener datos de dos grupos (por ejemplo, mayor o menor de edad) y de una variable dependiente (por ejemplo, la calificación de un cuestionario sobre el cuidado del medio ambiente).

La prueba U de Mann-Whitney (que en términos de andar por casa, se considera estadísticamente menos potente que la T de Student) se emplea cuando los supuestos de normalidad no se han podido cumplir. No obstante, como vamos a ver a continuación, tanto la prueba T de Student como la prueba U de Mann-Whitney son tan similares que en Jamovi están en el mismo lugar. 

La siguiente ilustración recoge un resumen esquemático de lo que debemos tener en cuenta antes de realizar la prueba U de Mann-Whitney. Nótese que si los supuestos de normalidad sí que se cumplen, es preferible realizar la prueba T de Student. 

Caso práctico

En el aula del ayuntamiento de un pueblo pequeño se ha realizado un taller sobre el impacto negativo que el ser humano deja en la naturaleza. Este mismo taller se repitió el día siguiente en el centro cultural de una ciudad. Uno de los objetivos que se plantean con este programa es el de analizar si hay diferencias estadísticamente significativas entre los asistentes del pueblo y de la ciudad. Para ello, al finalizar cada uno de los talleres se solicitó a los asistentes rellenar un cuestionario ad hoc de un único factor compuesto por 15 ítems en una escala Likert de 4 puntos sobre la sensibilización hacia el respeto por el medio ambiente. La muestra estuvo compuesta por 13 participantes del pueblo y 20 participantes de la ciudad. Como se acaba de mencionar, el objetivo es analizar si hay diferencias significativas en la sensibilización del medio ambiente entre habitantes del pueblo y de la ciudad.

Estos datos ficticios se introdujeron en una base de datos de Jamovi (formato .omv) para su posterior análisis estadístico. Para este ejemplo se empleó la la versión 2.3.287 en un ordenador Windows 10. Se recuerda que el procedimiento que se va a mostrar a continuación es idéntico para ordenadores Mac. Puedes hacer clic en el siguiente botón para acceder a la base de datos cuyo nombre es Naturaleza y practicar la prueba U de Mann-Whitney. La base de datos está alojada en el servicio Box.

Procedimiento

Se sabe que vamos a realizar una prueba U de Mann-Whitney por el nombre de esta entrada. Sin embargo, cuando nos enfrentamos a una base de datos nueva, debemos realizar la comprobación de los supuestos de normalidad para determinar cuál es la prueba más adecuada. Puedes hacer clic en el siguiente botón para refrescar el análisis de las distribuciones en Jamovi:

Para realizar la prueba U de Mann-Whitney en Jamovi, seguiremos los siguientes pasos:

En primer lugar, en el menú Análisis pulsamos sobre Pruebas T y, a continuación, sobre Prueba T para muestras independientes. A continuación, introduciremos la variable dependiente (en este caso Naturaleza) en su espacio correspondiente y la variable de agrupación de dos categorías (en este caso Lugar) en su casilla correspondiente. Como novedad, tendremos que hacer clic sobre la opción U de Mann-Whitney en el apartado Pruebas. Además, tal y como se muestra en la siguiente imagen, podremos solicitar la estadística descriptiva, la diferencia de medias, el tamaño del efecto (correlación biseriada de rangos) o los gráficos descriptivos en el apartado Estadísticas adicionales. Además, también se pueden solicitar en este mismo espacio las pruebas de normalidad y homogeneidad en el apartado Comprobaciones de supuestos. 

Resultados

La prueba U de Mann-Whitney es un test de contraste de hipótesis estadístico en el que se comprueba si los dos grupos (habitantes del pueblo y de ciudad en este ejemplo) presentan diferencias estadísticamente significativas. Por tanto, para interpretar este resultado debemos consultar el nivel de significatividad (p-valor) para ver qué hipótesis estadística se puede respaldar. La interpretación de los resultados es muy similar a la prueba T de Student, aunque en este caso se está trabajando con medianas. Entonces, se recomienda reportar la n de cada grupo y el estadístico U junto con el p-valor.

En este ejemplo, se observa que el p-valor es menor a 0,050. Por tanto, tenemos evidencias para no respaldar la hipótesis nula y asegurar que las medianas de los grupos que viven en el pueblo y en la ciudad no son iguales (o que son significativamente distintas). Con la diferencia de medianas, observamos que el grupo del pueblo tiene una mayor sensibilización respecto al cuidado de la naturaleza con respecto al grupo de la ciudad.

Redacción e interpretación final

¿Cómo redactar los resultados de nuestra investigación una vez conocido el resultado de la misma? En esencia, deberemos poner la información del estadístico u junto con el tamaño muestral de los dos grupos entre paréntesis (U(n-pueblo=13; n-ciudad=20) = 11,50; p < 0,001, en este ejemplo). A continuación (o previamente) se deberá de haber informado de los valores de las medias junto con sus desviaciones típicas con el objetivo de apreciar qué grupo tiene mayor o menor puntuación.

Una propuesta de redacción tanto en español como en inglés puede ser la siguiente. En azul se muestran las partes que se deben sustituir por los datos particulares de cada análisis:

• Los resultados de la variable dependiente objeto de estudio han sido comparados. La prueba U de Mann-Whitney indicó diferencias (no) significativas [U(n del grupo A; n del grupo B) = Estadístico; p-valor] entre el Grupo A (Valor de la mediana) y el Grupo B (Valor de la mediana).

• Results of the dependent variable under study have been compared. A Mann-Whitney U test indicated (non-) significant differences [U(n of group A; n of group B) = Statistics; p-value] between Group A (Median value) and Group B (Median value).  

Seguir aprendiendo

A continuación, pulsando sobre el siguiente botón veremos un caso particular para estudiar las diferencias significativas entre dos grupos cuando estos no presentan igualdad de varianzas pero sí que los datos se distribuyen normalmente:

Jacob Sierra Díaz y Alti

Jamovi | Introducción a la prueba T-Student

Una de las pruebas de la rama de Estadística Inferencial básica es la conocida como prueba T de Student. Este nombre procede del apodo de William Sealy Gosset, un estadístico británico que realizó contribuciones importantes a este campo de estudio tales como la distribución t de Student. Gosset trabajó en Guiness y la política de empresa obligaba a sus trabajadores a no usar el nombre real en sus publicaciones con el fin de evitar filtraciones. De ahí que en todas sus publicaciones Gosset firmaba como Student.

Prueba T de Student

La prueba T de Student se emplea cuando queremos conocer si hay diferencias significativas entre dos grupos (variable independiente dicotómica) teniendo en cuenta una (o varias) variables dependientes. Por tanto, para hacer esta prueba necesitamos tener datos de dos grupos (por ejemplo, el sexo) y de una variable dependiente (por ejemplo, el grado de resiliencia obtenido mediante un cuestionario).

Para poder realizar esta prueba, se deben cumplir los supuestos de normalidad y homogeneidad. Entonces, en primer lugar, se requiere analizar la asimetría, curtosis y el valor de la prueba Shapiro-Wilk* para determinar la idoneidad de efectuar este contraste de hipótesis. Puedes hacer clic en el siguiente botón para repasar cómo se realizan estas comprobaciones con el programa Jamovi:

La siguiente ilustración recoge un resumen esquemático de lo que debemos tener en cuenta antes de realizar la prueba T de Student. Nótese que si los supuestos de normalidad no se cumplen, la prueba que se deberá realizar será la U de Mann-Whitney. 

*Se menciona la prueba Shapiro-Wilk al ser la única que viene por defecto en el programa Jamovi. No obstante, se debe recordar que hay otras pruebas como la de Kolmogorov-Smirnov que se usan de manera similar cuando la muestra es mayor a 30 o 50 sujetos (dependiendo de la fuente consultada). 

Caso práctico

Se ha realizado una intervención en una clase de Educación Física con personas con distintos tipos de discapacidad. El objetivo es analizar si este tipo de experiencias sobre la mejora de la sensibilización hacia la discapacidad es distinta en chicos y en chicas. Para ello, una vez realizada la intervención, se ha pasado la Escala de Actitud hacia el Alumnado con Discapacidad en Educación Física (EAADEF; Íñiguez-Santiago et al., 2017) que sirve para ver con una única dimensión de cuatro ítems el grado de aceptación de las personas con discapacidad en las clases a través de una escala Likert de 5 puntos. La intervención se ha llevado a cabo en una clase de 5º de Primaria compuesta por 26 alumnos (12 chicos y 14 chicas). Como se ha mencionado anteriormente, se pretende estudiar si hay diferencias en las actitudes hacia la discapacidad entre chicos y chicas.

Estos datos ficticios se introdujeron en una base de datos de Jamovi (formato .omv) para su posterior análisis estadístico. Para este ejemplo se empleó la la versión 2.3.287 en un ordenador Windows 10. Se recuerda que el procedimiento que se va a mostrar a continuación en un ordenador Mac es idéntico. Puedes hacer clic en el siguiente botón para acceder a la base de datos cuyo nombre es Discapacidad y practicar la ejecución de esta prueba. La base de datos está alojada en el servicio Box.

Procedimiento

Antes de comenzar con el cálculo del contraste de hipótesis T de Student se debe haber abierto la base de datos en Jamovi. A continuación, se debe comprobar la distribución normal de la variable dependiente (en este caso actitudes hacia la discapacidad). Como se ha visto en la ilustración anterior, si se confirma la distribución normal (como es este caso) se procede a realizar la prueba paramétrica T de Student.

En primer lugar, en el menú Análisis pulsamos sobre Pruebas T y, a continuación, sobre Prueba T para muestras independientes. A continuación, introduciremos la variable dependiente (en este caso Sensibilización) en su espacio correspondiente y la variable de agrupación de dos categorías (en este caso Sexo) en su casilla correspondiente. Esto es suficiente como para obtener los resultados básicos del contraste de hipótesis. 

Sin embargo, como se muestra en la siguiente ilustración, se puede solicitar información adicional tal como la estadística descriptiva, la diferencia de medias o el tamaño del efecto (d de Cohen) en el apartado de Estadísticas Adicionales. Además, en el apartado Comprobaciones de supuestos también se pueden solicitar en este mismo espacio las pruebas de normalidad y homogeneidad de igualdad de varianzas. Puesto que esta entrada es una mera introducción, simplemente diremos dos cuestiones importantes que desarrollaremos en las siguientes entradas:

• En caso de que la significación de la prueba de normalidad (test Shapiro-Wilk) sea inferior a 0,050 [no se asume una distribución normal], se deberá realizar la prueba U de Mann-Whitney.

• En caso de que la significación de la prueba de homogeneidad (test de Levene) sea inferior a 0,050 [no se asume igualdad de varianzas], se deberá realizar la prueba t de Welch. 

Resultados

La prueba T de Student es un test de contraste de hipótesis estadístico en el que se comprueba si los dos grupos presentan diferencias estadísticamente significativas. Por tanto, para interpretar este resultado debemos consultar el nivel de significatividad (p-valor) para observar qué hipótesis estadística se puede respaldar.

En este ejemplo, se observa que el p-valor es menor a 0,050. Por tanto, tenemos evidencias para no respaldar la hipótesis nula y asegurar que las medias de los grupos no son iguales (o que son significativamente distintas). Con la diferencia de medias, observamos que el grupo de chicas tiene una mayor sensibilidad hacia la discapacidad que el grupo de chicos en 2,56 puntos. 

Redacción e interpretación final

¿Cómo redactar los resultados de nuestra investigación una vez conocido el resultado de la misma? En esencia, deberemos poner la información del estadístico t junto con los grados de libertad entre paréntesis (t(25)=-4,20; p < 0,001 en este ejemplo). A continuación (o previamente) se deberá de haber informado de los valores de las medias junto con sus desviaciones típicas con el objetivo de apreciar qué grupo tiene mayor o menor puntuación.

A continuación se muestra una propuesta de redacción. En azul todas las partes que habría que adaptar a cada caso particular:

• Los resultados han mostrado una puntuación media de la variable objeto de estudio en el grupo A (Media; Desviación típica) menor o mayor que el grupo B (Media; Desviación típica). De hecho, esta diferencia de medias analizadas mediante el contraste de hipótesis T de Student para muestras independientes (no) ha sido estadísticamente significativa (t(grados de libertad) = Estadístico; p-valor; d de Cohen). Por tanto, se concluye que la variable independiente dicotómica influye o tiene relación más allá del mero azar con la variable dependiente objeto de estudio.

• The results have shown a mean score of the variable under study in group A (Mean; Standard Deviation) lower or higher than group B (Mean; Standard Deviation). In fact, this difference in means, analyzed by independent samples T-test, was (not) statistically significatn (t(degrees of freedom)=Statistic; p-value; Cohen's d). Thus, it is concluded that the dichotomous independent variable influences or has a relationship beyond mere chance with the dependent variable under study.

Fuente bibliográfica

Referencia en estilo APA-7: 

• Íñiguez-Santiago, M. C., Ferriz, R., Martínez-Galindo, M. C., Cebrián-Sánchez, M. M., y Reina, R. (2017). Análisis factorial de la escala de actitudes hacia el alumnado con discapacidad en Educación Física (EAADEF). Psychology, Society & Education, 9(3), 493-504. https://doi.org/10.25115/psye.v9i3.652

Seguir aprendiendo

Una vez visto el procedimiento de cálculo del estadístico T de Student, queda por ver el procedimiento similar para el caso de variables que no siguen una distribución normal. Haz clic en el siguiente botón para acceder y conocer la prueba U de Mann-Whitney con Jamovi:

Jacob Sierra Díaz y Alti

Jamovi | Observación de la distribución normal

En la entrada anterior de la categoría Jamovi, vimos la manera matemática o numérica de determinar si los datos de una variable dependiente sigue una distribución normal a través de la asimetría, la curtosis y el test de Shapiro-Wilk. Puedes hacer clic en el siguiente botón para acceder y repasar el procedimiento matemático para evaluar la distribución de las variables dependientes con Jamovi.

Dentro de lo que podemos denominar "pruebas observacionales", es decir, el procedimiento de ver la distribución de los datos y comprobar su normalidad; podemos observar tres gráficos distintos que ofrecen información muy similar: la curva de distribución, el diagrama de caja y bigotes (box plot en inglés) y el gráfico Q-Q.

Curva de distribución

Para obtener la curva de distribución de una variable dependiente en Jamovi debemos ir al menú Análisis. A continuación, pulsaremos sobre el icono Exploración y después sobre la opción Descriptivas. 

En este punto, debemos introducir las variables dependientes objeto de estudio (en el ejemplo de la ilustración de abajo tiene el nombre de Var1). Ahora, iremos a la opción de Gráficos y en la sección de Histogramas haremos clic en la casilla Densidad. 

El gráfico se mostrará en la ventana derecha. Simplemente debemos comparar la curva con una curva normal estandarizada y ver si hay diferencias o similitudes como para poder determinar que la variable sigue una distribución normal.

Diagrama box plot

Para obtener el diagrama de caja y bigotes (box plot en inglés) de una variable dependiente en Jamovi debemos ir al menú Análisis. A continuación,  pulsaremos sobre el icono Exploración y después sobre Descriptivas. 

En este punto, debemos introducir las variables dependientes objeto de estudio (en el ejemplo de la ilustración de abajo tiene el nombre de Var1). Ahora, iremos a la opción de Gráficos y en la sección de Diagrama de cajas haremos clic en la casilla Diagrama de caja. Por defecto, también se etiquetarán los valores atípicos. 

El gráfico se mostrará en la ventana derecha. Simplemente debemos comparar la distribución de la caja y del valor de la mediana (línea negra horizontal) con un box plot modelo que sea simétrico. En esencia, cuanto más centrado esté la mediana y los bigotes sean similares tanto arriba como abajo, la distribución de los datos se asemejará mucho más a la curva normal.

Diagrama Q-Q

Para obtener el diagrama Q-Q de una variable dependiente en Jamovi debemos ir al menú Análisis. A continuación,  pulsaremos sobre el icono Exploración y después sobre la opción Descriptivas. 

En este punto, debemos introducir las variables dependientes objeto de estudio (en el ejemplo de la ilustración de abajo tiene el nombre de Var1). Ahora, iremos a la opción de Gráficos y en la sección de Gráficas Q-Q habilitaremos la casilla Q-Q.

El gráfico se mostrará en la ventana derecha. Simplemente debemos comparar que los puntos (que corresponden con los valores de la variable) queden lo más cerca posible a la línea diagonal. De esta manera, si se ajustan lo más cerca posible a dicha línea y no hay ningún valor fuera de la misma, podemos confirmar que los datos de esta variable dependiente se ajustan a una distribución normal.

Estudio numérico de la distribución de los datos

Todas estas observaciones se deben cotejar con las pruebas matemáticas vistas en la entrada anterior: cálculo de los valores tipificados de la asimetría, curtosis y prueba Shapiro-Wilk. Para conocer cómo se realizan estos procedimientos, haz clic en el siguiente botón: 

Jamovi | Estudio de la distribución normal

Para realizar adecuadamente algunas pruebas estadísticas, las variables dependientes deben seguir una distribución normal, es decir, que se asemeje a una campana de Gauss, puesto que de esta forma podemos asegurar que los datos tienen unas propiedades específicas "compatibles" con algunos test estadísticos.

Desde el programa Jamovi es muy sencillo realizar la comprobación de la distribución normal. Para ello, analizaremos tres propiedades: la asimetría, la curtosis y la significatividad de la prueba Shapiro-Wilk. En esta entrada solamente nos centraremos en la realización de las pruebas sin entrar en detalle en explicaciones más profundas. 

  

Estudio de la asimetría y curtosis

Para analizar la asimetría y curtosis debemos ir al menú Análisis, Exploración y Descriptivas. A continuación, introduciremos las variables dependientes objeto de estudio en la ventana Variables. Después, haremos clic en Estadísticas y seleccionaremos Asimetría y Curtosis, en la categoría de Distribución, tal y como se muestra en la siguiente ilustración. Ahora simplemente debemos mirar la tabla de resultados de la parte derecha.

En este caso, debemos hacer una operación externa para interpretar ambos resultados. En concreto, debemos calcular una medida z tipificada (z-score en inglés) para ambas características. Para ello, debemos dividir el valor de la asimetría entre su error estándar y hacer lo mismo con el valor de la curtosis y su error estándar.

• Si el valor z es menor [en asimetría y curtosis] al valor absoluto de 1,96, entonces no hay significación estadística y podemos asumir que los datos de las variables se distribuyen normalmente.

• Si, por el contrario, el valor z es mayor al valor absoluto de 1,96, entonces hay significación estadística y significa que la distribución no es normal. 

En el ejemplo de la ilustración, como ambas medidas z son menores a |1,96| podemos asumir que la variable 1 sigue una distribución normal. 

El test de Shapiro-Wilk

Además del estudio de la asimetría y curtosis, debemos realizar un test para verificar la distribución normal. En concreto, Jamovi nos ofrece la posibilidad de realizar el test de Shapiro-Wilk: el estadístico W junto con su nivel de significatividad o p-valor. Para ello, simplemente iremos a Análisis, Exploración y Descriptivas, introduciremos las variables dependientes objeto de estudio en su lugar correspondiente y en Estadísticos haremos clic en Shapiro-Wilk en la categoría de Normalidad, tal y como se muestra en la siguiente ilustración.

A continuación, miraremos los resultados de la significatividad (p-valor) de la prueba:

• Si el valor p de esta prueba es superior a 0,050 (p > 0,050); no hay significatividad y los datos se distribuyen normalmente.

• Si por el contario, el valor p de esta prueba es inferior a 0,050 (p < 0,050); hay significatividad y los datos no se distribuyen normalmente. 

En el ejemplo de la ilustración, como el p-valor es superior a 0,050 podemos asumir que la variable 1 sigue una distribución normal, confirmando la misma distribución hallada en el estudio de la asimetría y curtosis.

En otros programas estadísticos (como por ejemplo SPSS) se puede realizar otra prueba similar denominada Kolmogorov-Smirnov. Como ya se ha visto en entradas anteriores relativas al programa SPSS, esta prueba se realiza cuando la base de datos tiene más de 50 participantes. 

Seguir aprendiendo

Existe otra forma más subjetiva de analizar la distribución de las variables dependientes a través de distintos gráficos. Haz clic en el siguiente botón para conocer cómo dibujar la curva de los datos objeto de estudio, cómo hacer un gráfico box plot y cómo hacer e interpretar un gráfico Q-Q:

Jacob Sierra Díaz y Alti

Jamovi | Estadística descriptiva básica

Uno de los primeros análisis que podemos hacer en Jamovi es de tipo descriptivo. La Estadística Descriptiva es la rama que se centra en el análisis, resumen y presentación de los resultados de un conjunto de datos derivados de una muestra. La Estadística Descriptiva se clasifica en tres categorías principales: distribución de frecuencia, medidas de tendencia central y medidas de dispersión. Hoy veremos algunos de los procedimientos que permiten obtener datos descriptivos de un conjunto de datos.

Caso práctico

Se tienen datos de una muestra de 60 alumnos de 6º de Educación Primaria sobre las calificaciones de todas las asignaturas del último curso académico: Matemáticas, Lengua Castellana, Ciencias de la Naturaleza, Ciencias Sociales, Plástica, Música, Nuevas Tecnologías y Educación Física. La muestra se compone de dos clases de un colegio público: 6ºA (n = 30 alumnos) y 6ºB (n = 30 alumnos). Además, también se tiene información del sexo de los alumnos. El objetivo de esta investigación conocer la media, la desviación típica, la nota más baja y la más alta de las calificaciones de los alumnos divididos entre cada uno de los grupos.

Estos datos ficticios se introdujeron en una base de datos de Jamovi (formato .omv) para su posterior análisis estadístico. Para este ejemplo se empleó la la versión 2.3.28 7 en un ordenador Windows 10. El procedimiento en un ordenador Mac es idéntico. Puedes hacer clic en el siguiente botón para acceder a la base de datos cuyo nombre es Calificaciones y practicar la ejecución de los procedimientos estadísticos descriptivos.

Procedimiento

En primer lugar, necesitaremos abrir la base de datos en el programa Jamovi. Puedes hacer clic en el siguiente botón para volver a repasar la forma de abrir cualquier base de datos mediante el menú de archivo. No obstante, haciendo clic en el archivo deberá ser suficiente para que se abra Jamovi.

Para hacer un análisis exploratorio básico debemos hacer clic en el botón de Exploración. sA continuación, haremos clic en Descriptivas. Démonos cuenta que en este momento se abren dos nuevas ventanas: a la derecha las tablas de resultados (en blanco) y a la izquierda la ventana de las opciones de análisis. Es precisamente en esta ventana izquierda donde solicitaremos los estadísticos que queramos.

Ahora, vamos a ver las operaciones más importantes que se pueden hacer en este menú:

• Media y desviación típica. En primer lugar, para este ejemplo, vamos a solicitar la media y la desviación estándar de las notas de todas las asignaturas, además de otra información tal como la calificación más baja, la calificación más alta y la mediana. 

• Para ello, seleccionamos las variables de la ventana izquierda y las pasamos a la ventana de variables. Seleccionando la primera variable y la última variable junto con la tecla shift apretada, se realizará una selección de todas. Para pasar variables de un lado a otro, haremos clic en la flecha del medio, tal y como se muestra en la siguiente ilustración. Los resultados se muestran en la ventana correspondientes automáticamente.

• Media y desviación típica con separación por casos. Es posible obtener estos datos dividiendo la base de datos en las variables nominales que hayamos configurado. Para ello, debemos seleccionar la variable por la que queremos dividir los datos y llevarla a la ventana de Separa por.  A continuación, trasladaremos las variables objeto de análisis (asignaturas en este caso) a su ventana correspondiente de Variables.

• En otras palabras, las variables independientes pueden dividir los resultados por grupos (por ejemplo, dividir la media y desviación típica de las notas por grupos). Normalmente, las variables independientes suelen ser de naturaleza categórica (es decir, que tienen distintas categorías) y nominales.

• Configuración de la tabla de resultados. Haciendo clic sobre la opción de Estadísticas podemos cambiar los valores que queramos que calcule. De hecho, podemos observar cómo los datos están clasificados por categorías tales como el tamaño muestral, los análisis de tendencia central, los análisis de la dispersión, los valores de percentiles, información sobre la distribución, información sobre la normalidad, el criterio de valores atípicos, y la dispersión de medias.

• Gráficos. Dentro de estas opciones nos encontramos los gráficos. En función de la naturaleza de los resultados podremos solicitar la creación de distintos gráficos. Para ello, haremos clic en la opción de Gráficos y seleccionaremos el que más nos interese. Por supuesto, se generará un gráfico por cada variable introducida anteriormente.

• Para este ejemplo, dada la naturaleza de los datos, vamos a solicitar la creación de un gráfico de barras. 

Resultados

Los resultados los vamos viendo a medida que vamos configurando los procedimientos estadísticos. Esta es una de las ventajas que tiene Jamovi frente a otros programas. Puesto que el objetivo era obtener la media, la desviación típica y los valores más bajos y altos de los dos cursos de sexto de primaria, bastará con recurrir a la información de la tabla de descriptivos.

Entonces, observamos que en la asignatura de Matemáticas, la nota media de la clase de 6ºA ha sido un 6,60 (con una desviación estándar de 1,87); siendo el 2 la nota más baja y el 9 la nota más alta. Con respecto a la clase de 6ºB, la nota media ha sido un 7,10 (con una desviación estándar de 1,77); siendo el 4 la nota más baja y el 10 la nota más alta. Con respecto a la asignatura de Lengua, la nota media de la clase de 6ºA ha sido un 6,17 (con una desviación estándar de 2,09); siendo el 1 la nota más baja y el 9 la nota más alta. Con respecto a la clase de 6ºB, la nota media ha sido un 6,93 (con una desviación estándar de 1,80); siendo el 3 la nota más baja y el 10 la nota más alta. La interpretación seguiría de esta misma forma para el resto de variables o asignaturas.

Seguir aprendiendo

La siguiente lección que debemos aprender es conocer la forma en la que se distribuyen los datos de nuestras variables dependientes. Haz clic en el siguiente botón para aprender sobre la evaluación de la distribución normal de los datos:

Jacob Sierra Díaz y Alti

Jamovi | Calcular nuevas variables

Al igual que ocurre con otros programas estadísticos, en Jamovi podemos calcular una nueva variable a partir de otra(s). Para ello, deberemos ir al menú superior y hacer clic en Variables y, después, en Calcular. Lo que tendremos que hacer ahora será poner un nombre a la nueva variable y escribir la operación matemática que deseemos que calcule en forma de la nueva variable. Lo bueno que tiene este procedimiento es que esta variable se actualizará automáticamente en función del cambio que hagamos en las variables objeto de cálculo.

Un ejemplo seguro que hace que se entienda mejor este concepto. Imaginemos que tenemos 10 personas con información sobre su estatura y peso. Deseamos calcular el Índice de Masa Corporal (IMC) en nuestra base de datos de Jamovi como una nueva variable. 

• En primer lugar, debemos recordar la fórmula del IMC: Peso / (Altura * Altura)

• A continuación, trasladaremos esta fórmula en una nueva variable calculada. Para ello, tal y como se ve en la siguiente ilustración, debemos ir a Variables y Calcular. A continuación, debemos cambiar el nombre de la variable y en el espacio correspondiente redactaremos la fórmula.

• La sintaxis de las fórmulas son prácticamente similares que en otros programas. Por ejemplo, para representar una multiplicación se emplea el asterisco.

• En este punto, podemos observar que, si añadimos un nuevo sujeto a la base de datos (el 11 y el 12 en este ejemplo) automáticamente se calcula la variable IMC. Notemos, además, que todas las variables creadas por este método incorporan un punto al lado del nombre y toda la columna presentará un fondo gris.

Seguir aprendiendo

Junto con las entradas anteriores dedicadas a Jamovi, tenemos una idea básica sobre su uso. A continuación, comenzaremos a realizar los primeros análisis. Haz clic en el siguiente botón para acceder al análisis de estadística descriptiva:

Jacob Sierra Díaz y Alti

Jamovi | Guardar y abrir archivos con el programa

Ya se ha ido viendo en entradas anteriores que la interfaz de Jamovi es muy intuitiva y sencilla de usar. Esto también es de agradecer cuando tengamos que guardar, abrir, importar o exportar bases de datos de una manera fácil. En lo que respecta a todas estas acciones, deberemos activar el menú de archivo que se encuentra en las tres líneas paralelas de la parte superior izquierda.

Guardar base de datos

Para guardar una base de datos creadas en Jamovi:

• Accedemos al menú de archivo [Tres líneas paralelas]

• Clic en Guardar Como

• Seleccionar la ubicación del archivo, poner el título de la base.

Por defecto, el formato de la base de datos será .omv. Una vez que el archivo ya ha sido guardado en algún lugar del ordenador; si tenemos que hacer algún cambio, bastará con hacer clic en el botón de Guardar.

Abrir base de datos

Para abrir una base de datos en Jamovi basta con acceder al menú de archivo [Tres líneas paralelas] y hacemos clic en Abrir. En este momento, deberemos navegar por el directorio del ordenador para identificar el archivo en formato .omv.

Haciendo clic en el siguiente botón podrás acceder a una base de datos básica con el fin de practicar la apertura de bases de datos en el programa. El nombre de la base de datos lleva el nombre de Prueba.omv.

Exportar base de datos

Desde Jamovi podemos exportar datos para que sean leídos sin problema en otros programas estadísticos como SPSS, R o SAS. Para ello, deberemos ir al menú de archivo y hacer clic en Exportar. A continuación, pondremos el nombre del archivo y, seleccionaremos el formato en el que queramos realizar la exportación según el formato que deseemos. 

Importar base de datos

Por último, también es posible abrir cualquier base de datos de otros programas estadísticos a Jamovi. Simplemente deberemos buscar dicha base de datos desde el menú de Importar especial.

Seguir aprendiendo

Haz clic en el siguiente botón para seguir aprendiendo sobre el funcionamiento de Jamovi. A continuación, te recomendamos que conozcas la forma de crear y calcular una nueva variable:

Jacob Sierra Díaz y Alti