1. Seminario 10Seminario 10
DeDe
Estadistica y TICsEstadistica y TICs
Álvaro López SendraÁlvaro López Sendra

2. Diferenciamos dos hipotesis:
●Hipótesis alternativa: Existe relación entre el peso y la talla
en nuestra muestra adolescente.
●Hipótesis nula: No existe relación entre el peso y la talla en
nuestra muestra adolescente.
Para aceptar la hipótesis alternativa P tiene que ser menor a
0.05. Para el estudio del conjunto de datos utilizaremos como
prueba la R de Pearson, ya que estamos ante una variable
cuantitativa, pero para poder utilizarlo se debe cumplir: Ser
lineal y ser normal.
Para comprobar la linealidad
utilizamos un diagrama de
Puntos (Representación de la
Derecha)

3. Ahora para ver si el conjunto de datos se encuentra dentro de la
normalidad, comprobamos los valores de P. Al ser los valores de P
inferiores a 0,05, como observamos en la tabla de abajo, este cojunto no
se encuentra dentro de la normalidad.
De esto podemos deducir que no se puede utilizar la R de pearson, pues
a pesar de ser lineal el conjunto de datos, estos no se encuentran dentro
de la normalidad.

4. Ahora continuaremos con el analisis de algunas gráficas:
● En esta existe una leve asimetría hacia
la izquierda.
● En la gráfica de Q-Q existen puntos
que se encuentran fura de la normlaidad

5. ● Mediante la observación de la gáfica
de cajas y bigotes nos damos cuenta
de que esujeto 24 está fuera de la
normalidad
●Este gráfico podemos observar que se
acerca a la normalidad.

6. Resultados:
●Esto nos indica que tanto la talla como el peso se acerca a la
normalidad, aunque el peso presenta un leve incumplimiento.
●Al ser grande la muestra no representa la realidad. También debemos
destacar que no era necesario realizar pruebas de normalidad, pues
simplemente podríamos observar la gráfica.
●Al ser lineal y encontrarse dentro de la normalidad podemos aplicar la
R de pearson.
●La relación entre la talla y el peso es
significativa pues P (coincide con
Sig) es menor que 0,05. Además el
efecto es alto pues la R de pearson
es superior a 0,5, por lo cual aceptamos
H1
y rechazamos H0
.
●Las correlaciones no paramétricas no son necesarias pero también
deben ser estudiadas

7. Variables categóricas:
●Correlación biserial puntual.
●Coeficiente de phi
●Coeficiente de contingencia
●V de cramer
Correlación biserial puntual:
●Usada en variables binarias.
●H1
: Existe relación entre sexo y ejercicio físico.
●Al ser nuestra muestra muy grande asumimos la normalidad.
●Observando la tabla vemos que el efecto es medio (0.3) y se acepta la
H1
(P<0.05)

8. Coeficiente de Phi:
●Comparar dos variables dicotómicas
●H1
: Existe relación entre el sexo y el consumo de tabaco
●Normalmente va acompañado por la comparación de frecuencia
observada y la esperada.
●Observando la tabla nos damos cuenta de que el efecto es bajo (<0,1) y
se rechaza la H1
(P>0,05)

9. FIN

10. FIN