Manual de Informatica 2018

U.N.M.S.M. – E.P.
Nutrición Manual de Informática en Nutrición

Semestre 2018-I
MANUAL DE INFORMÁTICA EN
ALIMENTACIÓN Y NUTRICIÓN
Autores:
 Mg. Sissy Espinoza Bernardo
 M Sc. Ivonne Bernui Leo
 Dra. Doris Delgado Pérez
 Lic. Luis Sánchez Mercado
2018
1
U.N.M.S.M. – E.P. Nutrición Manual de Informática en Nutrición
Semestre 2018-I
CONTENIDO
Introducción………………………………………………………………………………………
Tema 1: Valoración de una pagina web dedicada a la salud. Estrategias de búsqueda
de artículos científicos en el área de alimentación y nutrición…………………………….. 4
Tema 2: Funciones en EXCEL y tabulación de una Encuesta base……………….…..
Tema 3: Análisis descriptivo en Excel de la Encuesta Base: Tablas y Gráficos para 17

caracterizar la muestra……………………………………………………………………….. 28
Tema 4: Plantillas en Excel para diseñar dietas y evaluar consumo. Programa
Nutrisoftware para servicios de alimentación colectiva…………………………………. 40
Tema 5: Análisis descriptivo en Excel: Consumo de Alimentos Interpretación y
presentación de los datos……………………………………………………………………. 53
Tema 6: Antropometría: Programas WHO ANTHRO PLUS para niños y adolescentes.

WHO ANTHRO para niños menores de 05 años…………………………………………. 68
Tema 7: Análisis descriptivo en Excel: Datos antropometricos Interpretación y

presentación de los datos…………………………………………………………………….
76
Tema 8: Análisis inferencial en Excel: Variables de evaluación nutricional. Interpretación
y presentación de datos antropométricos y de consumo………………
84
Tema 9: Preparación de una base de datos en SPSS. Análisis descriptivo de datos de
alimentación y nutrición en el Programa SPSS………………………………………….. 96
Tema 10: Análisis inferencial de datos de alimentación y nutrición: Uso de pruebas
paramétricas en SPSS………………………………………………………………………… 125
Tema 11: Análisis inferencial de datos de alimentación y nutrición: Uso de pruebas no

paramétricas en SPSS.………………………………………………………………………. 138
Tema 12: Análisis de Regresión y Correlación en SPSS……………………………….. 147
Anexos
Anexo 1: Rubrica de evaluación de avances del trabajo aplicativo……………………
Anexo 2: Rubrica de calificación de la presentación oral del trabajo aplicativo……..
Anexo 3: Rubrica de calificación del trabajo escrito del trabajo aplicativo………………..
2
Semestre 2018-I
INTRODUCCIÓN
El presente manual de enseñanza de la asignatura de Informática en Alimentación y Nutrición,

es un documento de soporte al curso y herramienta de trabajo para el docente y alumno. En él
se describe cada una de las guías de practica para cada tema, y al final se presenta las rubricas
de evaluación del trabajo aplicativo.
La asignatura de Informática en Alimentación y Nutrición corresponde al área formativa, es de

carácter teórico práctico. Tiene como propósito brindar los aspectos prácticos de la informática
para la utilización en el manejo de los programas aplicados en la ciencia de alimentación y
nutrición. Está organizado en 3 Unidades: I. Búsqueda de información, II. Tabulación y análisis
de la información sobre consumo de alimentos y antropometría, y III. Análisis inferencial de la
información.
Las tecnologías de la información, actualmente son elementos fundamentales para la superación

y desarrollo de cada persona, por la alta demanda de formar profesionales capaces de enfrentar
los retos que se tienen hoy en día. La informática en el área de alimentación y nutrición constituye
una herramienta básica como medio de comunicación, en la búsqueda de información
actualizada , para el manejo de diferentes softwares y en el análisis de la información, todo ello
incidirá mas adelante en mejores posibilidades laborales y sociales.
El estudiante de nutrición necesita tener habilidades para manejar base de datos a fin de resumir
y elaborar informes para datos antropométricos y de ingesta alimentaria en tablas y figuras, para
elaborar informes del estado nutricional de una determinada población, o procesar datos de un
proyecto de investigación. Asi mismo, requiere tener habilidades para hacer un buen análisis de
indicadores de salud y nutrición para trabajos de investigación y de inversión.
Por otro lado, el internet se ha convertido en la herramienta educativa más utilizada por los
jóvenes por su alta disponibilidad y accesibilidad, los estudiantes pueden encontrar distinta
información en las plataformas virtuales. Sin embargo, no existen reglas o procedimientos que
gobiernen el tipo o calidad de la información que una persona o entidad puedan colgar. Por ello,
es importante tener en cuenta los criterios para evaluar la confiabilidad de una página web para
diferenciar lo útil de lo que no lo es; asi como realizar una buena búsqueda de información
científica en base de datos indexadas en bibliotecas virtuales de la univerdidas o de instituciones
especializadas.
3
Semestre 2018-I
NOTAS DE CLASE
UNIDAD I: BÚSQUEDA Y EVALUACIÓN DE LA INFORMACIÓN EN INTERNET
Prof. Sissy Espinoza Bernardo/Doris Delgado Pérez
Tema Nº 1: Valoración de una página web dedicada a la salud. Estrategias de búsqueda

de artículos científicos en el área de alimentación y nutrición. Búsqueda en bases de datos
de la UNMSM
Contenido
Objetivos .............................................................................................................................4
Introducción ........................................................................................................................5
Desarrollo del Tema: ...........................................................................................................5
1. Confiabilidad de las fuentes de información sobre salud en Internet…...………………....5
Ejercicio Grupal Nº1: (02 puntos) (9:10 am)…………………………………………...…….7
2. Búsqueda de Información en Internet…………………………………………………...…….7
Ejercicio Grupal Nº2: (02 puntos)………………...……………………………………..….….8
3. Definición de artículos........................................................................................................8
Flujograma de búsqueda ................................................................................................8
Paso 1: Definición del tema y de términos de búsqueda .................................................9
 Ejercicio individual 1 (1 punto)……………………………………………….…….…9
Paso 2: Uso de booleanos ............................................................................................10
Paso 3: Utilizar una biblioteca virtual ............................................................................10
 Ejercicio individual 2 (1 punto) .........................................................................10
Ejercicio Grupal Nº3 (1 punto)......................................................................................11
Ejercicio Grupal Nº4 (1 punto)......................................................................................11
Trabajo Aplicativo ........................................................................................................12
Anexo 1. Bibliotecas virtuales ......................................................................................13
Definición ................................................................................................... …..…..…14
Biblioteca Virtual de la Universidad Nacional Mayor de San Marcos, ...........................15
Biblioteca Virtual de Salud de la OPS ...........................................................................16
SciELO, ........................................................................................................................16
Cochrane Plus ..............................................................................................................16
PubMed ........................................................................................................................16
Otros buscadores ......................................................................................................... 16
Google Académico .......................................................................................................16
Revistas de alimentación y nutrición ............................................................................16
Objetivos
Al finalizar la clase el estudiante estará en la capacidad de: 8 puntos
 Valorar el uso de Internet como recurso educativo.

 Evaluar la confiabilidad de las páginas de Internet.
 Realizar búsqueda de información de libros y tesis relacionados a alimentación y
nutrición.
 Conocer la utilidad de las bases de datos indexadas de bibliotecas virtuales.
 Diferenciar un artículo científico original con un artículo de revisión.
 Identificar artículos científicos originales y de revisión para un tema del trabajo
aplicativo.
 Analizar el resumen de un artículo científico de una base de datos indexadas.
4
Semestre 2018-I
Introducción
Internet (INTERconected NETworks) es una poderosa herramienta de comunicación,

información e integración que constituye para el estudiante una nueva forma de construcción del
conocimiento y generación de aprendizaje, el aprendizaje digital. Está basado en tres teorías de
aprendizaje: constructivismo, teoría de la conversación, y teoría del conocimiento situado (1).
El aprendizaje constructivista se basa en los principios: De la instrucción a la construcción

(Implica la experimentación y la resolución de problemas), Del refuerzo al interés (involucra al
estudiante en el proyecto de aprendizaje, en temas de su interés) y De la obediencia a la
autonomía (libertad responsable).
La teoría de la conversación, aprender con Internet es por naturaleza un fenómeno social y por
ende la adquisición del nuevo conocimiento es el resultado de la interacción de gente que
participa en un diálogo. El aprendizaje resulta ser un proceso dialéctico en el que un individuo
contrasta su punto de vista personal con el de otro hasta llegar a un acuerdo.
La teoría del conocimiento situado, se basa en que no sólo el aprender sino también el pensar
es situado y que por lo tanto el nuevo conocimiento debería ser considerado desde una
perspectiva ecológica. Se enfatiza que se aprende a través de la percepción y no de la memoria.
Por su misma naturaleza, Internet fue diseñado para permitir el intercambio de información. No
existen reglas o procedimientos que gobiernen el tipo o la calidad de la información que una
persona o entidad pueda poner en Internet. Los sitios de la Red pueden contener información
basada en hechos, opiniones, datos, ideas, publicidad, auto promoción, o fines comerciales. Por
ello es importante tener los criterios para evaluar la confiabilidad de una página Web para
diferenciar lo útil de lo que no lo es.
En esta primera parte de la práctica aprenderemos como evaluar las páginas web, HON Código
de Conducta para la evaluación de sitios Web de Salud y Medicina. Luego comprobaremos la
variedad de recursos educativos con que cuenta Internet, desde libros completos hasta tesis. En
la segunda parte, trabajaremos sobre las estrategias de búsqueda de artículos científicos en el
área de alimentación y nutrición; ya que los nuevos descubrimientos se difunden a través de
publicaciones, en diferentes revistas científicas de cada especialidad, y nos mantiene
actualizados. Para ello podemos utilizar las bibliotecas virtuales, que nos ofrecen diversas
instituciones tanto públicas como privadas, es asi que podemos acceder a un gran número de
publicaciones recientes y de calidad con la facilidad de descargar el artículo completo o revisar
en línea.
La Universidad Nacional Mayor de San Marcos, a través del portal de la biblioteca nos permite
acceder a diferentes recursos electrónicos, estos están organizados por bases de datos de
acceso remoto, es decir podemos acceder a estos recursos estando dentro y fuera de la
universidad, con su correo y clave. De esa forma nos permite revisar publicaciones científicas de
buena calidad.
Por lo tanto, es importante conocer métodos de búsquedas bibliográficas, para encontrar lo que
necesitamos, o por lo contrario nos desalentará seguir en este proceso ya que encontraremos
cientos o miles de artículos que no tienen que ver con el tema de interés. Nos podríamos
preguntar, cuál es el método y cómo utilizar eficientemente estas bases de datos de las
bibliotecas virtuales, a fin de ubicar más rápido la literatura necesaria para nuestro objetivo. En
esta clase desarrollaremos estos aspectos.
Además de conocer los métodos de búsqueda bibliográfica, también es sustancial conocer cómo
5
Semestre 2018-I
gestionar u ordenar las referencias bibliográficas. Para ello utilizaremos ficheros digitales, para
construir bases de datos de referencia bibliográficas por temas, a fin de citarlos en un informe
final o una tesis, desde Word. Entre los software de gestores de referencia tenemos a los que
requieren licencia como “EndNote”, “Reference Manager”, “ProCite”, “RefWorks”, “Biblioscape” o
de uso libre como “Zotero”, puede indagar a través de un buscador su utilidad.
Desarrollo del tema (8:45 am)
1. Confiabilidad de las fuentes de información sobre salud en Internet

Para evaluar la confiabilidad de las páginas de Internet se pueden basar en cinco criterios
sencillos para poder hacerlo (3) http://bvs.sld.cu/revistas/aci/vol10_5_02/aci05502.htm, (4).
• Exactitud. La información proporcionada por el recurso debe poder ser verificada, bien a través
de citas o referencias bibliográficas o estar apoyada por resultados de estudios publicados. El
objetivo de la exactitud es asegurar que la información es realmente válida. Una forma de
identificar dicho cumplimiento es verificando si la página relaciona al autor y a la institución que
publicó la página y suministra una forma de hacer contacto con él / ella.
. ¿Quién escribió la página? ¿Es posible contactar al autor?

· Asegúrese que el autor ofrece su correo o una dirección o teléfono para
contactarlo.
· Determine la diferencia entre el autor y el web master.
• Autoría. Que el autor y el servidor de lugar sean identificables y verificables; que los autores
sean profesionales calificados, que la página presente las referencias del autor y su dominio se
relaciona como .edu, .gov, .org, ó .net. En caso de ser un autor corporativo responsable del sitio,
estos son los aspectos a considerar: ¿qué institución es?, ¿de qué carácter?, ¿de dónde es?,
¿presenta la información sobre sí misma (historia, misión, objetivos, sección ¿Quiénes somos?,
ubicación geográfica, dirección, teléfono?).
La autoridad de una fuente de información se basa principalmente en la valoración del
conocimiento y experiencia del autor o autores, así como la reputación de la organización de la
que se deriva la información.
. ¿Quién publicó el documento? ¿Es un individuo diferente al webmaster?

· ¿Está la persona calificada para escribirlo?
· ¿Cuáles son las características del autor?
. Revise el dominio del documento
. ¿Qué institución lo publica?, ¿Dónde se publicó el documento?
• Objetividad. Si la página brinda información precisa con publicidad limitada y es objetiva al

presentar la información. El tono del lenguaje utilizado debe de ser razonado y tranquilo,
argumentando o presentando material de una manera atenta y sin despertar emociones
. ¿Qué propósitos/objetivos tienen las páginas?

· ¿Qué opiniones expresa el autor?
· Determinar si la página es una máscara para la publicidad; si así fuera, la
información ..puede estar sesgada.
· Pregúntese porqué se escribió y para quién.
• Actualidad. De la información y la frecuencia o regularidad de su actualización. La actualidad

se determina examinando la fecha de creación y de revisión o última actualización que debe de
aparecer en la página web; Verificar si los enlaces (de haberlos) también están actualizados.
6
Semestre 2018-I
· ¿Cuándo se realizó?
· ¿Cuándo se actualizó?
· ¿Cuán actualizados están los enlaces (si es que los tiene)?
· ¿Cuántos enlaces no funcionales tiene la página?
· ¿Se actualizan los enlaces con regularidad?
· ¿Está desactualizada la información de la página?
• Cubrimiento. Consiste en determinar el nivel de profundidad y exhaustividad con que se cubre

el tema en cuestión, si la información es completa y con qué nivel de detalle. Comprobar si usted
puede ver la información adecuadamente – sin limitantes como pago de cuotas, tecnología del
navegador, o requisitos de software.
· ¿Están evaluados los enlaces? (si existen). ¿Ellos complementan los

documentos?
· ¿Toda la información que se ofrece se hace mediante imágenes o existe un
balance ..entre texto e imágenes?
· Si la página requiere de un software especial para ver la información, ¿cuánto
se ..pierde si no se posee el software?
· ¿Es la página gratuita, o debe pagarse para obtener la información?
· ¿Hay una opción de solo texto, o frames, o se sugiere un navegador para
verlo ..mejor?
En el link http://bid.ub.edu/23/conesa2.htm, se brinda información sobre herramientas para

evaluar páginas web con información sanitaria (5).
Para el caso de las webs que ofrecen información sobre salud existe un código de
ética, Health on the Net Foundation - HON. Esté icono en una pagina web significa
que los autores se han comprometido a respetar el código HON. Dicho código incluye
entre otras cosas el compromiso de respetar la confidencialidad de la información de
los pacientes y visitantes, incluyendo la identidad y la Honestidad en la política
publicitaria.
Puede leer dicho código en español en la siguiente página: Health on the Net Foundation
https://www.healthonnet.org/HONcode/Conduct_sp.html,
¡Si cumple con los criterios, es posible que usted tenga una página de la Red, valiosa
para su investigación!
Ejercicio Grupal Nº1: (02 puntos) (9:00 am)

1.- Evalúe si estas webs son confiables marcando con una “X” o “√” según los seis criterios antes
mencionados.
Obje Cubr
Exac Autorí Actua HON
Nombre de la Web tivid imi-
ti-tud a -lidad code
ad ento
https://mejorconsalud.com/9-alimentos-
sorprendentes-para-combatir-la-anemia/
http://www.nlm.nih.gov/medlineplus/spanish/e
ncy/article/000560.htm
7
Semestre 2018-I
2. Búsqueda de Información en Internet

Uno de los usos más extendidos de Internet es la búsqueda de información útil para el/la
usuario/a. Sin embargo, su localización no resulta siempre una tarea fácil debido a la gran
cantidad de datos existentes en la red. Por ello debemos conocer maneras de optimizar nuestra
búsqueda (6).
Un primer paso para iniciar la búsqueda es tener claro qué se está buscando y dónde queremos
buscarlo. Recordemos que la información, los documentos, se publican en distintas formas y
soportes con tratamientos diferentes.
De acuerdo a la magnitud de la información que estemos realizando o que se necesite dependerá

la elección de las fuentes de información de búsqueda. Estos pueden ser libros, revistas
científicas, tesis, resúmenes, monografías, sitios web como fuente de información primaria.
A continuación vamos a visitar algunas páginas Web donde podrá conseguir: libros completos
en pdf, tesis, etc.
Ejercicio Grupal Nº2: (2 puntos) (9:20 am )
Procedimiento 1: Búsqueda de Libros

Ingrese a la página de Nutrinfo:
http://www.nutrinfo.com/libros_articulos_sitios_guias_consenso_nutricion.php?tipoNoticia=Libro
s%20Digitales
Escriba 01 libro que le haya parecido más interesante y justifique porque lo eligió.
Libro:
____________________________________________________________________________
Justificación:
____________________________________________________________________________
Vo Bo:
Procedimiento 2: Búsqueda de Tesis ____________
Ingrese a la web http://sisbib.unmsm.edu.pe/bibvirtual/Tesis/Principal.asp
Busque alguna Tesis relacionada a nutrición que pueda compartir con los integrantes de su
grupo, luego escriba el título y link para ubicarlo. No olvide de justificar su elección.
Titulo:_____________________________________________________________________
Justificación:
__________________________________________________________________________
Vo Bo:
____________
3. Definición de artículos (9:45 am )
Comenzaremos con la definición de un artículo de revisión y de un artículo científico
original:
1. Artículo de revisión: este tipo de artículo está redactado con el fin de sintetizar muchos
artículos originales sobre un determinado tema. Por lo general tienen las siguientes
secciones: Introducción, Sub-temas, Conclusiones y Referencias bibliográficas.
8
Semestre 2018-I
2. Artículo científico original, en este tipo de artículo se detalla la metodología empleada
para obtener sus propios resultados, estos serán muy útiles cuando se trata de replicar
o realizar trabajos semejantes. Tiene las siguientes secciones: Introducción, Métodos,
Resultados y Discusión (IMRYD). También presenta resumen y referencias
bibliográficas.
Receso (10 minutos) Hora: 10:00 – 10:10 am
4. Flujograma de búsqueda de información científica
Para seguir el procedimiento de búsqueda se seguirá el flujograma que se muestra en la figura
1, vamos a seguir paso a paso para ser ordenados en la búsqueda de referencias
bibliográficas.
Figura 1: Flujograma de búsqueda de artículos científicos (Fuente: Elaboración

propia)
Paso 1: Definición del tema y de términos de búsqueda

El primer paso es identificar el tema, para este caso vamos a utilizar el tema que
eligió para su trabajo aplicativo 1, en la tabla del ejercicio complete los datos
solicitados.
: (10:15 am).
Tema (un solo tema) Escriba los términos de búsqueda
De la lista de temas del trabajo aplicativo que Defina los términos o palabras claves en inglés o
está en el Aula Virtual, elija uno de ellos. español, estos van a servir para digitar en el
sector de “búsqueda” de la biblioteca virtual.
Operador
Planteamiento de la pregunta Términos de búsqueda
booleano
Pregunta 1: ¿Existe relación entre la Dieta Hipocalórica y Diabetes mellitus tipo 2
AND
el control de la Diabetes Mellitus tipos 2? AND dieta hipocalórica
Pregunta 2: ¿Cuál de las dos dietas, hipoglucida o
Diabetes mellitus tipo 2
hipocalórica es la más efectiva para los OR
OR dieta hipocalórica
pacientes con Diabetes tipo 2?
Pregunta 3: ¿Qué tipos de dietas, diferentes a la Diabetes mellitus tipo 2
NOT
hipocalóricas existen para los diabéticos? NOT dieta hipocalórica
9
Semestre 2018-I
Paso 2: Uso de booleanos
Luego de elegir el tema, se formulará una pregunta a resolver con la búsqueda y
después elegir los términos de búsquedas, es decir palabras, vamos a utilizar uno de
los conectores lógicos como AND, OR, NOT, llamado también operadores booleanos,
que cada uno de ellos nos van a dar diferentes resultados. (fig. 2).
“AND” , “OR”, “NOT”

Para los términos Para los términos Para los términos
“Diabetes Mellitus tipo “Diabetes Mellitus tipo 2” “Diabetes Mellitus tipo
2” AND “Dieta OR “Dieta hipocalórica” 2” NOT “Dieta
hipocalórica” encontraremos todos los hipocalórica”
encontraremos artículos con los términos encontraremos solo
artículos solo con de búsqueda. los primeros términos.
ambos términos.
Figura 2: Operadores booleanos.
Plantee su pregunta a resolver con la búsqueda en Operador Términos de

bases de datos booleano búsqueda
Paso 3: Utilizar una biblioteca virtual

Ingresar a las bases de datos de las bibliotecas virtuales para hacer la
búsqueda de un artículo científico, revise el anexo 1.
individual 2 (10:40 am) (1 punto):
1. Escriba a que biblioteca virtual ingreso
2. Escriba el número de referencias

bibliográficas encontradas para el tema
Elegido
3. De acuerdo a los títulos que acaba de leer: escriba el título de un artículo

científico original o de revisión relevante al tema, el año de publicación y
el nombre de la revista:
Título del artículo científico Año de publicación Nombre de la revista

(original/revisión)
10
Semestre 2018-I
Ejercicio Grupal N°3 (11:00 am) (1 punto):

1. De acuerdo a su trabajo aplicativo del grupo, elijan un artículo que más responda a los
términos de búsqueda.
2. Evalúe el título y el resumen con los criterios de la tabla 1.
3. Si el artículo es interesante grabe el link, en marcadores virtuales que usted maneja,
puede ser “Delicious” u otro.
TABLA 1: Criterios para Evaluar el título y el resumen del Artículo Descriptivo
Evaluación del Título SI DUDOS N

1.- Es claramente indicativo del contenido del estudio (objetivo de la O O
investigación y variables principales).
2.- Es claro, fácil de entender.
3.- Es conciso (15 palabras).
4.- Usa palabras esenciales, no usa sobre-explicación.
Evaluación del Resumen SI DUDOS N
O O
1.-Describe claramente el objetivo
2.-Describe claramente la metodología
3.- Describe claramente los resultados principales
4.- Presenta resultados con valores numéricos.
5.- Describe claramente las conclusiones. (Debe estar de acuerdo a
los objetivos).
6.- Es conciso (250 palabras)
7.- Es auto-explicativo
Fuente: Adaptado de Bobenrieth 5
*Colocar una “X” en los casilleros SI/Dudoso/NO según corresponda.
Ejercicio Grupal N°4 (11:30 am) (1 punto):

Con sus propias palabras escriba un pequeño párrafo interpretando el contenido del
artículo en relación al resumen.
11
Semestre 2018-I
Trabajo Aplicativo N°1: (12:00 am)

Elección del tema: En este momento deberá buscar información en fuentes bibliográficas
confiables de un tema que le gustaría investigar para presentarlo como trabajo final de
aplicación para el curso de informática. Este debe ser sencillo, a base de encuestas de
preferencia validada, factible y cuya población de estudio sea disponible. Justifique su elección.
Tema propuesto:
_______________________________________________________________________________
_______________________________________________________________________________
_______________________________________________________________________________
Justificación:
_______________________________________________________________________________
_______________________________________________________________________________
_______________________________________________________________________________
_______________________________________________________________________________
° Seleccionar los artículos que les servirán para escribir la

introducción.
° Deberán enviar al aula virtual por grupo, el título de su trabajo grupal,

los nombres de los artículos así como el link de cada uno de ellos. La
tarea es un artículo por persona.
Referencias Bibliográficas
1. Pérez Gutiérrez A, Florido Bacallao R. Internet un recurso educativo. Etic@net.
Publicación en línea, Granada (España) año 1, (2). Dic 2003. (Última revisión: 10/03/18).
Disponible en:
http://www.ugr.es/~sevimeco/revistaeticanet/Numero2/Articulos/Intrecedu.pdf.
2. Dertouzos M. "¿Qué será?": Aprendizaje digital. (Última revisión: 10/03/18). Disponible
en: ….http://www.educoas.org/portal/bdigital/contenido/valzacchi/ValzacchiCapitulo-
19New.pdf.
3. Núñez Gudás M. Criterios para la evaluación de la calidad de las fuentes de información
sobre salud en Internet. Publicación en línea, Cuba Acimed 2002,10 (05). . (Última
revisión: 10/03/18). Disponible en:
http://bvs.sld.cu/revistas/aci/vol10_5_02/aci05502.htm#cargo
4. BVS. LIS- España. Sitios saludables. (Última revisión: 10/03/18). Disponible en:
http://lis.isciii.es/docs/metod.html.
5. Conesa Fuentes, M. Carmen; Aguinaga Ontoso, Enrique (2009). "Evaluación de la calidad
de las páginas web con información sanitaria : una revisión bibliográfica". BiD: textos
universitaris de biblioteconomia i documentació, núm. 23 (desembre) .
<http://bid.ub.edu/23/conesa2.htm>. DOI: http://dx.doi.org/10.1344/105.000001506
[Consulta: 10-03-2018.
6. Masegosa Fanego Rosa. Búsqueda de información. http://ocw.upm.es/fisica-
aplicada/tecnicas-experimentales/contenidos/LibroClase/TECap0601.pdf
7. Laporte Joan Ramón, Capitulo 6 Meta análisis, en Principios Básicos de Investigación
Clínica. Fecha de modificación: 13/06/2007, Fecha de acceso 11/03/2018, Disponible en:
http://www.icf.uab.es/llibre/Cap-6.htm
8. Gonzáles C. Buscar en MEDLINE con PubMed. [citado 19 Marzo 2015] Disponible en:
http://www.ibbioetica.org/guia_pubmed.pdf
12
Semestre 2018-I
9. Requisitos de uniformidad para manuscritos enviados a revistas biomédicas:
Ejemplos de referencias. Actualizado el 27 de Julio de 2017. Comité Internacional
de Editores de Revistas Médicas (ICMJE). Biblioteca Nacional de Medicina de los
EE.UU. (NLM). Disponible en:
http://www.nlm.nih.gov/bsd/uniform_requirements.html (versión en inglés). Fecha
de acceso: 07/03/2018.
10. Bobenrieth MA. Lectura crítica de artículos originales en salud. Medicina de Familia
(Andalucía) 2001; 2: 81-90. [citado 19 Marzo 2015] Disponible en:
http://www.samfyc.es/Revista/v2n1/081-090.pdf.
Anexo 1. Bibliotecas virtuales
I Definición
La biblioteca virtual es un conjunto de recursos de información sistematizada en formato
digital (doc, pdf, xls, sav, etc.) que se pueden acceder de una PC a través de internet”.
Entre ellas tenemos:
Biblioteca Virtual de la Universidad Nacional Mayor de San Marcos,

Tiene suscripción a bases de datos indexadas a revistas, libros y tesis, útiles para temas de
nutrición y alimentación; tales como PROQUEST, Annual Reviews, Cibertesis, entre otros
(Fig. 1).
Figura 1: Biblioteca virtual de la UNMSM http://sisbib.unmsm.edu.pe/
13
Semestre 2018-I
Fuera del campus de la UNMSM se puede acceder a las siguientes bases de

datos, es necesario su correo electrónico y su clave.
1. EBSCO, es una base de datos que tiene las siguientes bases de datos: Academic
Search Elite, Business Source Elite, Fuente Académica, MedicLatina, Regional
Business News, Education Full Text (H.W. Wilson), MEDLINE with Full Text,
MEDLINE Complete
2. PROQUEST, es una base de datos de referencias bibliográficas indexadas, es

importante señalar que debe acceder desde el portal de la biblioteca virtual de la
UNMSM, aquí podemos obtener un gran número de artículos científicos, tesis de
pregrado y postgrado; los términos de búsqueda deben estar en inglés.
Biblioteca Virtual de Salud de la OPS

La Biblioteca Virtual de Salud (BVS) es administrada por la Biblioteca Regional de
Medicina (BIREME) de la Organización Panamericana de la Salud, cuya sede está en
Sao Paulo- Brasil. También tenemos BVS Perú, en dicha página podremos encontrar
información sobre temas de la salud que ubicaremos según países, revistas (SciELO)
y temas (LILACS). Encontraremos artículos en español, como también en inglés y
portugués (Fig. 2).
Figura 2: Biblioteca virtual en salud Perú, http://www.bvs.org.pe/
SciELO,
Biblioteca Electrónica Científica, (Scientific Electronic Library Online), en este espacio
podemos ubicar artículos originales y de revisión en una amplia gama de temas de
alimentación y nutrición, muchos de ellos van estar en español o portugués. En la
actualidad participan en SciELO siete países de Iberoamérica: Argentina, Brasil,
Colombia, Chile, Cuba, España y Venezuela. Existen iniciativas en desarrollo de otros
cinco países: Costa Rica, México, Perú, Portugal y Uruguay.
http://www.scielo.org/php/index.php?lang=es
Cochrane Plus
Cochrane Plus es una biblioteca de la BVS que nos permite ubicar artículos científicos
de tipo meta análisis, de temas relevantes de salud, nutrición y alimentación. Es
importante señalar el concepto de estudio tipo meta análisis, es un conjunto de
estudios con diseño aleatorizados, controlados y enmascarados, sobre un tema en
particular, analizando las bases de datos de cada uno de ellos e incluso con entrevistas
al investigador para aclarar aspectos del estudio, por lo tanto es considerado como
evidencias de primer nivel. Se puede acceder cuando se ha suscrito.
14
Semestre 2018-I
PubMed
El sistema de búsqueda PubMed es un proyecto desarrollado por la National Center
for Biotechnology Information (NCBI) en la National Library of Medicine (NLM). Para la
búsqueda de referencias utiliza palabras en inglés. (Fig. 4).
Figura 4: http://www.ncbi.nlm.nih.gov/pubmed
II Otros buscadores
Google Académico
https://scholar.google.com.pe/
Figura 5: Google
académico
15
Semestre 2018-I
Google Académico es un buscador que podemos obtener artículos científicos originales y de

revisión, de diferentes bases de datos indexadas, colocamos los términos de búsqueda en
español o inglés y obtenemos los títulos, y nos muestra cuantas veces ha sido citado dicho
artículo. Ejemplo para los términos “obesidad and hypertension and azúcar”, publicaciones
diversas tenemos 1790 (fecha de acceso 19/03/2016).
II Revistas de alimentación y nutrición:

A continuación se lista algunas revistas útiles para el profesional nutricionista, por áreas de
desempeño. Se puede acceder a algunos artículos completos desde la base de datos de
ProQuest ingresando del portal de la biblioteca de la Universidad Nacional Mayor de San
Marcos.
 Revista de Investigación Clínica (SciELO (México)) v. 54 (2002)

Nutrición  Nutritional Neuroscience (Taylor & Francis) v. 5 (2002)
Clínica  Nutrition Research Reviews (Cambridge University Press) v. 12
(1999)
 Nutrition & Metabolism (BioMed Central)
 Lipids in Health and Disease (BioMed Central)
 European Journal of Clinical Nutrition (Nature Publishing Group)
 British Journal of Nutrition (Cambridge University Press)

 Anales Venezolanos de Nutrición (SciELO Venezuela)
 Archivos Latinoamericanos de Nutrición (SciELO Venezuela)
 American Journal of Clinical Nutrition (American Society of Nutrition)
Nutrición Pública  Journal of the Academy of Nutrition and Dietetics (Pueden ubicarla
físicamente en la biblioteca de la EPAN.)
 Revista de Nutricao (SciELO (Brazil))
 Revista Chilena de Nutrición (SciELO (Chile))
 Public Health Nutrition (Cambridge University Press)
 Nutrition Research Reviews (Cambridge University Press)
 Nutrición hospitalaria (SciELO (Spain))
 Ciência e Tecnologia de Alimentos (SciELO (Brazil))
 British Journal of Nutrition (Cambridge University Press)
 Anales Venezolanos de Nutrición
(SciELO Venezuela)
 Archivos Latinoamericanos de Nutrición (SciELO Venezuela)
Nutrición Deportiva  Nutrition & Metabolism (BioMed Central)

 Journal of the international society of sport nutrition.
Nutrición Educación  Journal of nutrition education and behavior

Investigación  Qualitative Health Research
cualitativa
16
U.N.M.S.M. – EP Nutrición Manual Informática en Nutrición
Semestre 2018-I
NOTAS DE CLASE
UNIDAD II: ELABORACIÓN DE UNA BASE DE DATOS Y ANÁLISIS DE UNA ENCUESTA
EN EXCEL
Prof. Doris Delgado Pérez
Tema Nº 2: Funciones de Excel y tabulación de una encuesta base
CONTENIDO
Objetivos de aprendizaje:......................................................................................................... 17
1. Introducción ......................................................................................................................... 17
2. Introducción a EXCEL .......................................................................................................... 18
3. Funciones de excel………………………………………………..…………………………………19
TABULAR UNA BASE DE DATOS EN EXCEL ........................................................................ 21
Referencias Bibliográficas: ...................................................................................................... 23
TRABAJO APLICATIVO (12:00 ) ............................................................................................. 23
Anexo 1 ................................................................................................................................... 24
Teoría de algunas funciones en EXCEL .................................................................................. 24
Función BUSCARV (teoria)………...............................................................................................24
Funciones lógicas ……………………………………………...…………………………….……24
Función SI…………………………………………………………………………………….……24
Funciones Y, O……………………………………….……………………………………..……..24
Funciones estadísticas……………………………………………...……………………….……...25
Anexo 2 : Encuesta Informática………………………………………….……………….……………26
Objetivos de aprendizaje:
Al finalizar el presente tema el estudiante será capaz de:
a) Utilizar adecuadamente las funciones básicas matemáticas, lógicas (SI, Y, O, 4 puntos
PROMEDIO.SI)
b) Tabular una encuesta base.
1. Introducción
El profesional nutricionista necesita tener habilidades para manejar base de datos a fin de resumir
y elaborar informes, por ejemplo: resumir datos antropométricos en tablas y figuras para un
informe del estado nutricional de una determinada población, o procesar datos de un proyecto de
investigación. Por lo tanto, es necesario utilizar software, que permita procesar datos numéricos,
entre los más conocidos tenemos EXCEL, SPSS, EpiInfo.
En esta clase vamos a aprender algunas funciones de EXCEL, con ejercicios para resolver
problemas del área de la alimentación.
También, aprenderemos a tabular, procesar y analizar datos de una encuesta, cuyo objetivo es
determinar el perfil del estudiante de nutrición del 3° año, de la EPN – UNMSM, con esta
información se construirá una base de datos y en la siguiente clase se resumirá en tablas y figuras.
2. Introducción a EXCEL
La mayor utilidad de la hoja de cálculo EXCEL es crear una base de datos y poder utilizar
rápidamente muchas funciones, desde funciones básicas hasta avanzadas de tal manera que
permita organizar y resumir datos numéricos utilizando la estadística descriptiva o inferencial.
Antes de revisar las funciones vamos a definir algunos términos básicos como precedencias de
operadores y referencias útiles en el uso de fórmulas en la hoja de cálculo de EXCEL.
Base de datos en EXCEL

17
Semestre 2018-I
 PRECEDENCIA DE LOS OPERADORES.
El término Precedencia indica el orden en el que EXCEL ejecuta los cálculos en una fórmula y
sigue las siguientes reglas:
a) Procesa en primer lugar las expresiones que se encuentra entre paréntesis.
b) La multiplicación y la división se ejecutan antes que la suma y la resta.
c) Los operadores consecutivos, con el mismo nivel de precedencia se calculan de
izquierda a derecha.
Pero si no estamos seguros del orden en el que EXCEL ejecutará una secuencia de operadores
debemos utilizar los paréntesis incluso si estos no fueran necesarios. El uso de paréntesis también
hará las fórmulas más fáciles de leer e interpretar en caso necesitara modificaciones posteriores
 REFERENCIAS
Otro de los conceptos útiles en el uso de fórmulas es las “referencias”, que se utiliza al momento
de copiar fórmulas de una posición a otra en la hoja de cálculo.
Existen tres clases de referencias: relativas, absolutas y mixtas.

a) La referencia relativa, (=A1 ) se refiere a la celda por sus
posición con relación a la celda que contiene la fórmula; la
manera de escribir una referencia relativa en una fórmula es
escribir la columna y la fila sin otro símbolo adicional.
b) La referencia absoluta, (=$A$2) identifica las celdas por sus posiciones fijas en la hoja de
cálculo; para escribir una referencia absoluta colocará un signo $ antes de la columna y
otro ante de la fila.
c) La referencia mixta, (=$A1 ) o (=A$1) contiene una referencia relativa y una referencia
absoluta. Las celdas mixtas pueden ser de dos clases, dependiendo si es que la columna
es absoluta o si la fila es absoluta. Aquí un ejemplo de cada una de ellas.
=$A1 Como el signo $ sólo precede a la letra A, dicha columna es absoluta y la fila es
relativa porque no lleva el signo [$].
=A$1 Como el signo $ sólo precede a un número 1, dicha columna es relativa y la fila es
absoluta.

18
Semestre 2018-I
2. Funciones de excel
Ejercicio 1 :
Objetivo: resolver el caso utilizando referencias, función BUSCARV Y FUNCIÓN LÓGICA
SI. Caso1: Un nutricionista desea crear una plantilla para calcular el valor nutricional de los
desayunos. Las características nutricionales del desayuno son:
Condición:
Energía Mayor al 15% de los requerimientos de las adolescentes de 15-17
años.
Distribución 12% de proteinas, el 25% grasa y la diferencia de carbohidratos.
energética
PROCEDIMIENTO
1. Abrir el archivo t3_ejercicios.xlsx

2. Abrir la hoja <cálculos>, en esta hoja tenemos dos tablas, en la tabla 1, se procederá a
escoger los ingredientes del desayuno, columna <codigos>.
3. Para ubicar los “Códigos”, pase a la hoja “b_alimentos”, en esta
hoja tenemos algunos alimentos con su composición química1,
con <buscar>, ubique el código del alimento que va utilizar en el
desayuno.
4. Escriba el código del alimento en tabla

1, códigos, complete todos los
ingredientes del desayuno.
5. Ubíquese en B5, columna NOMALIM,
escribir la función BUSCARV.
La matriz
El valor que donde se Indicador de
columna
va buscar
encuentra
el valor
donde se
encuentra el
Fig 1. Función BuscarV en EXCEL 2007
valor
buscado
6. Para poder copiar la fórmula hacia la derecha debe fijar las columnas, utilice referencias
relativas y absolutas.
7. El indicador de columna debe cambiar de 2 por 4, 7, 8, 10, 14, 17 y 24, en las columnas
respectivas (Desde energía hasta vit. C).
8. Copiar las columnas hacia abajo. Hasta aquí tenemos la composición en 100 g de los
alimentos de la Tabla Peruanas de Composición de Alimentos (2009).

19
Semestre 2018-I
9. En la tabla 2, calcule el valor nutricional de la cantidad decidida por cada ingrediente elegido.
Para calcular el contenido de macronutrientes contenidos en el desayuno, se utiliza una
regla de tres simple. Por ejemplo, para calcular la cantidad de energía que proporcionan 70
g de pan, escribiriamos:
100 g 291 kcal

70 g x
Multiplicamos: 70 *291 y lo dividimos entre 100; el resultado seria 203.7 kcal en 70 g de

pan.
En Excel también haremos eso, pero utilizando celda referenciadas. La finalidad es
hacer una sóla fórmula y copiarla en todo el rango. Una vez que tiene la fórmula
correcta, obtenga los totales de cada columna.
10. Calcule la distribución energética. En la celda E31, multiplique la proteína por 4, F30 la
grasa por 9 y en G30 los carbohidratos por 4, sume los valores en la celda D31. Luego
en la celda E32 digite la fórmula: =+E31*100/$D$31, note que tiene que utilizar
referencias para poder copiar las fórmulas a la derecha.
11. Para responder las siguiente preguntas: utilice la función SI.
a. Coloque la respuesta "ok" cuando el cubre el 15% de los requerimientos de
energía, caso contrario la palabra insuficiente. =SI(D35>15%,"OK","ERROR")
Ejercicio 2 : (1
punto)
Objetivo: Aplicación de referencias, uso de funcione básicas y función promedio.SI.
Caso 2
Se tiene un listado de niño(a)s con su fecha de nacimiento y fecha de visita y se requiere saber
el promedio de edad de los niños menores a 48 meses y el promedio de edad según sexo.
Procedimiento:
Para calcular la edad restar la fecha de visita menos la fecha de nacimiento y dividirla entre
365.25/12, porque EXCEL proporciona la edad en días y necesitamos calcular el número de
meses a partir del número de días. Recuerde que cada cuatro años uno es bisiesto, por eso
usamos el valor 365.25 para convertir a los días en meses.
ORD NOMBRE FVIS FNAC Sexo

1 Josefina 05/04/2014 12/06/2010 F
2 Carlos 05/04/2014 08/02/2009 M
3 Jhon 05/04/2014 06/04/2010 M
4 Dana 05/04/2014 23/01/2010 F
Elabore una fórmula (=PROMEDIO.SI) que calcule el promedio de edad de los niños menores
48 meses Elabore una fórmula (=PROMEDIO.SI) que calcule el promedio de edad de las
mujeres
Elabore una fórmula (=PROMEDIO.SI) que calcule el promedio de edad de los varones
Respuesta:…………………………………………………………………..

20
Semestre 2018-I
4. TABULAR UNA BASE DE DATOS EN EXCEL

Para aprender a elaborar una base de datos, utilizaremos una encuesta que cada estudiante va a
completar. Primero debe verificar que esté lista para ser procesada, en este caso comprobar que
se haya completado todas las preguntas solicitadas Encuesta de Estudiantes de Informática
(ENESINFO 2016) Anexo 1.
La creación de una base de datos en EXCEL se hará en un libro nuevo.
A continuación digitará su encuesta, se recomienda seguir las indicaciones tal cual están aquí
para “unir” los archivos de todo el grupo y tener en un solo archivo los datos de los tres grupos
de práctica. En la carpeta correspondiente a su día de clases: “Martes”, “Jueves” o “Viernes”,
grabará el archivo que va a trabajar.
Procedimiento:
a. Abrir el programa EXCEL. Trabajar en la Hoja 1 en blanco.
b. Grabar el archivo, con el siguiente nombre: “Nº de grupo y su nombre más la palabra ENESINFO
y el día abreviado de la práctica”. Ejemplo: grupo 1, día “Martes”, mi archivo se llamará
“G1doris_enesinfo_MA.xls”. La extensión de los archivos excel es XLS. Es desaconsejable el
uso del punto al poner el nombre a un archivo, es preferible usar raya abajo.
c. Digitar primero todos los encabezados de cada una de las preguntas, de acuerdo al Cuadro 1.
Cuando se elabora una base de datos se recomienda que los títulos de las columnas deben ser
menos de 8 caracteres.
d. Insertar comentarios a los encabezados que se señalan en el Cuadro 1, éstos son para recordar
después su significado de las abreviaturas colocadas en los encabezados.
Figura 2: Modelo de Etiquetas de la Encuesta ENESINFO

 Comencemos con la celda A1 y escribir “CMAT”. Luego añada un comentario, “Código de
Matricula”.
 Escriba en la celda B1, “F_enc” y en comentario escribir “Fecha de encuesta”. Tome nota que
tendrà que escribir 2 dígitos para día, 2 dígitos para mes y 4 dígitos para el año; cada uno
separado por un “/” que se encuentra encima del número 7. Esta columna nos servirá para
calcular la edad en años.
 En las columnas siguientes (desde la C1 hasta la W1) escriba los cometarios que se indican
en el Cuadro 1 y debe quedar tal como está la figura 2.

21
Semestre 2018-I
Cuadro 1: Etiquetas y comentarios de encuesta ENESINFO
TODAS LAS ETIQUETAS VAN EN LA PRIMERA FILA
Columna Etiquetas COMENTARIOS
A CMAT
B F_enc
C F_Nac
D Sexo “1= masculino, 2=femenino”.

E Peso kg Nota:
Recuerde: siempre es bueno “formatear” el
F Talla M número de decimales a un número constante
para todo la columna, para no perderlos cuando
traslademos los datos a otro programa como
SPSS.
G Peri_Cin Cm
H Distrito
I Prov
J Dpto
K E_civil
L Trabaja 1=SI y 2=NO
M Q_horas horas trabajo por semana
N Colegio
O Razon_EN razón para elegiR carrera de Nutrición
P Conocias conocía nutricionista
Q Donde donde le conoció
R Analisis Análisis de hemoglobina?
S FDx_Hb Fecha Dx Hb
T Hb
U Dx_Hb
V Q_tipo programa que usa
W Curs_Inf 1= Si; 2= No
X Q_curso
Y Prom Promedio ponderado
Z Ingles 1= Si; 2= No

22
Semestre 2018-I
Ahora que está listo el formato, proceda a digitar sus propios datos.
Ejercicio 3
(2 puntos)
Un integrante del grupo debe consolidar las encuestas de su grupo en un solo archivo, luego
enviar al AULA VIRTUAL PARA juntar los datos de todos los grupos de práctica.
TAREA
OBJETIVO : Evaluar tablas o figuras de informes de estudiantes del 5to año.
FECHA DE ENTREGA : La próxima clase.
PROCEDIMIENTO : Revisar los informes del décimo semestre y traer la siguiente
información:
- Nombre del autor:
- Título del informe:
- De la sección “Metodología”: copiar las variables estudiadas.
- De la sección “Resultados”: escoger un cuadro o una figura por
cada variable y copiar a mano.
- Hacer su respectivo comentario.
5. Referencias Bibliográficas:
1. Instituto Nacional de Salud, CENAN, Tablas Peruanas de Composición de
Alimentos, sétima edición, 2009.
http://www.ins.gob.pe/insvirtual/images/otrpubs/pdf/Tabla%20de%20Alimento
s.pdf
2. Daniel W. Bioestadística. Base para el Análisis de las Ciencias de la Salud. Editorial Limusa.
4ta. Edición. México. 2004.
3. Harris JA; Benedict FG.A Biometric study of human basal metabolism. Proceedings of de
National Academy of Sciences of the United States of America. 1918;4;370-373. Disponible
en http://www.pnas.org/search?fulltext=harris+and+benedict&submit=yes&go.x=12&go.y=12
Trabajo Aplicativo N°2: (12:00 am)

 Presentar los objetivos del trabajo aplicativo (Objetivo general y específicos).
 Búsqueda del cuestionario.

23
Semestre 2018-I
Anexo 1
Teoría de algunas funciones en EXCEL
A) Función BUSCARV (teoria)
BUSCARV es el nombre de la función, y su argumento es:

( valor_buscado,matriz_buscar_en,indicador_columnas, [ordenado])
Obsérve que los paréntesis enmarcan el argumento de la función. El paréntesis de apertura
señala el principio del argumento debe aparecer inmediatamente después del nombre de la
función. Si introduce un espacio o algún otro carácter entre el nombre de la función y el
paréntesis, aparecerá el valor de error “#¿NOMBRE?” en la celda.
B) Funciones lógicas
Pruebas Condicionales.
Una prueba condicional es una ecuación que compara dos números, funciones, fórmulas, rótulos
o valores lógicos. El resultado de una prueba condicional es el valor lógico VERDADERO (1) o
el valor lógico FALSO (0). Cada prueba condicional debe incluir al menos un operador lógico.
Los operadores lógicos definen la relación de prueba entre los elementos de la prueba
condicional. Por ejemplo, en la prueba condicional A1>A2, el operador lógico, mayor que (>)
compara los valores de la celda A1 y A2.
La tabla de los seis operadores lógicos de EXCEL. Operador Definición
= Igual a
> Mayor que
< Menor que
>= Mayor que o igual a
Función SI <= Menor que o igual a
<> Distinto de
La función condicional SI toma la forma
=SI(prueba_lógica,valor_si_verdadero,valor_si_falso)
Funciones Y, O
Otras dos funciones le ayudarán a desarrollar pruebas lógicas compuestas: Y, O. Estas
funcionan como los operadores lógicos simples =, >, <, >=,<=, y <>. Las funciones Y y O
toman las formas:
=Y(valor_lógico1,valor_lógico2,...,valor_lógico30)
=O(valor_lógico1,valor_lógico2,...,valor_lógico30)
C) Funciones estadísticas
Recordemos el curso de Estadística en el cual nos enseñaron a resumir las variables cuantitativas
en medidas de tendencia central y medidas de dispersión. Las primeras van a responder a la
pregunta: ¿Alrededor de qué valor se agrupan los datos? Y las segundas, ¿Cómo están
agrupados los datos alrededor de las medidas de tendencia central, están muy concentrados o
están muy dispersos?
a. Medidas de tendencia central
Son tres: la media, la mediana y la moda.
La media es la suma de todos los valores de una variable dividida entre el número total de datos
de los que se dispone. Si tuviéramos estos cinco datos: 15, 15, 25, 30, 35 su promedio seria

24
Semestre 2018-I
La mediana es la observación equidistante de los extremos. Si la calculamos manualmente tenemos
que ordenar los datos de mayor a menor y luego tenemos que encontrar el valor que deja a la mitad
de los datos por encima de dicho valor y a la otra mitad por debajo. Así por ejemplo si ordenamos
estos cinco datos de mayor a menor observamos la secuencia: 15, 15, 25, 30, 35. El dato “25” sería
la mediana. Ya sea que el valor mínimo baje a 10 o que el valor máximo suba a 400, la mediana no
cambia; en cambio los promedios con cada uno de los cambios serían: 23 y 97 respectivamente. Por
eso se dice que la media es muy sensible a la variación de las puntuaciones; a diferencia de la
mediana que es más estable frente a dichos cambios.
En este caso la media y la mediana son diferentes por lo que no podemos afirmar que la distribución
de la variable es simétrica.
La moda, es el valor de la variable que presenta una mayor frecuencia. En el caso anterior el valor
“15” es la moda porque se repite dos veces, en comparación con todos los otros que se presentan
sólo una vez.
b. Medidas de dispersión
Existen distintas formas de cuantificar esa variabilidad. De todas ellas, la varianza (S2) de los datos
es la más utilizada. Es la media de los cuadrados de las diferencias entre cada valor de la variable y
la media aritmética de la distribución.
Esta varianza muestral se obtiene como la suma de las diferencias de cuadrados y por tanto tiene
como unidades de medida el cuadrado de las unidades de medida en que se mide la variable
estudiada.
En el ejemplo anterior la varianza sería:
S2 = (15-24)2 + (15-24) 2 + (25-24) 2 + (30-24) 2 + (35-24) 2 = 64

5
La desviación típica (S) es la raíz cuadrada de la varianza. Expresa la dispersión de la distribución y
se expresa en las mismas unidades de medida de la variable. La desviación típica es la medida de
dispersión más utilizada en estadística.
Ejercicio adicional
Objetivo: utilizar la función SI.
COD Sexo Edad Peso Talla TMB
Caso 3 1 F 30 76 1.67
La Licenciada Susana debe calcular las necesidades 2 M 31 72 1.7
energéticas de los pacientes hospitalizados en Medicina 3 F 21 54 1.6
General usando la ecuación de Harris y Benedict a partir de 4 M 31 65 1.65
un listado de datos de los pacientes. 5 F 50 68 1.65
Utilice la fórmula de Harris y Benedict (Harris y Benedict, 1918): 6 M 27 78 1.65
Mujer: 655.1 + 9.56 (Peso, kg) + 1.85 (Talla,cm) - 4.68 (Edad) 7 F 41 71 1.68
8 M 33 71 1.65
Varón: 66.5 + 13.75 (Peso kg) + 5.0 (Talla, cm) – 6.78 (Edad)
9 F 30 72 1.71
10 M 31 73 1.66
Anote la fórmula utilizada

25
Semestre 2018-I
Anexo 2 : Encuesta Informática

Código matrícula
///////// / Pág.1
Fecha: / / / / (dd/mm/aaaa)
Encuesta de Estudiantes de Informática

ENESINFO
Llenar los espacios en blanco con la información solicitada.

Datos personales.
1. Fecha de Nacimiento:/ / / / 2.Sexo M ( 1) F (2 )
(dd/mm/aaaa)
3. Peso (kg): / / / /./ / 4. Talla (mt) / /./ / /

5. Perímetro de cintura (cm)/ / / /./ /
6. Lugar de nacim.: a. Distrito b. Prov. c. Dpto
7. Estado Civil:(1) Soltero (2) Casado(3) Conviviente (4) Divorciado (5) Viudo
8. Trabaja: 1Si 2No Si es afirmativo: Cuantas horas a la semana? / / /
09. Colegio de Procedencia: :
(1) Estatal (2)Particular (3)Parroquial
10. Cual fue la razón para elegir la carrera de nutrición, marcar sólo una respuesta:
(1) Pasar a otra (2) Conoce de la (3) Le gusta y

escuela carrera conoce la carrera
(4) Otro especificar
11. Antes de ingresar a la Escuela de Nutrición, conocía a algún nutricionista?
(1) Si (2)No
De ser afirmativa, ¿dónde lo conoció?
12, ¿Te han hecho análisis de a) ¿Cuál fue el resultado?:

hemoglobina? .
(1)Si (2)No
b) Fecha del Diagnóstico: c).Diagnóstico del análisis de hemoglobina:
_____/ / / (1) Normal (2) Anemia
Aspectos Informáticos

26
U.N.M.S.M. – E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
13. ¿Qué tipo de programa utiliza con mayor frecuencia? Marque solo una alternativa.
(1) EXCEL (2) Word (3) PowerPoint (4) Otro (especificar)
14. Ha estudiado algún curso de informática, adicional al curso introductoria

obligatorio que se dicta en la ciudad universitaria:
(1) Si (2) No
15. De ser afirmativa señale el curso
(1) EXCEL (2) Word (3) PowerPoint (4) Otro (especificar)
Aspecto Académico
16. ¿Cuál es su promedio ponderado en este semestre?
17. Lee artículos en inglés con facilidad: (1) Si (2)NO
Gracias por llenar la encuesta.

Ahora digítela de acuerdo a las indicaciones dadas.
27
Semestre 2018-I
NOTAS DE CLASE
UNIDAD II: ELABORACIÓN DE UNA BASE DE DATOS Y ANÁLISIS DE UNA ENCUESTA EN
EXCEL
Prof. Sissy Espinoza Bernardo
Tema Nº 3: Análisis descriptivo en Excel de la Encuesta Base: Tablas y gráficos para

caracterizar la muestra. Uso de Word, Power Point en la Presentación de la Información
CONTENIDO
OBJETIVOS.............................................................................................................................................28
Introducción (8:40 am) .............................................................................................................................28
Ejercicio Individual: (1 Punto) (8:55 am) ........................................................................................30
1. INFORME DE TABLAS DINÁMICAS (9:05 AM) ...............................................................................30
Definición .................................................................................................................................30
Aplicación a una base de datos ...............................................................................................31
Tablas para Variables Cualitativas ...................................................................................................31
Actividad 1: (1 punto) (9:30 am) ..............................................................................................33
Actividad 2: (1 punto) (9:40 am) ..............................................................................................33
Tablas para Variables Cuantitativas (9:50 am) ................................................................................33
Actividad 3: (1 punto) (10:00 am) ............................................................................................34
2. GRÁFICOS (10:30 AM) .......................................................................................................................34
Gráficos para Variables Cualitativas ................................................................................................35
Columnas apiladas (10:50 am) ........................................................................................................35
Gráficos para Variables Cuantitativas (11:10 am) ...........................................................................36
OBJETIVOS
Al finalizar la presente práctica el alumno será capaz de:
1. Elaborar tablas y gráficos adecuados según tipo de variables usando Tablas
Dinámicas
2. Realizar la interpretación de la encuesta ENESINFO
3. Elaborar de tablas y gráficos en MS Word y Power Point 4 puntos
Introducción (8:40 am)

El sistematizar nuestra información al preparar informes con tablas y gráficas adecuadas nos
servirá no sólo para transmitir mejor nuestras experiencias, sino también será nuestra carta de
presentación personal como profesionales de calidad.
Caso 1:
Una investigadora desea analizar la distribución del nivel de desnutrición según área geográfica
y niveles de pobreza, ella revisando una publicación de Gissele Garrido desea presentar su
información de esta manera. ¿El tipo de gráfico elegido, es el más adecuado para presentar la
información?
28
Semestre 2018-I
Distribución del nivel de desnutrición crónica según área geográfica y niveles de pobreza
http://www.bvsde.paho.org/texcom/nutricion/Pb0115.pdf
_____________________________________________________________________________________
_____________________________________________________________________________________
_____________________________________________________________________________________
___________________________________________.
Caso 2:
Los investigadores Menéndez y Franco en la publicación de su artículo titulado: Publicidad y
alimentación: influencia de los anuncios gráficos en las pautas alimentarias de infancia y
adolescencia en la revista Nutrición Hospitalaria volumen 24 en el año 2009. Se muestra la figura
1. http://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S0212-16112009000300009
¿Que opinión te merece la figura1?
Definición de variable:
Una variable es una entidad abstracta que adquiere distintos valores, se refiere a una cualidad,
propiedad o característica de personas o cosas en estudio y varía de un sujeto a otro o en un
mismo sujeto en diferentes momentos.
En estadística es cualquier rasgo, atributo, dimensión o propiedad capaz de adoptar más de un
valor o magnitud.
29
Semestre 2018-I
Nivel de Medición de Variables
Presenta modalidades no numéricas que no admiten un

criterio de orden.
CUALITATIVAS O Nominal Ejemplos: Sexo: hombre/mujer; Anemia: si/no; Estado civil:
CATEGÓRICAS
soltero/casado/viudo/divorciado/conviviente; etc.
Moda, porcentaje,
Presenta modalidades no numéricas, en las que existe un
prevalencia, tasas,
orden.
frecuencias. Ordinal
Ejemplos: Grado de instrucción: primaria/ secundaria/
superior; Anemia: leve/ moderada/ severa; etc.
Tiene un número limitado de categorías que están igualmente

espaciadas. No tiene un cero absoluto que represente la
CUANTITATIVAS Intervalo verdadera ausencia de la variable.
Ejemplos, Temperatura en grados Fahrenheit; Temperatura
en grados centígrados; Cociente Intelectual; etc.
Medidas de tendencia
central
La medición empieza con un verdadero punto CERO y la
escala tiene intervalos iguales.
Razón
Ejemplos: Temperatura en grados Kelvin; peso; talla; edad;
Medidas de dispersión
hemoglobina; retinol sérico; etc.
Para fines de análisis de datos, éstos dos últimos se consideran como de un solo nivel
(intervalo/razón).
No se confunda al clasificar una variable, pues en el caso de las variables cualitativas (categóricas) el
número sólo representa un código para hacer la digitación y el procesamiento más rápido.
Ejercicio Individual: (1 Punto) (8:55 am)
1. Identifique el tipo de variable y su escala de medición de 05 variables de la encuesta

ENESINFO2018.
Variables Tipo de Variable Escala de Medición

1.
2.
3.
4.
5.
1. INFORME DE TABLAS DINÁMICAS (9:05 am)
 Definición
Una tabla dinámica consiste en el resumen de un conjunto de datos, atendiendo a varios

criterios de agrupación, representado como una tabla de doble entrada. Es dinámica porque
30
Semestre 2018-I
nos permite ir obteniendo diferentes totales, filtrando datos, cambiando la presentación de los
datos, etc. Los Informes de Tablas Dinámicas se utilizan para resumir rápidamente grandes
volúmenes de datos.
 Aplicación a una base de datos
Vamos usar la hoja ‘ENESINFO2018’ para mostrar el uso de la Tablas Dinámicas. Dicha hoja
contiene los resultados de la encuesta autoaplicada por los alumnos del curso de Informática
en Nutrición. Al empezar el análisis de datos es importante tener presente los objetivos de la
encuesta; en este caso el objetivo fue recoger información socio-demográfica, de salud y
prácticas informáticas, para tener un perfil del estudiante de Nutrición de la EAPN – UNMSM
del 3º año que llevan el curso de informática en el 2018.
Tablas para Variables Cualitativas
1.- Abra la hoja ‘ENESINFO2018’, del archivo ‘Tema3_2018’ donde tendremos la base de
datos (fig. 1). Le llamamos base de datos porque en la primera fila están los encabezados y el
contenido de cada columna corresponde a su respectivo encabezado. Lo ideal es tener una
hoja por base de datos; si va a colocar más información en dicha hoja es recomendable separar
la base de datos con una columna y una fila.
Figura 1: Base de datos “ENESINFO2018”
2.- Vamos a elaborar el primer cuadro con la distribución de las personas según Sexo y Grupos
de edad (dos variables) para caracterizar a la población de estudio. Para este último
insertaremos una columna al lado derecho de la columna Edad y llamaremos a esta variable
‘GRUPOE’.
3.- La variable ‘GRUPOE’ será ordinal, para lo cual necesitaremos re-codificar la variable
numérica continua ‘Edad’. Para ello en la celda H2 utilizaremos en la fórmula dos funciones
lógicas SI, anidadas, para crear las tres categorías propuestas: “< 21 a.” de 18 a 20 años; “21-
22 a.” de 21.0 a 22.9 a. y “23 a. y más” para los que tienen 23 y mas años.
4.- Escriba las funciones lógicas Si que utilizó para la variable ‘GRUPOE’.
=SI(____________________________________________________________________________)
5.- Coloque el cursor en la celda A1 (o en cualquier otra celda de la base de datos), en la barra
de menú de EXCEL seleccione <Insertar> y haga un clic en “Tabla dinámica”.
6.- EXCEL responde mostrando un cuadro de diálogo, el cual especifica el rango de datos que
se va a usar y la ubicación que se desea para la tabla dinámica.
Nota.- Si los datos no aparecen automáticamente, haga clic en la flecha roja, que aparece al lado
derecho del casillero <tabla o rango> y con el ratón seleccione toda la base de datos. También
podrá seleccionar rápidamente el rango colocando el cursor en la celda A1 y presionando al
mismo tiempo las teclas [Shift] y [Ctrl.] y las teclas direccionales hacia abajo y hacia la derecha.
7.- Haga clic en <Aceptar> y EXCEL mostrará la hoja dividida en dos ventanas, la de la
izquierda muestra una tabla de doble entrada donde se irá colocando los campos (variables )
en la columna y fila respectivamente, así como en el cuerpo. En la ventana del lado derecho
se encuentra dividida en dos, una lista de campos (variable) a ser seleccionada, la de abajo
31
Semestre 2018-I
subdivida en 4 ventanas en las que se arrastra los campos a la información que se desea; por
ejemplo filtrar datos, etiquetas de columnas y filas y operación de valores (fig. 2).
Figura 2: Seleccionar campos

(variables)
8.- Con el botón izquierdo del ratón arrastre el botón Sexo a COLUMNA y el botón GRUPOE
en FILA en la tabla ubicada al lado izquierdo. Además debemos arrastrar en el cuerpo de la
tabla DATOS una de las dos variables, por ahora, arrastraremos el botón Sexo. (fig. 3).
Figura 3: Arrastre de variables

Recuerde que la selección de variables para elaborar la Tabla dinámica depende de los
objetivos que se tuvieron al recoger la información.
Cuando se utilizan las Tablas Dinámicas los datos que serán analizados pueden ser contados
(variables cualitativas) ó resumidos según estadísticos de promedio, desviación estándar
(variables cuantitativas).
9.- Excel nos da como resultado una tabla de frecuencias, dichos resultados deberán ser
colocados en la tabla que se muestra a continuación. Ya tenemos las frecuencia absoluta de
las variables cualitativas: sexo y grupo de edad, pero nos faltaría el porcentaje para completar
dicha tabla; dicho porcentaje puede ser calculado por filas, por columnas o por el total, la
elección dependerá de lo que queramos comparar. Complete la información en la Tabla1.
Tabla 1: Distribución de estudiantes según sexo
Grupo de Hombres Mujeres

Edad n % n %
< 21a.
21 a 22 a.
23 a más
32
Semestre 2018-I
10.- Para obtener el porcentaje colocar un botón adicional de Sexo debajo de “ventana < ∑
Valores>, hacemos clic en la flecha invertida y aparecerá un cuadro de dialogo. Luego
hacemos clic en la segunda pestaña <Mostrar valores como> y escogemos “% de la fila”
porque queremos comparar la proporción de mujeres y varones en cada grupo de edad.
De una misma base de datos se pueden obtener varias tablas, usando Tablas Dinámicas
bastaría volver al cuadro de diálogo de la fig. 3, retirar las variables actuales y colocar
diferentes variables y la tabla estaría lista, desapareciendo por completo la tabla anterior. Por
lo que antes de hacer una nueva tabla, se recomienda copiar las tablas terminadas en una
nueva hoja a la que llamaremos “Tablas”.
NOTA.- Se recomienda pegarlos con el botón “Pegar valores” porque la tabla esta activa enlazada a la orden y
puede alterarse los datos.
 Actividad 1: (1 punto) (9:30 am)

Indicaciones:
Cada equipo presentará en una hoja Word (visible en una PC), las tablas finales construidas a partir
de las tablas dinámicas con su respectiva interpretación. Puede darle formato a la tabla en Word
con la opción “Herramientas de tabla”. Cada tabla deberá incluir su respectivo título, para ello
deberá tener en cuenta los 4 criterios básicos para su elaboración:
¿Qué? : Las variables de estudio

¿Cómo? : Vínculo, dimensión o características de las variables
¿Dónde? : Espacio o lugar de estudio
¿Cuándo : Tiempo o momento
Título:
_______________________________________________________________________________
_________________________________________________________________________
Interpretación:
_________________________________________________________________________________
Respecto a la Interpretación de la Información es importante tener en cuenta lo señalado por Hernández y cols (3) “En los
comentarios de frecuencias pueden utilizarse frases tales como “la mitad de los entrevistados prefiere la marca X” (con un
50%), “poco menos de la mitad” de la población mencionó que votarán por el candidato X (por ejemplo, con un 48.7%), “casi
la tercera parte…” (por ejemplo, con un 32.8%), “cuatro de cada diez señoras…” (40%), “la enorme mayoría.” (96.7%), etc.
Con la información encontrada en la base de datos “ENESINFO2018”construya tablas para

las siguientes variables cualitativas:
a)Número y % de estudiantes según colegio de procedencia según sexo.
b)Número y % de estudiantes según hayan llevado un curso adicional de informática.
Tablas para Variables Cuantitativas (9:50 am)

Hasta aquí hemos aprendido a preparar tablas para variables cualitativas, en las que se ha
presentado la frecuencia absoluta y el porcentaje; ahora vamos a elaborar una tabla para una
variable cuantitativa (hoja ‘TablasListas’). Vamos a colocar en una sola tabla el promedio del
promedio ponderado del semestre de hombres y de mujeres.
Procedimiento:
33
Semestre 2018-I
1.- En la Tabla Dinámica quitar las variables anteriores y en su lugar

arrastrar la variable promedio ponderado tanto a ‘Rótulos de columna’
como a < ∑ Valores> y la variable ‘Sexo’ a la casilla de filas (fig. 4).
Figura 4: Arrastre para variables cuantitativas
2.- Como se aprecia en la fig. 4, lo que hace es ‘contar’ el número de personas que tienen el
mismo valor de promedio ponderado. Usando la opción de ‘Configuración de campo de valor’
seleccione, ‘Promedio’. Vuelva a arrastrar el botón por segunda vez y ahora elija ‘desvest’. Etc.
Finalmente presione el botón ‘Formato de número’ para obtener un sólo decimal por cada cifra.
Promedio de Promedio Desvest de Promedio
Etiquetas de fila Ponderado Ponderado
Hombre 13.9 0.7
Mujer 13.8 0.9
Total 13.8 0.8
Figura 5: Variable cuantitativa ‘Promedio ponderado’: promedio y desviación estándar .
Recuerde: No toda la información la debemos colocar como tablas y gráficos, cuando una de las categorías es
mucho mayor que la otra sólo debemos mencionar dicho porcentaje como texto. Por ejemplo, el 96% de los
encuestados refieren haber llevado algún curso de informática y dicho porcentaje es muy similar entre hombres
y mujeres.

Con la información encontrada en la base de datos “ENESINFO2015” construya tablas para las
siguientes variables cuantitativas y pase los resultados de la hoja Actividad 3’ de Excel a la hoja Word.
a) Promedio y desviación estándar de promedio ponderado según sexo.
b) Promedio y desviación estándar de horas de trabajo según sexo.
Descanso (10:10 am)

Revisión de pasito entrada (10:20 am)
2. GRÁFICOS (10:30 am)

Un gráfico de Excel está formado por diferentes partes que incluyen, el área del gráfico, las series de datos,
ejes, leyendas, rótulos del eje, entre otros. En la figura 6, muestra los elementos que puede tener un
gráfico.
Área del gráfico Titulo del gráfico Series de datos Líneas de división
Leyenda
Título a los
ejes
Figura 6: elementos de un gráfico
Figura 6: Elementos de un gráfico
34
Semestre 2018-I
Gráficos para Variables Cualitativas

Los gráficos provienen de un cuadro, y una manera rápida de obtener un gráfico es a través de
una tabla dinámica, haremos clic en insertar y elegimos un tipo de gràfico.
luego en <Diseño> de la barra de menú selecionamos el diseño que se adecua a nuestra
necesidad (fig. 7).
Figura 7: Barra de Herramientas: ‘Diseño

’
Una vez escogido el estilo y el diseño del grafico donde figuren rótulos de los ejes y leyenda, el
gráfico estará listo (fig. 8).
Figura 8: Gráfico terminado
Ahora coloque el título adecuado, teniendo en cuenta los criterios básicos (¿Qué?, ¿Cómo?,
¿Dónde?, ¿Cuándo?) y realice una adecuada interpretación.
Titulo:
Interpretación:
Los gráficos encontrados con mayor frecuencia para caracterizar a una muestra en las revistas
científicas son los de columnas y circulares.
Columnas apiladas (10:50 am)

Se usa este tipo de gráfico cuando se quieren comparar dos o más variables categóricas. Para el
presente ejemplo obtenga primero el presente cuadro a partir de las variables: sexo (fila) y colegio
de procedencia (columna):
35
Semestre 2018-I
Total
Sexo Estatal Particular Parroquial general
Hombre 10 3 13
Mujer 18 16 7 41
Total general 28 19 7 54
1.- Seleccionar el área donde se encuentran los datos
en la hoja ‘G_columnas’. En la barra de Menús,
hacer clic en <Insertar> y luego en Columnas, subtipo
de Columna apilada (fig. 9)
Figura 9: Tipo de gráfico Columna apilada .

Colegio Hombre Mujer Total
Estatal 10 18 28
Particular 3 16 19
Parroquial 0 7 7
Total 13 41 54
Figura 10: Columna

apilada de las variables sexo y colegio de procedencia.
Ahora coloque el titulo adecuado (¿Qué?, ¿Cómo?, ¿Dónde?, ¿Cuándo?) y la interpretación.
Título:
Interpretación:
Gráficos para Variables Cuantitativas (11:10 am)

Cuando queremos presentar una variable cuantitativa por ejemplo en la hoja ‘ENESINFO2018’
el promedio del último semestre de cada uno de los grupos de edad, tendremos que hacer una
tabla como la siguiente:
Grupo de edad n Promedio DE
<21a. 15 14.1 0.7
21 a 22 a. 22 13.7 0.8
23 a más. 14 13.7 0.9
Total general 51.0 14.0 0.9
Vamos a realizar un primer gráfico con el promedio y una DE. Para ello una vez que obtuvo la
tabla anterior tiene que transformarla en la siguiente tabla porque la elaboración de un grafico de
Cotización: Máximo-Mínimo-Cierre requiere los datos de esa manera: en la primera fila después
36
Semestre 2018-I
del encabezado, el valor más alto, luego el más bajo y en la tercera fila el valor promedio. En la
primera fila van los encabezados de los tres grupos.
Nota para hacer este tipo de gráfico se requiere originalmente tener tres grupos por lo menos.
Grupo E < 21a. 21-23a. 23a. y +

+ 1DE 15.3 16.0 15.0
- 1DE 13.0 12.0 12.0
Promedio 14 14.1 13.6
1.- Seleccione las 16 celdas de la tabla anterior y haga clic sobre el icono ‘Otros gráficos’ dentro del menú
‘Insertar’, finalmente haga clic sobre ‘Cotizaciones’ (fig. 11).
Figura 11: Otros gráficos Cotizaciones Máximo, Mínimo y Cierre.
Como resultado EXCEL nos proporcionará este gráfico.
2.- Para que se visualice mejor el marcador del promedio y cambiar

el tamaño y color de los marcadores se tiene que hacer clic sobre
dichos puntos (Serie de datos) y hacer clic con el botón derecho del
mouse; escoger la opción ‘Dar formato a serie de datos’. Luego
escogerá ‘Opciones de marcador’, ahí hará clic en integrado y
cambiará el tamaño de 3 a 7 (fig. 12).
Figura 12: Opciones marcador
Luego escogerá en relleno de marcado ‘Relleno

sólido’ y un color oscuro (fig. 12a).
Ya vimos anteriormente como colocar los nombres

de los ejes vertical y horizontal; así como el valor
mínimo del eje vertical.
Figura 12a: Relleno de marcado
El gráfico debe quedar así:
37
Semestre 2018-I
17,0
16,0 16,0
15,0 15,3 15,0
Promedio
14,0 14 14,1
13,6
13,0 13,0
12,0 12,0 12,0
11,0
10,0
< 21a. 21-23a. 23a. y +
Grupo de edad
Coloque un título adecuado e interprete sus resultados. (11: 20 am)
Titulo:
___________________________________________________________________________________
Interpretación:
___________________________________________________________________________________
3.- Mientras que la desviación estándar es una medida de dispersión es decir nos informa que tan dispersos
están los datos; el intervalo de confianza nos dice que este caso que tan cerca estamos del verdadero
promedio. Como recordarán se construye en base a la DE y al tamaño de la muestra. En la hoja ‘IC’ del
archivo ‘Tema4_2016.xls’ se explica cómo obtener la siguiente tabla y a partir de ella el siguiente gráfico
(11:30 am).
Grupo E Promedio Desvest n Margen de error LS LI

< 21a. 14.0 0.68 15 0.344 14.3 13.7
21-23a. 14.1 0.83 22 0.347 14.4 13.8
23a. y + 13.6 0.93 14 0.487 14.1 13.1
Luego adecuamos los límites superior e inferior del IC para que Excel nos proporcione el gráfico de
Cotizaciones.
Grupo de edad < 21a. 21-23a. 23a. y +

LS 14.3 14.4 14.1
LI 13.7 13.8 13.1
Promedio 14.0 14.1 13.6
14,5
Notas promedio
14,0
Finalmente obtenemos 13,5 LS
el siguiente gráfico:
13,0 LI
12,5 Promedio
< 21a. 21-23a. 23a. y +
Grupo de edad
Coloque el título adecuado e interprete los resultados:
38
Semestre 2018-I
Titulo:
Interpretación:
Referencias Bibliográficas:
1. Hernández R, Fernández C, Baptista, P. Metodología de la Investigación. 6ta.ed. México, Edit.

Mc Graw Hill. 2014.
2. Wayne W. Daniel. Bioestadística Base para el análisis de las ciencias de la salud. 4ta ed, Edit.
LIMUSA. 2006
3. Norman G, Streiner D. Bioestadística. 2005.
4. Knapp R, Millar C M. Clinical Epidemiology and biostadistics. Harwal Publishing Company.
Pennsylvania 1992.
TAREA PARA EL TEMA Nª 4
Cada alumn@ deberá traer para la práctica Nº 4 dos encuestas llenas:

Recordatorio de 24 horas de un día entre lunes y viernes una
frecuencia de consumo de alimentos del último mes.
Trabajo Aplicativo N°3: (12:00 am a 12:30 am)
En base a los objetivos del trabajo aplicativo, buscar un instrumento que les permita recoger
información para su investigación. Se recomienda que el instrumento sea validado, pero por
el poco tiempo destinado a esta actividad, se sugiere obtenerlo de una tesis o artículo
científico. Durante esta media hora podrá buscar su instrumento por internet o en caso de ya
tenerlo aprovechar para conversar con las profesoras y evaluar el instrumento para su trabajo.
39
Semestre 2018-I
NOTAS DE CLASE
UNIDAD III: Tabulación y Análisis sobre Consumo y Antropometría
Prof. Luis Sánchez Mercado
Tema Nº 4: Plantillas en Excel

Para diseñar dietas y evaluar consumo
Contenido
Objetivos: ............................................................................................................................................................. 40
Introducción ......................................................................................................................................................... 40
I Plantilla para evaluar Recordatorio de 24 horas / Registro de 24 horas .......................................................... 41
Procedimiento para digitar un Registro de 24 h ............................................................................................... 42
Ejercicio 1: (2 punto) ........................................................................................................................................ 43
II Plantilla Ivan Carbajal Gómez para evaluar una Frecuencia de Consumo ........................................................ 43
Detección de errores en el llenado del Cuestionario (FSCA) ............................................................................ 44
Procedimiento .................................................................................................................................................. 44
Ejercicio 2: (2 punto) ........................................................................................................................................ 45
III Programa PAN para diseñar dietas ................................................................................................................... 46
ANEXO 1: RECORDATORIO DE 24 HORAS ......................................................................................................... 48
ANEXO 2: INSTRUCTIVO RECORDATORIO DE 24 HORAS .................................................................................. 50
ADVERTENCIA: Para poder realizar la presente práctica los estudiantes deberán traer los formatos
de Recordatorio de 24Hr y de Frecuencia de Consumo, que están en los Anexos, llenados.
Objetivos: Ejercicios:
Al finalizar la sesión el estudiante será capaz de: 2 puntos
1.- Utilizar la plantilla PAN_formulas, del Lic. Luís Sánchez Mercado, para calcular el contenido
de energía y nutrientes a partir de los alimentos consumidos en un día.
2.- Utilizar la plantilla del Lic. Iván Carbajal Gómez para calcular el contenido de energía y
nutrientes de una frecuencia semicuantitativa de consumo de alimentos.
Introducción (Hora: 8:40 am)

Parte de la labor del profesional nutricionista gira en torno a la dosificación de los alimentos, ya
sea para formular dietas o productos alimentarios, como también evaluar la ingesta de los
mismos. Antes del avance de la informática el cálculo de la energía y nutrientes contenidos en
los alimentos era un procedimiento muy tedioso, actualmente la hoja de cálculo resulta una
herramienta muy útil para hacer plantillas y realizar en forma rápida y precisa dichos cálculos.
En esta práctica vamos a conocer dos plantillas creadas por egresados de nuestra escuela (Lic.
Luis Sánchez Mercado y Lic. Iván Carbajal Gómez). La intención es, por un lado que las tengan
disponibles para cuando las necesiten y también que se sientan motivados a crear las plantillas
que cubran vuestras necesidades específicas respecto al cálculo de nutrientes a partir de
alimentos.
Debemos recordar los diversos métodos para evaluar el consumo de alimentos. La elección del
método dependerá mucho del objetivo propuesto. Esta práctica presenta dos métodos que suelen
cubrir las necesidades de información a este respecto. Uno es el Recordatorio de 24 horas, en
el cual se pregunta al sujeto de estudio o al encargado de su alimentación, respecto a lo
consumido en las 24 horas anteriores, empezando desde el desayuno (1,2). La información así
recogida es minuciosa respecto a la cantidad consumida en ese UNICO dia. Este método tiene
dos incovenientes, depende del recuerdo de la persona y, aunque se haya reportado
correctamente, sólo es el consumo de UN día (consumo ACTUAL). A pesar de sus defectos este
40
Semestre 2018-I
método es muy usado cuando se quiere conocer el PROMEDIO o la Mediana de un grupo

poblacional, o también cuando se quiere conocer el consumo ACTUAL de una persona en cuyo
caso es necesario hacer la entrevista al menos en 2 dias no consecutivos.
El otro método es el de la Frecuencia de Consumo de Alimentos (3,4) que tiene muchas
variantes respecto al tiempo de referencia del consumo pasado, si es que se colocan o no las
porciones consumida, respecto a la división de la frecuencia en el consumo (que en el formato
aquí presentado llega hasta 9 divisiones). Entre sus desventajas también está el depender del
recuerdo de la persona, además si se trata de una Frecuencia Cualitativa no se recogen
cantidades de alimentos y si es una Frecuencia Semi-cuantitativa, las cantidades no tienen la
exactitud del método del recordatorio de 24 horas. La gran ventaja de usar adecuadamente un
formato validado es que puede proporcionar el consumo HABITUAL de la persona (del último
mes, de los últimos cuatro meses, de los últimos años, etc.) lo cual suele ser muy útil cuando
queremos relacionar el consumo de alimentos con otras variables, por ejemplo el padecimiento
de determinadas enfermedades crónicas no trasmisibles (3), el estado socio-económico, una
intervención educativa exitosa, etc.
I Plantilla para evaluar Recordatorio de 24 horas/ Registro de Alimentos

La plantilla ‘PAN_formulas.xls’ fue diseñada por el Lic. Luis Sánchez M., años atrás, la versión
modificada que ahora se presenta en esta guía (ejercicios) contiene la Tabla de Composición
Química de Alimentos del Perú del año 2008. Es muy útil para calcular el contenido de nutrientes
cuando ya tenemos la cantidad neta en gramos del alimento consumido por una persona en las
24 horas previas al día de la entrevista (Anexo 1).
Para realizar un buen recordatorio se tienen que seguir ciertas pautas (Anexo 2). El Registro es
autoaplicativo, cada persona registra sus alimentos conforme los va ingiriendo. Para fines de la
presente práctica cada estudiante ha registrado el consumo de sus alimentos durante 24 horas,
el formato es el mismo, el método usado es el Registro de Alimentos.
Procedimiento
 Abrir el archivo ‘Rec24H-2018.xls’ que consta de dos hojas: a) _____________ (escribe el
nombre de la hoja) donde está la Tabla de Composición de Alimentos del CENAN (2008) y
b) _________________________ (escribe el nombre de la hoja) donde se hace el cálculo de
la energía y nutrientes a partir de los alimentos consumidos el día anterior.
En el archivo “Rec24H-2012”, seleccione la Hoja ‘Plantilla’:

 Coloque el cursor en la celda ‘b2’ y notará que está escrito: “Cebada, mashka o machica”,
pero en la barra de fórmulas aparece la función ‘SI’ y dentro de ella la función ‘buscarv’:
SI(O($A2="",$A2=0),"",BUSCARV($A2,BD!$A$2:$X$675,2,FALSO))
Figura 1: Contenido de la
celda ‘b2’
 Cuya prueba lógica es: ________________________ (Escribir la prueba lógica en el

espacio en blanco). Es decir verificar si la celda ‘a2’ está vacía o tiene un cero.
 El valor_si_verdadero es "" (que significa ‘dejar en blanco’), mientras que el valor_ si_falso
corresponde a la función “BuscarV”, cuya sintaxis es
=BuscarV(Valor_buscado, Matriz_buscar_en, Indicador_columnas, Ordenado)
41
Semestre 2018-I
 Como lo vimos en una práctica anterior esa función sirve para que el programa busque el
nombre del alimento a partir de un código y lo coloque en la misma celda donde está la
función y lo hace de la siguiente manera:
a) ‘Valor_buscado’, indica el valor con el que debe buscar; en el ejemplo el contenido de la
celda $A2 (fig. 1)
b) ‘Matriz_buscar_en’, rango absoluto de celdas (hoja ‘BD’; rango $A$2:$X$1131) donde
debe buscar el valor que coincida con el contenido de la celda A2
c) ‘Indicador_columnas’, muestra el contenido encontrado en la columna que asignemos.
d) ‘Ordenado’, que en este caso toma el valor ‘Falso’ porque está buscando un valor
exacto, es un código por alimento.
Nota.- Se ha colocado primero la función lógica SI para que en caso de que la celda de la columna
A esté vacía, no salga el mensaje de error ‘#N/A’
 Ahora coloque el cursor en la celda ‘D2’ y note en la barra de fórmulas que esa función es
similar a la que vio en la celda B2; se le ha añadido: ___________; es decir que se está
haciendo el cálculo de la regla de tres en base a la cantidad de alimento que se encuentra
en la columna C. Ahora bien al ir pasando de la columna D a las siguientes en la misma fila
2 notará que en toda la sintaxis lo único que está cambiando es: _______________ (Escribir
la fórmula adicional).
Figura 2: Función SI en la
celda de Energía (‘D2’)
Procedimiento para digitar un Registro de 24 h

1. En la hoja ‘Plantilla’ a partir de la ceda ‘A4’ colocará el código del alimento. Para conocer
dicho código, abrirá a hoja ‘BD’ y seleccionará cualquier celda en la columna B y presionará
al mismo tiempo las teclas ‘Ctrl’ y ‘B’.
Figura 3: Función
‘Buscar’ en la hoja ‘BD’
2. Va a aparecer una nueva pantalla (fig. 3). Escribir el nombre del alimento en el casillero de
‘Buscar:’, según la fig. 3 ‘cebada’ y luego presionar el botón ‘Buscar todos’. Y en la parte
inferior de dicha ventana aparecen varias celdas de la columna ‘B’ que contienen la palabra
‘cebada’. Una vez que encuentre el tipo de cebada que necesite, deberá copiar el código a
la celda ‘A’, contiguo a la celda en la columna ‘B’ aparecerá la ‘cebada’ cuya composición
se quiere conocer; según la fig. 4 a14.
42
Semestre 2018-I
Figura 4: Plantilla R24h, Hoja

‘Plantilla’ digitar sólo en las
columna ‘A’ (código de alimento)
y columna ‘C’ (cantidad del
alimento)
3. Luego en la celda C4 colocará la cantidad de alimento consumido (fig. 4). Repetirá el

proceso tantas veces como alimentos tenga el formato que se está digitando. El programa
no analiza el consumo por tiempos de comida, sino sólo proporciona la suma de los
alimentos consumidos; por lo que podría colocar, por ejemplo, sólo una vez el alimento
‘azúcar’, sumando la cantidad total consumida en el día. Para hacer un mejor control de
calidad de los datos recogidos se recomienda colocar el alimento tantas veces se repita.
La suma del total de energía y nutrientes consumidos en el día aparece en la fila 36 (fig. 5).
Figura 5: Suma
de Eº y nutrientes
Nota.- En la hoja ‘BD’ desde la fila 2 hasta la 675 se encuentran los alimentos de la Tabla de Composición 2008 que
están codificados en la columna ‘A’ por una letra que representa al grupo al cual pertenecen y un número. A
partir de la fila 676 en adelante el código continúa con el número 625 hasta el 1081, dichos alimentos
pertenecen a la Tabla de Alimentos Industrializados y la mayoría no tiene composición de micronutrientes. Así
que si encuentra un alimento con dos códigos elija de preferencia el que tiene letra y número.
Ejercicio 1: (2 puntos) Hora 9:00 am

Digitar su registro de 24 horas (Anexo 1), que debe estar revisado por uno de los profesores presentes en
la práctica. __________________ VºBº
Después de dicha revisión, un representante deberá reunir los recordatorios del sub-grupo en un solo
archivo y enviarlos al correo del profesor responsable de dicho grupo, indicando en el Nombre o Nº del
sub-grupo al que pertenece.
Nota.- Para poder reunir los R24h y que el archivo no sea muy pesado: a) abrir un nuevo archivo en EXCEL, colocarse
en la esquina con triangulo plomo entre la columna A y la fila 1 y pulse ‘copiar’; b) en el nuevo libro ingrese en una
hoja y colocarse en la CELDA A1 y pulse pegar; c) luego VOLVER a pulsar pero ahora use la opción ‘Pegar valores’ del
ícono ‘Pegar’; d) colocar en cada hoja el nombre de la persona que hizo el registro.
II Plantilla Ivan Carbajal Gómez para evaluar una Frecuencia de Consumo

El programa que se describe a continuación sirve para registrar tanto el consumo habitual de
alimentos, como el gasto de energía. La primera versión fue diseñada para la tesis de Licenciado
en Nutrición (5). La versión actual ha sido revisada para que pueda servir también para adultos
(Anexo 3).
Al final de la presente guía encontrará el Instructivo para llenar este formato.
43
Semestre 2018-I
Tenemos que advertir que al evaluar el consumo de alimentos a través de una FSCA, ya sea que
se trate de un mes previo o de mayor tiempo, tenemos que compararlo con los requerimientos
diarios por ello las cantidades consumidas tendrán que ser divididas entre 7 ó entre 30, según el
consumo haya sido semanal o mensual. Además es importante reconocer que para evitar errores
en la digitación debemos digitar códigos en vez de los decimales correspondientes. Así por
ejemplo, si alguien consumió dos raciones de fresas al mes, no digitará ‘0.066’- que es 2/30- sino
su código ‘1’; de igual manera si consumió 5 vasos de leche por semana digitará ‘4’ en vez de
‘0.786’ (5.5/7) que es el número de raciones por día correspondiente. Los códigos que se van a
emplear son los siguientes; si se consume por ejemplo más de 4 cucharadas de azúcar por día,
se digitará directamente el # correspondiente en la celda donde está la función SI (D30):
Equivalente,
FSCA Código
porciones diarias
Nunca 0 0.000
1-3 mes 1 0.066
1-2 sem 2 0.214
3-4 sem 3 0.500
5-6 sem 4 0.786
1 diario 5 1.000
2 diario 6 2.000
3-4 día 7 3.500
5-6 día No hay código
Detección de errores en el llenado del Cuestionario (FSCA)

Esto se puede realizar solamente después del llenado manual y la digitación de los datos
recogidos, por ello es muy importante que el investigador de campo que va a supervisar la toma
de información vigile y este pendiente permanentemente, interviniendo y preguntando
amablemente cada 5 minutos a un sujeto diferente su cuestionario y revisarlo detenidamente. El
número máximo posible de sujetos de estudio a supervisar para asegurar una buena toma de
datos es 6 por investigador de campo.
Es muy difícil que una persona que consume 2 porciones de arroz diarias consuma 3-4 porciones
de tallarines por semana, por citar un ejemplo. También es muy difícil creer que un sujeto
consuma más de 4 porciones de carne, pescado, pollo diarias.
Arbitrariamente, el autor del presente cuestionario cree biológicamente imposible que un
adolescente o adulto mujer consuma todos los días menos de 800 calorías por día o más de 3500
calorías por día, y que un adolescente o adulto varón consuma todos los días menos de 1000
calorías por día o más de 4000 calorías por día, lo cual equivale aproximadamente a menos de
0.7 TMB diarias y 2.5 TMB diarias, respectivamente. Porque se trata de UN CONSUMO
HABITUAL, a diferencia del Recordatorio que al ser de un solo día, puede darse consumos
extremos altos o bajos.
Procedimiento 10:35 am
1.- Abrir el archivo ‘FSCA_2013.xls’ y note que el archivo consta de las siguientes hojas:
- ‘Resumen’, donde automáticamente se va colocando la suma de los nutrientes por persona.
- Diez hojas (de la Nº ‘1’ a la Nº ‘10’) que son plantillas listas para la digitación.
- ‘Formato’ para imprimir y hacer la encuesta.
- ‘TCA’ que contiene la composición de los 50 alimentos del formato según el peso de una
ración.
2.- Abra la hoja ‘1’ y note que en la columna ‘B’ están los nombres de los alimentos y no fórmulas
porque así es un formato de frecuencia de Consumo, quien hace la encuesta coloca los
44
Semestre 2018-I
alimentos que le interesa investigar. Ahora fíjese en el contenido de la celda ‘D3’ de la columna
‘equiv’ ¿Cuántas funciones lógica ‘Si’ tiene? _________ (colocar el # de funciones ‘Si’); ¿Qué
es lo que se obtiene con dichas fórmulas? __________________.
3.- Comience a digitar su encuesta de Frec. Consumo en la columna ‘C’, según los códigos
indicados en el cuadro anterior (‘0’, si no consumió; ‘1’ si consumió de 1-3v/mes; etc.), note
que en la celda ‘D’ contigua irán apareciendo los respectivos equivalentes decimales con el
cuál se harán los cálculos.
Son pocos los alimentos que se consumen más de 4 veces al día, en muchas personas pueden
ser las cucharaditas de azúcar en otras el número de panes; pero la fórmula de la columna ‘D’ ya
no tiene equivalentes para dichas cantidades. Si, por ejemplo, consumió 6 cucharaditas de azúcar
al día digitará directamente ‘6’ en la celda ‘D30’, borrando de esa manera su contenido.
Figura 6: Plantilla FCA para digitación

4.- Para ver el consumo total de energía y nutrientes observe la fila 59 a partir de la celda ‘E59’;
así mismo los resultados de la hoja ‘1’ saldrán en la fila 2 de la hoja ‘Resumen’. No necesita
borrar la plantilla, para cada nuevo sujeto puede añadir una nueva plantilla pulsando el botón
derecho del ratón sobre la etiqueta de la hoja y escogiendo <Mover o Copiar>, haciendo luego
check en <Copiar>.
Note que a diferencia de la plantilla ‘ejercicios’, en que necesitaba colocar la cantidad del
alimentos, en esta plantilla, por tratarse de una Frecuencia Semicuantitativa de Consumo, las
cantidades están pre-establecidas en medidas estándar que tendrían que ser adaptadas, según
el grupo de edad al que se le realiza la encuesta.
Ejercicio 2: (2 puntos)
Una vez que cada miembro del equipo ha terminado de digitar su frecuencia de consumo, un
representante va a juntarlos en una sola hoja de EXCEL. Para lo cual deberá pedir a cada
miembro que ponga su nombre en la hoja, y luego con todos los archivos abiertos en una misma
computadora los puede ‘Copiar’ o ‘Mover’ al archivo de quien está juntado las frecuencias y borrar
las hojas que no han utilizado. Luego enviará por correo al profesor de cada grupo dicho archivo.
Así mismo copiarán los resultados de sus compañeros en sus guías.
Vº Bº ________________
Nombre del Vitamina
Energia Proteína Calcio Hierro
Estudiante A
Instructivo para el Uso del Cuestionario de Frecuencia Semicuantitativa de

Actividad Física (FSAF)
Toda vez que la explicación de dicha parte del cuestionario escapa a los objetivos de la
presente práctica se recomienda escribir directamente al autor.
45
Semestre 2018-I
Lic. Nut. Iván Esteban Carbajal Gómez, CNP 2753. e-mail: ivan_carbajal@hotmail.com,
ivancarbajalgomez@yahoo.es Celular: 990-276-060
III Programa PAN para diseñar dietas 10:50 am

El Programa de Asistencia Nutricional (PAN), fue diseñado para formular dietas con todas las
especificaciones que requiere una dieta terapéutica, por lo mismo, también puede ser usado para
dietas normales. La versión aquí presentada es antigua, porque en las nuevas versiones no es
posible visualizar las fórmulas utilizadas, por ello deberá tener cuidado de no alterarlas; se sugiere
trabajar siempre en una copia y guardar el original. Si desea una nueva versión tendrá que
comunicarse con el autor, Lic. Luis Sánchez M., docente de la EAP Nutrición, a su email:
luis_sanmer@yahoo.com
Para comprobar la manera en que funciona el programa proceda a hacer lo siguiente:
1.- Abra el archivo “PAN_formulas”.
2.- Coloque el cursor en la hoja ‘Cálculos’ y en la celda ‘T2’. Ahí se encuentra la fórmula de Harris-
Benedict, pero la fuente está de color gris, para “ocultarla” y no dañarla, ni afectar los cálculos.
3.-En al barra Menu – Formulas, Presione la tecla de función (rastrear precedentes) o en
su teclado ‘F2’ para rastrear a todas las celdas con las cuales se construyó la
fórmula. También podría usar el botón ‘Auditoria de fórmulas’, que en la versión Excel 2003 se
encuentra en barra de Menús, <Ver> luego, <Barra de Herramientas>, escoja <Personalizar>
y finalmente pulse en <Auditoria>.
Algunas de las celdas tienen un comentario (que podrá leer al poner el cursor sobre dichas celdas)
de manera que usted podrá elegir adecuadamente entre las diferentes alternativas que le ofrece
cada celda. Verá como al cambiar las opciones de cada una de ellas cambian las Calorias
Requeridas que están en la celda B14.
Nota.- De manera general si la celda está pintada de fondo color celeste, significa que usted
puede cambiar los datos que se encuentran en ella. En cambio si está sin pintar, quiere
decir que ahí existe una fórmula que NO DEBE ser cambiada.
4.- La Distribución Energética según tiempos de ingesta se puede establecer directamente entre
las celdas G13 a G17;
pero observe que el total
de calorías por cada
tiempo de ingesta
aparece
automáticamente entre
las celdas E13 a E17.
5.- El Requerimiento de
Macronutrientes; según
porcentaje de aporte del
valor calórico total, para
proteinas, grasas y
carbohidratos se puede
establecer en las celdas
G29, G31 y G33
respectivamente. El total
de gramos para cada
macronutriente
aparecerá automáticamente en las celdas F29, F31, F33.
Figura 6: Hoja ‘Cálculos’ del Programa P.A.N.
Presentación de ejercicios: Hora 11:35 am
46
Semestre 2018-I
Cada subgrupo presentará en la pantalla los recordatorios y frecuencias respectivas. El profesor pondrá un
punto a cada uno de los integrantes del sub-grupo que envío sus recordatorios al correo indicado. Martes
y viernes ibernui@gmail.com y Jueves <luis_sanmer@yahoo.com>.
1. Gibson R. 1990. Principles of Nutritional Assessment. Oxford University Press. New York.
2. Madrigal E. 1996. “Manual de encuestas de dietas”. Instituto de Salud Pública. México.
3. Willet W. 1998. Nutritional Epidemiology. Oxford University Press. 2nd edition. New York.
4. Cameron M. Van Staveren. 1988. Manual on Methodology for food Consumption Studies.
London: Oxford University Press.
5. Carbajal I. Estado nutricional y consumo de energía y nutrientes en un grupo de adolescentes de
Lima y Callao – Perú. [Tesis para optar el título de Licenciado en Nutrición]. Universidad Nacional
Mayor de San Marcos. Facultad de Medicina. Escuela Académico Profesional de Nutrición. Lima.
2001.
6. http://office.microsoft.com/es-hn/excel-help/buscarv-que-es-y-cuando-se-usa-RZ101862716.aspx
GRUPOS DE ALIMENTOS DE LA TABLA DE COMPOSICIÓN DE ALIMENTOS

PERUANOS
Letra Grupo Alimento Letra Grupo Alimento

A Cereales J Huevos
Verduras, Hortalizas y
B Derivados K Prod. Azúcar
C Frutas y Derivados L Misceláneos
D Grasas, Aceites y Oleaginosas P Nativos
E Pescados y Mariscos Q Infantiles
F Carnes y Derivados T Leguminosas
G Lácteos U Tubérculos
H Bebidas V Tubérculos andinos
AVANCE DEL TRABAJO APLICATIVO
4ª semana
Elaboración de la plantilla donde se van a digitar las encuestas.
47
Semestre 2018-I
ANEXO 1 RECORDATORIO DE 24 HORAS
Código Encuesta: _ _/_ _/_ _/_ _/ Fecha: ___/___/2016 Nombre del encuestado: ____________________________________________
NOMBRE DE LA INGREDIENTES (Anotar todo MEDIDAS CASERAS CONVERSIÓN A Gramos en
TC CÓDIGO ALIMENTO
PREPARACIÓN tipo, cocinado o crudo) (Cantidad Consumida) GRAMOS crudo
48
Semestre 2018-I
PREPARACIONES FAMILIARES
PREPARACIÓN 1: PREPARACIÓN 2:
Nª DE PORCIONES Y/O VOLUMEN TOTAL Nª DE PORCIONES Y/O VOLUMEN TOTAL
CANT. MED. CANT. MED.
INGREDIENTES CONVERSIÓN gr. Gr. NETO INGREDIENTES CONVERSIÓN gr. Gr. NETO
CASERA CASERA
PREPARACIÓN 3: PREPARACIÓN 4:
Nª DE PORCIONES Y/O VOLUMEN TOTAL Nª DE PORCIONES Y/O VOLUMEN TOTAL
CANT. MED. CANT. MED.

INGREDIENTES CONVERSIÓN gr. Gr. NETO INGREDIENTES CONVERSIÓN gr. Gr. NETO
CASERA CASERA
49
Semestre 2018-I
ANEXO 2: INSTRUCTIVO RECORDATORIO DE 24 HORAS

OBJETIVO
PROCEDIMIENTO
Cada estudiante llenará el formato con su propio consumo. Deberá registrar la información de un día
habitual, entre lunes y viernes; generalmente los sábados y domingos suele ser diferente. En la presente
práctica el interés está fijado en el uso de las plantillas electrónicas para tabular el consumo de alimentos
por eso se recoge la información de un solo día y no dos o más como debiera ser.
MATERIALES
Para esta parte se utilizará:
1. Tabla de Dosificación de alimentos para la conversión de medida casera a gramos
2. Tabla de factor de corrección de peso bruto a peso neto
3. Tabla de factor de corrección de cocido a crudo
4. Código de alimentos
AFILIACIÓN Y LLENADO
Se debe escribir con letra de imprenta y números claros toda la información reportada.
Nombre del encuestado: Escriba su nombre y apellido.
Código de la encuestada: Escriba su código de matrícula.
Fecha: Escriba el día, mes y año en que realiza la encuesta
TC: El tiempo de comida registra el momento en que ingirió sus alimentos: desayuno = D, almuerzo = A,
Entrecomida = EC., cena = C. No olvide registrar las entrecomidas.
Nombre de la preparación: Anote el nombre de la preparación (Ejm. Avena con leche) o el nombre del
alimento si fuera el caso (Ejm, Galleta animalito).
Ingredientes: Escriba el nombre de cada uno de los alimentos utilizados en la preparación e indique sus
características; por ejm: variedad: papa amarilla, plátano de isla; tipo de producto: leche evaporada entera,
leche evaporada con hierro, también es necesario anotar si el alimento estaba crudo o cocido. Para estar
seguros en el momento de hacer las conversiones a gramos netos es necesario describir con claridad,
además esto facilitará una buena codificación de los alimentos.
Código Alimento: Utilice los códigos que se encuentran en la plantilla electrónica R24h-2012.
Medidas caseras (cantidad consumida): La manera de expresarlo puede ser unidad chica, mediana, grande;
cucharada al ras, normal o colmada; taza chica, mediana, grande; plato de postre, plato mediano, etc.
Conversión a gramos: Para ello usará la tabla de dosificación de alimentos; si el alimento no tiene
desperdicio la cantidad va a la columna de gramos en crudo.
Gramos en crudo: Para todos los alimentos que tienen desperdicio (cáscara, hueso, etc.). En esta columna
anotará el producto hallado en la operación realizada en conversión en gramos, colocando un número en
cada recuadro.
Cuadros de Preparaciones familiares
Se utiliza cuando no es posible obtener cantidades precisas, pero que se pueden estimar a partir de la
preparación de la olla familiar. Por ejemplo sopas, mazamorras. Se obtiene un todo que luego es dividido
entre el número de raciones que de ella se sirven.
Preparación: Anote el nombre de la preparación; Nº de porciones y/o volumen total: anote para cuantas
raciones alcanzó lo preparado, tamaño y cantidad servida por persona.
Ingredientes: Anótelos con su respectiva descripción. No olvide el azúcar y el aceite.
Cantidad medida casera: Anote la cantidad utilizada de cada ingrediente en medida casera.
Conversión a gramos: Hacer uso de las tablas respectivas.
Gramos netos: anote el producto de la operación realizada en la columna “Conversión a gramos”
Las encuestas con la información hasta la columna de ‘Medidas caseras’ serán entregadas a su profesora
para su revisión. Una vez que las encuestas han pasado una primera revisión serán devueltas al estudiante
para que pase a completar la información de las columnas correspondientes a código de los alimentos, para
ello utilizará la misma base de datos de la plantilla o su Tabla de Composición de Alimentos más consumidos
en el Perú. Luego realizará la conversión de medidas caseras a gramos netos con las tablas respectivas,
nuevamente entregará sus encuestas a su profesora para su segunda revisión; luego de ella y de haber
obtenido el visto bueno, procederá a digitar los datos para su digitación.
50
Semestre 2018-I
ANEXO 3
Formato de Frecuencia de Consumo de Alimentos y Actividad Fisica
Frecuencia de Consumo: N° de porciones consumidas
N° Alimentos 0 1 2 3 4 5 6 7 codig
No 1-3 3-4 5-6 2 3a4 5o
1-2 sem 1 diario
cons mes sem sem diario día mas
1 Pollo (1 presa promedio)
Carnes
2 Carne de res (trozo, bistec)

3 Pescado (1 trozo, filete)
4 Sardina (1 porc guiso)
5 Hígado de pollo (1 unidad)
Vísceras
6 Hígado de res (1 bistec)

7 Salchicha, jamonada (1 unid, 1 taj.)
8 Huevo de gallina (1 unidad)
9 Leche (1 taza)
Lácteo
10 Queso (1 tajada)
11 Yogurt (1 vaso)
12 Arroz (1 porción)
Cereales
13 Avena, Quinua (1 taza bebida)

14 Choclo (1 unidad)
15 Quinua, Trigo (porc guiso)
16 Menestras (1porc guiso)
17 Fideos (1 plato tallarin)
Harinas
18 Pan, biscocho, kekitos (1unidad)

19 Tortas, Pastel (1 tajada)
20 Galletas (1 unidad)
21 Aceite vegetal (1 fritura)
22 Margarina (1 pasada al pan)
23 Mayonesa (1 cucharada)
Grasas
24 Palta (1/4 de unidad)

25 Mani (1porc guiso, 1 bolsita)
26 Aceitunas (1 unidad)
27 Chizitos, Papitas, Cuates (bolsa)
28 Azúcar(1cdta), Caramelo(1 und)
29 Mermelada (1 pasada al pan)
Azúcar
30 Chocolate (1 unidad)
31 Frugos, Pulp (1 cajita,1 vaso)
32 Gaseosa, Cifrut, Tampico(1 vaso)
33 Piña (1 tajada laminario)
34 Naranja, Mandarina (1unidad)
35 Papaya (1 tajada laminario)
Frutas
36 Uvas (1 racimo laminario)

37 Mango (1 unidad laminario)
38 Plátano (1 unidad laminario)
39 Manzana (1 unidad)
40 Arvejas frescas (1 porc guiso)
Verduras
41 Brócoli, Vainitas (1 porc guiso)

42 Espinaca (1 porc guiso-ensalada)
43 Tomate (1 unidad)
44 Zanahoria (1 porc guiso)
45 Papa (1 unidad mediana)
Tubérc
46 Yuca (1 trozo laminario)

47 Camote (1unidad mediana)
48 Cerveza (1 vaso)
Bebidas
49 Vino, Sangría (1/2 vaso)

50 Pisco, ron, otros (1/4 vaso)
51
Semestre 2018-I
Actividades realizadas a la semana o diario, marcar N° de

horas
N° Actividad
no 1- 4-6h/ 1h 2-3h 4-6h 7-9h 10h a
hace 3h/ s s dia dia dia dia +
1 Dormir, recostado, siesta
Posición
2 Caminar en casa, fuera de casa, colegio

3 De pie, parada, conversando
4 Sentada, estudiar, internet, música, ver TV.
5 Cocinar, limpiar, lavar ropa
Movimiento
6 Bañarse, lavarse, vestirse

7 Jugar fulbito, voley, básket, otros
8 Bailar
9 Hacer gimnasia, trotar, ejercicios
10 Trabajo manual, carpintería, etc
Inicio Actividad min

08:30 Pasito de entrada 10
08:40 Explicación del tema por profesora 20
09:00 Desarrollo de ejercicios por los 60
estudiantes
10:00 Revisión pasito entrada 10
10:10 Break 15
10:25 Explicación del tema por profesora 25
Desarrollo de ejercicios por los 45
10:50 estudiantes
11:35 Presentación ejercicios 25
12:00 Trabajo aplicativo 30
52
Semestre 2018-I
NOTAS DE CLASE
UNIDAD III: Tabulación y Análisis sobre Consumo y Antropometría
TEMA Nº 5: ANÁLISIS DESCRIPTIVO DEL CONSUMO DE ALIMENTOS
Contenido
Objetivos: ............................................................................................................................................... 53
Introducción ............................................................................................................................................ 53
Análisis de la información de consumo de alimentos ............................................................................ 53
a.- Información obtenida por el método FCA - Cualitativo ..................................................................... 54
Procedimiento ........................................................................................................................................ 54
Ejercicio 1: (2 punto) .............................................................................................................................. 54
b.- Información obtenida por el método “Recordatorio de 24 horas” de un día ..................................... 56
Ejercicio 2 (2 punto) ............................................................................................................................... 62
ANEXO 1 ................................................................................................................................................ 62
Objetivos: Ejercicios (4 puntos)

Al finalizar la clase el estudiante será capaz de:
1. Analizar una base de datos de consumo de alimentos obtenidos mediante la
metodología de “Frecuencia Consumo Cualitativa”.
2. Analizar una base de datos de consumo de alimentos obtenidos mediante la
metodología de “Recordatorio de 24 horas”
3. Interpretar cuadros y gráficos diseñados de una base de datos de consumo de alimentos
obtenidos por dos metodologías FCC y R24h.
Introducción
Los diferentes estudios epidemiológicos nutricionales muestran la estrecha relación que existe
entre el consumo de alimentos y diversas enfermedades. También muestran los beneficios
que tienen los compuestos químicos o los fitoquímicos que contienen los alimentos, en
relación a la frecuencia en que se ingieren y al estado de salud. Estos estudios utilizan
metodologías de recojo de datos apropiadas para mostrar sus objetivos, por lo que es
importante conocer cómo se obtienen dichos resultados.
El desarrollo que ha seguido la evaluación de la ingesta dietética es grande, cada vez se
diseñan nuevas herramientas tecnológicas para soportar el recojo de datos mediantes
diversas metodologías. Desde el año 1930, que se inició con estudios retrospectivos tratando
de medir la ingesta dietética, hasta la actualidad se han ido perfeccionándose los
procedimientos de recojo de datos en cada método. Tenemos dos métodos más utilizados:
A) Método de “Recordatorio de 24 horas” que consiste en estimar la ingesta de
alimentos de un día antes del estudio, mediante el registro en un formato previamente
diseñado y con ayudas visuales tanto en envases, figuras, maquetas o fotos de alimentos,
a fin de precisar la porción o ración consumida y diferenciar con la ración servida (1).
B) Otro método de acopio de este tipo de información es la “Frecuencia de consumo de
alimentos”, que identifica alimentos consumidos en un pasado remoto o en algunos
casos puede usarse en estudios de ingesta actual. Se considera un método para estudiar
enfermedades crónicas, entre ellas el cáncer, permite agrupar a los individuos entre
ingestas menores o mayores de un grupo de alimentos o un alimentos y asociarlo con las
enfermedades. Para esto se diseña un cuestionario que debe ser validado antes de ser
utilizado en el estudio (1).
Estas metodologías tienen sus limitaciones debido a la gran variabilidad que existe entre
individuos y en los mismos individuos, como la edad, sexo, la ingesta diaria durante la semana
y la estacionalidad de la producción de alimentos.
La variabilidad diaria va depender del nutriente que se quiera estudiar, es por ello que se
recomienda determinar el número de días en función del nutriente a ser estudiado. Por
ejemplo, micronutrientes, el colesterol, los ácidos grasos polin-saturados, etc., los estudios
podrían ser por más de 4 días recojo de la ingesta de los individuos; para ello existe una
53
Semestre 2018-I
fórmula, que tiene en consideración la variación intra-individual de la ingesta del nutriente, la
cual nos determinará el número de días que debe estudiarse dicho nutriente.
El profesional que debe estar capacitado en esta metodología es el nutricionista, a diferencia
de otros profesionales, es una competencia que debe alcanzar, especialmente en los temas
de recojo de datos, procesamiento, tabulación y análisis del consumo de alimentos. En esta
clase desarrollaremos el tema de análisis descriptivo del consumo de alimentos.
1.- Base de datos para el análisis de la información de consumo de alimentos

En esta clase vamos a resumir e interpretar los resultados de dos bases de datos de
consumo de alimentos, los datos corresponden a los siguientes métodos:
a) Frecuencia de consumo de alimentos (FCA) cualitativo.
b) Recordatorio de 24 horas.
a.- Información obtenida por el método FCA - Cualitativo

En la práctica anterior se digitó una Frecuencia de Consumo Semicuantitativa con la cual se
obtuvieron cantidades de energía y nutrientes. Para analizar dicha Frecuencia se procedió
de manera similar que si se tratara de un recordatorio.
Ahora vamos explicar el análisis de una FCA cualitativa, cuyo formato NO incluye las
cantidades de los alimentos, únicamente las frecuencias de los alimentos (Anexo 1).
CASO A RESOLVER
Objetivo:
Analizar el consumo habitual de alimentos fuentes de vitamina A y hierro mediante una FCA
cualitativo.
Planteamiento:
Los estudiantes de nutrición aplicaron un cuestionario de FCA- cualitativo, con el objetivo de
“Conocer el consumo habitual de alimentos fuentes de vitamina A y hierro en una muestra de
niños de 12 a 59 meses”. El total de encuestados fue de 56 niños(as).
Por razones de eficiencia en el empleo del tiempo, se utilizó un formato sencillo (Anexo 1). Ahí
sólo se consideraron cuatro categorías en la frecuencia (diario, semanal, mensual y nunca).
Toda vez que el objetivo de dicho formato fue evaluar el consumo de Vitamina A y Hierro, se
incluyeron únicamente alimentos fuente de tales nutrientes de disponibilidad para ese grupo
de personas.
Se les solicita analizar la base de datos y elaborar un gráfico adecuado para esa información.
Nota: Si usted tuviera como objetivo evaluar otros nutrientes tendría que cambiar la lista de alimentos.
Así mismo sería diferente para otro grupo etáreo o personas que habiten en otras regiones del país; o si
el objetivo fuese evaluar la calidad de la dieta, tendría que tener alimentos representativos de todos los
grupos. En resumen pueden existir tantos formatos de FCA  como objetivos planteados para recoger la
información sobre consumo de alimentos (Willet, 1998).
Procedimiento: siga las indicaciones descritas en cada itém.

1) Veamos el contenido del archivo: Abrir el archivo Prac7_FCA_cuali.xlsx, escriba los nombres de
las hojas que ha encontrado y su contenido:
Nombre de la hoja en EXCEL Contenido de la hoja:
2) En la hoja consolidado calcularemos las frecuencias de consumo:

a) Coloque el cursor en la celda a60 de la hoja ‘Consolidado’. Note
que se ha colocado una tabla, que tiene como encabezados los
nombres de los alimentos de la fila 1 y como encabezados de las
filas tiene las frecuencias de consumo (por diario, semanal,
mensual y nunca) (fig. 1a).
Figura 1a Vista hoja “Consolidado”
54
Semestre 2018-I
Figura 1b Función <contar.si> para resumir los datos
b) Para saber el número de niños que comen carne de

“Res” diariamente (código ‘d’) escriba en la celda b63
escriba la función (fig 1b)
= contar.si(b$2:b$57,”d”)
Comente por qué se usaron los dólares para las filas y no para las columnas:
c) Copie la función a lo largo de la fila 63 hasta la columna S. Ahora copie la función de la celda b63 a
las celdas b64, b65 y b66, cambiando el código ‘d’ por los códigos correspondientes (‘s’,’m’,’n’,) de
manera que podamos conocer las frecuencia de consumo.
d) Después de escribir las funciones en las celdas b64, b65 y b66 copiarlas a lo largo de sus respectivas
filas.
e) Para verificar que no hayan datos faltantes, en la celda b68 sume las cuatro categorías respecto al
consumo de la res (Diario + Semanal + Mensual + Nunca) que se encuentran en el rango de celdas
(b63:b66). El resultado correcto debe ser el mismo para todos los alimentos, el total de personas
encuestadas i.e. n=56. El primer paso antes de empezar cualquier análisis es contar el total de
encuestas
f) Seleccionar y copiar Tabla 1 (rango A62: S66).

Pegar la tabla con <Pegado especial>,
‘Valores’, ‘Trasponer’ en la celda b3 de la hoja
‘Cuadros’. El resultado será igual a la fig. 2.
Figura 2: Hoja ‘Cuadros’ después de
<Pegado especial>
g) A partir de la celda a4 comenzae a escribir en las celdas de la columna, Fe o Vit A o Fe_vit A según
sea alimento fuente de uno o ambos nutrientes.
h) Una vez terminada la tarea anterior, coloque el cursor en la celda a3 y presione el icono de
<Ordenar> para juntar a todos los alimentos fuentes de hierro y todos los alimentos fuentes de
vitamina A. Como se trata de un solo criterio de ordenamiento no es necesario ingresar al Menú de
Ordenar.
i) Copie todos los alimentos fuente de hierro y sus frecuencias de su consumo (rango B3:F13) en la
celda a32.
j) A partir de dicha celda nuevamente ordene sus datos, pero ahora utilizando tres criterios. Pulsar en
el menú de herramientas <Datos>, luego en <Ordenar> , cuando aparece la ventana de la figura 3,
escribir, ‘Diario’, ‘Semanal’ y ‘Mensual’; en los tres casos escoger ascendente. De esa manera el
gráfico se verá ordenado.
Figura 3: Función ‘Ordenar’
k) A partir de dichos datos elabore un gráfico, parecido al Gráfico 1.
55
Semestre 2018-I
Gráfico 1: Frecuencia de consumo de los alimentos fuente de hierro en niños de 12 a 59 meses.

AAHH Casas Huertas. Surquillo. 2005.
Interpretación:
Observamos en el gráfico 1 que el alimento fuente de hierro que es consumido diariamente
por la mayor proporción de niños fue ___________________________.
Así mismo se aprecia en el gráfico que más de la mitad de los niños no consumen
__________________________________
Ejercicio 1: (2 puntos)
Gráfico 2: Frecuencia de consumo de los alimentos

………………………………………………………………………………………………………....
Interpretación:
……………………………………………………………………………………………………………………..
Nota: Recuerde que la información recogida con el formato de Frecuencia Semi

Cuantitativa se procesa de igual manera que el R24h.
b.- Información obtenida por el método “Recordatorio de 24 horas” de un día

CASO A RESOLVER
Los estudiantes del curso de informática 2013, recogieron información sobre su consumo
de alimentos en un formato de Recordatorio de 24 horas. Con dicha información se le solicita
calcular la mediana de consumo de energía y nutrientes, así como el porcentaje de
adecuación de requerimiento de energía y adecuación de las recomendaciones de los
nutrientes.
Presentar los resultados en tablas o gráficos correspondientes, con las medidas de
tendencia central y de dispersión.
Calcular
1. Mediana de consumo de energía, macronutrientes, calcio y hierro.
2. Porcentaje de adecuación de requerimiento de energía, proteínas y grasas.
3. Porcentaje de adecuación de las recomendaciones de calcio y hierro.
Materiales necesarios.
a) Encuestas procesadas y tabuladas en EXCEL
b) Para poder calcular el porcentaje de adecuación de requerimientos se necesita
tener los requerimientos nutricionales correspondientes al grupo etáreo de los
sujetos en estudio (2-7).
56
Semestre 2018-I
Procedimiento:
A. Conociendo el contenido del archivo: en el archivo Prac6_AnaR24h.xlsx se tienen varias
hojas que representan la secuencia cronológica para analizar datos de consumo a partir de un
formato de Recordatorio de 24 horas. Escriba los nombres de las hojas que ha encontrado y
su contenido:
Nombre hoja EXCEL Contenido de la hoja:
Nota: Se recomienda tener un archivo con TODOS los recordatorios completos (no sólo la
sumatoria), para poder hacer un control de calidad de los datos y diferenciar un error de digitación de
un error en el recojo de la información.
B. En una sola hoja vamos a juntar la información de nutrientes con datos antropométricos edad, sexo y
peso, necesarios para poder calcular los requerimientos de las personas. Dicha información se
encuentra en la hoja ‘Antrop’.
C. Procedimiento para JUNTAR INFORMACIÓN CONSUMO Y ANTROPOMETRÍA:
1) La columna común para ambas hojas es “Codmat” y procedemos a ordenarlo de menor a
mayor con el icono ordenar AZ.
2) Luego de mirar que ambas columnas estén en el mismo orden, en la hoja ‘Pegar’ insertar
cuatro columnas en blanco (‘B’,’C’, ‘D’ y ‘E’), copiar ahí las cuatro columnas: codmat, edad,
sexo y peso.
3) Para verificar si están los mismos registros en ambas hojas se inserta la columna en blanco
‘C’ y se escribe la fórmula =a2=b2.
4) El resultado debe ser ‘Verdadero’. Se copia la fórmula a lo largo de la columna ‘C’. En el resto
de las celdas también DEBE salir ‘Verdadero’. En caso que saliera FALSO, tenemos que
chequear cual registro está ‘sobrando’. Si todo está conforme, borrar las columnas ‘B’ y ‘C’.
D. Completar: en EXCEL en la hoja “Requerimientos” se tiene ______________________________
del grupo de edad de 18 a 30 años para ____________ y ____________________.
E. Procedimiento para calcular los requerimientos de energía y porcentaje de adecuación:

1) En la hoja ‘Pegar’ va a calcular el requerimiento de energía, ya tiene las tres columnas
necesarias. La columna ‘Reqener’ y en la celda f2 escribir una fórmula condicional para calcular
las kcal requeridas por sexo y nivel de actividad física en este caso 1.45
=si(d2=2,b2*35.26,b2*37.40)
La función condicional SI tiene la siguiente sintaxis:
Escriba aquí la sintaxis de prueba lógica si para calcular los requerimientos:
Prueba lógica: ___________;

Valor SI verdadero:__________________________
Valor Si Falso: __________________________
57
Semestre 2018-I
2) El resultado del primer código debe salir 2063 para el cod 14010543. Copiar dicha
fórmula al resto de la columna F.
3) Insertar una columna en ‘G’ para calcular el porcentaje de adecuación de Energía.
Escribir como encabezado de la columna en la celda g1 ‘Paden’. En la celda g2 escribir
la fórmula: =E2/F2% El resultado debe ser____. Copiar dicha fórmula al resto de la
columna G.
F. Procedimiento para calcular el porcentaje de adecuación de proteínas:
1) Añada una nueva columna en J, escriba en ‘k1’ ‘padprot’ y en K2, =J2/(B2*1)%
2) Estamos calculando directamente el porcentaje de adecuación de la proteína (ya no
necesitamos una columna para el requerimiento) al multiplicar el peso por uno (sólo
con la finalidad de que lo recuerden mejor) porque el requerimiento de proteína es igual
a l g/kg del peso corporal. El resultado debe ser _____.
Copiar dicha fórmula al resto de la columna.
G. Procedimiento para calcular el porcentaje de adecuación de grasas:
1) Insertar una columna en blanco en M y escriba en M1, “ReqGrasa”
y En M2 escriba = (G2*0.25)/9; el resultado debe ser ______
2) Ahora inserte una nueva columna N, en N1 escriba
“PadGrasa” y en la celda N2 escriba = L2/M2%. El resultado
es _____. Copiar dicha fórmula al resto de la columna.
Note que estamos considerando que el requerimiento para Grasa es el 25% de las calorías
totales; hemos dividido entre 9 el valor calórico total para obtener los gramos de grasa.
Observe también que estamos haciendo todos los cálculos en base al peso real, lo cual tiene un
grado de error, pues es preferible hacerlo en base al peso ideal. La razón para hacer esto es que
la mayoría de los sujetos de estudio tienen un IMC normal, por lo que los resultados no van a variar
mucho.
H. Procedimiento para calcular el porcentaje de adecuación de carbohidratos:

1) Para los Carbohidratos se procede de manera similar. Insertar columna ‘P’ y
colocar etiqueta ‘ReqCHO’. Luego calcular el 60% del Requerimiento energético
en calorías y luego convertirlo en gramos de carbohidratos. Se sugiere la
siguiente fórmula:
=(G2*0.6)/4. El resultado es ____ g. Copiar dicha fórmula al resto de la columna.
2) Ahora insertar una nueva columna del porcentaje de adecuación en Q. Escribir
en Q1 “PadCho” y en Q2 la siguiente fórmula = O2/P2%; el resultado es ______,
copie al resto de la columna.
Note que hasta ahora le estamos llamando Requerimiento (para Eº, proteína grasa y
carbohidratos) porque lo calculamos en base al peso corporal de cada persona.
PROCEDIMIENTO PARA CALCULAR % DE ADECUACIÓN DE Calcio y Hierro

Para las vitaminas y minerales utilizará los valores indicados en la hoja ‘Req_Reco’ y que
se presentan en el Cuadro 1.
Cuadro 1: Requerimientos de Energía y Proteínas y recomendaciones de otros nutrientes
58
Semestre 2018-I
& $ b d b
Ener Prot Grasa CHO Ca Fe Vit C
S exo
kcal g/Kg PC %VCT %VCT mg/d mg/d mg/d
Femenino Peso Corp * 35.26 1.0 25 60 1,000 24.5 75
Masculino Peso Corp * 37.40 1.0 25 60 1,000 11.4 90
Fuentes:
&
Tablas 5.4 y 5.7 para una actividad de 1.45 TMB. FAO. Human Energy Requirements. 2004
Proteínas $ Corregido por la digestibilidad y la calidad de las proteinas. CAVENDES (1988)
$
FAO. Protein Requirements. 2007.
a
WHO. FAO. Dieta, nutrición y prevención de enfermedades crónicas:
informe de una consulta mixta de expertos. 2003
Cab ,Vit Cb , Vit A b FAO. Vitamin and Mineral Requirements Human Nutrition. 2nd edition. 2004
Fed Se considera un 12% de absorción
1. Procedimiento para calcular el porcentaje de adecuación de Ca, Fe y Vitamina C

a) Para calcular el porcentaje de adecuación de calcio, en la celda Q2 escribir ‘=
p2/1000%’ porque la recomendación es la misma para ambos sexos. Debe salir
___________ para el porcentaje de adecuación de Ca.
b) Para el resto de nutrientes tendrá que usar una fórmula condicional que adecue la
recomendación a cada sexo en las columnas, ‘S’, ‘U’’ para las recomendaciones de Hierro
y Vitamina C. Aquí las fórmulas condicionales para cada nutriente:
Fe Vitamina C
Celda s2 Celda u2
=si(d2=2, = si (d2=2,
(t2/24.5%), (u2/75%),
(t2/11.4%)) (u2/90%))
c) Copiar cada una al resto de su respectiva columna. Note que para la celda ‘t2’ el resultado
debe ser
_________, para la celda ac2 debe ser _________ y así sucesivamente anote en el cuadro.
3) Control de calidad de los datos
Una vez que ha terminado con la última columna del porcentaje de adecuación se tiene que
hacer un control de calidad de los datos, para ello:
Calcular los valores Máximo y Mínimo:
1) Deje tres filas en blanco después del último registro y en la celda ‘e37’ escriba ‘MIN’.
2) En la celda ‘f37’ aplique la función ‘=min(f$2:f$51)’; el resultado será _____.
3) Luego en la celda ‘e38’ escriba MAX y en la celda ‘f38’ escriba la función
‘=max(f$2:f$51)’; el resultado será _______.
4) Ahora seleccione las celdas con las fórmulas y cópielas a lo largo de sus respectivas
filas hasta la celda AJ37.
Como se ha mencionado anteriormente, se espera cierta variabilidad en el consumo de las

personas. Note también que la energía tiene rangos más estrechos entre el mínimo y el máximo.
Se debería tener las encuestas en papel para verificar los datos.
Verificando algunos datos que son extremos:
59
Semestre 2018-I
Problema
Código encontrado
Si encontramos un error debemos corregirlo en base a la encuesta escrita, si no contamos con

dicha encuesta o si encontramos que la encuesta también está errada, se procederá a eliminar el
dato incorrecto.
Por tratarse del Registro de un solo día, el cual puede no ser el día más representativo de cada
estudiante, para la presente práctica se van a tomar en cuenta todos los registros.
El consejo para el futuro será tener una mejor limpieza de datos ANTES de la digitación, desde
el adiestramiento hacer la encuesta gabinete, el recojo en campo usando laminarios y utensilios
para llegar a la digitación con mejor información y no perder datos.
RESUMEN DE LOS DATOS A TRAVÉS DE MEDIDAS DE TENDENCIA CENTRAL
1) Calcular la mediana, P25 y P75 de consumo de energía y nutrientes.

a. Inserte tres líneas en blanco por encima de la información de mínimos y máximos. En la
celda ‘e37’ escriba ‘Mediana’ y en la celda ‘f37’ calcule la Mediana del consumo de energía
mediante la siguiente fórmula: =MEDIANA(f$2:f$51).
b. El resultado debe ser ______.
c. Repetir el procedimiento para el percentil 25 y el percentil 75 según el cuadro siguiente:
d. Finalmente seleccione el rango de ‘f37:f39’ y copie dichas fórmulas a lo largo de sus
respectivas filas, hasta la columna ‘AK’.
e. Colocar los encabezados, copiar los encabezados de cada columna en la parte inferior
en la celda ‘f36’, escriba =f1 y copie dicha referencia en toda la fila.
2) Elaboración de Tablas o gráficos.

a. Ahora va a empezar la confección de los cuadros en la celda ‘a2’ y en la hoja ‘tab_graf”.
b. Para ello seleccione de la hoja ‘Pegar’ el rango f37:ak41, luego presione el icono de
<Copiar> y luego use la opción <Pegado Especial> en la celda ‘a2’ de la hoja
‘tab_graf’. Se usa esta opción porque queremos que se copien los valores y no las
fórmulas.
c. Con esta información básica tiene varias opciones de presentación de información
en nuevos cuadros o gráficas.
Presentación Datos – Opción 1

Tabla:
Presentación de las medidas de tendencia central. Mediana, P25 y P75 del requerimiento,
consumo y porcentaje de adecuación de Macronutrientes de todos los estudiantes.
Tabla 1: Requerimiento/Recomendación, Consumo y Porcentaje de Adecuación de Energía y
Macronutrientes de estudiantes universitarios. EAP Nutrición. UNMSM……...
60
Semestre 2018-I
a. Para hacer este cuadro, deberá ir llenando la información en la tabla en blanco
que se le presenta en la hoja ‘tab_graf’.
b. Para la primera fila de energía tendrá que copiar y pegar la información respecto
a la mediana, el P25 y el P75, y luego lo pega con <Pegado especial> y
<Transponer>, tanto para el Requerimiento, como para el consumo y el
porcentaje de adecuación.
Gráfico de caja y bigote para presentar los porcentajes de adecuación.
Si la información acerca de la ingesta fuera un fragmento de un informe más voluminoso y
tiene que priorizar información; además si el objetivo sea la evaluación del consumo va a servir
como diagnóstico para luego plantear una intervención educativa, sería muy útil presentar un
gráfico del porcentaje de adecuación. Observe que podemos colocar en un mismo gráfico
energía y macronutrientes porque todos están en porcentaje; no podríamos hacer lo mismo si
cada uno estuviera en sus respectivas unidades (kcal y gramos).
a. En la hoja ‘tab-graf’ ya tiene una tabla lista. A partir de ella confeccione el siguiente gráfico
de cajas y bigote. (el gráficos solo es un modelo, seguro que sale diferentes con sus
datos)
Gráfico 1: Adecuación de energía y macronutrientes de estudiantes

universitarios. EAP Nutrición. UNMSM. 2017
Título de su gráfico:
Interpretación:

Gráfico comparativo de los porcentajes de adecuación de micronutrientes según sexo.
Este gráfico sería adecuado si es que el número de personas en cada sexo fuera similar. Para ello
en EXCEL tendría que haber separado en filas diferentes a las personas de cada sexo y al final de
cada grupo calcular la mediana, el P25, el P75, el máximo y el mínimo.
Con SPSS la elaboración de la tabla a partir de la cual se harían dicho gráfico es mucho más sencillo.
Gráfico 2: Medianas del porcentaje de adecuación micronutrientes

de estudiantes universitarios según sexo. EAP Nutrición. UNMSM.
2017
61
Semestre 2018-I
Ejercicio 2 (2 puntos)
- Hacer comentarios respecto los resultados obtenidos respecto a la Tabla 1,
el gráfico 1.
- Elabore un cuadro para micronutrientes Vº Bº ________y escriban en la
pizarra el comentario respectivo.
1. Willet W. “Nutritional Epidemiology”. Oxford University Press. 3rd Edition. 2013. New
York.
2. Organización Mundial de la Salud, ed. Necesidades de energía y proteínas. Informe
de una Reunión Consultiva Conjunta FAO/OMS/UNU de Expertos. Ginebra: OMS;
1985. (Serie Informe Técnico N° 724).
3. Food and Nutrition Board. Institute of Medicine. Dietary Reference Intakes (RDA)
1999-2001.
4. Bengoa JM. Torún B. Behar M. Scrimshaw N., eds. Metas Nutricionales y Guías de
Alimentación para América Latina, Bases Para su Desarrollo. Caracas, Venezuela:
Publicaciones Fundación CAVENDES. 1988.
5. FAO. OMS. UNU. Human Energy Requirements. 2004
6. WHO. FAO. UNU. Protein and Amino Acid Requirements In Human Nutrition. Expert
Consultation WHO Technical Report Series 935.
7. FAO. Vitamin and Mineral Requirements Human Nutrition. 2nd edition. 2004.
http://www.who.int/nutrition/publications/micronutrients/9241546123/en/index.htm
l
ANEXO 1
FRECUENCIA DE CONSUMO DE ALIMENTOS EN NIÑOS DE 1-5 AÑOS DE EDAD
¿Con qué frecuencia ha consumido el niño los siguientes alimentos en el último mes?
FRECUENCIA DE CONSUMO
ALIMENTOS
DIARIO SEMANAL MENSUAL NO CONSUME ¿POR QUÉ?
Carne de res
Pollo
Molleja / Corazón
Cerdo
Pescado
Hígado (pollo/res)
Bazo
Bofe
Corazón / Anticucho (res)
Relleno/ Sangrecita
Leche evaporada
Otras leches
Huevo
Frijoles, otras menestras
Espinacas
Zanahoria
Camote amarillo
Zapallo
Plátano de isla
Papaya
Diario = ≥ 5 veces / semana
Semanal = 1-4 veces / semana
Mensual = 1-3 veces / mes
62
Semestre 2018-I
ANEXO 2
Ejercicio adicional: Preparar un gráfico semejante al Gráfico 3.
Presentación de la mediana y sus medidas de dispersión únicamente del consumo de energía
y macronutrientes. Como podrá apreciar, cada cuadro/gráfica tiene sus ventajas y desventajas,
así por ejemplo en el gráfico 3 tenemos la mediana de adecuación de energía y macronutrientes
según sexo.
Gráfico 3: Mediana de la adecuación de Energía,

Macronutrientes y Fibra de estudiantes
universitarios. EAP Nutrición. UNMSM según sexo.
2013
Obtener el gráfico de los alimentos fuente de Vitamina A (gráfico2) y escribir el comentario en la

pizarra. Comentario:
Nota: Recuerde que la información recogida con el formato de Frecuencia Semi

Cuantitativa se procesa de igual manera que el R24h.
b.- Información obtenida por el método “Recordatorio de 24 horas” de un día

CASO A RESOLVER
Los estudiantes del curso de informática 2013, recogieron información sobre su
consumo de alimentos en un formato de Recordatorio de 24 horas. Con dicha
información se le solicita calcular la mediana de consumo de energía y
nutrientes, así como el porcentaje de adecuación de requerimiento de energía y
adecuación de las recomendaciones de los nutrientes.
Presentar los resultados en tablas o gráficos correspondientes, con las medidas
de tendencia central y de dispersión.
Calcular
Mediana de consumo de energía, macronutrientes, calcio y hierro.
Porcentaje de adecuación de requerimiento de energía, proteínas y grasas.
Porcentaje de adecuación de las recomendaciones de calcio y hierro.
Materiales necesarios.
c) Encuestas procesadas y tabuladas en EXCEL.
d) Para poder calcular el porcentaje de adecuación de requerimientos se necesita
tener los requerimientos nutricionales correspondientes al grupo etáreo de los
sujetos en estudio (2-7).
Procedimiento:
63
Semestre 2018-I
B. Conociendo el contenido del archivo: en el archivo Prac6_AnaR24h.xlsx se tienen varias
hojas que representan la secuencia cronológica para analizar datos de consumo a partir de
un formato de Recordatorio de 24 horas. Escriba los nombres de las hojas que ha encontrado
y su contenido:
Nombre hoja EXCEL Contenido de la hoja:
Nota: Se recomienda tener un archivo con TODOS los recordatorios completos (no
sólo la sumatoria), para poder hacer un control de calidad de los datos y diferenciar
un error de digitación de un error en el recojo de la información.
E. En una sola hoja vamos a juntar la información de nutrientes con datos antropométricos
edad, sexo y peso, necesarios para poder calcular los requerimientos de las personas. Dicha
información se encuentra en la hoja ‘Antrop’.
F. Procedimiento para juntar información consumo y antropometría:
1) La columna común para ambas hojas es “Codmat” y procedemos a ordenarlo de
menor a mayor con el icono ordenar AZ.
2) Luego de mirar que ambas columnas estén en el mismo orden, en la hoja ‘Pegar’
insertar cuatro columnas en blanco (‘B’,’C’, ‘D’ y ‘E’), copiar ahí las cuatro columnas:
codmat, edad, sexo y peso.
3) Para verificar si están los mismos registros en ambas hojas se inserta la columna en
blanco
‘C’ y se escribe la fórmula =a2=b2.
4) El resultado debe ser ‘Verdadero’. Se copia la fórmula a lo largo de la columna ‘C’.
En el resto de las celdas también DEBE salir ‘Verdadero’. En caso que saliera
FALSO, tenemos que chequear cual registro está ‘sobrando’. Si todo está conforme,
borrar las columnas ‘B’ y ‘C’.
G. Completar: en EXCEL en la hoja “Requerimientos” se tiene
______________________________
del grupo de edad de 18 a 30 años para ____________ y ____________________.
F. Procedimiento para calcular los requerimientos de energía y porcentaje de

adecuación:
2) En la hoja ‘Pegar’ va a calcular el requerimiento de energía, ya tiene las tres columnas
necesarias. La columna ‘Reqener’ y en la celda f2 escribir una fórmula condicional para
calcular las kcal requeridas por sexo y nivel de actividad física en este caso 1.45
=si(d2=2,b2*35.26,b2*37.40)
La función condicional SI tiene la siguiente sintaxis:
Escriba aquí la sintaxis de prueba lógica si para calcular los requerimientos:
Prueba lógica: ___________;

Valor SI verdadero:__________________________
64
Semestre 2018-I
Valor Si Falso: __________________________
4) El resultado del primer código debe salir 2063 para el cod 14010543. Copiar dicha fórmula al
resto de la columna F.
5) Insertar una columna en ‘G’ para calcular el porcentaje de adecuación de Energía. Escribir
como encabezado de la columna en la celda g1 ‘Paden’. En la celda g2 escribir la fórmula:
=E2/F2% El resultado debe ser____. Copiar dicha fórmula al resto de la columna G.
H. Procedimiento para calcular el porcentaje de adecuación de proteínas:
1) Añada una nueva columna en J, escriba en ‘k1’ ‘padprot’ y en K2, =J2/(B2*1)%
2) Estamos calculando directamente el porcentaje de adecuación de la proteína (ya no
necesitamos una columna para el requerimiento) al multiplicar el peso por uno (sólo
con la finalidad de que lo recuerden mejor) porque el requerimiento de proteína es
igual a l g/kg del peso corporal. El resultado debe ser _____.
I. Procedimiento para calcular el porcentaje de adecuación de grasas:
1) Insertar una columna en blanco en M y escriba en M1,
“ReqGrasa” y En M2 escriba = (G2*0.25)/9; el resultado debe
ser ______
2) Ahora inserte una nueva columna N, en N1 escriba
“PadGrasa” y en la celda N2 escriba = L2/M2%. El
resultado es _____. Copiar dicha fórmula al resto de la
columna.
Note que estamos considerando que el requerimiento para Grasa es el 25% de las
calorías totales; hemos dividido entre 9 el valor calórico total para obtener los
gramos de grasa.
Observe también que estamos haciendo todos los cálculos en base al peso real, lo cual tiene un
grado de error, pues es preferible hacerlo en base al peso ideal. La razón para hacer esto es
que la mayoría de los sujetos de estudio tienen un IMC normal, por lo que los resultados no van
a variar mucho.
I. Procedimiento para calcular el porcentaje de adecuación de carbohidratos:

1) Para los Carbohidratos se procede de manera similar. Insertar columna ‘P’
y colocar etiqueta ‘ReqCHO’. Luego calcular el 60% del Requerimiento
energético en calorías y luego convertirlo en gramos de carbohidratos. Se
sugiere la siguiente fórmula:
=(G2*0.6)/4. El resultado es ____ g. Copiar dicha fórmula al resto de la columna.
2) Ahora insertar una nueva columna del porcentaje de adecuación en Q.
Escribir en Q1 “PadCho” y en Q2 la siguiente fórmula = O2/P2%; el resultado
es ______, copie al resto de la columna.
Note que hasta ahora le estamos llamando Requerimiento (para Eº, proteína
grasa y carbohidratos) porque lo calculamos en base al peso corporal de cada
persona.
PROCEDIMIENTO PARA CALCULAR % DE ADECUACIÓN DE Calcio y Hierro

Para las vitaminas y minerales utilizará los valores indicados en la hoja
‘Req_Reco’ y que se presentan en el Cuadro 1.
Cuadro 1: Requerimientos de Energía y Proteínas y recomendaciones de otros
nutrientes
65
Semestre 2018-I
& $ b d b
Ener Prot Grasa CHO Ca Fe Vit C
S exo
kcal g/Kg PC %VCT %VCT mg/d mg/d mg/d
Femenino Peso Corp * 35.26 1.0 25 60 1,000 24.5 75
Masculino Peso Corp * 37.40 1.0 25 60 1,000 11.4 90
Fuentes:
&
Tablas 5.4 y 5.7 para una actividad de 1.45 TMB. FAO. Human Energy Requirements. 2004
Proteínas $ Corregido por la digestibilidad y la calidad de las proteinas. CAVENDES (1988)
$
FAO. Protein Requirements. 2007.
a
WHO. FAO. Dieta, nutrición y prevención de enfermedades crónicas:
informe de una consulta mixta de expertos. 2003
Cab ,Vit Cb , Vit A b FAO. Vitamin and Mineral Requirements Human Nutrition. 2nd edition. 2004
Fed Se considera un 12% de absorción
2. Procedimiento para calcular el porcentaje de adecuación de Ca, Fe, y Vitamina

C
a) Para calcular el porcentaje de adecuación de calcio, en la celda Q2 escribir ‘=
p2/1000%’ porque la recomendación es la misma para ambos sexos. Debe salir
___________ para el porcentaje de adecuación de Ca.
b) Para el resto de nutrientes tendrá que usar una fórmula condicional que adecue la
recomendación a cada sexo en las columnas, ‘S’, ‘U’’ para las recomendaciones de
Hierro y Vitamina C. Aquí las fórmulas condicionales para cada nutriente:
Fe Vitamina C
Celda s2 Celda u2
=si(d2=2, = si (d2=2,
(t2/24.5%), (u2/75%),
(t2/11.4%)) (u2/90%))
c) Copiar cada una al resto de su respectiva columna. Note que para la celda ‘t2’ el
resultado debe ser
_________, para la celda ac2 debe ser _________ y así sucesivamente anote en el
cuadro.
4) Control de calidad de los datos
Una vez que ha terminado con la última columna del porcentaje de adecuación se tiene
que hacer un control de calidad de los datos, para ello:
Calcular los valores Máximo y Mínimo:

5) Deje tres filas en blanco después del último registro y en la celda ‘e37’ escriba ‘MIN’.
6) En la celda ‘f37’ aplique la función ‘=min(f$2:f$51)’; el resultado será _____.
7) Luego en la celda ‘e38’ escriba MAX y en la celda ‘f38’ escriba la función
‘=max(f$2:f$51)’; el resultado será _______.
8) Ahora seleccione las celdas con las fórmulas y cópielas a lo largo de sus respectivas
filas hasta la celda AJ37.
Como se ha mencionado anteriormente, se espera cierta variabilidad en el consumo de

las personas. Note también que la energía tiene rangos más estrechos entre el mínimo y
el máximo. Se debería tener las encuestas en papel para verificar los datos.
66
Semestre 2018-I
Verificando algunos datos que son extremos:
Problema
Cod encontrado
Si encontramos un error debemos corregirlo en base a la encuesta escrita, si no

contamos con dicha encuesta o si encontramos que la encuesta también está errada,
se procederá a eliminar el dato incorrecto.
Por tratarse del Registro de un solo día, el cual puede no ser el día más representativo
de cada estudiante, para la presente práctica se van a tomar en cuenta todos los
registros.
El consejo para el futuro será tener una mejor limpieza de datos ANTES de la digitación,
desde el adiestramiento hacer la encuesta gabinete, el recojo en campo usando
laminarios y utensilios para llegar a la digitación con mejor información y no perder
datos.
67
Semestre 2018-I
NOTAS DE CLASE
UNIDAD III: Tabulación y Análisis del consumo de alimentos y de la antropometría
Tema Nº 6: Antropometría: programas Anthro y Anthro Plus
CONTENIDO
Objetivos ...................................................................................................................................... 68
Introducción ................................................................................................................................. 68
WHO Anthro Plus ........................................................................................................................ 69
1. Características generales del Programa ................................................................................. 69
2. Ajustes al programa: ................................................................................................................ 69
3. Módulo “Evaluación individual” de WHO Anthro Plus: ............................................................ 70
3.1 Archivo de niño. .................................................................................................................... 71
3.2 Principales funciones de la ventana principal del módulo examen individual ...................... 71
3.3 Codificación de colores......................................................................................................... 71
3.4 Gráficas................................................................................................................................. 71
3.5. Realizar cambios .................................................................................................................. 72
Ejercicio 1 – Who Anthro Plus (2 punto) ...................................................................................... 73
Ejercicio 2 Who Anthro Plus (1 punto). ....................................................................................... 73
WHO Anthro................................................................................................................................. 74
Ejercicio 3 – Who Anthro - (1 punto) ........................................................................................... 75
Referencias Bibliográficas ........................................................................................................... 75
Objetivos Ejercicios (4 puntos)

Al finalizar la clase el estudiante será capaz de:
4. Utilizar los programas informáticos WHO-Anthro y WHO Anthro-Plus para calcular
puntaje Z.
5. Calcular los indicadores P/E, T/E, IMC/E expresado en puntaje Z, de una encuesta
poblacional en niños menores de 5 años utilizando el WHO-Anthro.
6. Utilizar el módulo de desarrollo motor para niños menores de 5 años de edad con el
software WHO-Anthro.
7. Calcular el indicador IMC/E expresado en puntajes Z, de una encuesta en en
adolescentes utilizando el programa WHO Antro-Plus
Introducción
La Organización Mundial de la Salud (2006) publicó las nuevas normas de crecimiento
de niños menores de cinco años, de acuerdo a un estudio multicéntrico. El mismo que
se realizó debido a la ausencia de patrones de crecimiento y porque hacía más de una
década que no se actualizaban. Además, no se había utilizado datos de crecimiento de
niños(as) alimentados con leche materna exclusiva (LME) durante los primeros seis
meses y datos de niños(as) con LM hasta los dos años. Los resultados establecen
nuevos patrones o estándares de cómo deben crecen los niños(as).
Para facilitar el uso de las nuevas normas, se han elaborado aplicativos de libre
distribución, para el análisis de los datos antropométricos, denominados WHO Anthro y
WHO Anthro Plus.
El programa WHO Anthro, la última versión es 3.2.2 de enero 2011. Este software nos
permite calcular los índices nutricionales, hacer seguimiento del estado nutricional y del
desarrollo motor de los niños de 0 a 59 meses de edad.
Los índices nutricionales que se obtienen para los niños de 0 a 59 meses son
Longitud /Talla para la edad, Peso para la edad, Peso para Longitud/Talla e IMC para la
edad.
El link para bajar el software es: http://www.who.int/childgrowth/software/es/ (Fecha de
acceso 2/05/2016).El programa WHO Anthro Plus (versión 1.0.4) tiene las mismas
características que el primero, se diferencia en que permite hacer la evaluación de niños
y niñas mayores de 5 años de edad hasta los 19 años de edad, utiliza las referencias de
68
Semestre 2018-I
la OMS 2006 y 2007, es decir tiene los patrones de crecimiento de los niños menores
de 5 años, y las recomendaciones para los mayores de 5 años, para todos los índices
nutricionales. El link para acceder al software es
http://www.who.int/growthref/tools/en/ (Fecha de acceso 15/05/2017).
Los índices nutricionales que se utilizan para los niños(as) mayores de 5 años y para los
jóvenes hasta los 19 años de edad son el IMC para la edad, Talla para la edad y Peso
para la edad.
En la presente clase se explicará cómo usar dichos aplicativos, WHO Anthro Plus y
WHO Anthro, analizaremos los resultados de encuestas antropométricas, realizada en
niños menores de 59 meses y en escolares-adolescentes usuarios del Programa Vaso
de Leche de la Municipalidad de San Miguel. Además con el software WHO Anthro
explicaremos la evaluación del desarrollo de los niños menores de 59 meses.
WHO Anthro Plus

1. Características generales del Programa
WHO Anthro Plus (versión 1.0.4) es un software para monitorear el crecimiento de los
niños escolares y adolescentes (5 años a 19 años), el mismo que fue diseñado para
utilizarlo en computadoras personales (escritorio o laptops) con MS Windows 2000, el
software es de distribución libre y puede ajustarse a varios idiomas.
WHO Anthro Plus contiene 3 módulos (Fig. 1):
1. Calculadora Antropométrica (AC)

2
. 2. Evaluación Individual (IA)
3
. 3. Encuesta Nutricional (NS)
Fig. 1 Pantalla de inicio el software
Cada módulo facilita funciones específicas; el primer módulo calcula el estado nutricional
de un solo niño sin seguimiento, el segundo módulo evalúa el estado nutricional del niño
y permite hacer seguimiento de su crecimiento sobre un periodo de tiempo y con el tercer
módulo se puede calcular el estado nutricional a nivel poblacional, en esta clase
desarrollaremos los dos últimos módulos.
2. Ajustes al programa:
Luego de instalar en su PC, puede configurar el idioma español de la siguiente manera:

a) Dar clic en “Application”, luego en “settings, y escoger el idioma español. (Fig.
2).
b) Dar clic en “save”, salga del programa dando clic a la y vuelva abrir para
ver los efectos de la configuración.
c) En “Settings” también puede configurar el lugar de origen de los datos,
abriendo un archivo que contenga los nombres de los distritos de un país.
Figura. 2. Pasos para configurar idioma
69
Semestre 2018-I
3. Módulo “Evaluación individual” de WHO Anthro Plus:
Este módulo facilita la evaluación de un solo niño(a) y nos

permite hacer un seguimiento individualizado, recomendable
para hacer consultas nutricionales.
Dar clic al icono “Examen individual”, aparecerá una
ventana que al lado izquierdo se encuentra los nombres
de los niños registrados y al lado derecho hay una ventana
para ingresar datos del niño. Utilizando el ratón o las
teclas <Tab>, puede movilizarse en la ventana de trabajo.
La ventana principal que se muestra en la figura 3, en ella
todavía no están activos todos los botones o comandos
porque no se ha seleccionado ningún niño. Dar clic en uno Figura. 3. Ventana
de ellos para activar el botón de abrir. del módulo,
examen
3.1 Archivo de niño.
Para comprender mejor y reconocer los principales botones de aplicación de este módulo
empezaremos por abrir el archivo del seguimiento de un niño, para tal caso elegiremos el
primer niño ejemplo que nos muestra el módulo, Kwanza Kofi, haciendo clic en el cuadro al
lado izquierdo de su nombre y luego clic en el icono de abrir (junto a la cruz verde).
Figura. 4. Abrir el archivo de un niño
En la figura 5, se visualiza las partes y comandos ya activados de la primera ventana

después de haber seleccionado un niño.
Datos generales del niño y los padres

Opcion es del
menú
Lista de niños
con código
Seguimiento del niño: Visitas realizadas y resultado con indicadores
Figura. 5. Ventana principal de evaluación individual
70
Semestre 2018-I
3.2 Principales funciones de la ventana principal del módulo examen individual.
Buscar Anular los Cambiar

Borrar Niños cambios datos
Selección
Ver niños Producir

archivados informe
del niño
Añadir
Nuevo niño Archivar
o visita niño
actual
Guardar
niño actual
Gráficos
Figura. 6. Botones principales en el módulo de examen individual
3.3 Codificación de colores.

Los siguientes colores se aplican para visualizar los diferentes niveles de severidad,
Cuadro 1.
Cuadro 1: Código de colores – WHO Anthro Plus y Anthro 2006

Color Se aplica a z-scores Percentiles

Verde Rango de números ≥ -1 y ≤+ 1DS
50º percentil

Línea de gráficos Mediana

Amarillo Rango de números ≥ -2 y <-1DS
ó >+1 y ≤+2DS
15º a 85º percentil

Línea de gráficos ≥ -1 y ≤+ 1DS

Rango de números ≥ -3 y <-2DS
Rojo
ó >+2 y ≤+3DS
3º y 97º percentil

Línea de gráficos ≥ -2 y ≤+ 2DS

Negro Rango de números < -3 ó >+3DS

Línea de gráficos -3 y + 3DS No aplica
3.4 Gráficas.
Si queremos visualizar la gráfica de uno de los indicadores del estado nutricional del niño en
la visita seleccionada o mostrar la tendencia del indicador se puede lograr haciendo clic en
cualquiera de los ocho botones.
En la figura 7, se visualiza el gráfica cuando se ha empleado el botón junto al índice ‘Peso
p. edad.’
71
Semestre 2018-I
Indicador a Se puede mostrar

graficar un solo punto o
puntos múltiples
Copiar la gráfica
Figura.7. Ventana de gráfico

Realizar cambios
Si se desea realizar alguna corrección de un dato personal o valor de una medición se
hace doble clic sobre el dato a modificar y aparecerá la siguiente ventana como se
muestra en la figura 8.
Figura. 8. Ventana de cambio de datos antropométricos.
3.6. Ingreso de nuevo niño

Para ingresar un nuevo niño al programa hacer clic en el icono de la parte de lista
de niños de la ventana principal, se completa los datos generales del niño y los padres
si se tuviese, luego
se hacen clic en el icono de la parte de seguimiento de visitas de la ventana principal.
Aparecerá una ventana como se muestra en la figura 9, la cual contiene dos ficheros
uno de mediciones antropométricas y la otra de hitos motores. Para guardar la
información hacer clic en el botón de la parte inferior que dice <Salvar>. Si se desea
añadir otra vista realizar el mismo procedimiento que se realizó en la parte de
seguimiento de visitas de la ventana principal.
72
Semestre 2018-I
Figura 9. Ventana ingresar nuevo niño.
Ejercicio 1 – Who Anthro Plus (2 punto)
Abrir el WHO-Anthro-Plus, e ingresar información de un niño nuevo, Armando Pacheco,

fecha de nacimiento 9/10/2000, Datos de la madre María Bernales, Fecha de Nacimiento
19/05/1975, de 150 cm de talla, peso 64 kg. Datos del padre: Aron Pacheco, fecha de
nacimiento 8/8/1972, de 158 cm de talla, con 78 kg.
Fecha de Fecha de Peso Talla Deporte TV

visita Nacimiento (horas) (horas)
13/10/02 09/10/00 9.2 78 0 1
11/02/04 09/10/00 15.0 90 0 1
17/04/06 09/10/00 19.5 104 0 2
09/05/08 09/10/00 23.0 115 2 3
08/06/10 09/10/00 25.8 120 2 3
07/06/12 09/10/00 32.0 129 2 3
Interprete los resultados del seguimiento

nutricional
Peso/Edad Talla/Edad IMC/Edad
Ejercicio 2 Who Anthro Plus (1 punto).

En la Municipalidad de San Miguel se ha realizado un
estudio de evaluación nutricional a los niños asistentes
al Programa Vaso de Leche en el año 2005 y se desea
calcular los puntajes z para luego hacer el análisis
respectivo. Se presenta la base de datos ‘mu304.xls’
debe convertir a una extensión “txt”, para lo cual proceda
a las indicaciones señaladas anteriormente, luego abra
“Encuestas nutricionales” y exporte el archivo, cuando le
aparece una ventana como la fig 10, vincule los campos
señalados.
Figura 10: Ventana para vincular campos
73
Semestre 2018-I
Observe sus resultados, en gráficos debe obtener una

imagen semejante a la figura 11
Figura 11: Ventana de resultados en gráfico de adolescentes
Interpretación:……………………………………………………………………………………
.
………………………………………………………………………………………………………………
WHO Anthro
El software WHO Anthro (v. 3.2.2) le permite hacer la evaluación nutricional mediante
antropometría y además evaluar el desarrollo motor de los niños y niñas de 0 a 59
meses. Este último aspecto es exclusivo de este software ya que en el Who Anthro Plus
puede hacer seguimiento solo del estado nutricional por antropometría.
Como ya hemos desarrollado la parte nutricional vamos a explicar cómo se ven los
resultados de una evaluación del desarrollo motor con los datos que tiene el software.
Fig 12.
Para visualizar en forma rápida los hitos del desarrollo motor, utilizaremos el niño
ejemplo (3) del programa, Jane Smith.
Seleccionamos ‘Jane Smith’, haciendo

1 un check en el tercer casillero de la
ventana de lista de niños.
2 Hacemos clic en abrir niño

seleccionado.
Hacemos clic en hitos motores (HM) de
la visita a evaluar, que se encuentra en la
3
sección <Visitas> lado derecho. En el
que corresponde al 28/04/2006.
Hacemos clic en el segundo fichero
Figura. 12. Ventana de los hitos motores.
4 (Motor) de la figura 1 y aparecerá la
siguiente ventana.
Codificación de colores para el desarrollo de los hitos motores:
74
Semestre 2018-I
Se pueden representar gráficamente los hitos motores haciendo

clic en el botón de gráficos que se indica en la parte superior
izquierda de la figura 12, luego aparecerá la ventana de la figura
13.
Figura 13. Representación gráfica de los hitos motores.
Ejercicio 3 – Who Anthro - (1 punto)

Para una mejor comprensión se procederá a ingresar información de un niño nuevo:
Nombre del niño: Juan José Canales Domínguez, Fecha de nacimiento 9/10/2008,
Datos de la Madre: María Domínguez, fecha de nacimiento: 3/3/1970, peso 55 kg, talla 1.60 cm,
Notas: estilo de alimentación vegetariana.
Datos del Padre. José Canales, fecha de nacimiento 2/5/1968, peso 80 kg, talla 1.68.
Fecha de
visita Fecha de Peso Longitud Perímetro
Nacimiento cefálico
13/12/08 09/10/08 4.2 55 38.3
11/02/09 09/10/08 5.0 57.8 39.2
17/04/09 09/10/08 4.5 58.3 42.7
09/05/09 09/10/08 5.2 58.7 43.8
10/06/09 09/10/08 6.0 58.9 43.9
Interpretación de resultados:
Peso/Edad Talla/Edad IMC/Edad
o Organización Mundial de la Salud. Patrones de crecimiento infantil. 2005.
http://www.who.int/childgrowth/standards/es/ (visitada 02 mayo de 2016).
o Organización Mundial de la Salud Manual del Software WHO Anthro PLUS. 2009.
http://www.who.int/growthref/en/
75
Semestre 2018-I
NOTAS DE CLASE
UNIDAD III: MANEJO DE DATOS Y ANÁLISIS SOBRE DATA DE CONSUMO DE ALIMENTOS Y
ANTROPOMETRÍA
Tema 07: Análisis descriptivo en Excel: Datos antropométricos,interpretación y
presentación de los datos
CONTENIDO
NOTAS DE CLASE ................................................................................................................................ 76
UNIDAD III: Tabulación y Análisis del Consumo de alimentos y de la Antropometria en Excel ........... 76
Introducción ....................................................................................................................................... 76
Cuadros y Gráficas ............................................................................................................................ 77
2.1 Gráfico de columnas ............................................................................................................... 78
2.2 Elaboración de Tablas ............................................................................................................. 78
2.3 Columna apilada al 100% ....................................................................................................... 79
2.4 Gráfico Circular sub tipo Barras .............................................................................................. 79
2.5 Grafico de columnas apiladas ................................................................................................. 80
2.6 Gráfico de dispersión con línea ............................................................................................... 81
Objetivos
Al término de la presente práctica el estudiante deberá ser capaz de:
1. Elaborar cuadros y gráficos adecuados para la información antropométrica en niños según
grupos de edad y sexo.
2. Interpretar adecuadamente las gráficas con información antropométrica. 5 puntos
Introducción
En una práctica anterior aprendimos a usar el programa WHO Anthro y WHO Anthro Plus para
calcular los índices nutricionales de niños y adolescentes y hacer seguimiento del estado nutricional
de los niños de 0 a 59 meses de edad; si bien nos reporta dichos programas resultados a Excel por
grupo de edad, creemos conveniente nosotros mismos calcular el diagnóstico de cada uno de los
índices antropométricos usando funciones lógicas aprendidas en prácticas anteriores en Excel.
Recordemos que el uso de funciones lógicas de Excel en antropometría nos permite obtener
resultados más rápidos e idóneos a nuestro requerimiento; es decir se pueden establecer los puntos
de corte, parámetros de medición según los objetivos que persigue el investigador o institución.
Para calcular los diagnósticos nutricionales de los índices antropométricos T/E, P/T y P/E se tomará
en cuenta los siguientes puntos de corte de la OMS 2006.
Clasificación del Estado Nutricional de niñas y niños menores de 05 años
Punto de Peso para edad Peso para talla Talla para edad
corte (DE) Clasificación Clasificación Clasificación
>3 Obesidad
>2 Exceso de peso Sobrepeso Alto
2a–2 Normal Normal Normal
Desnutrición/ bajo
<-2a–3 Desnutrición Talla baja
peso/ emaciado
<-3 Desnutrición severa Talla baja severa
Fuente: Adaptado de World Health Organization (2006).WHO Child Growth Standards.

Puede revisar la clasificación del estado nutricional en niños menores de 05 años como indica la
Norma Técnica de Salud para el control del crecimiento de la niña y el niño menor de 05 años.
http://www.unicef.org/peru/spanish/NORMA_CRED.pdf
76
Semestre 2018-I
La clasificación del estado nutricional de niños y niñas mayores de 05 años y adolescentes de
ambos sexos se realizará con los indicadores índice de masa corporal (IMC) para la edad y Talla
para la edad (T/E), según OMS 2007.
Clasificación del Estado Nutricional de 05 a 19 años de edad de ambos sexos
Según IMC/Edad y Talla/Edad
IMC/Edad
Punto de corte (DE)
Clasificación
>2 Obesidad
>1a2 Sobrepeso
1 a -2 Normal
< -2 a -3 Delgadez
< -3 Delgadez severa
Talla/Edad
Puntos de Corte
Clasificación
>+2 Talla alta
+2 a -2 Normal
< -2 a -3 Talla baja
< -3 Talla baja severa
Fuente: OMS 2007.
DE= Desviación estándar
En esta guía continuaremos con la estadística descriptiva en cuanto a la presentación de la

información antropométrica a partir de tablas y gráficos.
Las tablas y los gráficos se convierten en una herramienta muy potente para facilitar el recuerdo de
todo lo que hay que recordar de un texto, por ejemplo cuando se quiere presentar información del
estado nutricional según grupo etario.
Aprendemos de las tablas y los gráficos a valorar dicha información previa de un texto, a organizar
la información relacionándola con la de temas anteriores, y a elaborar resúmenes y síntesis
diferenciando lo fundamental de lo accesorio.
Lo que se desea es mostrar la información de manera que cumpla con los objetivos trazados al
momento de recogerla y pueda servir para profundizar en alguna investigación y/o tomar las
medidas correctivas necesarias para mejorar el estado nutricional encontrado.
Cuadros y Gráficas
Abra el archivo ‘prac_08_2017.xls’, en la hoja ‘Base Huaraz’ verifique las funciones condicionales
usadas en las columnas I, J, K, L.
 Columna I, variable ‘GrupoE’ muestra las siguientes categorías: ‘0-5m.’, ‘6-11m.’, ‘12-23m.’, ‘24-
35m.’, ‘36-47m.’, ‘48-60m.’. Si la variable ‘edad’ está en la columna C, entonces en la celda I2
la función condicional SI es como sigue:
=SI(C2<6,"0-5m",SI(C2<12,"06-11m",SI(C2<24,"12-23m",SI(C2<36,"24-35m.",SI(C2<48,"36-
47m","48-60m")))))
 Columna ‘J’ variable DX.P/T, la formula condicional SI es:

=SI (F2>3;"Obesidad";SI(F2>2;"Sobrepeso";SI(F2<-3;"Desnutrición severa";SI(F2<-
2;"Desnutrido"; "Normal"))))
 Columna ‘K’ variable DX.T/E, la formula condicional SI es:

=SI(G2>2;"Alto";SI(G2<-3;"Talla baja severa";SI(G2<-2;"Talla Baja ";"Normal")))
 Columna ‘L’, variable DX,P/E, la formula condicional SI es:
=SI(H2>2;"Sobrepeso";SI(H2<-2;"Desnutrido";"Normal"))
77
Semestre 2018-I
2. Ejercicios:
Ahora usando primero tablas dinámicas en la base de datos del archivo ‘prac_08_17.xls’, hoja ‘Base
Huaraz’ obtenga primero las tablas y luego las gráficas según se solicite, colocando al final de cada
uno la interpretación correspondiente.
2.1 Gráfico de columnas

En todo informe la primera información que se debe reportar son las variables epidemiológicas,
sexo y edad de las personas. Por ello, usando la opción de tablas dinámicas, trate de conseguir
la siguiente tabla, cópielo en la hoja ejercicios y obtenga el grafico 1, donde nos muestre la
distribución de los niños por sexo y grupo de edad que han sido evaluados en un estudio de
vigilancia alimentaria realizado en niños menores de 03 años en el distrito de Huaraz, 2016.
Grupo Edad F M
0 - 05 m. 107 104
06 - 11 m. 122 120
12 - 23 m. 239 243
24 - 35 m. 189 191
Total 657 658
Colóquele un título apropiado y realice la interpretación respectiva.
Gráfico 1: _____________________________________________________________________________
Interpretación: (1 punto)
__________________________________________________________________________
__________________________________________________________________________
2.2 Elaboración de Tablas

A continuación podemos presentar los promedios de cada uno de los índices Peso/Edad,
Talla/Edad y Peso/Talla, con su respectiva desviación estándar.
Tabla 1: Promedios de los Índices Nutricionales, según Sexo. Huaraz.2016.
Interpretación:
TAZ PAZ PTZ
Sexo
Promedio ± Promedio DE Promedio ±
Femenino -1.30 1.52 -0.55 1.14 0.22 1.17
Masculino -1.40 1.64 -0.61 1.17 0.21 1.21
Total general -1.35 1.58 -0.58 1.15 0.22 1.19
______________________________________________________________________
______________________________________________________________________
78
Semestre 2018-I
2.3 Columna apilada al 100%
Ahora, haremos un cuadro que muestre el número de niños en cada categoría de la
clasificación del indicador talla para la edad y representarlo en un gráfico. (Recuerde escoger
sólo uno, debido a que la información es la misma)
Gráfico 2: Distribución de los Niños por el Indicador Talla para la Edad, según
Sexo. Huaraz. 2015.
Interpretación:
____________________________________________________________________________
____________________________________________________________________________
____________________________________________________________________________
2.4 Gráfico Circular sub tipo Barras

Se tiene la siguiente tabla global, de la clasificación del estado nutricional según el indicador
antropométrico Talla/Edad ordenada de manera que esté en el primer lugar el total de niños
en la categoría “Alto”, luego “Normal” y los datos de los tipos malnutrición en déficit en
orden de severidad. Complete las celdas en blanco.
Tabla 2: Estado Nutricional según indicador Talla/Edad de los Niños menores 05 años de
Huaraz, 2016
Clasificación N
Alto
Normal
Talla Baja
Talla baja severa
Total general
Sigamos los siguientes pasos:
1. Sombree la tabla antes mencionada (sin incluir la
celda ‘Total’), luego haga clic en <Insertar> de la
barra de menú y escoja gráfico <Circular> y el sub-
tipo de barras.
2. Borre la palabra <Título>; para que el gráfico se
aprecie mejor se escribirá el título fuera del recuadro
y en la parte inferior.
3. Una vez “terminado” el gráfico, haga clic sobre
cualquier sector del círculo, con el botón izquierdo del
ratón. Aparecerá el menú contextual y seleccionará
<Formato de puntos de datos> enseguida aparecerá
la ventana con la primera opción <Opciones de
serie>, ver figura. Cambie el “1” que aparece al lado
derecho de ‘Segundo trazado contiene últimos’ por un “2”, si fuera necesario.
79
Semestre 2018-I
4. Luego, elija el diseño adecuado y haga las modificaciones necesarias sobre las categorías para
que el gráfico quede como el mostrado a continuación
Figura 2
Coloque un título apropiado:
Grafico 3: (1 punto)
_____________________________________________________________________________
_____________________________________________________________________________
Interpretación:
______________________________________________________________________________________
______________________________________________________________________________________
2.5 Gráfico de columnas apiladas

También se puede establecer la prevalencia de los grados de severidad de la desnutrición crónica
del indicador talla para la edad según grupo de edad, para ello primero sombreará los porcentajes
de la columna donde esta la talla baja y la talla severa para obtener el gráfico 4.
Gráfico 4: Prevalencia de Talla baja según grado de severidad y grupos de edad. Huaraz 2015
80
Semestre 2018-I
Interpretación:
______________________________________________________________________
______________________________________________________________________
_____________________________________________________________
2.6 Gráfico de dispersión con línea

Se utiliza cuando se tiene una secuencia de tiempo entre los datos que se van a presentar. Vamos
a elaborar la curva de crecimiento (peso) de un88bebé desnutrido de 9 meses durante 17 días de
hospitalización.
Días 1 3 5 7 9 11 13 15 17
Peso 6.5 6.55 6.79 7.10 7.45 7.84 8.05 8.32 8.70
Usemos la hoja ‘G_dispersión’ y procedamos a realizar los

siguientes pasos:
a.- Seleccionamos las celdas donde se encuentran los datos, luego
pulsamos insertar <Grafico>. Escogemos el gráfico “Dispersión”, sub.-
tipo “Dispersión con líneas suavizadas y marcadores”, figura 4.
Figura 4: Tipo de gráfico ‘Dispersión

con líneas rectas y marcadores’.
b.- Excel nos devuelve el gráfico de dispersión (figura 5), pero todavía no está listo. Seguimos el
procedimiento de los casos anteriores para elegir un adecuado estilo y diseño del gráfico, colocamos
unidades a los ejes. Luego quitamos las líneas de división, para ello, se debe seleccionar las líneas
de división y hacer clic en el botón “delete” del teclado.
Figura 5: Gráfico de dispersión con líneas rectas y

marcadores
c. Como se dará cuenta es necesario cambiar la escala

de los ejes para que la continuidad de los valores se
aprecie mejor, para ello seleccionaremos el eje “Y” (fig.
6), y haciendo clic en el botón izquierdo del ratón
aparecerá el menú contextual de la figura 5 y hará clic
en <Dar formato a eje>.
Figura 6: Menú contextual para dar formato a eje.
81
Semestre 2018-I
d. En la ventana <Dar formato a eje> (fig. 7) en la escala “Mínima”, cambiar el valor automático a
fija “6”.
Figura 7: Ventana <Dar formato a eje>.
“Y”
Finalmente obtendrá el gráfico de la figura 8.
Figura 8: Resultado del gráfico de Dispersión.
Ahora coloque el titulo adecuado (¿Qué?, ¿Cómo?, ¿Dónde?, ¿Cuándo?) y la interpretación.(1punto)
Título:
Interpretación:
____________________________________________________________________________________
1. Wayne W. Daniel. Bioestadística. 4ta ed. 2006.
2. Cordero Valdivia, Dilberth. Los Nuevos Patrones de Crecimiento de la OMS. OPS/OMS Bolivia,
2007.
3. OMS 2008. Patrones de Crecimiento del Niño de la OMS. Curso de Capacitación sobre la
Evaluación del Crecimiento del Niño.
4. Organización Mundial de la Salud Estándares de crecimiento de niños menores de 5 años. 2005
http://www.who.int/childgrowth/standards/en/
82
Semestre 2018-I
5. Organización Mundial de la Salud Manual del Software WHO Anthro PLUS. 2009.
http://www.who.int/growthref/en/
6. World Health Organization 2007, Growth reference data for 5-19 years. disponible en:
http://www.who.int/growthref/who2007_bmi_for_age/en/
7. Norman G, Streiner D. Bioestadística. 2005.
Trabajo Aplicativo N°7: Esta semana, continúa con el recojo de datos. Queda en ustedes
en mostrar a su docente la información que va recolectando y despejar sus dudas.
83
Semestre 2018-I
NOTAS DE CLASE
UNIDAD IV: Análisis inferencial de información sobre Consumo de alimentos y Antropometría
Tema 08: Excel: Análisis Inferencial de Variables de Evaluación Nutricional
CONTENIDO:
NOTAS DE CLASE ........................................................................................................................................ 84
UNIDAD III: Tabulación y Análisis sobre consumo y antropometría ............................................................. 84
Introducción .................................................................................................................................................... 84
1. Uso de herramienta <Análisis de Datos> .................................................................................................. 85
2. Comparación de Medias ............................................................................................................................ 86
3. <Analisis de datos> Prueba t - Procedimiento ........................................................................................... 87
4. Uso de la Función Prueba.T ...................................................................................................................... 88
5. Comparación de dos o más medias. Análisis de Varianza (ANVA o ANOVA) ......................................... 89
Procedimiento ................................................................................................................................................ 89
Ejercicios (03 puntos)..................................................................................................................................... 90
Repaso Teórico .............................................................................................................................................. 93
OBJETIVOS:
Al finalizar la práctica el alumno será capaz de:
1. Aplicar la prueba t de Student y el Análisis de Varianza con la herramienta
de Análisis de Datos.
2. Emplear la función <Prueba.T> .
8 puntos
Introducción
En la presente práctica trabajaremos con pruebas de inferencia, estas son llamadas tambien
pruebas de hipótesis y constituyen la Estadística Inferencial. Con ella se toman decisiones acerca
de una población en base a la información contenida en una muestra de esa población. Un requisito
importante es que dicha muestra haya sido seleccionada ALEATORIAMENTE pues con ello
aseguramos que la muestra se pueda extrapolar; ademas sólo si la muestra fue elegida al azar se
puede medir el error de muestreo (error estándar).
Caso:
Se realizo un estudio de intervención nutricional con Sprinkles en 9 asentamientos humanos del distrito de San Martin
de Porres en 140 niños de 6 a 59 meses en el año 2013. Lo que se desea saber es si tuvo un efecto significativo sobre los
valores de hemoglobina al término de la intervención.
Recordemos que el contraste de hipótesis no es el único modo de realizar inferencias, también

tenemos los intervalos de confianza. Podría decirse que el análisis estadístico inferencial conduce
a dos clases de resultados: valores p e intervalos de confianza (1). Los intervalos de confianza es
un rango de valores con un límite superior y otro inferior en el cual se encuentra el verdadero valor
del parámetro, con una probabilidad determinada(2).
84
Semestre 2018-I
Continuando con el caso anteriormente mencionado,
en el gráfico Nº1, podemos visualizar el promedio y los
intervalos de confianza de los valores de hemoglobina
antes y después de la intervención. Recordemos, que
mientras la desviación estándar es una medida de
dispersión que nos informa que tan dispersos están
los datos; el intervalo de confianza nos dice que este
caso que tan cerca esta del verdadero promedio.
Las pruebas de inferencia las podemos dividir en tres grandes grupos:

a) las pruebas de estimación de parámetros (, , intervalos de confianza).
b) las que sirven para comparar grupos y
c) las que sirven para medir asociación entre dos variables.
Para poder seleccionar la prueba estadística, deberá primero considerar el objetivo para el cual se
recogieron los datos, así como el tipo de variable de su objetivo. En Excel asumimos que la
distribución de los datos es normal. Aquí se presenta el siguiente cuadro resumen:
Tipo de Escala de
OBJETIVOS PRUEBAS
Variable Medición
• Prueba t (2 grupos )
Comparar medias Cuantitativa Intervalo/ Razón • Prueba ANVA (≥ 2
grupos )
Comprobar si existe asociación Coeficiente de Correlación
Cuantitativa Intervalo/ Razón
entre variables de Pearson; Coef. Spearman
Predecir la VD, a partir de la VI Cuantitativa Intervalo/ Razón Regresión
Independencia de variables
Cualitativa Nominal , Ordinal Chi 2
(Asociación)
Fuerza de Asociación Cualitativa Nominal , Ordinal Odds Ratio – Riesgo Relativo
Trabajo grupal:
Vamos a realizar el Repaso sobre la Inferencia Estadística. Se escribirán las preguntas en la pizarra
y se pedirá que cada grupo responda a cada una de ellas. Para ello contaran con 10 minutos,
pueden revisar información en internet o revisar el anexo de la guía donde se encuentra el resumen
del tema. Luego expondran el tema en plenaria.
1.- ¿Cuáles son los pasos más importantes para hacer una prueba de inferencia estadistica?
2.- Explique en que consiste la Ho y la Ha. ¿Cuál de ellas es la hipótesis de investigación.
3.- ¿A que se llama el Nivel de significancia?
4.- ¿Cuando “Acepto” una Ho, cuando la “Rechazo”?
5.- Si el nivel de significancia es de 0.05 y obtengo un valor p de 0.03, ¿debo Aceptar o Rechazar
la Ho?
1. Uso de herramienta <Análisis de Datos>

EXCEL proporciona una herramienta para realizar algunos análisis estadísticos del tipo inferencial.
Para ello este software cuenta con la herramienta Análisis de Datos la cual la encontramos en la
barra de menús en Datos, por lo general se encuentra al final, figura 1.
85
Semestre 2018-I
Figura 1: Acceso a la Herramienta análisis de datos
Luego, haciendo clic le aparecera la siguiente ventana que contiene algunas pruebas estadísticas
de uso frecuente.
Figura 2: Herramienta Análisis de Datos.
Nota:
1. En caso que la PC que usted esta usando
no tenga <Análisis de Datos>, lo puede
instalar fácilmente. En barra de
herramientas , hacer clic derecho aparece
un menu desplegable, elija <personalizar
barra de herramientas de acceso
rápido…>. Luego en opciones de Excel,
Seleccione <Complementos> y en el menú
del lado derecho haga clic en
<Herramientas para análisis>, luego hacer
clic en <ir>, pulse <Aceptar> y finalmente
en la ventana complementos seleccione
“Herramientas para análisis”, luego
<Aceptar>.
Figura 3: Opción complemento
Figura 4: Ventana complementos
2. Comparación de Medias
 Hipótesis, Varianza e Independencia
La herramienta <Análisis de datos> tiene disponibles tres pruebas t para poder hacer la elección
adecuada es importante considerar los siguientes aspectos: hipotesis, varianza e independencia.
a) Hipótesis. Para determinar si es razonable o no concluir que las dos medias son distintas entre
sí, se puede formular las siguientes hipótesis:
1.Hipótesis de 2 2.Hipótesis de 2
colas colas
1 2 1- 2 = 0;
1 2 1- 2 ≠ 0
llamada también de dos colas porque no se tiene evidencia para suponer que una media sea mayor
que la otra.
86
Semestre 2018-I
Las otras hipótesis nulas y sus respectivas hipótesis alternas serían:
3.Hipótesis de 1 cola 4.Hipótesis de 1 cola 5.Hipótesis de 1 cola 6.Hipótesis de 1 cola

Ho: 1 ≥  2 Ho: 1 ≤  2 Ho: 1-  2 ≥ 0 Ho: 1 -  2 ≤ 0
Ha: 1 <  2
Ha: 1 >  2 Ha: 1-  2 < 0 Ha: 1-  2 > 0
Las Hipótesis 3, 4, 5 y 6 serían de una sola cola. Es decir que despues de hacer la revisión bibliografica
llegamos a la conclusión que uno de los grupos puede ser mejor que el otro, antes de empezar el recojo de
datos.
b) Varianza: Las varianzas de los grupos podrían ser: iguales o diferentes, en cuyo casos existen diferentes
formulas de calcular el estadistico t. Si son iguales se calcula un promedio ponderado de ambas; si son
diferentes las varianzas, no se combinan, se usan las dos varianzas en la fórmula. Para los ejemplos y
ejercicios en que usemos MS EXCEL vamos a suponer que las varianzas son iguales. Cuando usemos SPSS
tendremos la certeza respecto a las varianzas de los grupos.
c) Independencia. Podemos tener muestras independientes, que no están relacionadas, y que pueden tener
diferente tamaño de muestra. O también se pueden tener muestras emparejadas o apareadas; por ejemplo
cuando se mide el colesterol en las mismas personas antes y después de una intervención educativa.
 Ejemplo
A pesar que sabemos que la información sobre consumo no tiene una distribución normal vamos a comparar
los promedios del porcentaje de adecuación de hierro de los estudiantes varones y mujeres del curso de
Informática por medio de un prueba t.
Abrir el archivo prac09.xls y la hoja ‘PADEC’; ahí verá el listado de los estudiantes, junto con algunas de sus
variables como: edad, sexo y en la columna ‘E’ los valores de ingesta de hierro.
De manera general, conocemos que los varones tienen un mayor consumo de alimentos que las mujeres, por
lo tanto se plantea la siguiente pregunta: ¿Proporcionan los datos la evidencia suficiente como para concluir
que el consumo de hierro es mayor en los estudiantes varones que en las estudiantes mujeres del curso de
Informática?. Dicha evidencia se obtendrá si se rechaza la Ho “el promedio de hierro consumido por los
estudiantes varones es menor o igual al de las mujeres”.
Apreciamos que la prueba sería de una cola, porque esperamos que el consumo de un grupo sea mayor que
el otro. varones mujeres
varones mujeres
3. <Analisis de datos> Prueba t - Procedimiento

Para responder a la pregunta planteada procederemos de la siguiente manera:
a. Se copiarán en las columnas A y B de la hoja ‘prueba_t’
dos columnas de la hoja ‘PADEC’: la columna C que
contiene el sexo de las personas y la columna AA que
contiene los mg de hierro consumido.
b. De la barra de Menús, pulsar <Herramientas> y escoger
<Análisis de Datos>. Como mencionamos antes vamos a
suponer que las varianzas son iguales. Además estamos
haciendo una comparación de dos grupos diferentes,
tanto en tamaño como en sus caracteristicas, por todo ello
seleccionamos la opción ‘Prueba t para dos muestras
suponiendo varianzas iguales’ fig. 5.
Fig 5. Ventana para introducir datos
c. En el cuadro de edición Rango para la variable 1, introducimos el rango e2:e15, ya sea digitando dicho
rango o seleccionando dicho rango con el ratón. Procedemos de igual manera para el cuadro de edición
<Rango para la variable 2> (e16:e61). No se preocupe por los dolares, el programa los pone.
d. En el cuadro de edición Diferencia hipotética entre las medias, colocamos "0" (cero) ya que la hipótesis
nula es justamente esa, que la diferencia no existe. También podemos dejarlo vacío, ya que EXCEL
asume el valor cero.
87
Semestre 2018-I
e. En el cuadro de edición <Alfa> se halla el valor 0.05, que equivale a un nivel de confianza del 95%, lo
cual dejamos sin cambiar porque trabajeremos con dicho nivel. Dejamos rótulos sin check pues no
estamos introduciendo los encabezados.
f. En el área Opciones de salida, seleccionamos la opción <Rango de salida>, e introducimos la celda E3,
con lo cual indicamos que los resultados se mostrarán a partir de esa celda en adelante. Luego
presionamos el botón <Aceptar>, y observaremos el siguiente resultado:
Variable 1 Variable 2
Media 10.62505 10.2830826
Varianza 49.2427356 45.719196
Observaciones 14 46
Coeficiente de correlación de Pearson 46.5089549
Diferencia hipotética de las medias 0
Grados de libertad 58
Estadístico t 0.16427963
P(T<=t) una cola 0.43504109
Valor crítico de t (una cola) 1.67155276
P(T<=t) dos colas 0.87008219
Valor crítico de t (dos colas) 2.00171748
g. El promedio de mg de hierro consumido por los varones es de 10.6 y el de las mujeres es 10.3. A primera
vista podríamos afirmar que la media de los valores de hierro para los 14 varones del estudio es mayor
que el de las 46 mujeres estudiantes. Ahora trataremos de interpretar de una manera resumida los
resultados de la prueba estadística, de tal forma que podamos apoyar o descartar nuestra primera
impresión.
h. El valor del estadístico t calculado (Estadístico t = 0.164…) es menor que el t tabulado (Valor critico de
una cola = 1.671…); escogimos una cola porque en la Ha supusimos que el consumo de hierro en los
varones era mayor que el de las mujeres. Note, además que el valor de probabilidad para una cola es >
0.05 (0.43504109). Por dichos motivos la decisión estadística es aceptar la Ho (no hay diferencia entre
las medias).
i. Concluimos que, el promedio de mg de hierro consumido por los varones no es mayor al consumo de
hierro de las mujeres; dicho de otra manera aceptamos que no hay diferencia entre hombres y mujeres.
Sería absurdo decir las mujeres consumen mas que los varones porque para esta muestra 10.3 mg
(promedio de las mujeres) no es mayor que 10.6 mg (promedio de los varones); pero es que las Ho de
una cola tienen que plantearse de esa manera ANTES de realizar la prueba estadística y ANTES de
conocer los promedios.
Nota.- Cuando reportamos los resultados en un informe o en un artículo cientifico no se escribe toda la prueba.
Simplemente en el cuadro en que presentamos la estadística descriptiva añadimos una columna adicional en la que
presentamos el valor de p. Luego en el texto explicaremos que si hubo una diferencia significativa.
Hombres Mujeres Significancia.

Media (DE*) 10.6 (7.02 ) 10.3 (6.76 ) 0.435
*Desviación Estándar
4. Uso de la Función Prueba.T

a. Coloque el cursor en la celda e19 (o cualquier otra que esté vacia y alejada en una fila o en una
columna de los datos) y pulse “Insertar”, de la Barra de Menús, y escoja “Insertar función” (fig. 7).
Luego buscar la función “Prueba.T” o digitarla directamente en la barra de fórmulas. Si lo hace de
la segunda manera el programa le indicará que argumentos debe usar para completar dicha función.
b. Colocar los datos respectivos en Matriz1, los datos de hierro de los varones: “b2:b15”. En Matriz2,
los datos correspondientes a las mujeres: “b16:b61”. Escojemos una cola porque “suponemos” en
base a evidencia empírica que los varones consumen mas alimenos que las mujeres; en otras
palabras tenemos UNA dirección respecto a la diferencia esperada. Finalmente dgitamos ‘2’ en
<Tipo>, porque como dijimos mas arriba asumimos/suponemos varianzas iguales.
88
Semestre 2018-I
Figura 7: Menú para función “Prueba.T”
Observamos que el resultado es: 0.43504109, que es la

misma probabilidad que obtuvimos anteriormente para la
prueba t de una cola. La ventaja de la función <Prueba.T> es
la rapidez de su uso.
5. Comparación de dos o más medias. Análisis de Varianza (ANVA o ANOVA)

El Analisis de Varianza es una prueba muy común utilizada para comparar medias. Si bien es cierto
que con el ANVA también podemos comparar dos medias, lo usual es que se emplee para comparar
más de dos medias.
Veamos un ejemplo. Tenemos 47 Recordatorios de 24 horas correspondientes a 47 adolescentes
de uno y otro sexo; 14 tienen bajo peso, 17 tienen peso normal y 16 tienen sobrepeso, según el
percentil para la edad que vimos en la práctica anterior. Para responder a la pregunta ¿proporcionan
los datos evidencia suficiente para saber si existe diferencia en el porcentaje de adecuación energía
de los adolescentes con bajo peso, de los que tienen el peso normal y de los que tienen sobrepeso?
se va a realizar una prueba de ANVA.
Empezaremos con el planteamiento de las hipótesis:
1 2 , los tres grupos tienen el mismo promedio de porcentaje de adecuación.
1 2 3 ,lahipótesis alterna sería, al menos uno de los grupos tiene un promedio de
porcentaje de adecuación diferente.
Procedimiento
Para responder a esta pregunta procederemos de la siguiente manera:
a. Pasemos a la hoja ‘ANVA’ y veamos los valores
de adecuación de energía que están en la
columna ‘G’; los vamos a separar en tres
columnas a partir de la columna ‘J’. De manera
que los porcentajes de adecuación de los que
tienen Bajo Peso se colocan en la ‘J’, en la
celda J2 escribirá ‘Bajo peso’. Los datos de los
Normales en la ‘K’ y en la celda K2 escribirá
“Normales”; finalmente los datos de los que
tienen sobrepeso en la columna ‘L’ y en la celda
L2 escribirá “Sobrepeso”.
Figura 8: Ventana para introducir los datos
correspondientes una prueba estadística de
Análisis de varianza de un factor
b. En la herramienta <Análisis de Datos> seleccionaremos la opción <Análisis de Varianza de un

factor>. Ahoraobservaremos una nueva ventana tal como se muestra en la figura 8.
c. Ahora introduzcamos el rango donde se hallan los datos en el cuadro de edición ‘Rango de
entrada’, esto se puede hacer digitando en el K2:M19, o seleccionando el área con el ratón.
Tome nota que los tres grupos tienen diferente tamaño.
d. En la opción <Agrupado por> seleccionamos la opción ‘Columnas’, porque los tres grupos los
hemos colocado en columnas diferentes. Observe que los datos deben ir en tres columnas o
en tres filas diferentes; de ninguna manera pueden procesarse tal y como aparecen en la base
de datos original. Hacer un check en el cuadro <Rótulo en la primera fila> porque hemos escrito
los encabezados para cada una de las tres columnas.
e. En el cuadro de edición <Alfa>, se halla el valor 0.05, que indica el nivel de significancia al cual
se aplicará la prueba, lo dejamos igual.
89
Semestre 2018-I
f. En el área ‘Opciones de salida’, seleccionamos la opción <Rango de salida>, e digitamos ‘O3’
que es la celda a partir de la cual se mostrarán los resultados. Luego presionamos el botón
<Aceptar>, y observaremos el siguiente resultado:
RESUMEN
Grupos Cuenta Suma Promedio Varianza

Bajo Peso 14 1331.28408 95.0917197 384.580704
Normal 17 1854.60644 109.094496 871.164939
Sobrepeso 16 1527.99773 95.4998583 918.464
ANÁLISIS DE VARIANZA
Origen de las Suma de Grados de Promedio de los F Probabilidad Valor crítico
variaciones cuadrados libertad Cuadrados para F
Entre grupos 2063.26119 2 1031.63059 1.38748405 0.26041253 3.20927802
Dentro de los grupos 32715.1482 44 743.526095
Total 34778.4094 46
El ANVA no señala cual promedio es el mayor o el menor. Sólo indica que al menos uno es diferente.
g. Observamos que las valores promedios del porcentaje de adecuación de energía son: 95.1%
para los que tienen Bajo Peso, 109.1% para los que tienen un peso Normal y 95.4% para los
que tienen sobrepeso. Así, a primera vista podemos afirmar que existen diferencias en
porcentaje de adecuación de energía en los tres grupos observados. Ahora trataremos de
interpretar de una manera resumida los resultados de la prueba estadística, de tal forma que
podamos apoyar o refutar nuestra primera impresión.
h. El valor F (F calculado = 1.387…) es menor que el valor F tabulado (Valor crítico para F = 3.2)
razón por la cual aceptamos la Ho. De manera análoga, el valor de probabilidad del estadístico
F es 0.2604, que es mayor que 0.05; por lo tanto la decisión estadística será Aceptar/Rechazar
la Ho, que afirma que no existe diferencia entre los promedios de los porcentajes de adecuación
de los tres grupos.
i. Concluimos entonces que no existe diferencia entre los promedios de los porcentajes de
adecuación de los tres grupos.
Recuerde que el análisis de varianza no nos proporciona información acerca de cúal promedio es
mayor que los otros. Para poder determinar cual o cuales son diferentes debemos realizar pruebas
estadísticas adicionales. Usaremos Tukey si todos los grupos tienen igual numero de muestra, o
Duncan si tenemos un grupo control contra el cual queremos los demás, lamentablemente no están
disponibles en EXCEL, pero si en paquetes estadísticos como el SPSS o MiniTab.
Ejercicios (05 puntos)

Ahora tenemos un conjunto de ejercicios que nos permitirán poner en práctica los conocimientos
adquiridos en esta clase.
1. Deciseis ratitas han sido separadas en cuatro grupos; a cada grupo se le ha una dieta diferente
(Dieta 1, Dieta 2, Dieta 3 y Dieta 4 Caseina). A continuación tiene los pesos finales de cada
ratita y el promedio por cada grupo. Pruebe la hipótesis nula de no diferencia en los efectos de
la dieta. Trabaje con un nivel de significancia de 0.05.
Dieta 4 –
Dieta 1 Dieta 2 Dieta 3
Caseína
Rata 1 65 75 86 97
Rata 2 70 78.5 90 95
Rata 3 60 69 81 90
Rata 4 62 76 87 92
Promedio 64.3 74.6 86.0 93.5
90
Semestre 2018-I
a. ¿Qué prueba estadística utilizará? __________________________y porque?
_____________________________
b. Cuales serían sus hipótesis
Ho _______________________________________________
Ha _______________________________________________
c. Valor p _____________________________
d. En base al valor p que acaba de obtener, elija sólo una respuesta VERDADERA respecto a su decisión
estadística?
( ) Acepta la Ho, concluye que NO hay diferencias estadísticamente significativas
( ) Rechaza la Ho, acepta la Ha, concluye que SI hay diferencias estadísticamente significativas
e. ¿Cuál es su conclusión con respecto a los datos?
______________________________________________________________________________________
______________________________________________________________________________________
______________________________________________________________________________________
2. El Lic. Elmor Castillo ha realizado una intervención educativa en las Madres del Comedor Virgen de la
Puerta en Huaycan. El aplicó una prueba de conocimiento antes y otra después de realizar su intervención.
Se presenta a continuación las notas obtenidas por las 15 madres que asistieron a las cuatro sesiones
educativas. Ayude al Licenciado Castillo a decidir si los datos proporcionan evidencia suficiente para decir
que el nivel de conocimientos de las madres aumentó significativmante despues de la intervención.
Antes 2 3 3 2 3 3 4 6 3 3 2 4 6 1 2
Después 8 8 8 9 7 9 9 8 8 9 9 7 9 8 9
a. ¿Qué prueba estadística utilizará? ______________________y
porque?___________________________
b. ¿Cuáles serían sus hipótesis?

Ho _______________________________________________
Ha _______________________________________________
c. Según las hipótesis que acaba de escribir, usted escogería una prueba de una cola o de dos
Colas?___________________.Por qué? ___________________________________
d. Valor p _____________________________
e. En base al valor p que acaba de obtener, elija sólo una respuesta VERDADERA respecto a su
decisión estadística?
f. ¿Cuál es su conclusión con respecto a los datos?
______________________________________________________________________________________
______________________________________________________________________________________
3.- Doce individuos participaron en un experimento para estudiar la efectividad de cierta dieta, combinada con
un programa de ejercicios, en la reducción de los niveles de colesterol en suero. La tabla siguiente muestra
los niveles de colesterol en suero para los 12 individuos al inicio del programa (antes) y al final del mismo
(después)
La pregunta que se plantea es: ¿Proporcionan los datos la evidencia suficiente como para concluir que el
programa dieta - ejercicio es efectivo en la reducción de los niveles de colesterol en suero?. Dicho de otra
manera “ el promedio de colesterol después 224.1 es significativamente menor que 244.3?.
91
Semestre 2018-I
a. ¿Qué prueba estadística utilizará? ____________________________________________ y
porque?____________________

Ho ________________________________________
Ha ________________________________________
colas?________________________. Por qué?
_____________________________________________________________
d. Valor p _____________________________
e. En base al valor p que acaba de obtener, elija sólo una respuesta VERDADERA respecto a su decisión
estadística?
f. ¿Cuál es su conclusión con respecto a los datos?
______________________________________________________________________________________
______________________________________________________________________________________
4.- En el Centro de Salud “San Isidro” se ha llevado a cabo una intervención educativa Intervención para
mejorar el nivel de hemoglobina en 16 gestantes anémicas, a quienes además del sulfato ferroso se les dio
instrucciones de cómo mejorar su consumo de alimentos ricos en hierro.
Hb Antes 9.4 9.8 9.8 8.7 9.8 9.4 9.9 10.1

Hb
Después 11.5 11.9 9.8 13.0 10.4 8.5 11.9 12.0
Hb Antes 10.3 10.4 10.8 10.8 10.3 10.0 10.8 10.1

Hb
Después 11.0 11.6 11.3 10.9 11.6 11.2 10.8 12.2
La pregunta que se plantea es: ¿Proporcionan los datos la evidencia suficiente como para concluir
que la intervención educativa junto con la adminsitración de sulfato ferroso fue efectiva para mejorar
el nivel de hemoglobina?.
a. ¿Qué prueba estadística utilizará? ________________________________________ y porque?
______________________________________________________________________________________

Ho _______________________________________________
Ha _______________________________________________
colas?________________________. Por qué?
______________________________________________________________________________________
d. Valor p _____________________________
e. En base al valor p que acaba de obtener, elija sólo una respuesta VERDADERA respecto a su decisión
estadística?
f. ¿Cuál es su conclusión con respecto a los datos? ____________________________________________
______________________________________________________________________________________
______________________________________________________________________________________
92
Semestre 2018-I
5.- Para determinar si tres métodos diferentes de empaque de cierto alimento congelado conservan
por igual el contenido de ácido ascórbico en el mencionado alimento, se midió dicho ácido en los
alimentos empaquetados con los tres diferentes métodos tras un período de 45 días de haber sido
empaquetados. Los datos se muestran en la siguiente tabla:
MÉTODO DE EMPAQUE
MUESTRA
A B C
1 14.29 20.06 20.04
2 19.1 20.64 26.23
3 19.09 18.00 22.74
4 16.25 19.56 24.04
5 15.09 19.47 23.37
6 16.61 19.07 25.02
7 19.63 18.38 23.27
Promedios 17.2 19.3 23.5
¿Proporcionan estos datos evidencia suficiente que indique una diferencia entre los métodos de empaque a
un nivel de significancia de 0.05?
a. ¿Qué prueba estadística utilizará? ________________________________________ y porque?
___________________________________________________________________________
Ho _______________________________________________
Ha _______________________________________________
c. Valor p _____________________________
d. En base al valor p que acaba de obtener, elija sólo una respuesta VERDADERA respecto a su decisión
estadística?
e.¿Cuál es su conclusión con respecto a los datos?
__________________________________________________________________________________
________________________________________________________________________________
Repaso Teórico
Nota.- Los siguientes conceptos los podrá hallar en el Módulo 26 del libro: “Diseño y realización de proyectos
de investigación sobre sistemas de salud. Parte II Análisis de datos y redacción de Informes” cuyos autores
son Corlien Varkevisser, Indra Pathnathan y Ann Brownlee; pag. 80 y 81. Asi como el libro “Bioestadistica” de
Daniel Wayne, pag. 206.
En una prueba de hipótesis “se estima la probabilidad de que el resultado observado en un estudio (p.ej., una
diferencia entre dos grupos) se deba al azar. En otras palabras, se utiliza una prueba de significancia para
averiguar si el resultado del estudio observado en una muestra puede considerarse como resultado
correspondiente a la población de la que se sacó la muestra”.
Según Daniel Wayne, las pruebas de hipotesis se presentan como un procedimiento de nueve pasos, que es
una secuencia lógica de acciones y decisiones. Incluye: Datos, Supuestos (restricciones), Hipotesis,
Estadistica de Prueba, Distribución de la estadística de prueba, Regla de Decisión, Cálculo de la estadística
de prueba, Decisión Estadística, Conclusión. Toda vez que usted ya está familiarizado con ellos, por el curso
de Estadística Aplicada que aprobó el año pasado, vamos a hacer enfásis sólo en algunos pasos
reconociendo que en el momento que usted tenga que trabajar con sus datos seguirá los nueve pasos.
Dichos pasos son: la hipótesis, el nivel se significancia y la regla de decisión.
Hipótesis
Se han elaborado distintas pruebas de significancia para distintos conjuntos de datos, pero todas ellas tienen
en común el que parten de dos hipótesis opuestas, la nula (Ho) y la alterna (Ha). La Ho es la hipótesis que
debe probarse; tambien se le conoce como la hipótesis de la no diferencia, ya que es una proposicion de
conformidad con condiciones que se suponen ciertas en la población de interés. En general, la Ho se
establece con el propósito de ser rechazada. La Hipótesis de investigación, la que queremos probar,
generalmente, es la Ha. En el ejemplo que desarrollaremos a continuación la hipótesis nula es “Los promedios
del colesterol sérico medidos después de la intervención serán mayores o iguales a los promedios obtenidos
93
Semestre 2018-I
antes de la intervención”. Si la Ho no se rechaza, se dirá que los datos sobre los cuales se basa la prueba no
proporcionan evidencia suficiente que cause el rechazo. Si el procedimiento de prueba conduce al rechazo,
e concluye que los datos disponibles no son compatibles con la Ho, pero sirven como apoyo a alguna otra
hipótesis. Esta otra hipótesis se conoce como Hipótesis Alterna (Ha). Para este ejemplo, la hipótesis alterna
es “Los promedios de colesterol sérico serán menores después de la intervención”.
En resumen, es posible establecer las siguientes reglas empíricas para decidir que proposición se utiliza como
hipótesis nula y cual como hipótesis alterna:
a. La hipótesis de investigación, generalmente, se presenta como hipótesis alterna.
b. La hipótesis nula debe contener una proposición de igualdad, ya sea =, ≥, ≤.
c. La hipótesis nula es la que será estadísticamente comprobada.
d. La Ho y la Ha son complementarias. Es decir las dos contemplan detalladamente todos los valores
posibles que los parametros de suposición pueden asumir.
PRECAUCION: Debe señalarse que ni las pruebas de hipótesis, ni la inferencia estadística conducen a la
prueba de una hipótesis, sino que simplemente indican si ésta es apoyada o no por los datos disponibles. Por
lo tanto, cuando no es posible rechazar una Ho, no se dice que es verdadera, sino que probablemente es
verdadera. Recuerde que la aceptación NO implica la demostración
Por ejemplo un estudio que comparó el número de nutricionistas y el número de malnutridos en diferentes
ciudades de un país podría haber encontrado que a mayor número de nutricionistas mayor número de
malnutridos, si es que no tomó en consideración el factor de confusión, tamaño de las ciudades.
Nivel de Significación
Es igual a 1 -
siendo verdadera”. La Ho puede ser Verdadera o Falsa, y la decisión que tomemos respecto a dicha hipótesis
puede ser aceptarla o rechazarla. Entonces al tomar una decision podría ocurrir UNA de cuatro cosas (ver
cuadro):
1.- Si aceptamos una Ho que es Verdadera o si rechazamos una Ho que es Falsa, la decisión será Correcta.
2.- Si rechazamos una Ho que es Verdadera, cometeremos el error tipo I
3.- Si aceptamos una Ho que es Falsa, cometeremos el error tipo II
0.95 y 0.99, que generalmente son expresados como porcentajes. En realidad nunca se sabe si se ha
cometido o no uno de esos errores cuando se rechaza o no se rechaza una Ho, por eso sólo podemos hablar
de la probabilidad de cometer el error tipo I.
CONDICIÓN DECISIÓN
Ho Acepto Rechazo
Verdadera Decisión Correcta Error Tipo I
Falsa Error Tipo II Decisión Correcta
Regla de Decisión
Para decidir si se acepta o se rechaza la Ho se calcula el
valor de la prueba estadística y se compara con otro que
se encuentra en Tablas Estadísticas, las cuales se Región de Rechazo
Región de
relacionan con la probabilidad () de cometer el error tipo aceptación
I. Si el valor calculado con los datos obtenidos de las
muestras es superior al valor de las Tablas Estadísticas, 0.95
la Ho se rechaza y se acepta la hipótesis alterna (Ha), es 0.05
decir que la diferencia encontrada entre los grupos de
Valor
valores se declara estadísticamente significativa. En otras Critico
palabras se dice que es
Figura 9.1: Prueba de una cola
94
Semestre 2018-I
improbable que el resultado provenga del azar, rechazamos la explicación de casualidad y aceptamos que
existe una diferencia (o asociación) real. En tal caso, podemos decir que la diferencia (asociación) es
estadísticamente significativa.
Si el valor calculado con los datos obtenidos de las muestras es inferior al valor de las Tablas Estadísticas, la
Ho se acepta y se dice que es probable que los resultados se deban al azar, no podemos concluir que exista
una diferencia real (asociación). Decimos entonces que la diferencia (asociación) no es estadísticamente
significativa.
Tengamos en cuenta que en la presente práctica no
dispondremos de las Tablas Estadísticas respectivas y que
las pruebas de inferencia estadística son muchas pero los
valores de nivel de significancia más comun es 0.05,
entonces seamos practicos y recordemos lo siguiente:
Figura 9.2: Prueba de dos colas
Si la p ≥ 0.05 entonces Aceptamos la Ho , concluiremos que los

datos nos permiten aseverar que NO existe diferencia entre los
grupos. O que las variables son independientes (prueba Chi2).
Si la p < 0.05 vamos a rechazar la Ho, concluiremos que los datos
nos permiten aseverar que SI existe una diferencia entre los
grupos. O que las variables están relacionadas, no son
independientes (prueba Chi2). Recién entonces apectamos la Ha
En el esquema del lado izquierdo tiene la regla GENERAL para

cualquier prueba de significancia, pero recuerde el último de los
nueve pasos, la CONCLUSION. Ella va a ser única y específica
para cada una de las pruebas estadísticas que usted va a realizar
a lo largo de su vida profesional. Lo que hace que cada conclusión sea individual es que se refiere a las
variables que han sido comparadas.
1. Nolberto V, Ponce Maria. Estadística Inferencial Aplicada. 1era ed. 2008.
2. Wayne W. Daniel. Bioestadística. 4ta ed. 2006.
3. Álvarez Cáceres Rafael. Estadística aplicada a la ciencia de la salud. 2007.
4. Díaz Narváez V. Metodología de la investigación científica y bioestadística: para médicos, odontólogos y
estudiantes de ciencias de la salud. 2da ed. 2009.
5. Norman G, Streiner D. Bioestadística.
Trabajo Aplicativo N°8:Esta semana, se tiene que presentar el primer avance de revisión del trabajo
aplicativo. Este constará de lo siguiente:
 Caratula: Título del trabajo, nombre de los integrantes del grupo

 Objetivos del trabajo.
 Justificación.
 Primer cuadro o gráfica mostrando el sexo y edad de los sujetos de estudio y su respectiva
interpretación breve.
 Anexo: En archivo electrónico la base de datos.
95
Semestre 2018-I
NOTAS DE CLASE
UNIDAD IV: ANÁLISIS INFERENCIAL DE INFORMACIÓN SOBRE CONSUMO Y
ANTROPOMETRÍA
Tema 09: Preparación de una base de datos y análisis descriptivo de datos de alimentación y
nutrición en SPSS
CONTENIDO
1) INTRODUCCIÓN................................................................................................................. 96
2) ASPECTOS GENERALES DEL SOFTWARE SPSS ......................................................... 109
3) SINTAXIS DE VARIABLES ............................................................................................... 110
4) GESTIÓN DE DATOS ....................................................................................................... 110
a) Abrir el archivo .................................................................................................................. 110
b) Procedimiento para ordenar la base de datos ................................................................... 111
c) Etiquetas a los valores de las variables cualitativas .......................................................... 111
d) Calcular nuevas variables.................................................................................................. 112
5) Análisis Exploratorio para Variables CUANTITATIVAS ..................................................... 113
4.1 Estadísticos de resumen .................................................................................................. 115
4.2 Pruebas de normalidad .................................................................................................... 116
4.3 Diagrama de Tallo y Hojas ............................................................................................... 116
4.4. Diagrama de histograma con curva normal incluida........................................................ 116
4.5 Gráfico Q-Q ...................................................................................................................... 117
4.6 Gráfico de caja y bigotes .................................................................................................. 117
Ejercicio 1 (2 puntos) ............................................................................................................. 118
6) Estadísticas de Resumen .............................................................................................. 118
6.1 Frecuencias para variables Cuantitativas......................................................................... 118
6.2 Frecuencias para variables Cualitativas ........................................................................... 120
6.3 PRIMERA TABLA DE RESULTADOS: Sexo y Edad de los participantes de estudio ....... 120
6.4 RESÚMENES DE VARIABLES CUANTITATIVAS: Opción <Resúmenes de casos> ....... 122
Ejercicio2 (2 puntos) .............................................................................................................. 123
OBJETIVOS
Al finalizar la práctica el estudiante será capaz de:
a) Preparar una base de datos para ser analizada en SPSS.
b) Analizar variables de consumo utilizando la estadística descriptiva en SPSS.
c) Preparar un resumen estadístico de dos variables energía y retinol en SPSS.
4 puntos
d) Crear e interpretar tablas de resultados utilizando SPSS.
1) INTRODUCCIÓN
El programa SPSS (Statistical Product and Service Solution) es un conjunto de potentes funciones
para el tratamiento de datos y análisis estadístico. Las versiones continuamente se van renovando
para hacer que el sistema sea más fácil para el usuario, actualmente está en la versión 23. Este
programa permite abrir datos digitados en otros softwares tales como EXCEL, Dbase, entre otros
de tal manera que facilita el uso.
Por otro lado, tenemos que el quehacer del profesional nutricionista requiere del conocimiento y
manejo de software que ayuden a elaborar informes utilizando la estadística descriptiva y/o
inferencial. Por ello un nutricionista debiera tener habilidades para hacer un buen análisis de
indicadores de salud y nutrición.
La enseñanza del SPSS en este curso se va a dividir en tres clases: Tema 10 “Gestión de datos”,
aquí daremos un vistazo de cómo se prepara una base de datos antes de hacer el análisis
descriptivo o inferencial. Tema 11 “Uso de la estadística descriptiva, para variables cualitativas
mediante la obtención de frecuencias, tablas cruzadas, histogramas y gráficos” y “Pruebas de
hipótesis”, las principales pruebas que todo nutricionista debe saber son la prueba “t student”, el
análisis de varianza, el coeficiente de correlación y el análisis de regresión simple.
96
Semestre 2018-I
2) ASPECTOS GENERALES DEL SOFTWARE SPSS:

Para iniciar el uso del programa SPSS puede seguir uno de los procedimientos, desde el <Menu de
Inicio>, dar clic a <Programas>, y luego escoger SPSS o si encuentra el ícono en el escritorio, hacer
clic sobre él.
Cuando se abre el programa, usted encontrará una ventana con una hoja de cálculo que es el <Editor de
Datos>, figura 1a. Esta ventana consta de las siguientes partes:
i. Barra del Título. Menú de control, el nombre de la ventana y los botones de minimizar,
maximizar y cerrar.
ii. Barra de Menús. Archivo, Edición, Ver, Datos, Transformar, Analizar, Gráficos,
Utilidades, Ventana y ayuda.
iii. Barra de Herramientas Íconos de las operaciones más usadas.
iv. Ventana “Vista de Datos” Con la Línea de Edición de datos encima de ella y la Barra de estado a
lo largo de la parte inferior. A diferencia de Excel esta ventana es
UNICA, no podemos aumentar más “hojas”. A partir de la versión 15
del SPSS se puede tener más de un archivo de datos de SPSS abierto al
mismo tiempo.
v. Ventana “Vista de variables”. Encontramos una hoja que contiene la información sobre las variables.
El archivo con los datos tiene la extensión “sav”.
Barra de
título
Herramientas
Barra de
Barra de
Menús
Ventana de
Vista de Trabajo
Datos
Vista de
Variables
Figura 1a: Entorno SPSS (versión 22)
i. Ventana de Resultados, llamado también “Visor de Resultados”, figura

1b, como su nombre lo indica recibe ahí todos los resultados que se
van generando. Se trata de un archivo nuevo, diferente al archivo que
contiene la base de datos y tiene la extensión “spo”. Podemos archivarlo
o cerrarlo sin grabar al terminar nuestro trabajo. Un archivo de
resultados puede tener rápidamente 200 ó 300 kb, sobre todo si tiene
gráficos.
Figura 1b: Ventana de resultados SPSS
98
Semestre 2018-I
ii. Barra de Menús –Botones “nuevos”
Reconozcamos los botones, “nuevos”, que no existen en otros programas conocidos.
Datos - permite definir variables, así como ejecutar modificaciones en
las bases de datos: seleccionar parte de los registros, añadir,
ponderar, etc.
Transformar - aquí se encuentran todas las opciones relativas a la
modificación y generación de nuevas variables. Las funciones
de este menú son temporales, y sólo están vigentes durante la
sesión sin que afecten al archivo original. Si se quieren
convertir en permanentes deben grabarse los cambios con
Analizar -GUARDAR.
mediante este menú se acceden a los diferentes análisis
estadísticos.
Utilidades posibilitan mostrar información sobre los archivos SPSS, las

variables, etc.
3) SINTAXIS DE VARIABLES:
En el siguiente recuadro se muestra aspecto que se debe tener en cuenta sobre en nombre de
la variable en SPSS.
RECUERDE : Sintaxis de las variables en SPSS

a. Debe empezar siempre con una letra, no usar número como primer carácter,
b. En medio del nombre no usar puntos (.), ni diagonal (/), ni el signo de resta (-), ni dejar espacios en
blanco
c. Si puede usar el carácter guion bajo ‘_’.
d. De preferencia el nombre de la variable debe ser corto, ocho caracteres. Si dejó espacios en
blanco, el programa colocará un signo de ’_’ en el lugar del espacio en blanco.
4). GESTIÓN DE DATOS
La gestión de una base de datos se refiere a preparar el archivo para proceder al análisis, para ello
muchas veces es necesario crear nuevas variables a partir de las variables que se tienen, colocar las
etiquetas a las variables, así como etiquetas a los valores codificados. De esta forma el archivo está
listo para hacer los pasos para el análisis descriptivo y/o inferencial. Para poner en práctica estos
aspectos vamos a utilizar una base de datos de consumo de alimentos recogidos por el método de R24
horas.
Nombre del archivo: practica10_consumo.xls

Contenido:
Datos de consumo de alimentos por el método de R24H registrado por estudiantes del tercer año de
la Escuela Académica Profesional de Nutrición de la Universidad Nacional Mayor de San Marcos. Los
datos fueron digitados en el programa EXCEL. Se le solicita formar grupos de edad y hacer análisis
exploratorio de la variable energía y retinol y el análisis descriptivos de algunas variables.
Abrir el archivo:
Tener presente que es posible
crear una base de datos en el
mismo programa SPSS, pero
como ya tenemos la base de
datos digitada, ABRIR el archivo
de acuerdo a las indicaciones de
la figura 2a.
99
Semestre 2018-I
Variable escribir las siguientes ETIQUETAS

E° Energía
CatAdeE Categorías adecuación energía
PadPro %adecuación de proteínas
Fig. 2b.- Vista de datos en SPSS
Procedimiento para ordenar la base de datos:

Lo que haremos ahora no es indispensable para que el programa funcione correctamente, pero a la larga le será
muy beneficioso aprender a ser ordenado cuando trabaje con su base de datos.
En el archivo que tiene abierto, haga clic en <Vista de Variables>, en esa hoja observará las siguientes
columnas: nombre, tipo, anchura, decimales, etiqueta, valores, perdidos, columna, alineación, medida.
 En <Nombre> puede observar los nombres de las distintas variables.
 En <Tipo> puede ser de tres tipos: numérico, cadena y

fecha. Observe que al importar los datos de EXCEL
automáticamente siguen conservando el formato que
tenían. Así por ejemplo: el peso es <numérico>, código de
matrícula es <cadena> porque es un texto.
 En <Anchura> y <Columna>: para poder ver el mayor número de variables
por pantalla en “Vista de datos” deberá reducir la ‘Anchura’ y las
‘Columnas’. Practique cambiar los valores de la columna.
 En <Decimales>, aquellos datos que tengan decimal deberá conservarlos.
La variable código no debe tener decimales, colocar cero.
 En <Etiqueta>, Etiqueta es una descripción corta explicando el significado de la variable.
Procederemos a digitar las etiquetas de las variables de acuerdo a las indicaciones, solo para las
que sean necesarias, ya que algunas son auto explicativas y no las necesitan.
Etiquetas a los valores de las variables cualitativas:

En SPSS podemos colocar etiquetas a los valores de las variables
cualitativas en EXCEL hacíamos con “comentario”. Colocaremos
etiquetas de valores para la variable sexo, 1 masculino y 2 femenino.
Se ubica en la fila <sexo> y en la columna
<Valores> hacer doble clic sobre el botón plomo que aparece en la celda
que dice <Ninguno> correspondiente a sexo y cuando aparece una
nueva pantalla, coloque en el casillero <Valor> el
111
Semestre 2018-I
número <1>’ y luego en etiqueta de valor, la palabra <Masculino>; hacer clic en el botón
<Añadir>. Repita el procedimiento con el valor 2 y la palabra ‘Femenino’. No es necesario colocar las comillas,
el programa lo hará. Cuando termine hacer clic en <Aceptar>.
VARIABLE: Categoría de adecuación de energía

Escribir los valores para la variable CatAdeE: El valor 1 será déficit, el valor 2 será adecuado y el valor 3 será
exceso.
 En <Perdidos>: Si alguna vez necesita señalar valores “Perdidos” o datos faltantes utilice esta función,
para la variable.
 En <Medida>, haga clic sobre la celda correspondiente y verá el menú desplegable de la figura 3 “escala”,
que se refiere a una variable numérica de intervalo/razón; las otras dos son la escala ordinal y nominal.
Aquí es donde le indicamos al programa el tipo de variable. Toda vez que reconocemos que la variable
‘Código’ aunque lleve números es una variable cualitativa (nominal) hacemos clic en “Nominal”. Eso le
indicará al programa que no puede ni sumar, ni sacar promedios, etc. con dicha variable.
Para ‘Edad’ el programa le ha puesto ‘escala’ porque por defecto toda variable numérica presupone que es
‘escala’. Ver tipos de variables en la figura 4.
Figura 3: Tipo de Figura 4: Tipo de Mediciones de la variable

Variable
Nota.- Estas especificaciones pueden ser cambiadas en cualquier momento que sea necesario. Una vez
puestas las etiquetas a las variables, se tiene la ventaja de poder visualizar dichas etiquetas en
<Vista de Datos> presionando el icono correspondiente (el penúltimo de la Barra de Herramientas),
o también en <Ver>, <Etiquetas de Valor>.
Calcular nuevas variables

CALCULAR LA VARIABLE GRUPO DE EDAD
Comenzaremos haciendo una re-categorización de la variable edad, en una nueva variable “GRUPOEDAD”.
Para lo cual seguirá los siguientes pasos:
En la barra de menús haga clic sobre <Transformar> y luego “Recodificación en distinta variable”.
Aparece en la pantalla la figura 5. Tiene que colocar en el casillero grande:
‘Var. Numérica’, la variable que se quiere recodificar, en este caso es ‘edad’ y luego en el otro casillero la
‘Variable resultado’ colocar el nombre “Grupoedad” y su etiqueta “Grupo de edad”. Es opcional colocar la
etiqueta, pues también lo puede hacer en la ‘Vista Variables’. Pero es obligatorio ponerle un nombre y
pulsar el botón Cambiar.
Ahora pulsar el botón Si… para colocar los rangos de edad y aparecerá la pantalla de la figura 5. Entre las
opciones que tiene al lado izquierdo, comience con <Rango: ‘INFERIOR hasta valor’> y cuando se active el
casillero escribir ’20,9’. Luego en el lado derecho debajo de Valor nuevo haga clic en
<Valor> y en el casillero escriba ‘1’.
A continuación seleccione el <Rango>y se activarán dos celdas, en la primera escriba ’21’ y en la segunda
escriba ’22,9’; en el lado derecho el nuevo valor será ‘2’. Para el último rango, seleccione la 3ª opción de
<Rango, valor hasta SUPERIOR> escriba ‘23’ y el ‘Valor nuevo será ‘3’.
112
Semestre 2018-I
Figura 5: Recodificar en distintas variables: Valores que tomará la variable “GrupoEdad”

Después colocar las respectivas etiquetas en <Vista de
variables>, ubicar la variable y escribir los valores para la
categoría “GRUPOEDAD” de la siguiente manera:
Valor Etiqueta de Valor
1 18 - 20 a.
2 21 – 22 a.
3 >= 23 a.
5) Análisis Exploratorio para Variables CUANTITATIVAS

El análisis exploratorio es para variables cuantitativas (numéricas). Las variables cualitativas sirven en este
análisis para separar a las variables numéricas en grupos; así por ejemplo si queremos hacer el análisis
exploratorio de la variable cuantitativa ‘Consumo de energía’ (Eº) y queremos comparar dos grupos: hombres
y mujeres, se utilizará la variable cualitativa “sexo”.
ANÁLISIS EXPLORATORIO DE LA VARIABLE ENERGÍA (E) Y RETINOL CONSUMIDO

Ahora se procederá a hacer el análisis exploratorio de dos variables cuantitativas: Energía (Eº) y Retinol.
Procedimiento
1.-En la barra de menú pulsar secuencialmente:
<Analizar>, <Estadísticos descriptivos> y
<Explorar> (fig. 6).
2.- En la siguiente pantalla, colocar en el casillero
[Dependientes], las variables “E” y “Retinol” (fig. 7)
y dejar vacíos los otros dos casilleros*.
A continuación presionar el botón Estadísticos, que se
encuentra en la parte inferior. En la nueva
pantalla por defecto ya estará seleccionada la opción
<Descriptivos> (fig. 8).
Figura 6: Opción <Explorar>
Seleccionar: <Valores atípicos>y <Percentiles>, hacer clic en el botón <Continuar>.

Nota: Si usted quisiera obtener el análisis exploratorio por grupos, por ejemplo por sexo masculino y femenino,
tendría que colocar el casillero [Factores] dicha variable. Además si quiere identificar los casos podrá colocar
en el 3er casillero la variable con la cual los identificará.
113
Semestre 2018-I
Figura 8: Opción <Explorar> - Estadísticos
Figura 7: Opción <Explorar> Variables
3.-Nuevamente en la pantalla de la fig. 6 presionar el botón

Gráficos
Cuando aparezca la pantalla (fig. 9), en el lado izquierdo se
encuentra marcado por defecto
<Niveles de los factores juntos>, dejarlo así.
Hacer un check en <Gráficos con prueba de
normalidad> que se encuentra en el lado derecho y en el
lado izquierdo hacer check en Tallo y hojas e Histograma.
Luego hacer clic en el botón <Continuar>.
4.- En la pantalla de la fig. 6, asegúrese que está activado
el botón Ambos que se encuentra en la parte inferior
izquierda; pulsar el botón Aceptar.
5.- Se van a obtener varios resultados.
Figura 9: Explorar: Gráficos
Primero aparece la tabla “Descriptivos” Fig. 10. Podemos

modificar la tabla “Descriptivos”, haciendo doble clic sobre ella
y aparece la opción “Paneles de pivotado”, si separamos uno
de los dos iconos que se encuentra en “fila” (no activado) y lo
pasamos a “Capa” podemos conseguir que la tabla se reduzca
y ver comparativamente a los estadígrafos de cada variable,
uno por uno. (Fig. 11).
Figura 10: Resultado – estadísticos descriptivos
114
Semestre 2018-I
Figura 11a: Pivotar
Figura 11b: Asimetría de ambas

variables. Tabla Descriptivos- Opción
Pivotar
4.1 Estadísticos de resumen
En la imagen se observa los estadísticos de resumen que se obtienen en SPSS
Media recortada al 5% La primera es una media calculada eliminando el 5% de los casos con valores más
pequeños y más grandes con el objetivo de obtener una media menos sensible a la
presencia de valores extremos.
115
U.N.M.S.M. –E.A.P. Nutrición Manual Informática en Nutrición
Semestre 2018-I
Amplitud intercuartil La ‘amplitud intercuartil’ o ‘intervalo intercuartilico’ (IIQ) es la distancia que hay entre el
Q3(P75) y el Q1(P25).
Asimetría La curva de la distribución normal es simétrica, su valor de asimetría es “0”

Curtoris
Energía Retinol
La Asimetría tiene un valor de -0.111 La asimetría tiene un valor de

La curtosis tienen un valor de -0.005; ambos 5.309 La curtosis tiene un valor de
valores cercanos a uno 1 por lo que 31.544
sospechamos de una distribución que se
aproxima a lo normal ambas están por encima de cero
(positivos) y más alejados de él por lo que
deduciríamos que es menos normal que
la distribución de los valores de Energía
También se observa los percentiles: 5, 10, 25, 50, 75, 90, 95 de cada variable.
Y los valores extremos 5 superiores y 5 inferiores para cada variable
4.2 Pruebas de normalidad

Las pruebas de inferencia estadística paramétricas apoyan el supuesto de normalidad de la distribución de los
datos y cuando usamos MS EXCEL no pudimos probar dicho supuesto.
En SPSS para saber si una variable tiene distribución normal en el cuadro de “Pruebas de normalidad” nos
fijaremos en el valor de p, que en el programa SPSS se escribe “Sig.”; en el lado izquierdo, debajo del
encabezado Kolmogorov-Smirnov (que se usa para muestras “grandes”, n > 50) y Shapiro-Wilk:
Variable Prueba de Kolmogorov-Smirnov Prueba de Shapiro-Wilk

Energía Valor sig:……………. Valor sig:…………
Hipótesis Ho Ho dice “La distribución de los datos Ho dice “La distribución de los datos
tiene la forma de una curva normal” tiene la forma de una curva normal”
Decisión estadística Aceptar/Rechazar Aceptar/Rechazar
(circular el que corresponda) (circular el que corresponda)
Conclusión La conclusión es que los datos de Concluimos que los datos no siguen
energía siguen una distribución normal una distribución normal.
4.3 Diagrama de Tallo y Hojas

Luego aparece el diagrama de “Tallo y hojas” (Stem-and-Leaf Plot) con el cual podemos apreciar la distribución
de cada uno de los datos de las variables. Según los cuales la moda de la energía está entre los 1600 y 1700
kcal (n=45).
En cambio, el retinol tiene la moda en el extremo inferior de los datos (n=45) entre 0 y 0.9.
116
Semestre 2018-I
4.4. Diagrama de histograma con curva normal incluida

Compare estos diagramas con histogramas que tengan una curva normal incluida. Para ello se tiene que
hacer doble clic sobre la imagen del histograma obtenido para E (fig.12) y cuando aparece la nueva ventana,
alrededor del histograma, buscar el icono de la curva normal y luego cerrar.
Figura 12: Icono del histograma con

Curva Normal
Y notamos que a la curva “normal” de la variable “Eº” está casi completa, mientras que a la curva
“normal” del Retinol le falta un área mayor, con lo cual vemos una mayor cercanía con la “normalidad” de
la distribución de los datos de Energía que con la distribución del retinol (fig. 13 y 14).
Figura 13: Histograma Energía Figura 14: Histograma Retinol
4.5 Gráfico Q-Q

El gráfico Q-Q plotea cada valor observado con su valor ‘normalizado’. Adicionalmente tiene una recta
que es donde debieran caer todos los puntos si es que la distribución fuese idealmente normal. Compare
ahora las figs.15 y 16 que son los gráficos Q-Q para la “Eº” y para el “Retinol”.
Figura 15: Gráfico Q-Q de la Energía Figura 16: Gráfico Q-Q de la Retinol
117
Semestre 2018-I
4.6 Gráfico de caja y bigotes
Comparar los gráficos de caja y bigotes para las variables:
Variable: Energía Variable: Retinol
La longitud del bigote inferior es ligeramente mayor En cambio para el ‘Retinol’, la longitud del bigote
que el bigote superior, lo que significa una tendencia a superior es mucho mayor que la del bigote inferior
tener valores bajos. Sin embargo la mediana está en (mostrando una marcada asimetría de los datos.
medio de la caja, lo cual significa simetría, distribución Note que hay valores atípicos y dos valores extremos
normal (códigos 11, 34) con ingestas de vitamina A elevadas.
Nota.-Valor atípico: está representado por un círcul o vacío y su distancia al extremo de la caja (Q1 o
Q3) es de 1.5 a 3 veces el intervalo intercuartílico (IIQ). Mientras que Valor extremo es aquel cuya
distancia al extremo de la caja es 3 veces mayor al II Q y está representado por un asterisco .
Unidad IV: Tema 10 SPSS Gestión Datos y Análisis
Descriptivo 117
Ejercicio 1 (2 puntos)
Realice el análisis exploratorio de las variables cuantitativas “Edad” y “Peso”. Compare los resultados de la
prueba de Kolmogorov con los gráficos obtenidos y señale si dichas variables son normales. Justifique su
respuesta.
Escriba su interpretación:
Ítems a evaluar Edad Peso

Interpretación Curva Normal en
histograma
Prueba Shapiro Wilk, p valor
Interpretación
5) Estadísticas de Resumen –
La opción de <Frecuencias>de la barra de herramientas puede ser usada tanto para las variables cualitativas
como para las variables cuantitativas. En el segundo caso nos proporciona varias estadísticas de resumen
semejantes a las que vimos con la opción de <Explorar>. Dependiendo de la necesidad de valoración de la
normalidad dependerá la decisión de usar una u otra opción.
Usaremos ‘Frecuencia’ con la variable cuantitativa Energía.
6.1 Frecuencias para variables Cuantitativas
1.- Presione <Analizar>, luego en <Frecuencias> y escoja la variable “Energia”.

2.- Oprima <Estadísticas> y aparecerá la figura 17. Cuando aparezca la nueva pantalla (Fig. 18) haga check en
Cuartiles, Media, Mediana, Moda, Desviación estándar, Rango, Mínimo, Máximo. Para tener una idea si la
distribución de la variable es “normal” (curva simétrica, acampanada), además, pediremos Asimetría y Curtosis.
Pulsar <Continuar>.
Semestre 2018-I
Figura 17: Opción para “No mostrar en el Figura 18: Menú para para las Estadísticas
Menú de frecuencias disponibles
3.- Quitar el check que por defecto aparece a la izquierda de <Mostrar tablas de frecuencias>, fig. 17, pues no
queremos un listado de la variable, sino sólo las estadísticas de resumen. Presione el botón Aceptar.
A la izquierda (fig. 19) tenemos los resultados de las estadísticas de la variable “Eº”.
Unidad IV: SPSS

118
Semestre 2018-I
5.2 Grafico de barras de error.-

Para elaborar dicho gráfico seguir la siguiente secuencia: Gráficos > Cuadros de diálogo antiguos > Barras de
error (fig. 22).
En la primera ventana de diálogo, seleccionar ‘Simple’ y hacer clic en ‘Resúmenes para grupos de casos’.
Cuando salga la siguiente ventana ingresar en el casillero <Variable> ‘Energía’ y en <Eje de categoria>
‘Sexo’(fig. 20). Presionar el botón <Aceptar> y obtendrá el gráfico de la fig. 21.
Figura 20: Menú para gráfico ‘Barras de error’
Interpretación (Figura 22):
Figura 21: Ventana diálogo para Barras de
Figura 22: Promedio e IC de confianza del consumo de Energía (kcal) según sexo en estudiantes de la
EAP Nutrición. 2015
Unidad IV: SPSS

119
Semestre 2018-I
6.2 Frecuencias para variables Cualitativas

Ahora usaremos esa misma opción <Frecuencias> para una variable cualitativa como “Categorías
Adecuación Energía”. El procedimiento es similar:
1.- Presione <Analizar>, luego en <Frecuencias> y escoja la variable “Categoría Adecuación Energía”.
2.- Deje el check ( ) que por defecto aparece junto <Mostrar tablas de frecuencias>; ello es necesario para
obtener una tabla que muestre todas las categorías de la variable cualitativa seleccionada. Tome nota que el
único estadístico de las opciones de <Estadísticas>que se puede aplicar a variables cualitativas es la moda.
3.- Hacer clic sobre el botón Gráficos… y cuando aparece la pantalla (fig. 24) hacer clic sobre <Gráficos
circulares>.
En general, el <Gráficos circulares> es el apropiado para variables cualitativas que tienen pocas categorías
(entre 3 y 7 categorías). NOTA.- No consideramos necesario hacer un gráfico circular sólo para dos
categorías, es suficiente indicar dicho resultado como texto o incluirlo en una tabla con otras variables. Si la
variable nominal tuviese más de ocho o diez categorías, sería mejor usar un gráfico de barras (columnas en
EXCEL).
4.- Pulse <Continuar>. Y obtendrá el gráfico de la fig. 25
Título de la figura 25:
Figura 24: Opciones de Gráifcos, dentro de

<Frecuencias>
Interpretación:
Figura 25: Gráfico circular para

la variable ‘Categorías
Adecuación Energía’
6.3 PRIMERA TABLA DE RESULTADOS: Sexo y Edad de los participantes de estudio

En la presentación de nuestro informe final es de gran utilidad las Tablas Cruzadas, en Excel podemos
elaborar con el menú de ’Tablas Dinámicas’, en SPSS se obtendrá con ‘Tablas cruzadas¨. La primera tabla
que haremos será la de presentación de nuestros sujetos de estudio, sexo por grupos de edad. ambas
variables cualitativas.
Ahora para hacer una tabla cruzada de las variables categóricas “sexo” y grupo de edad “GrupoEdad”,
deberá pulsar <Analizar> en la Barra de menús y luego <Estadísticas Descriptivas> y finalmente <Tablas
cruzada>, tal como se señala en la figura 26 y 27.
Unidad IV: SPSS

120
Semestre 2018-I
Figura 26: Tablas cruzadas.

Figura 27: Variables en Filas y Columnas.
 Cuando se abra la ventana, colocará la variable

‘Grupo de Edad’ en el casillero Filas. Y en el casillero
Columnas se colocará la variable “sexo” (fig. 27).
 Para obtener los porcentajes presionar el botón
Casillas… y en la nueva ventana (fig.28),
hacer un check ( ) al costado de por que queremos
comparar hombres
y mujeres; si quisiéramos comparar los grupos de
edad tendríamos que poner el check en las filas. La
elección va a depender de los objetivos con los
que recogimos la información y que es lo que
queremos resaltar en nuestros datos.
Figura 28: Menú casillas. Opción de porcentajes

 Presionar el botón <Continuar>y luego hacer clic en el botón <Aceptar>.Y obtendrá la tabla siguiente
(fig. 29); dicha tabla muestra el total de datos válidos
Figura 29. Resumen de procesamiento de casos
Casos
Válido Perdidos Total
N Porcent N Porcent N Porcent
aje aje aje
Grupo de edad * 45 100,0% 0 0,0% 45 100,0%
Sexo
Luego se encuentra la frecuencia y porcentaje de cada casillero (fig. 30).
Unidad IV: SPSS

121
Semestre 2018-I
Figura 30: Tabla de Contingencia para variables Grupo de edad y Sexo
Colocar un titulo adecuado:
Hacer una breve interpretación:______________________________________________________________
6.4 RESÚMENES DE VARIABLES CUANTITATIVAS: Opción <Resúmenes de casos>

Para obtener estadísticos de las variables cuantitativas separadas según grupos formados a partir de
variables cualitativas, por ejemplo la mediana de la variable proceda ‘%Adecuación por grupo de edad,
de la siguiente manera: Eº’
1.- En la barra de menús, presione <Anaizar>, <Informes> y luego <Resúmenes de Casos>. Una vez que se abra
el cuadro de diálogo, elija la variable ‘%Adecuacion Eº’, en el casillero de [Variables] (fig. 31).
2.- En el casillero [Variable de Agrupación] inserte la variable cualitativa ‘grupoedad’.
3.- Haga clic en el botón Estadísticos y en el cuadro de diálogo encontrará en el casillero <Estadisticos de casilla>,
“Número de casos”, añádale, mediana; tal y como aparece en la fig. 32.
Figura 31: Resúmenes de casos Figura 32: Mediana por Grupo de edad
4.- Presione el botón <Continuar>, quite el check de la opción ‘Mostrar los casos’ y <Aceptar> , observe que los
resultados en su pantalla coincidan con la fig. 33.
Figura 33: Resúmenes de casos
Unidad IV: SPSS

122
Semestre 2018-I
Ejercicio2 (2 puntos)
Con la base de datos 6dep.sav, complete los siguientes cuadros con la información requerida.
Cuadro 1:
12 a 23.9 m 24 a 35.9 m.
Departamentos
n % n %
Amazonas
Ancash
Apurímac
Arequipa
Ayacucho
Cajamarca
Total
Interpretación:
2.- Calcule el promedio y DE de hemoglobina corregida por grupo de edad.

Cuadro 2:
Grupo de Edad Prom DE
12 a 23.9 m.
24 a 35.9 m.
Total
Interpretación:
Durante esta semana, en el día de su práctica deberá avanzar con el análisis de sus datos.
Referencias bibliográficas:
1. Wayne W. Daniel. Bioestadística Base para el análisis de las ciencias de la salud. 4ta ed.
Edit.. LIMUSA. 2006
2. Norman G, Streiner D. Bioestadística. 2005. Elsevier. Españ
3. Gil, J y Padilla MT. Análisis de datos en la investigación educativa. Facultad de Ciencias de
la Educación. Área de Conocimiento: Métodos de Investigación y Diagnóstico en
Educación. Departamento: Métodos de Investigación y Diagnóstico en Educación.
Disponible en: http://ocwus.us.es/metodos-de-investigacion-y-diagnostico-en-
educacion/analisis-de-datos-en-la-investigacion- educativa/Bloque_I/page_17.htm
4. Baron-Lopez, FJ. Apuntes y vídeos de Bioestadística. Tema
estadísticos.
http://www.bioestadistica.uma.es/baron/apuntes/ficheros/estad_uma
_02.pdf
Unidad IV: SPSS
123
Referencias
 Ravelo-García,JM Coeficiente de correlación biserial-puntual (rbp)
http://www.youtube.com/watch?v=lG_eqzLRwuY
 Gil, J y Padilla MT. Análisis de datos en la investigación educativa. Facultad de Ciencias
de la Educación. Área de Conocimiento: Métodos de Investigación y Diagnóstico en
Disponible en:http://ocwus.us.es/metodos-de-investigacion-y-diagnostico-en-educacion/analisis-
de-datos-en-la-investigacion-educativa/Bloque_I/page_104.htm
 Baron-Lopez, FJ. Apuntes y vídeos de Bioestadística. Cap. 5: Variables numéricas en 3 o
más Grupos. Universidad de Málaga. Disponible en:
http://www.bioestadistica.uma.es/baron/apuntes/ficheros/teo_doc_05.mp4
yhttp://www.bioestadistica.uma.es/baron/apuntes/ficheros/cap05.pdf
 http://cybertesis.unmsm.edu.pe/bitstream/cybertesis/4293/1/Rojas_cj.pdf

13ª semana (20, 21 y 23 de junio)
 Asesoría para el análisis de datos.
Durante esta semana, en el día de su práctica deberá el grupo conversar con el

profesor responsable de la práctica para pedir asesoría respecto al análisis de datos.
Miembros del Profesor, Profesor, firma Fecha

Equipo nombre
Integrante 1
Integrante 2
Integrante 3
Integrante 4
124
Semestre 2018-I
NOTAS DE CLASE
UNIDAD IV: ANÁLISIS INFERENCIAL DE INFORMACIÓN SOBRE CONSUMO DE
ALIMENTOS Y ANTROPOMETRÍA
Prof. Ivonne Bernui Leo
Tema Nº 10: Uso de pruebas paramétricas en SPSS
CONTENIDO
OBJETIVOS ......................................................................................................................... 125
INTRODUCCIÓN ................................................................................................................. 125
Prueba t de Student ............................................................................................................ 126
Prueba ANOVA .................................................................................................................... 129
Ejercicios (3p) ................................................................................................................ 132
OBJETIVOS
Al finalizar la práctica el estudiante deberá ser capaz de:
1. Seleccionar la prueba de inferencia adecuada según el tipo de variable.
2. Aplicar las pruebas paramétricas: t y ANOVA y las pruebas post hoc en SPSS.
3. Interpretar correctamente los resultados obtenidos de cada una de las pruebas inferenciales
aprendidas.
INTRODUCCIÓN
En la práctica anterior se aprendió a reconocer la distribución de una variable cuantitativa y dicha
característica es de vital importancia para escoger la prueba de inferencia adecuada. Asi
tenemos que si la distribución fuese normal aplicaríamos las Pruebas paramétricas y si no lo
fuese, es decir si tuvieran una “distribución libre” se debieran aplicar las pruebas No
paramétricas.
En la clase N°9 se hizo un repaso de algunos términos básicos de la Estadística Inferencial: los
pasos a seguir para probar una hipótesis, como formular las Ho y Ha, los conceptos de nivel de
significancia, nivel de confianza, error tipo I y tipo II.
Para ayudarle a seleccionar que prueba aplicar a qué tipo de variables, deberá primero
considerar el objetivo para el cual se recogieron los datos, así como la escala de medición de
variable de su objetivo. Aquí se presenta el siguiente cuadro resumen acerca de las pruebas de
inferencia más usadas según el objetivo del recojo de datos y según tipo de variable.
Escala de
OBJETIVOS PRUEBAS
Medición
Comparar medias, para datos • Prueba t (2 grupos )
tienen distribución Normal Intervalo/ Razón • Prueba ANVA (≥ 2 grupos )
(simétrica)
• Prueba de Mann-Whitney, 2
muestras independientes
Comparar medianas, para datos
Ordinal/ Intervalo/ • Prueba de Wilcoxon, 2
que no tienen distribución
Razón muestras relacionadas
Normal(no es simétrica)
• Prueba de Kruskall Wallis,
más de dos muestras
Medir asociación entre
Coeficiente de Correlación
variables con distribución Intervalo/ Razón
de Pearson
normal
Unidad IV: SPSS

125
Semestre 2018-I
Medir asociación entre
Ordinal / Intervalo/
variables que no tienen Coef. Spearman
Razón
distribución normal
Intervalo/ Razón
Medir asociación entre una
(var.1) con Coeficiente de correlación
variable de intervalo razón y
Nominal Dico- biserial-puntual (rbp)1,2
una nominal dicotómica.
tómica (var.2)
Independencia (Asociación) de
Nominal , Ordinal Chi 2
variables cualitativas
Cualitativa
Fuerza de Asociación Odds Ratio – Riesgo Relativo
Dicotómica
Predecir la VD, a partir de la VI Intervalo/ Razón Regresión
Prueba t de Student
Se han tomado datos de pacientes con insuficiencia renal y se quiere saber si existe
diferencia entre el peso antes y despues de la dialisis. Los datos se encuentra en el archivo
IRCT.sav y las hipotesis estadisticas serían:
Ho: El promedio del peso de los pacientes con IRCT es el mismo o mayor después de la
diálisis
Ha: El promedio del peso de los pacientes con IRCT es menor después de la dialisis.
De manera simbólica representaríamos:
Ho: x peso despues ≥ x peso antes y Ha: x peso despues < x peso antes
Primero debemos saber si las variables ‘Peso1’ y ‘Peso2’ tienen una distribución normal, para
lo cual se aplicará la prueba de Kolmogorov-Smirnof, pues se tienen 63 registros. Para ello
abrir la base Peso_IRCT.sav y hacer clic en: Analizar datos> Estadistica
Descriptiva>Explorar. Cuando se abre la ventana de diálogo correspondiente (fig.1a), poner
hacer clic en <Gráficos>; en la pantalla de diálogo seleccionar [Gráficos con pruebas de
normalidad](fig.1b).
Figura 1a: Explorar, Gráficos. Figura 1b: Explorar, Gráficos con

prueba normalidad.
Luego observamos que el resultado para el Sig. de la Prueba de Kolmogorov fue: 0.200
para Peso1 y 0.200 para el Peso2; es decir que si tienen una distribución normal.
Unidad IV: SPSS

126
Semestre 2018-I
Se usará la prueba t muestras emparejadas porque se trata de dos mediciones (antes y
después) en el mismo grupo de personas y de una cola, porque se supone que el peso de
las personas disminuirá después de la hemodiálisis ya que antes de dicho procedimiento
presentan edema.
Para ejecutar la prueba t, siga estos pasos:
1. Abrir el archivo Peso_IRCT.sav.
2. En la barra de menus presione <Analizar>, luego escoja <Comparar Medias> y

finalmente <Prueba T para muestras relacionadas >(fig. 2).
Fig.2: Selección de la prueba t, muestras relacionadas Figura 3: Colocar variables
3. A continuación aparecerá la pantalla de la fig. 3. Usted seleccionará la variable ’peso1’

y la colocará debajo de la etiqueta ‘Variable 1’. Luego seleccione la variable ‘Peso2’
y coloquela debajo del casillero ‘Variable 2’. Presione el botón <Aceptar >.
4. Automaticamente se abrirá el archivo Resultados1, en el cual aparecerán las

Tablas 1 y 2.
5. La primera tabla (Tabla 1) nos señala que el promedio del peso 1 (63.37 kg) y del
peso 2 (59,4 kg) de los 63 pacientes; asi también observamos las respectivas
desviaciones típicas.
Tabla 1: Estadísticos de la variable ‘Peso1’ y ‘Peso 2’
Estadísticos de muestras relacionadas
Media N Desviación típ. Error típ. de la

media
PESO1 63,37 63 16,324 2,057

Par 1
PESO2 59,457 63 13,1437 1,6559
6. La Tabla 2 nos sirve para saber si esas diferencias son significativas o no.
Mirar al valor Sig. (bilateral) .018, que es < del valor de significancia 0.05, por lo cual
Aceptamos / Rechazamos la Ho y concluimos que el Peso después es significativamente
menor que el Pesoantes.
Unidad IV: SPSS

127
Semestre 2018-I
Tabla 2: Resultado prueba t
Prueba de muestras relacionadas
Diferencias relacionadas
95% Intervalo de confianza
para la diferencia
Desviación Error típ. de Sig.
Media típ. la media Inferior Superior t gl (bilateral)
Par 1 PESO1 - .018
PESO2 3.9143 12.8214 1.6153 .6853 7.1433 2.423 62
7. Ahora dibujemos el gráfico para representar ambos pesos con los siguientes botones
de la barra de herramientas: Gráficos>Barras de error>Resumenes para distintas
variables (fig. 4 a y 4b)
Figura 4 a: Menú para Gráfico de Barras de Figura 4b: Resúmenes para distintas
error variable
8. Y luego colocar en el casillero barras de error: PESO1 y PESO2 (fig.5). Finalmente

<Aceptar> y se obtendrá el gráfico de la fig. 6.
Figura 5: Ventana de dialogo de Figura 6: Gráfico obtenido

Barras de error para distintas variables
Unidad IV: SPSS

128
Semestre 2018-I
Prueba ANOVA
Vamos a utilizar el ejemplo de la práctica 9 respecto a la comparación de tres métodos de
empaque, en aquella oportunidad el ANOVA fue significativo. Aquí el enunciado “Se quiere
determinar si tres métodos diferentes de empaque de cierto alimento congelado conservan por
igual el contenido de ácido ascórbico en el mencionado alimento, se midió dicho ácido en los
alimentos empaquetados con los tres diferentes métodos tras un período de 45 días de haber
sido empaquetados.”
Lo primero que haremos es verificar la normalidad de la variable ‘VitC’. Para lo cual se aplica la
prueba de Shapiro, pues se tienen menos de 50 registros (n=21). Para ello abrir la base de datos
empaquetado.sav y hacer clic en: Analizar datos> Estadistica Descriptiva>Explorar. Cuando se
abre la ventana de diálogo correspondiente, poner hacer clic en <Gráficos>; en la pantalla de
diálogo seleccionar [Gráficos con pruebas de normalidad]. El valor Sig de la prueba de Shapiro
es: 0.624, con lo cual (escoger: Aceptamos Ho / Rechazamos Ho) y por lo tanto concluimos que
“la variable VitC tiene una distribución normal”.
Procedemos a plantear la hipótesis de investigación es “Los promedios de Vitamina C no son
iguales en los tres métodos de empaque”. Aquí las hipótesis estadísticas:
Ho: x met.A = x met.B = x met.C
Ha: x met.A ≠ x met.B ≠ x met.C
Para probar la hipótesis siga estos pasos en el archivo empaquetado.sav:
1. En la barra de menús presione <Analizar>, luego escoja <Comparar medias> y
finalmente<ANOVA de un factor>, tal y como observa en la fig.7 a.
Figura 7 a: Selección de ANOVA Figura 7 b: Menú < ANOVA de un

factor>
2. A continuación aparecerá la pantalla de la fig. 7b. Usted seleccionará la variable ’VitC’,

y la colocará en el casillero [Lista de dependientes]. Coloque en el casillero [Factor] a la
variable ‘CODMET’ (código del método).
NOTA.- La variable que se usará para formar los grupos a comparar y que va en en casillero
‘Factor” tiene que estar en nivel de medición:ordinal o intervalor/razón para poder aparecer en el
cuadro de diálogo. Esto se visualiza mejor en la vista de variables del archivo donde están los datos
que tienen la extesnión *.spo.Las variables nominales no aparecen. En este archivo, por ejemplo, la
variable nominal “Metodo” que tiene las categorías: A, B y C no aparece.
Unidad IV: SPSS

129
Semestre 2018-I
3. Presione además el botón <Opciones> para hacer un check en los casilleros
(Descriptivos), (Prueba de homogeneidad de varianzas), según la fig. 8.
Figura 8: Opciones del

ANOVA
Observamos que si existe homogeneidad de varianzas pues la prueba de Levene salió

no signicativa. (Sig. = 0.111), según la Tabla 3.
Tabla 3: Resultados de la prueba de Levene (Homogeneidad de varianzas)
Prueba de homogeneidad de varianzas

VitC
Estadístico de gl1 gl2 Sig.

Levene
2,490 2 18 ,111
Tabla 4:
El resultado de la prueba de ANOVA se observa en la tabla 5. El valor Sig es menor que el

nivel de significancia (0.05) por lo tanto, se acepta / se rechaza la Ho y se acepta la Ha. Se
concluye que al menos una media es diferente.
Unidad IV: SPSS

130
Semestre 2018-I
Tabla 5: Resultados
ANOVA
4. Con SPSS podremos saber cuales promedios son diferentes. Con el botón <Post Hoc>
se pueden realizar las comparaciones de los promedios de dos en dos y también por sub-
conjuntos.
Repita los pasos #1 y #2, pero esta vez presione el botón <Post Hoc >,y ponga check  en
el casillero de Tukey, porque las muestras son de igual tamaño y tienen homocedasticidad.
Tambien ponga un check en DMS que es una prueba liberal para que vea la diferencia con la
prueba de Tukey que es conservadora. Luego pulse <Continuar> (fig. 9).
De las otras opciones disponibles, para las

Comparaciones múltiples post hoc,
usaríamos Scheffe si el tamaño de los
grupos fuera diferente o Dunnett si
tuviéramos un grupo control contra el cual
queremos comparar a los demás. Al final de
la guia encontrará una tabla con las
caracteristicas de algunos otras pruebas
post-hoc ofrecidas en SPSS.
Figura 9: Comparaciones múltiples – Pruebas Post
5. Demos una mirada a la columna Sig dela Tabla 6.
Tabla 6: Resultados de las comparaciones múltiples Tukey y DMS
Unidad IV: SPSS

131
Semestre 2018-I
Encontramos diferencias significativas (p< 0.05) entre los métodos AyC, ByC con la prueba de
Tukey. Entre los métodos A y B no hay diferencias significativas (p=0.080). En cambio con la
prueba DMS todas las diferencias son significativas, por lo cual es llamada una prueba liberal,
pues encuentra más diferencias, aunque estas no sean reales.
Adicionalmente la prueba de Tukey nos

presenta los resultados separados en
subconjuntos homogéneos. Así por ejemplo el
sub-grupo ‘1’ está formado por los valores de
vitamina C obtenidos con los métodos A y B
que entre si tienen un valor p de 0.080 y en el
sub-grupo 2 está únicamente los resultados
del método C.
Tabla 7: Subconjuntos de la prueba de Tukey
Comparaciones a priori
Si tenemos comparaciones entre grupos anticipadas, como suele suceder en los estudios
experimentales, se deberá usar la prueba de Dunnett, siempre que sólo se tenga un grupo de
control y además se tome la precaución de poner al grupo control como el primero o el último.
Así por ejemplo, si tenemos cuatro grupos experimentales, del grupo control deberá ser el código
‘1’ o el código ‘4’ sólo así podrá correr la prueba adecuadamente en el SPSS.
En el caso que tenga más de un grupo control o quiera hacer otras comparaciones diseñadas
desde que escribió el proyecto de investigación se recomienda usar el botón ‘Contrastes’ que se
encuentra dentro del menú del ANOVA.
Veámoslo con un ejemplo. Se quiere saber cuál es el efecto del extracto de sábila sobre la
producción de Grupos sulfidrilos totales (GSH-total) en un diseño con 5 grupos experimentales:
1= Control (-); 2= Ctrl (+); 3=Ranitidina; 4=Sábila 5% y 5=Sábila 10%.
Abrimos el archivo savila.sab, probamos la normalidad de las variables. Encontramos que la

variable GSH_total es normal (p= 0.301) porque es un valor mayor al 0.05.
A continuación se hace la prueba de contrastes. Con la siguiente secuencia de botones:

Analizar > Comparar medias > ANOVA de un factor > Contrastes (fig.8).
Unidad IV: SPSS

132
Semestre 2018-I
Figura 8: ANOVA y Contrastes Figura 9: Opciones de contrastes
Cuando se abre la ventana de contrastes, podemos poner a cada grupo un coeficiente

(0, 1, -1) según sea su participación. Cero, si el grupo no participa, 1 ó -1 si el grupo
participa; lo importante es que al final todos los coeficientes se balanceen y sumen ‘0’.
El valor positivo o negativo no es importante, sino más bien se trata de identificar cuales
grupos van a ser contrastados.
Veamos ahora los resultados:
a) Primero sale el ANOVA que incluye a los 5 grupos y tiene con p valor = 0.031, lo cual nos dice que
si existe diferencia entre los grupos con relación al GSH-total.
Luego obtenemos la tabla de ‘Contraste’ donde se muestra cuáles son los grupos
estamos comparando y cuáles grupos no intervienen en la comparación.
Finalmente obtenemos que en lo que respecta al GSH-total no se ha encontrado

diferencia entre el control negativo con el control positivo. Es un resultado no esperado,
que se podría explicar por el hecho de que el GSH-total no es un buen indicador del
proceso a estudiar. O si en otros estudios similares resultó adecuado, el resultado nos
estaría indicando que falta mejorar la aplicación del experimento planificado.
Unidad IV: SPSS

133
Semestre 2018-I
Ejercicios (3p)
1.- Se ha estudiado el efecto hepatoprotector del Peumus boldus “boldo” en 36 ratas, distribuidas en
cinco grupos: G1 control positivo (sólo recibió paracetamol), G2 boldo 80 (recibieron parecetamol mas
una dilución de 80 mg/mL de boldo), G3 boldo 160 (recibieron paracetamol + 160 mg/mL de boldo diluido)
y G4 control negativo (sólo recibió suero fisiológico). Los datos se encuentran en la hoja “Boldo” del
archivo T11_ejercicios.xlsx. Se conoce que el peso del hígado aumenta cuando éste se encuentra
inflamado, por eso la varible resultado en este experimento es el peso del hígado, entre otros indicadores.
La pregunta de investigación es ¿Existe diferencia en el peso final del hígado entre las ratitas de los
diferentes grupos? Se ha planteado a priori comparar cada grupo con el grupo 4 (G4, control negativo).
Complete los espacios en blanco. Recuerde verificar la normalidad de la variable “peso’ (peso del
hígado).
Variable cuantitativa, cuyo promedios se desea comparar: _______________________;

Valor Sig. Para la prueba de normalidad__________; Conclusión: es normal SI___ NO____
Prueba de inferencia que va a usar: __________________________________________________
Ho: _______________________________
Ha: _______________________________
Valor de p . sig (2 colas) ___________________ Valor de p . sig (1 cola) __________________
Decisión Estadística: ________________________________________________
Conclusión respecto a los datos: _______________________________________________________
____________________________________________________________________________
En vista de los resultados que prueba de comparaciones multiples usará y porque? _________________
¿Cual fue el resultado de dicha prueba?
Comparación de grupos Sig Conclusión

G1 con G4
G2 con G4
G3 con G4
Conclusión del experimento:

____________________________________________________________________________________________
2.- Se ha preparado una mermelada a base de “cushuro”, un alga de agua dulce y se han usado tres
concentraciones 10, 20 y 30%. Compare si existe diferencia en los promedios de aceptabilidad del sabor
de las muestras de mermelada. Recuerde para la interpretacion que el ‘3’ es me gusta mucho y ‘1’ me
disgusta mucho. Luego complete los espacios en blanco.
Cabe señalar que respecto al analisis sensorial de alimentos, aunque los puntajes de los tests son
mediciones ordinales, sin embargo los libros de la especialidad suelen tratar los datos obtenidos como si
fuesen variables normales, pues se les aplica el ANOVA y las pruebas post-hoc respectivas3. Es decir que
para este ejercicio N2 asuma la normalidad de las variables.
Variable cuantitativa, cuyo promedios se desea comparar: _______________________;

Valor Sig. Para la prueba de normalidad__________; Conclusión: es normal SI___ NO____
Ho: _______________________________
Ha: _______________________________
Unidad IV: SPSS

134
Semestre 2018-I
____________________________________________________________________________
3.- Se ha evaluado el consumo de energía del desayuno consumido por escolares de primaria. Se plantea
la interrogante si los niños de 6-8 años consumen menos que los niños de 9-10 años. Los datos se
encuentran en la hoja Desayuno. Recuerde verificar la normalidad de la variable “energia”.
Variable cuantitativa, cuyo promedio se desea comparar: _______________________

Valor Sig.. para la prueba de normalidad__________; Conclusión: es normal SI___ NO____
Variable cualitativa de Agrupación: __________________
Ho: _______________________________
Ha: _______________________________
Conclusion Prueba de Levene: Homogeneidad de varianzas: Si hay / No hay
____________________________________________________________________________
4. Se ha hecho una prueba de conocimentos sobre Alimentación Saludable a estudiantes de 3° y 5° de

secundaria. Se quiere saber si existe diferencia significativa en el puntaje de conocimientos de ambos
grupos. Los datos se encuentran en la hoja “Conocim” del archivo ‘Ejercicios11.xls’. Recuerde verificar
la normalidad de la variable “Conocim”. Luego complete los espacios en blanco.

Ho: _______________________________
Ha: _______________________________
Conclusión Prueba de Levene: Homogeneidad de varianzas: Si hay / No hay

____________________________________________________________________________
5. Se ha hecho una intervención nutricional y actividad física en niños de 8 años que tienen exceso de
peso. Se quiere saber si dicha intervención ha logrado una disminución significativa en el peso de los
participantes. Recuerde verificar la normalidad de la variable “energía”. Luego complete los espacios
en blanco.

Ho: _______________________________
Ha: _______________________________
Conclusión Prueba de Levene: Homogeneidad de varianzas: Si hay / No hay
____________________________________________________________________________
Unidad IV: SPSS

135
Semestre 2018-I
PRUEBAS POST HOC
Se pueden encontrar variar pruebas post hoc (a posteriori) que son separadas en el cuadro de dialogo
de SPSS entre las que se usan según los datos tengan o no tengan varianzas iguales. Entre las cuales
podemos mencionar:
Scheffé > Tukey > Duncan > LSD
Tamaño Homoce- N°
Prueba Post hoc Tipo
grupos dasticidad comparaciones
DMS Diferencia mínima
Liberal Cumple
significativa
Bonferroni Conservadora Iguales Cumple Pocas
Scheffe Conservadora Diferente Cumple
Dunnet Iguales
REGWQ Ryan-Einot-Gabriel-
Iguales Cumple
Welsch multiple F
Tukey, HSD Conservadora Iguales Cumple Muchas
Duncan Liberal Iguales Cumple
Gabriel Diferente Cumple
T3 de Dunnett, compara con un
Diferente No cumple
grupo control
C de Dunnett Diferente No cumple
Games- Howell Diferente No cumple
Las pruebas de Bonferroni, Scheffe y Dunnet también pueden ser utilizadas para pruebas a
priori.
Referencias
1. Ravelo-García,JM Coeficiente de correlación biserial-puntual (rbp)
2. Gil, J y Padilla MT. Análisis de datos en la investigación educativa. Facultad de Ciencias
Disponible en: http://ocwus.us.es/metodos-de-investigacion-y-diagnostico-en-
educacion/analisis-de-datos-en-la-investigacion-educativa/Bloque_I/page_104.htm
3. Baron-Lopez, FJ. Apuntes y vídeos de Bioestadística. Cap. 5: Variables numéricas en 3
o más Grupos. Universidad de Málaga. Disponible en:
4. Ochoa C, Granda C, Chapoñan M, Borja R, Borjas P, Ortiz J et al. Efecto Protector de
Peumus boldus en ratas con toxicidad hepática inducida por Paracetamol. Ciencia e
Investigación Medico Estudiantil Latinoamericana, 2012; 13(1):20-25
5. SPSS - Planned Contrasts for One-Way ANOVA.
https://www.youtube.com/watch?v=JtrG9Ex16YI
Unidad IV: SPSS

136
Semestre 2018-I

11ª semana (31 de mayo, 01 y 05 de junio)
 Asesoría para el análisis descriptivo de datos.
Durante esta semana, en el día de su práctica deberá el grupo conversar con la profesora
responsable de la práctica para pedir asesoría respecto al análisis de datos.
Miembros del Profesora, Profesora, Fecha

Equipo nombre firma
Integrante 1
Integrante 2
Integrante 3
Integrante 4
Unidad IV: SPSS

137
Semestre 2018-I
NOTAS DE CLASE
ANTROPOMETRÍA
Tema Nº 11: Uso de SPSS en Estadística Inferencial
Uso de pruebas no paramétricas en SPSS
CONTENIDO
Objetivos .............................................................................................................................. 138
Introducción ......................................................................................................................... 138
Prueba de Mann-Whitney .................................................................................................... 139
Prueba Kruskal-Wallis ......................................................................................................... 140
Prueba Chi Cuadrado ........................................................................................................... 141
Ejercicios ............................................................................................................................. 144
Objetivos
Al finalizar la práctica el estudiante deberá ser capaz de:
6. Seleccionar la prueba de inferencia adecuada según el tipo de variable.
7. Efectuar las pruebas no paramétricas: U de Mann-Whitney, Wilcoxon, y Kruskall Wallis para
comparar medianas en SPSS.
8. Ejecutar la prueba Chi2, para comparar proporciones o medir la independencia en SPSS.
9. Ejecutar en SPSS la Razón de Ventajas (OR) para medir fuerza de asociación.
10. Interpretar correctamente los resultados obtenidos de cada una de las pruebas inferenciales
aprendidas.
Introducción
En la práctica anterior se aprendió a realizar pruebas de inferencia para las variables que tenian
una distribución normal (pruebas paramétricas), hoy aprenderemos acerca de cómo evaluar las
diferencias o relaciones entre las variables que tiene una “distribución libre”, es decir
conoceremos a las pruebas No paramétricas.
Para que las recuerde mejor aquí las presentamos:
Escala de
OBJETIVOS PRUEBAS
Medición
• Prueba de Mann-Whitney, 2
muestras independientes
Comparar medianas, para
• Prueba de Wilcoxon, 2 muestras
datos que no tienen Ordinal
relacionadas
distribución Normal
• Prueba de Kruskall Wallis, más de
dos muestras
Medir asociación entre una
Intervalo/ Razón (var.1) con Coeficiente de correlación biserial-
variable de intervalo razón
Nominal Dicotómica (var.2) puntual (rbp)1,2
y una nominal dicotómica.
Independencia
(Asociación)de variables Nominal , Ordinal Chi 2
cualitativas
Fuerza de Asociación Nominal , Ordinal Odds Ratio – Riesgo Relativo
Unidad IV: SPSS

138
Semestre 2018-I
Prueba de Mann-Whitney
La estudiante Romina Cruzado ha recogido informacion sobre Nivel de Actividad Física y
Depresión entre 70 asistentes a un Club del Adulto Mayor de San Martin de Porras para su
trabajo de investigación II. Para medir la Depresión en su muestra la srta. Cruzado ha usado el
test de Yesavage. Se requiere saber si hay diferencia en el puntaje de la escala de Depresión de
Yesavage entre hombre y mujeres.
Las hipótesis son:
Ho: Me hombres = Me mujeres

Ha: Me hombres ≠ Me mujeres
Los datos se encuentran en el archivo AM_SMP.sav, lo abrimos para probar la normalidad de la

variable pYesavage. Encontramos para la prueba de K-S un valor Sig de ‘0.000’. Con lo cual
concluimos que la variable pYesavage no sigue una distribución normal, es asimétrica.
Lo cual significa tendremos que usar una prueba no parametrica para saber si existe diferencias
en el puntaje del test de Yesavage. La prueba que usaremos será de de U de Mann Whitney,
que es una prueba de medianas para dos muestras independientes. Esta prueba es equivalente
a la prueba t de Student para muestras independientes usada en variables numéricas que si
tienen una distribución normal.
Ahora, seleccione <Analizar>, luego <Pruebas no paramétricas> y finalmente <2 muestras

independientes>. (fig. 1 y 2)
Figura 1: Ruta para llegar a pba. U de Mann-

Whitney
Figura 2:Ventana de diálogo para la prueba

U de Mann Whitney
Unidad IV: SPSS

139
Semestre 2018-I
Rangos
Rango Suma de
Sexo N promedio rangos
PYesavage Hombres 20 30.45 609.00
Mujeres 50 37.52 1876.00
Total 70
Figura 3:Resultados de la prueba U de Mann-Whitney; Sig. 0.185
Como apreciamos en la fig. 3 el resultado de la significancia ha sido mayor que 0.05 por lo tanto
(escoger: Aceptamos Ho / Rechazamos Ho). Concluimos no hay diferencias significativas entre
las medianas del puntaje de la variable pYesavage entre hombres y mujeres. Averigue la
mediana de hombres ____________ y de mujeres _____________ ya que el SPSS no lo reporta
automaticamente con los demás resultados.
Prueba Kruskal-Wallis
En esa misma base de datos se va a comparar la actividad física los adultos mayores según
grupo de edad. La actividad fisica ha sido medida con METs. Se quiere saber si es que, la
actividad física es semejante en los grupos de 60, 70 y 80 años de edad. Primero se probará la
normalidad de la variable MET2 del archivo AM_SMP.sav y encontramos que para la prueba de
K-S un valor de 0,000. Con lo cual concluimos que la variable MET2 no sigue una distribución
normal, no es simétrica.
Por lo tanto se tendrá que usar una prueba no paramétrica para saber si existe diferencias en los
tres grupos de adultos mayores. La prueba que usaremos será de de Kruskall-Wallis, que es una
prueba de medianas para varias muestras independientes (equivalente no-paramétrico del
ANOVA).
En la base AM_AF.sav, seleccione <Analizar>, luego <Pruebas no paramétricas> y finalmente

<K muestras independientes> (fig. 4). Por defecto ya está marcada la prueba H de Kruskal-Wallis
(fig. 5).
Figura 4: K muestras independientes Figura 5: Ventana diálogo Kruskal Wallis
Unidad IV: SPSS

140
Semestre 2018-I
Como apreciamos en la tabla de resultados de la prueba de Kruskal Wallis (fig. 6) la significancia
ha sido mayor que 0.05 por lo tanto (escoger: Aceptamos Ho / Rechazamos Ho). Concluimos no
hay diferencias significativas entre las medianas del nivel de actividad física de los adultos
mayores de San Borja de diferentes grupos de edad:
Fig. 6: Resultados de la prueba Kruskal-Wallis, Sig. 0.318
Averigue cuales fueron las medianas de los MET para los 60 años __________; 70
____________ y 80 años ________________.
Prueba Chi Cuadrado

La prueba no paramétrica Chi2 es muy conocida y utilizada, tanto para comparar las
proporciones, porcentajes de dos o más grupos así como conocer si dos variables cualitativas
son independientes o no. Es decir, con una sola prueba podemos hacer lo que hacían las pruebas
de inferencia que vimos anteriormente (prueba t, ANVA, prueba Mann Whitney y Prueba Kruskal
Wallis). La diferencia está en que mientras la prueba Chi es para variables cualitativas, las otras
tres pruebas son para variables cuantitativas.
Antes de realizar la prueba Chi2, deberá tenerse en cuenta estos dos requisitos:
a. Que menos del 20% de los valores observados sean menores de 5. Así por ejemplo, si
una tabla tiene 4 celdas (2 filas y 2 columnas), no puede haber ninguna celda con
valores menores de 5.
b. No deben haber frecuencias esperadas menores de 5.
c. La suma de las frecuencias de todas las celdas de la tabla deberá ser mayor de 40.
Uno de los objetivos del estudio de la srta. Cruzado era saber si existe relación entre la presencia
de Depresión y el Nivel de Actividad Física. Para averiguarlo se usará una prueba Chi 2 porque
tanto la depresión como el nivel de actividad física son variables cualitativas nominales
dicotómicas. Dichas variables fueron recategorizadas a partir de las variables numéricas
pYesavage y MET2. Si existiera asociación entre ambas variables se medirá la fuerza de dicha
asocación y por lo tanto, calcularemos la Razón de Ventajas (Odds Ratio, OR). Se elige el OR
porque los datos corresponden a un estudio de corte transversal y tenemos una tabla 2x2 (dos
filas y dos columnas). El procedimiento es el mismo que para las tablas de contingencia.
En el mismo archivo AM_SMP.sav se recodifica la variable Depresión que tiene tres categorias
ya que para hacer una prueba OR sólo debemos tener dos categorias “Con depresión” y “Sin
depresión”. Para lograrlo, pulsamos en la barra de menús <Transformar> luego <Calcular
variable >. En el menú ‘Calcular variable” en el casillero <Variable destino> escribimos
Unidad IV: SPSS
141
Semestre 2018-I
‘Cat2_Depre’, en el casillero expresión numérica escribimos ‘1’ y pulsamos <Si la opción> (fig.
7). Luego cuando aparece la segunda ventana de dialogo (fig.8) pulsamos en “Incluir si el caso
satisface la condición”.
Figura 7: Calcular variable Figura 8: Ventana ‘Si los casos’
En el casillero grande que está debajo

pasamos ahí la variable ‘Depresión’ y luego
pulsamos la tecla del simbolo ‘>=’ y digitamos
‘2’. Finalmente pulsamos <Continuar> y
<Aceptar>.
Figura 9: Definición del grupo 1 “Con Depresión”
Seguimos el mismo procedimiento para la categoría ‘2’, que en la segunda ventana de dialogo
(fig.9), se digitará: Depresion =1.
NOTA: Es importante que cuando se tiene planeado hacer una prueba el código más alto sea
para el sano y para el no expuesto, ya que cuando esté lista la tabla de contingencia el casillero
de las personas ‘Con depresión’ y expuestas al ‘sedentarismo’ debe ser el casillero superior
izquierdo.
Ahora que ya está lista la variable ‘Cat2depre’, pulsamos <Analizar>, luego <Tablas de
contingencia> y aparece la pantalla de la fig. Escojemos ‘Nivel_AF’para el casillero <Filas>
porque sería el factor de riesgo (var. Independiente) y luego ‘Cat2_Depre’ (depresión) para las
columnas pues consideramos que es la Variable resultado a la exposición del factor (var.
Dependiente; fig.10).
Unidad IV: SPSS

142
Semestre 2018-I
Figura 10: Tablas de contingencia Figura 11: Chi cuadrado
Presione el botón<Estadísticas>y aparecerá la fig.11. Sólo tiene que escoger <Chi-

cuadrado>, <Riesgo> y luego presione el botón <Continuar>. Dejar las demás opciones en
blanco.
Aunque tenemos la posibilidad de calcular los porcentaje por filas, por columnas y/o por el total
de los datos, antes de decidir debemos tener en cuenta los objetivos del estudio, es decir que
deseamos comparar. En el presente ejemplo deseamos comparar si prevalencia de depresión
es similar en los que realizan actividad física como en los sedentarios, entonces cada grupo de
comparación debe ser a 100%, pues no siempre son del mismo tamaño. Por eso pediremos el
porcentaje por fila o sea los porcentajes por nivel de actividad física. Ahora observe los resultados
obtenidos (fig. 12):
Figura 12: Resumen de la tabla cruzada

La primera tabla nos dice que no tenemos valores perdidos (fig. 12); es decir tenemos 70
respuestas válidas.
La segunda tabla (fig. 13) muestra el cruce de las dos variables; en frecuencias y en porcentaje
por nivel de actividad física (filas). Aparentemente nuestra hipótesis de investigación es
verdadera, vemos que entre los adultos mayores con actividad físca moderada menor
prevalencia de depresión. En el grupo sedentario los porcentajes están casi mitad y mitad.
Figura 13:
Tabla de
contingencia de
Nivel Actividad
Física y
Depresión
Unidad IV: SPSS

143
Semestre 2018-I
Sigamos con la tercera tabla. El programa SPSS, además del resultado de la prueba Chi nos da
otras pruebas que pudieran ser de utilidad (fig.14). Dos de ellas ya son conocidas: la correccion
de Yates ‘Corrección por continuidad’ y el ‘Estadístico exacto de Fisher’; recuerde que cualquiera
de dichas pruebas es aplicable sólo para tablas de 2 x 2. Sin embargo no necesitamos ninguna
de ellas pues tenemos un total de 70 datos ( n > 40), y las cuatro celdas tienen valores mayores
a cinco.
Note que no importe cual sea el resultado que se quiera interpretar, punto de corte del ‘valor de
p’ para decir que hay diferencia signficativa es < 0.05. Entonces, un p valor = 0.021 nos lleva a
la decision estadística de RECHAZAR la Ho “No hay asociacion entre variables” –es decir ‘las
proporciones de adultos mayores con depresión es igual en ambos niveles de actividad física’ y
aceptar la Ha, “Si existe relación entre el nivel de actividad física y la depresión”.
Figura 14: Resultados de la prueba Chi2
Toda vez que la prueba Chi 2 nos muestra

que si hay asociación, el resultado de la
Razón Ventajas (OR) nos señalará la fuerza
que tiene dicha asociación; el resultado es
‘3,319’. Ese valor por si solo es insuficiente.
Es necesaio mirar su intervalo de confianza
pues si el ‘1’ está incluido, entonces no hay
asociación. El rango va de <1,175> a <9,3>,
lo cual significa que el ‘1’ está fuera del
rango. La asociación es fuerte, pues el adulto
mayor que es sedentario tiene tiene 3,3 más
probabilidad de presentar depresión que la
persona que tiene actividad moderada.
(fig.15)
.
Figura 15: Razón de Ventajas (Odds Ratio, OR)
Ejercicios
Unidad IV: SPSS

144
Semestre 2018-I
1. El Lic. Jhonny Rojas4 recogió información para su tesis de Licenciatura sobre las Creencias
y Conocimientos sobre la anemia y fuentes de hierro en gestantes adolescentes que se
atendian en el Centro Materno Infantil “César López Silva” de Villa el Salvador. Se le pide
recodificar dichas variables, que están como puntajes, para formar dos categorias. En el
caso de la variable Creencias, será “Si tiene” siempre que tenga tres o mas creencias y ‘No
tiene’ si es menos de tres. Para la variable Conocimientos se considera “Conoce” si el
numero de respuestas correctas sea mayor de 10, “No conoce” si es igual o menor de 10.
Los datos se encuentras en la hoja “Creencias_conocimientos” del archivo
“Tema12_Ejercicios.xls”. Se quiere saber si las variables creencias y conocimiento están
relacionadas o si son independientes. Responder luego a las siguientes preguntas:
2. En la base de datos ‘Huaraz_TEZ’ que se encuentra en el archivo “Tema12_Ejercicios.xls”se

tiene informacion de la antropometria de 919 niños y niñas. Se le pide recodificar la variable
“Talla para la Edad” (TEZ) en una nueva variable “Desnutricion Crónica” (DC) la cual tendrá
dos categorias, “Normal” si el indicador ‘TEZ’ es mayor o igual a ‘-2’ y “Talla baja” si es
menor a ‘-2’. Luego averigue si existe relación (asociación) entre la variable DC y el “Grupo
de edad” (GrupoE).
3. Se tiene el archivo “CasasHuerta.sav’ con 42 registros del consumo de alimento de ese mismo
número de niños. Se le pide determinar existe diferencia en el “porcentaje de adecuacion de
hierro” (PadFe) según grupos de edad?
4. Se tiene 46 registros de 24 horas correspondientes a igual número de estudiantes

universitarios y se encuentran en la hoja ‘45reg’ del archivo “Tema11_Ejercicios.xls”. Se le
pide comparar la variables numérica continua “porcentaje de adecuacion de calcio” (PadCa)
para saber si existe diferencia entre los grupos etarios?
5. Se tiene la base de datos 6dep.sav ccon 720 registros sobre anemia de ese mismo número
de niños. Averiguar si existe relacion entre anemia los grupos de edad.
Para cada ejercicio responden una hoja adicional a las siguientes preguntas:
a) ¿Será necesario probar la normalidad de las variables? SI __ No___

b) Señalar, que prueba de inferencia estadística usaria?
___________________________________.
c) Escriba las hipótesis:
Ho: __________________________________
Ha: __________________________________
d) Valor ‘Sig’ de dicha prueba: _________
e) Decisión estadística: __________________________________
f) Conclusión respecto a la variable utilizada:
___________________________________________________________________________
___________________________________________________________________________
___________________________________________________________________________
Unidad IV: SPSS

145
Semestre 2018-I
Referencias
1. Ravelo-García,JM Coeficiente de correlación biserial-puntual (rbp)
2. Gil, J y Padilla MT. Análisis de datos en la investigación educativa. Facultad de Ciencias
Disponible en:http://ocwus.us.es/metodos-de-investigacion-y-diagnostico-en-
educacion/analisis-de-datos-en-la-investigacion-educativa/Bloque_I/page_104.htm
3. Baron-Lopez, FJ. Apuntes y vídeos de Bioestadística. Cap. 5: Variables numéricas en 3
o más Grupos. Universidad de Málaga. Disponible en:
4. http://cybertesis.unmsm.edu.pe/bitstream/cybertesis/4293/1/Rojas_cj.pdf
5. Análisis de la relación entre dos variables cualitativas: Test Chi cuadrado
6. https://www.youtube.com/watch?v=XvPEeQAjTW8

12ª semana (07, 08 y 12 de junio)
 Asesoría para el análisis de datos.
Durante esta semana, en el día de su práctica deberá el grupo conversar con el

profesor responsable de la práctica para pedir asesoría respecto al análisis de datos.
Miembros del Profesor, Profesor, firma Fecha

Equipo nombre
Integrante 1
Integrante 2
Integrante 3
Integrante 4
Unidad IV: SPSS

146
Semestre 2018-I
NOTAS DE CLASE
ANTROPOMETRÍA
Tema Nº 12: Análisis Correlación y Regresión en SPSS
CONTENIDO
Introducción ..................................................................................................................... 147
Conceptos Básicos .......................................................................................................... 147
Correlación de Spearman ................................................................................................ 148
Regresion correlacion ...................................................................................................... 149
Ejercicios ......................................................................................................................... 152
ANEXO: Coeficiente Biserial Puntual (rbp) ..................................................................... 154
OBJETIVOS:
Al finalizar la práctica el estudiante será capaz de:
 Ejecutar una correlacion de Spearman
 Ejecutar una Regresión simple en SPSS.
 Interpretar correctamente los resultados obtenidos de una análisis de correlación y
regresión.
Introducción
En el trabajo del nutricionista puede haber la inquietud de conocer si existe asociación entre dos
variables cuantitativas. Por ejemplo, entre los indicadores antropométricos y bioquímicos1 o para
validar un formato de frecuencia de consumo en el que se compara la medición del consumo por
dos métodos diferentes2. Inclusive puede interesarse en predecir la ganancia de peso de un
paciente desnutrido según una dieta especifica.
En la clase anterior aprendimos a verificar la asociación (independencia) de dos variables
cualitativas usando la prueba Chi2. En esta ocasión vamos a verificar la asociación de dos
variables cuantitativas; y de existir dicha asociación veremos la predicción de una variable
dependiente (Y) a partir de una variable independiente (X) a través de una ecuación lineal. Así,
por ejemplo, si tenemos interés en conocer si existe asociación entre la ganancia de peso de la
gestante y el peso al nacer de su bebé, podemos utilizar el análisis de correlación. Para predecir
el peso del recién nacido (Y) a partir de la ganancia de peso de la madre (X) durante la gestación,
usaremos el análisis de regresión.
Conceptos Básicos
Para comprender mejor la Regresión Lineal es importante que tenga en presente los siguientes
conceptos:
 Gráfica de dispersión
 Correlación
 Ecuación de Regresión lineal, que incluye a la Pendiente y al Intercepto
 Coeficiente de determinación
 ANOVA para Regresión
La gráfica de dispersión nos permite ver los datos alrededor de una línea recta imaginaria, con
lo cual ya podemos intuir si hay o no una relación lineal entre los datos. Luego confirmamos
nuestras iniciales apreciaciones a través del cálculo del coeficiente de correlación el cual da
información acerca de la intensidad de la relación entre variables numéricas. Será más fuerte
dicha relación cuanto más se acerque al +1 o al -1, mientras que el ‘0’ cero ausencia de
correlación.
Unidad IV: SPSS

147
Semestre 2018-I
Si la correlación es alta y/o significativa procederemos a obtener la ecuacion de regresión lineal
simple: cuya pendiente (inclinación de la recta) está representada por ‘b’ o el parámetro ,
mientras que ‘a’ es el intercepto (punto donde la recta de la ecuación cruza el eje de las
ordenadas (eje vertical ‘Y’): Ŷ = a + bX
Recuerde que ya sea manualmente o por medio de la computadora obtendremos una

ecuación de regresión, haya o no relación entre variables. Por lo cual se hace necesario
evaluar la ecuación que hayamos obtenido.
Por ello es necesario evaluar la ecuación de recta obtenida. Para ello tenemos dos métodos: a)
coeficiente de determinación (r2) y el b) análisis de varianza para la ecuación. El r2 que nos
indica el porcentaje de la variabilidad de la muestra que puede ser explicado por la recta de
regresión y que porcentaje se debe al azar. El segundo (ANOVA) nos sirve para probar la Ho
“la pendiente de la recta es igual a cero” o lo que es lo mismo Ho: B = 0, de aceptar dicha
hipotesis estariamos frente a un recta que corre paralela al eje de las abscisas, la cual no está
inclinada.
Correlación de Spearman
Si queremos medir la relación de dos variables numéricas y por lo menos una de ellas no tiene
distribución normal, se debiera usar el coeficiente de correlación de Spearman. Este último
tambien puede servir para medir la relacion de varaibles en escala ordinal.
Para su tesis de Licenciatura, Elizabeth Tito recogió datos en 43 adultos mayores a los cuales
les midió la ingesta de energía y el gasto energético (TMB por el nivel de actividad fisica).
Utilizando dichos datos se plantea la pregunta ¿existe relación entre la energía consumida y el
gasto energético? Para ello se medirá la relacion entre el porcentaje de adecuacion de energía
(PAEN) con el gasto energético total (GastoEn) que se encuentran el archivo
‘BalanceEnergia.sav’.
Iniciamos con la secuencia: Analizar> Estadisticos descriptivos> Explorar, y colocamos a las
dos variables (figura 1). Luego en el menú de ‘Gráficos’, escojemos ‘Graficos con prueba de
normalidad’ (fig.2).
Figura 1: Explorar Figura 2: Gráficos con pruebas de

normlidad
El resultado en la prueba de Shapiro es 0.456 para la variables PAEN y 0.006 para la variable
‘Gasto energía’, es decir la primera variables tiene/no tiene (escoger) una distribución normal;
mientras que ‘Gasto energía tiene/no tiene (escoger). Por lo tanto vamos a utilizar la
correlación de Spearman.
Procedimiento
Siga la siguiente secuencia: Analizar> Correlaciones> Bivariadas (fig. 3). En la ventana de
diálogo colocar al casillero derecho ambas variables (fig. 4)
Unidad IV: SPSS

148
Semestre 2018-I
Figura 3: Correlaciones bivariadas Figura 4: Coef. Correlac. Spearman
El resultado obtenido nos muestra que el signo es negativo -0.428, por lo tanto la relación es
inversa, a mayor ingesta de energía menor gasto de la misma. Con relación a la magnitud
observamos que es de baja a moderada. Pero es significativa, lo que quiere decir que el
resultado es fiable, si se vuelven a recoger los datos con otra muestra se volverá a tener una
correlación similar.
Regresion y correlación
El administrador de un servicio de alimentacion tiene la sospecha que el costo de la ración está
relacionado con el número de las raciones, para comprobar ello tiene la siguiente tabla con el
número de raciones de un determinado menú y su costo por ración (en nuevos soles) de 11
dias diferentes:
X No.Raciones 30 35 40 45 50 55 60 70 75 80 65
Y Precio/ración 4 3.9 3.4 3.5 3.4 3.2 3.1 3 2.7 2.5 2.8
La pregunta que se plantea es ¿Proporcionan los datos evidencia suficiente para afirmar que
existe relación entre el número de raciones y el costo por ración?, y en el caso de que dicha
relación existiese, ¿Cuál es la ecuación de regresión que permite predecir el costo de la ración
a partir de el número total de raciones?. Para responder a estas preguntas sigamos este
procedimiento.
Procedimiento
a. Abrir el archivo raciones.sav donde encontraremos las dos columnas antes mencionadas.
b. Primero haremos el gráfico de dispersión de puntos; empezamos con menú ‘Graficos’ >
‘Cuadros de dialogo antiguos’ seleccionaremos la opción Dispersión / Puntos (fig.5).
Unidad IV: SPSS
149
Semestre 2018-I
Figura 5: Secuencia para ‘Dispersión / Puntos’
c. Ahora observamos una ventana de diálogo (fig.6).
Figura 6: Ventana diálogo para Diagrama de puntos
d. En los recuadros correspondientes colocamos el

precio de la ración (Y) como variable dependiente
y el N° de raciones como variable independiente
.
e. Pulsamos el botón ‘Aceptar‘ y observamos el
diagrama obtenido (fig.7).
Figura 7: Diagrama de puntos
f. Note que los puntos estan cercanos a una recta imaginaria. Es decir que podemos intuir que
existe una relación entre variables.
g. Verificamos la normalidad de la variables con la prueba de Shapiro- Wilk (Analizar>
Estadísticos descriptivos > Explorar> Boton Gráficos > Gráficos con prueba de normalidad).
El resultado es: 0.870 para la variable ‘NoRacionesX’ y 0.977 para la variable ‘PrecioracionY’.
h. Proceda a realizar el análisis de regresión, empezando por Analisis estadístico > Regresión
> Lineales > Cuadro de Diálogo (fig. 8).
i. Colocar a ‘PrecioracionY’ en el casillero de ‘Dependientes’ a la variable ‘NoRacionesX’ en el
casillero de Independientes. Presionar el botón <Aceptar>.
Unidad IV: SPSS

150
Semestre 2018-I
Figura 8: Ventana para Regresion lineal Simple
j. Como primer resultado (fig. 9) se tiene el resumen del modelo, en el cual podemos corroborar
que si existe una fuerte relación entre las variables porque el valor de r es alto (0.971).
Observe en el mismo cuadro al coeficiente de determinación (r2) y se puede concluir que el
94.3% de la variabilidad en los precios de los menús está explicada por su N°, por todo lo
cual se evidencia que la ecuación obtenida si es útil para predecir el precio de la ración a
partir del número de raciones.
Figura 9:
Resumen del modelo
k. Como segundo resultado tenemos el ANOVA para la regresión, cuya utilidad es evaluar si la
ecuación obtenida sirve o no para predecir. La Ho es “El valor es igual a cero”, el valor Sig
obtenido (.000, fig. 10), no nos permite aceptar dicha hipótesis, razón por la cual se acepta
la Ha que nos dice que el es diferente de CERO (Ha). Por lo tanto concluimos que la
ecuación obtenida resulta útil para predecir.
Figura 10: ANOVA para

Regresión lineal
l. El último cuadro corrreponde a los coeficientes, con los cuales podemos escribir la ecuación
de regresion (fig. 11), donde 4.774 es el intercepto y 0.028 es la pendiente ( ).
.
yˆ  4.774  0,028 x
Figura 11: Coeficientes para Regresión lineal
Unidad IV: SPSS

151
Semestre 2018-I
m. Después de verificar el coeficiente de determinación (r2), y el resultado del ANOVA

concluimos que la ecuación de regresión obtenida es útil para predecir los costos por ración
(Y) a partir del número de raciones (X).
Ejercicios
1. Se realizó un estudio para conocer el efecto del consumo de ácido fólico sobre la
concentración de folatos en sangre en una muestra de 15 animales experimentales. Dichos
datos se encuentran en la hoja ‘acido_folico’ del archivo “T13_Ejercicios.xls”.
X: Ingesta Ac. 28 30 32 42 47 47 49 51 52 57 58 59 59 65 66
Fólico 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0
Y: Folatos Sangre 18 24 21 30 28 28 24 35 33 38 35 40 44 46 48
¿Es posible predecir mediante una ecuación lineal la concentración de folatos en sangre a
partir del consumo de ácido fólico?
b. ¿Qué opinión le merece el gráfico de dispersión?
c. ¿Cuál es el valor del coeficiente de correlación? _________
d. ¿Cómo interpreta el resultado?
________________________________________________________
e. ¿Cuál es la ecuación de regresión lineal obtenida?
a (intercepto) = ____________; b (pendiente) = _____________.
Ecuación: _______________________________
f. Evalúe dicha ecuación con el coeficiente de determinación: r2 = _________.
Interprete dicho coeficiente:
________________________________________________________________
___
g. Evalúe el ANOVA para la regresión de dicha ecuación; valor Sig. _________.
Interprete dicho valor:
________________________________________________________________
__
2. Los Lic. Steve Hinostroza y Margarita Gutierrez para su trabajo de tesis han recogido datos
sobre el porcentaje de grasa corporal y la ingesta de energía en niños Down. Se le pide
averiguar si existe relación entre ambas variables numéricas. Los datos se encuentran en
la hoja ‘Ener_MG’ y se le pide responder a las preguntas:
a. ¿Cuál es la distribución de las variables?

b. ¿Qué coeficiente de correlación va a utilizar?
________________________________________________________
Signo: ____________
Magnitud: __________________
Significación: _______________________________
Unidad IV: SPSS

152
Semestre 2018-I
3. La Lic. Diana Ochoa para su tesis de pre-grado ha encuestado a 69 adultos mayores sobre
el consumo de acidos grados omega-3 y omega-6 dietarios. Diga usted si existe relación
entre el consumo de dichos ácidos grasos.
a. ¿Cuál es la distribución de las variables?

b. ¿Qué coeficiente de correlación va a utilizar?
________________________________________________________
Signo: ____________
Magnitud: __________________
Significación: _______________________________
4. Durante su internado en el Hospital Hipólito Unanue los Licenciados Hans Villa y Jorge
Bohorquez quisieron probar la hipotesis que a mejor estado nutricional, menor número de
dias de hospitalizacion. Los datos se encuentran en la hoja ‘D3_IMC-Dias.sav’. En base a
dichos datos:
¿Qué opinión le merece el gráfico de dispersión?
¿Cuál es el valor del coeficiente de correlación? _________
¿Cómo interpreta el resultado?
________________________________________________________
¿Cuál es la ecuación de regresión lineal obtenida?
a (intercepto) = ____________; b (pendiente) = _____________.
Ecuación: _______________________________
Evalúe dicha ecuación con el coeficiente de determinación: r2 = _________. Interprete
dicho coeficiente:
___________________________________________________________________
Evalúe el ANOVA para la regresión de dicha ecuación; valor Sig. _________. Interprete
dicho valor:
__________________________________________________________________
Elabore otra ecuación con la

siguiente secuencia: Analizar >
Regresión > Estimación
curvilínea. Cuando aparezca la
pantalla de diálogo, colocar las
variables en sus casilleros
respectivos y seleccione las
opciones: lineal, logarítmica,
cuadrático, potencia,
exponencial. Compare los
coeficientes de determinación,
escoja el más alto e indique cual
de dichas ecuaciones es la que
mejor se ajusta a los datos
recogidos.
Figura 8: Ventana de dialogo para Estimación Curvilínea
Encias
Unidad IV: SPSS

153
Semestre 2018-I
1. Ortiz Rodríguez, B., De León Fierro, L. G., & Carrasco Legleu, C. E. (2015). Indicadores
antropométricos y su relación con marcadores bioquímicos en mujeres. Nutrición
Hospitalaria, 32(6). Disponible en : http://www.redalyc.org/html/3092/309243321024/
2. Goni Mateos, L., Aray Miranda, M., Martínez, H., & Cuervo Zapatel, M. (2016).
Validación de un cuestionario de frecuencia de consumo de grupos de alimentos
basado en un sistema de intercambios. Nutrición Hospitalaria, 33(6), 1391-1399.
Disponible en : http://scielo.isciii.es/pdf/nh/v33n6/original21.pdf
3. Daniel W. “Bioestadística. Bases para el Análisis de las Ciencias de la Salud”. 4ta edición
en español. Limusa. Mexico. 2006.
ANEXO: Relación entre una variable nominal dicotomica y una varaible numerica continua
Coeficiente Biserial Puntual (rbp)
Se utiliza para medir la correlacion entre una variable nominal dicotómica y una variable numérica
continua. Por ejemplo se tiene la variable dicotomica ‘sexo’ (variable cualitativa) y las notas del
examen (variable cuantitativa). Si se quiere saber si hay correlacion entre ambos.
Nota 18 12 14 9 14 12 10 13 12 15 16 14 14 16 20 16 17 15 16 19 20
Sexo 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 2 2 2
Se procede de igual manera que si ambas fuesen variables cuantitativas; se sigue la siguiente
secuencia: Analizar > Correlaciones > Bivariadas. Cuando sale la ventana de de dialogo, se
coloca a las variables juntas en el primer casillero; deja la opción de Pearson, que está por
defecto y se hace clic en ‘Aceptar’.
El resultado se interpreta de la misma manera que un coeficiente de correlación.
Se ha obtenido un rbp de 0,636 y que es significativo. Lo cual nos dice que hay una relación
moderada entre ambos y que esta relación no se debe al azar, es real.
Figura 9: Ventana de dialogo para Correlacion bivariada
Hacer toda la guia con SPSS, poner el pplo con SPSS.
Unidad IV: SPSS

154
Semestre 2018-I
Ha
ANEXOS
Anexo 1: Rubrica de evaluación de avances del trabajo aplicativo
Primer Avance: Titulo y objetivos del proyecto de investigación grupal
Segundo Avance: Metodología, características de la muestra, estadística

descriptiva
2 : incompleto / títulos y
graficos con observaciones
4: Solo falta estadística
descriptiva
6: Completo
Unidad IV: SPSS

155
Semestre 2018-I
Anexo 2: Rubrica de calificación de la presentación oral del trabajo aplicativo
Unidad IV: SPSS

156
Semestre 2018-I
Anexo 3: Rubrica de calificación del trabajo escrito del trabajo aplicativo
CRITERIOS Deficiente Necesita cambios Bueno Muy bueno Puntaje

Nº (0 ) (1 a 2) (3 a 4) (5)
Congruencia entre
1 título y objetivos
Procedimientos
deben estar
detallados,
2 ordenados y de
acuerdo a los
objetivos
Presentaciòn
3 adecuada de los
resultados
Títulos de las tablas
y gráficas deberán
responder a las
4 preguntas, Que?,
Como? Donde?
Cuando? y Quién?.
Análisis descriptivo
e inferencial
coherente con el
5 tipo de variable y
objetivos del
trabajo.
Interpretación de la
información
6 adecuada y
pertinente
Unidad IV: SPSS

157

Manual de Informatica 2018

Încărcat de

Informații document

Descriere originală:

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Manual de Informatica 2018

Încărcat de

Drepturi de autor:

Formate disponibile

U.N.M.S.M. – E.P.

Nutrición Manual de Informática en Nutrición

Tema 3: Análisis descriptivo en Excel de la Encuesta Base: Tablas y Gráficos para 17

Tema 6: Antropometría: Programas WHO ANTHRO PLUS para niños y adolescentes.

Tema 7: Análisis descriptivo en Excel: Datos antropometricos Interpretación y

Tema 11: Análisis inferencial de datos de alimentación y nutrición: Uso de pruebas no

Tema 12: Análisis de Regresión y Correlación en SPSS……………………………….. 147

Anexo 1: Rubrica de evaluación de avances del trabajo aplicativo……………………

Anexo 2: Rubrica de calificación de la presentación oral del trabajo aplicativo……..

Anexo 3: Rubrica de calificación del trabajo escrito del trabajo aplicativo………………..

El presente manual de enseñanza de la asignatura de Informática en Alimentación y Nutrición,

La asignatura de Informática en Alimentación y Nutrición corresponde al área formativa, es de

Las tecnologías de la información, actualmente son elementos fundamentales para la superación

Tema Nº 1: Valoración de una página web dedicada a la salud. Estrategias de búsqueda

 Valorar el uso de Internet como recurso educativo.

Internet (INTERconected NETworks) es una poderosa herramienta de comunicación,

El aprendizaje constructivista se basa en los principios: De la instrucción a la construcción

Desarrollo del tema (8:45 am)

1. Confiabilidad de las fuentes de información sobre salud en Internet

. ¿Quién escribió la página? ¿Es posible contactar al autor?

. ¿Quién publicó el documento? ¿Es un individuo diferente al webmaster?

• Objetividad. Si la página brinda información precisa con publicidad limitada y es objetiva al

. ¿Qué propósitos/objetivos tienen las páginas?

• Actualidad. De la información y la frecuencia o regularidad de su actualización. La actualidad

• Cubrimiento. Consiste en determinar el nivel de profundidad y exhaustividad con que se cubre

· ¿Están evaluados los enlaces? (si existen). ¿Ellos complementan los

En el link http://bid.ub.edu/23/conesa2.htm, se brinda información sobre herramientas para

Ejercicio Grupal Nº1: (02 puntos) (9:00 am)

2. Búsqueda de Información en Internet

De acuerdo a la magnitud de la información que estemos realizando o que se necesite dependerá

Ejercicio Grupal Nº2: (2 puntos) (9:20 am )

Procedimiento 1: Búsqueda de Libros

Figura 1: Flujograma de búsqueda de artículos científicos (Fuente: Elaboración

Paso 1: Definición del tema y de términos de búsqueda

“AND” , “OR”, “NOT”

Figura 2: Operadores booleanos.

Plantee su pregunta a resolver con la búsqueda en Operador Términos de

Paso 3: Utilizar una biblioteca virtual

individual 2 (10:40 am) (1 punto):

1. Escriba a que biblioteca virtual ingreso

2. Escriba el número de referencias

3. De acuerdo a los títulos que acaba de leer: escriba el título de un artículo

Título del artículo científico Año de publicación Nombre de la revista

Ejercicio Grupal N°3 (11:00 am) (1 punto):

TABLA 1: Criterios para Evaluar el título y el resumen del Artículo Descriptivo

Evaluación del Título SI DUDOS N

Ejercicio Grupal N°4 (11:30 am) (1 punto):

Trabajo Aplicativo N°1: (12:00 am)

° Seleccionar los artículos que les servirán para escribir la

° Deberán enviar al aula virtual por grupo, el título de su trabajo grupal,

Anexo 1. Bibliotecas virtuales

Entre ellas tenemos:

Biblioteca Virtual de la Universidad Nacional Mayor de San Marcos,

Figura 1: Biblioteca virtual de la UNMSM http://sisbib.unmsm.edu.pe/

Fuera del campus de la UNMSM se puede acceder a las siguientes bases de

2. PROQUEST, es una base de datos de referencias bibliográficas indexadas, es

Biblioteca Virtual de Salud de la OPS

Figura 2: Biblioteca virtual en salud Perú, http://www.bvs.org.pe/

Google Académico es un buscador que podemos obtener artículos científicos originales y de

II Revistas de alimentación y nutrición:

 Revista de Investigación Clínica (SciELO (México)) v. 54 (2002)

 British Journal of Nutrition (Cambridge University Press)

Nutrición Deportiva  Nutrition & Metabolism (BioMed Central)