Estadística y TIC

Seminario 9

Julia Gordillo Vázquez1º Enfermería, Grupo B, Subgrupo 6

Correlación bivariada

Ambas variables son cuantitativas, numéricas. Por ejemplo, la edad (VI) y

la talla (VD) Ambas deben variar simultáneamente.

– Positiva: Cuanto más crece una, más crece la otra. Diagrama con puntos

hacia la derecha.

– Negativa: Cuanto más crece una, más disminuye otra. Número de sujetos

que realizan un trabajo y número de horas empleadas en el mismo; enzimas

que disminuyen con la edad. Diagrama con puntos hacia la izquierda.

Coeficientes de correlación

Miden la fuerza de correlación. Antes hay que

elegir una prueba no paramétrica de

normalidad para ver que coeficiente usar

R de Pearson Rho de Spearman

Ambas variables se distribuyen con normalidad

Una de las variables o ambas no se distribuyen con normalidad

Una vez realizada la prueba de normalidad y

elegido que coeficiente de correlación usar, se

interpretan los resultados:

Coeficiente de correlación Valor de p

0 No hay correlación p > 0.05 Hay correlación. Se rechaza la hipótesis nula.

1 Correlación total y positiva P < 0.05 No hay correlación.Se acepta la hipótesis nula.

-1 Correlación total y negativa

Prueba de normalidad

Pruebas de normalidad

Kolmogorov-Smirnova Shapiro-Wilk

Estadístico gl Sig. Estadístico gl Sig.Año de

Nacimiento,237 50 ,000 ,760 50 ,000

Si n = ó > de 50 Smirnov

Si n < 50 Shapiro

Nos fijamos en la

significación:

• Sig. < 0.05 No sigue

normalidad

•Sig. > 0.05 Normalidad

En el Histograma también se puede observar si las variables siguen la curva

de la normal.

Se deben comprobar ambas variables. Si una de ellas no sigue la

normalidad, elegiremos el coeficiente de correlación de Spearman, y si la

siguen ambas, el de Pearson

Una vez elegidos Spearman o Pearson, se realiza la tabla de

correlaciones bivariadas.

Correlaciones

Año de Nacimiento

Nota de acceso al Grado de Enfermería

Año de Nacimiento Correlación de Pearson 1 ,521**

Sig. (bilateral) ,000

N 50 49

Nota de acceso al Grado de Enfermería

Correlación de Pearson ,521** 1

Sig. (bilateral) ,000

N 49 49

Correlación: 5.21 Total y positiva

P <0.05 Hay correlación.

Rechazo H0

Gráficos de dispersión

Eje Y: Variable dependiente

Eje X: Variable independiente

TAREAS

Escoger dos hipótesis. Prueba de normalidad a ambas

variables. Representar con nube de dispersión

1. Colesterol y Edad

2. Edad y Presión arterial sistólica

Pruebas de normalidad

Kolmogorov-Smirnova Shapiro-Wilk

Estadístico gl Sig. Estadístico gl Sig.

Edad ,090 240 ,000 ,941 240 ,000

Smirnov

Sig. < 0.05 No normal Spearman

1

Pruebas de normalidad

Kolmogorov-Smirnova Shapiro-WilkEstadístico gl Sig. Estadístico gl Sig.

Colesterol total ,049 106 ,200* ,989 106 ,573

Smirnov

Sig. > 0.05 Normal Podría ser Pearson, pero la edad ya no seguía una distribución normal

Correlaciones

EdadColesterol

totalRho de Spearman Edad Coeficiente de

correlación1,000 ,271**

Sig. (bilateral) . ,005N 240 106

Colesterol total Coeficiente de correlación

,271** 1,000

Sig. (bilateral) ,005 .N 106 106

P < 0.05 Hay correlación. Rechazo hipótesis nula.

Diagrama de dispersión

Pruebas de normalidad

Kolmogorov-Smirnova Shapiro-Wilk

Estadístico gl Sig. Estadístico gl Sig.

Edad ,090 240 ,000 ,941 240 ,000

Smirnov

Sig. < 0.05 No normal Spearman

2

Pruebas de normalidad

Kolmogorov-Smirnova Shapiro-WilkEstadístic

o gl Sig.Estadístic

o gl Sig.

Tensión arterial sistólica ,163 238 ,000 ,947 238 ,000

Smirnov

Sig. < 0.05 No normal Spearman

Correlaciones

T.A.Sistólica EdadRho de Spearman Tensión arterial

sistólicaCoeficiente de

correlación1,000 ,545**

Sig. (bilateral) . ,000

N 238 238

Edad Coeficiente de correlación

,545** 1,000

Sig. (bilateral) ,000 .

N 238 240

P < 0.05 Hay correlación. Rechazo hipótesis nula.

Diagrama de dispersión

Conclusión

Ambas variables, Colesterol y Presión Arterial Sistólica,

están relacionadas con la edad, de forma que sus

cifras suben a medida que lo hacen los años del

sujeto. Existe correlación entre ellas y se rechaza la

hipótesis nula, es decir, no es azar que las variables

estén relacionadas sino que existe un motivo para

ello.