2. Ejercicio 1:
Usando la base de datos obesidad.sav explorar la
correlación entre las variables peso y glucemia.
Comentar los resultados.
3. Ejercicio 1:
Abrimos un nuevo conjunto de datos en SPSS y
copiamos las variables que nos interesan: peso y
glucemia.
4. Ejercicio 1:
Abrimos un nuevo conjunto de datos en SPSS y
copiamos las variables que nos interesan: peso y
glucemia.
5. Ejercicio 1:
Realizamos un gráfico de dispersión para ver la
proximidad de los datos.
En el generador
de gráficos
seleccionamos:
Dispersión/Puntos
Dispersión
simple.
A continuación
arrastramos las
variables a los
ejes y pulsamos
«Aceptar»
7. Ejercicio 1:
A continuación realizamos las pruebas de
normalidad de las variables para determinar si
usamos la R de Pearson (paramétrica) o la Rho de
Spearman (no paramétrica).
En la ventana
emergente, arrastramos
la variable a «Lista de
dependientes». Le
damos a Gráficos.
En la ventana de
Gráficos
seleccionamos
Histograma y Gráficos
de normalidad con
pruebas.
Después hacemos clic
en Continuar y a
continuación a Aceptar.
8. Ejercicio 1:
En la ventana emergente observamos:
En el gráfico de pruebas de normalidad, fijándonos en la columna de
Kolmogorov-Smirnov (N > 50), vemos que el valor de significación es
0, por lo tanto, rechazamos H0 (distribución normal) y aceptamos H1:
los datos no siguen una distribución normal.
Por lo tanto, en la variable Glucemia realizaremos una prueba no
paramétrica: Rho de Spearman.
Al mirar el
histograma y
el Box-Plot,
reafirmamos
lo dicho.
9. Ejercicio 1:
Repetimos el proceso para la variable peso.
En el gráfico de pruebas de normalidad, fijándonos de nuevo en la
columna de Kolmogorov-Smirnov (N > 50), vemos que el valor de
significación es 0,003; por lo tanto, rechazamos H0 (distribución
normal) y aceptamos H1: los datos no siguen una distribución normal.
Por lo tanto, en la variable peso tambiénrealizaremos una prueba no
paramétrica: Rho de Spearman.
Al mirar el
histograma y
el Box-Plot,
reafirmamos
lo dicho.
10. Ejercicio 1:
Realizamos la prueba de Rho de Spearman
En la ventana emergente,
arrastramos las 2 variables a
la derecha, seleccionamos
Spearman y hacemos clic en
Aceptar.
11. Ejercicio 1:
Obtenemos la siguiente tabla:
En la tabla observamos nuestras 2
variables: peso y glucemia.
En el primer y último cuadro
(empezando por arriba a la
izquierda) la correlación es 1 puesto
que se está comparando la variable
consigo misma.
El número de individuos no es el
mismo en las 2 variables, ya que en
la variable glucemia hay datos que
faltan.
Fijándonos en los datos de
correlación entre las 2 variables
vemos que el coeficiente de
correlación es de 0,485 que,
significa que tienen una
correlación moderada.
Los asteriscos de debajo de la
tabla nos indican que si
hubiesemos usado un pvalor de
0,01 (el nuestro es de 0,05)
habríamos acertado igualmente.
Si nos fijamos en la
significación
estadística vemos que
tiene un valor de 0.
Esto significa que
rechazamos la
hipótesis nula (no hay
relación entre peso y
glucemia) y
aceptamos la
alternativa: existe
relación entre el peso
y la glucemia.
12. Ejercicio 2:
Usando la base de datos obesidad.sav explorar la
correlación entre las variables tensión arterial y
colesterol. Comentar los resultados.
Para ello generamos una nueva
tabla de datos con las variables
tas y colesterol.
A continuación repetimos todo el
proceso anterior:
14. Ejercicio 2:
Realizamos las pruebas de normalidad de la
variable tas y obtenemos los siguientes datos:
En el gráfico de pruebas de normalidad, fijándonos en la columna de
Kolmogorov-Smirnov (N > 50), vemos que el valor de significación es
0, por lo tanto, rechazamos H0 (distribución normal) y aceptamos H1:
los datos no siguen una distribución normal.
Por lo tanto, en la variable tas realizaremos una prueba no
paramétrica: Rho de Spearman.
Al mirar el
histograma y
el Box-Plot,
reafirmamos
lo dicho.
15. Ejercicio 2:
Realizamos las pruebas de normalidad de la
variable tas y obtenemos los siguientes datos:
En el gráfico de pruebas de normalidad, fijándonos en la columna de
Kolmogorov-Smirnov (N > 50), vemos que el valor de significación es
0,2 por lo tanto, rechazamos H1 (no distribución normal) y aceptamos
H0: los datos siguen una distribución normal.
Por lo tanto, en la variable colesterol realizaremos una prueba
paramétrica: R de Pearson.
Al mirar el
histograma y
el Box-Plot,
reafirmamos
lo dicho.
16. Ejercicio 2:
Como una es paramétrica y la otra no, realizamos la
Rho de Spearman ya que no exige que las variables se
distribuyan con normalidad. Obtenemos la siguiente
tabla:
En la tabla observamos nuestras 2
variables: peso y glucemia.
En el primer y último cuadro
(empezando por arriba a la
izquierda) la correlación es 1 puesto
que se está comparando la variable
consigo misma.
El número de individuos no es el
mismo en las 2 variables, ya que en
la variable colesterol hay datos que
faltan.
Fijándonos en los datos de
correlación entre las 2 variables
vemos que el coeficiente de
correlación es de 0,263 que,
significa que tienen una
correlación baja.
Los asteriscos de debajo de la
tabla nos indican que si
hubiesemos usado un pvalor de
0,01 (el nuestro es de 0,05)
habríamos acertado igualmente.
Si nos fijamos en la
significación bilateral
vemos que tiene un
valor de 0,007. Esto
significa que
rechazamos la
hipótesis nula (no hay
relación entre tas y
colesterol) y
aceptamos la
alternativa: existe
relación entre la
tensión arterial
superficial y el
colesterol.