Relación entre peso y altura

Correlación de Pearson

1.- NORMALIDAD DEL PESO Y LA

ALTURA. Hipótesis nula: La variable se distribuye de manera

normal. Hipótesis alternativa: La variable no se distribuye de

manera normal.

Pruebas de normalidad

Kolmogorov-Smirnova Shapiro-Wilk

Estadístico gl Sig. Estadístico gl Sig.

Peso ,089 48 ,200* ,965 48 ,154

Altura ,105 48 ,200* ,979 48 ,532

*. Esto es un límite inferior de la significación verdadera.

a. Corrección de significación de Lilliefors

2.- Decidir qué test escojo:

Kolmogorov-Smirnov o Shapiro-Wilk. Plantear hipótesis sobre la relación entre variables.

Escojo Shapiro-Wilk, pues mi muestra es menor de 50 personas. Obtengo además una significación estadística de 0,154 para la altura y 0,532 para el peso. Al ser esta significancia mayor de 0,05, se acepta la hipótesis nula: ambas variables se distribuyen normalmente.

4.-Realizar paso por paso con spss

la correlacion bivariada. Al ser el peso y la altura dos variables que se

distribuyen normalmente, la correlación deberá establecerse por Pearson.

Correlaciones

  Peso Altura

Peso Correlación de

Pearson1 ,619**

Sig. (bilateral)   ,000

N 48 48

Altura Correlación de

Pearson,619** 1

Sig. (bilateral) ,000  

N 48 50

**. La correlación es significativa en el nivel 0,01 (2

colas).

Obtenemos una correlación de Pearson

tanto para el peso como para la altura de 0,62. Esta cifra corresponde con una correlación buena entre ambas variables (Fuerte) y además positiva, pues ambas experimentan cambios en la misma dirección.

Por otro lado, el grado de significación es cero,

lo que nos hace pensar que se rechaza la hipótesis nula y se acepta la alternativa.

Hipótesis nula: No hay correlación entre altura y peso.

Hipótesis alternativa: Existe relación entre altura y peso.

Relación entre altura y peso

Relación entre altura y peso