Presentación sin fwfwsftítulo

22
Correlación Seminario 9

Transcript of Presentación sin fwfwsftítulo

Correlación

Seminario 9

Ejercicio 1¿Existe correlación entre el peso y la glucemia según la base de datos obesidad.sav?

Con ésta base de datos de SPSS será con la que trabajaremos.

Ejercicio 1A continuación, abriremos un nuevo documento de SPSS en el que copiaremos los datos y variables que necesitemos para complementar el trabajo.

1

2

3

Ejercicio 1El siguiente paso será generar un gráfico de dispersión simple en SPSS, el cual nos ayuda a tener una idea de lo que nos debe salir.

Ejercicio 1En resultados podemos observar la gráfica de dispersión que SPSS ha generado una vez introducidos los ejes.

Ejercicio 1Ahora realizaremos las pruebas de normalidad de las variables para determinar si usar una prueba paramétrica (distribución normal, R de Pearson) o no paramétrica (no distribución normal, Rho de Rho de Spearman).

1

2

3

Ejercicio 1A continuación, analizaremos la normalidad de la variable glucemia, analítica y gráficamente:

→ Box-plot→ Histogramas

Ho = los datos siguen una distribución normalH1 = los datos no siguen una distribución normal.

Al ser N > 50, la prueba que utilizaremos será la de Kolmogorov-Smirnov.

Al ser el valor de significación estadístico 0 y p valor es de 0.05/0 < 0.05, rechazamos la Hipótesis nula (Ho) y aceptamos la Hipótesis alternativa (H1).

De forma analítica.

Ejercicio 1

De forma gráfica.

Ejercicio 1Realizamos el mismo procedimiento anterior para la variable peso:

→ Box-plot→ Histogramas

Ho = los datos siguen una distribución normalH1 = los datos no siguen una distribución normal.

Al ser N > 50, la prueba que utilizaremos será la de Kolmogorov-Smirnov.

Al ser el valor de significación estadístico 0,003 y p valor es de 0.05/0.003 < 0.05, rechazamos la Hipótesis nula (Ho) y aceptamos la Hipótesis alternativa (H1).

De forma analítica.

Ejercicio 1

De forma gráfica.

Ejercicio 1Las dos variables en cuestión (glucemia y peso) no siguen una distribución normal, por lo que debemos de usar una prueba no paramétrica, es decir, Rho de Spearman.

→ Correlación de las variables

Ejercicio 1Los cuadros A y D, tienen un coeficiente de correlación de correlación de 1, siendo la relación de una variable consigo misma, máxima.

→ Los Nº de ambas variables no son iguales, ya que en la de glucemia nos encontramos con varios datos perdidos.

A B

C D

Los datos provenientes de B y C, son iguales, correlación entre glucemia-peso (N=120).

El coeficiente de correlación es = 0.485, por lo que se puede decir que ambas variables presentan una correlación moderada.

Si en lugar de aceptar un Pvalor = 0.05, lo hubiésemos aceptado de 0.01, también sería un acierto.

Ejercicio 1→ Significación estadística bilateral = 0.→ 0 < 0.05, rechazamos la Hipótesis nula (Ho), y aceptamos la Hipótesis alternativa (H1).

Ho = No hay correlación entre el peso y la glucemia.

H1 = Si existe correlación entre el peso y la glucemia.

Ejercicio 2¿Existe correlación entre el colesterol y la PAS según la base de datos obesidad.sav?

A continuación, procedemos a realizar los mismos pasos que en el Ejercicio 1, pero esta vez con las variables, colesterol y PAS. 1

2

Ejercicio 2 1

2

Ejercicio 2A continuación, analizaremos la normalidad de la variable colesterol, analítica y gráficamente:

→ Box-plot→ Histogramas

Ho = los datos siguen una distribución normalH1 = los datos no siguen una distribución normal.

Al ser N > 50, la prueba que utilizaremos será la de Kolmogorov-Smirnov.

Al ser el valor de significación estadístico 0,2 y p valor es de 0.05/0.2 > 0.05, aceptamos la Hipótesis nula (Ho) y rechazamos la Hipótesis alternativa (H1).

De forma analítica.

Ejercicio 2

De forma gráfica.

Ejercicio 2Realizamos el mismo procedimiento anterior para la variable PAS:

→ Box-plot→ Histogramas

Ho = los datos siguen una distribución normalH1 = los datos no siguen una distribución normal.

Al ser N > 50, la prueba que utilizaremos será la de Kolmogorov-Smirnov.

Al ser el valor de significación estadístico 0 y p valor es de 0.05/0 < 0.05, rechazamos la Hipótesis nula (Ho) y aceptamos la Hipótesis alternativa (H1).

De forma analítica.

Ejercicio 2

De forma gráfica.

Ejercicio 2La variable colesterol, sigue una distribución normal y la variable PAS, no siguen una distribución normal, por lo que debemos de usar una prueba no paramétrica, es decir, Rho de Spearman.

→ Correlación de las variables

Ejercicio 2Los cuadros A y D, tienen un coeficiente de correlación de correlación de 1, siendo la relación de una variable consigo misma, máxima.

→ Los Nº de ambas variables no son iguales, ya que en la de colesterol nos encontramos con varios datos perdidos.

A B

C D

Los datos provenientes de B y C, son iguales, correlación entre colesterol-PAS (N=105).

El coeficiente de correlación es = 0.263, por lo que se puede decir que ambas variables presentan una correlación baja.

Si en lugar de aceptar un Pvalor = 0.05, lo hubiésemos aceptado de 0.01, también sería un acierto.

Ejercicio 2→ Significación estadística bilateral = 0,007→ 0,007 < 0.05, rechazamos la Hipótesis nula (Ho), y aceptamos la Hipótesis alternativa (H1).

Ho = No hay correlación entre el colesterol y la PAS.

H1 = Si existe correlación entre el colesterol y la PAS.