2. 1. INTRODUCCIÓN.
Explicar qué es la estadística bivariada y para
qué sirve.
La estadística descriptiva bivariada aborda el
estudio de los sucesos en los que intervienen dos
variables simultáneamente. Cuando queremos
describir conjuntamente dos variables
estadísticas, el primer paso será (al igual que en
el caso de la estadística univariada), representar
los datos en una tabla de frecuencias.
3. 2. OBEJTIVOS.
En este informe vamos a abordar dos
objetivos:
General: Utilizar la estadística bivariada
para establecer la asociación entre dos
variables de nuestro fichero de datos,
dando respuesta a hipótesis de
investigación específicas.
Específicos : los cuales analizaremos e
interpretaremos a continuación.
4. 2.1. ¿Asociación entre el “sexo” y la
“practicadeporte”?
A). Describe y representa los datos en una tabla.
A partir de
nuestra bases
de datos
Rcommander,
seleccionamos
la pestaña de
estadísticos,
después a tabla
de contingencia
y seguidamente
a tabla de doble
entrada.
5. Seguidamente seleccionamos las dos variables:
“sexo” y “practicadeporte”
Después, seleccionamos los filtro
necesarios para nuestras
variables:
-Sin porcentaje.
-Test de independencia Chi
Cuadrado
-Imprimir las frecuencias
6. Por último, obtenemos la tabla de contingencia de doble entrada, con los
datos con los que vamos a trabajar. Los resultados son:
- Hay 9 varones que no realizan deporte y 42 que si lo realizan.
- Hay 123 mujeres que no practican deporte y 117 que si lo practican.
7. Esta es nuestra tabla con la que
vamos a trabajar.
PRÁCTICA DE
DEPORTE/
SEXO
NO SI TOTAL
VARÓN a=9 b=42 a+b=51
MUJER c= 123 d=117 c+d=140
TOTAL a+c=132 b+d= 159 n=291
8. B) Establece una hipótesis adecuada
para el estudio.
H0 (hipótesis nula): no existe asociación entre el sexo
y la practica del deporte./ La práctica del deporte es
igual en hombres y mujeres.
H1 (hipótesis alternativa): existe asociación entre el
sexo y la práctica del deporte./ La practica del
deporte es distinta en hombres y mujeres.
Si estas hipótesis las transformamos en el valor de p:
H0: p>0,05 y H1: p< o igual que 0,05
9. c) Elección de la prueba más adecuada
para contrastar nuestra hipótesis.
A priori y sabiendo que las variables son dos variables
cualitativas, pensamos que sería necesario utilizar el test
estadístico chi-cuadrado.
Las asunciones de la chi- cuadrado son las siguientes:
- Las frecuencias esperadas deben ser mayores que 5. Si
no:
En tablas de 2x2 (variables dicotómicas) debemos usar la
prueba exacta de Fisher.
En tablas en las que, al menos, una variable tiene más de
dos categorías debemos agrupar (si tiene sentido) algunas
categorías menos pobladas. Al final, al menos el 80% de
las casillas tener frecuencias esperadas > 5
- Los datos/observados recogidos son independientes.
- En tablas de 2x2 si hay frecuencias esperadas<10 se
recomienda la corrección por continuidad de Yates.
10. d) Interpretar los resultados.
Utilizando la tabla de contingencia que hemos
realizado anteriormente, vamos a interpretar los
resultados.
1. Debemos observar si las frecuencias esperadas
son mayores que 5, en este caso sí lo son, por lo
que podemos seguir con este test y
descartaríamos el test de Fisher.
11. 2. Para comprobar si existe asociación entre
nuestras variables, vamos a utilizar p-value. Para
ello:
Tras realizar la prueba de chi-cuadrado en
Rcommander, podemos observar que el valor de
p=1.2e-05, es decir p<0.05 por lo tanto
aceptaremos nuestra hipótesis alternativa a partir
de la cual podemos asegurar que existe
asociación entre el sexo y la practica del deporte.
Un test es
significativo
cuando
rechazamos la
hipótesis nula, por
lo tanto nuestro
test es
significativo, pero
lo vamos a
12. 3. Comprobamos que nuestro test es
significativo.
Interpretando los valores porcentuales de las
muestras observadas podemos demostrar que
existe asociación entre las variables.
Observamos que el
porcentaje en
hombres es de
82.4% y en mujeres
del 48.8%.
Podemos decir que
es una diferencia
significativa por lo
que el test es
significativo.
13. 4. Análisis de la odds Ratio.
Ya que hemos aceptado la hipótesis alternativa, podemos
utilizar odds ratio. Observamos que el grado de asociación
de la odds ratio es de 0.20, por lo que podemos decir por
cada mujer que practica deporte, practicarían 2 hombres.
Además el intervalo de confianza va desde 0.0838 hasta
0.4508, el 0 no está incluido por lo tanto la prueba va a ser
estadisticamente significativa.
14. 3. METODOLOGÍA.
3.1- Población de estudio. Muestra
La muestra seria los datos de las
encuestas realizadas a 290
estudiantes de primero de
enfermería de la Universidad de
Sevilla, centros propios y adscritos
para conocer sus estilos de vida y
activos en salud.
15. 3.2. Variables a analizar:
- Variables incluidas en los análisis y de qué tipo
son.
En el análisis solo hemos incluido variables
cualitativas:
o Las variables cualitativas no se pueden medir
numéricamente y en este caso son: “sexo”, “practica
de deporte”
- Cómo se han recogido los datos para cada
variable incluida en el análisis (para ello se puede
usar el documento en el que describe el fichero
de datos “activossalud.RData”/”
estadistica_tics”).
o Sexo: variable tipo factor con dos categorías: 1-Varón,
2 – Mujer
16. 3.3. Análisis de datos:
o Software estadístico utilizado:
Para realizar el estudio de nuestra muestra
hemos utilizado el Software estadístico
Rcommander, el cual funciona a través de
comandos.
o Análisis estadísticos que se van a realizar:
En la determinada muestra hemos utilizado
una tabla de contingencia y la prueba
estadística de chi-cuadrado ya que se
tratan de dos variables cualitativas
17. 4. RESULTADOS.
Para mayor facilidad, los
resultados de cada objetivo
han sido respondidos en
cada diapositiva de la
correspondiente muestra.
18. 5. CONCLUSIONES.
Con respecto a la tabla de contingencia que hemos realizado
podemos decir que hay más hombre que sí realizan deporte.
Tras realizar la prueba de chi-cuadrado en Rcommander,
podemos observar que el valor de p=1.2e-05, es decir p<0.05
por lo tanto aceptaremos nuestra hipótesis alternativa a partir de
la cual podemos asegurar que existe asociación entre el sexo y
la practica del deporte.
Un test es significativo cuando rechazamos la hipótesis
nula, por lo tanto nuestro test es significativo y además
observamos que el porcentaje en hombres es de 82.4% y
en mujeres del 48.8%. Podemos decir que es una
diferencia significativa por lo que el test es significativo.
En cuanto al análisis de la odds ratio: observamos que el
grado de asociación de la odds ratio es de 0.20, por lo que
podemos decir por cada mujer que practica deporte,
practicarían 2 hombres.
Y por último, el intervalo de confianza va desde 0.0838
hasta 0.4508, el 0 no está incluido por lo tanto la prueba
va a ser estadísticamente significativa