3. 1. Introducción
• El análisis bivariado es un procedimiento para
analizar si las semejanzas o las diferencias
encontradas en los datos se deben al azar o a otras
circunstancias.
• Si la diferencia se debe a alguna circunstancia
distinta al azar teniendo en cuenta el nivel de
significación que hemos asumido (0.05, 0.01…)
decimos que la diferencia es estadísticamente
significativa.
• Todo esto nos va a permitir tomar decisiones que se
apoyen en los datos.
4. • Vamos a ver algunas pruebas estadísticas que
usamos en el análisis bivariado.
• Van a depender del tipo de variable que usemos
(cuantitativa, cualitativa) del número de
variables, del número de sujetos que vamos a
estudiar, de la distribución que adopta la
frecuencia (usando el test de Shapiro-Wilk o el
de Kolmogorov) y si las mediciones se realizan
una sola vez en el tiempo o más de una en
tiempo diferentes.
5. Dentro de las pruebas paramétricas tenemos al menos una
variable cuantitativa que sigue una distribución normal.
• -T de Student
• -ANOVA
Dentro de las no paramétricas tenemos o todas cualitativas
o la cuantitativa no sigue la distribución normal.
• -Chi cuadrado
• -McNemar
• -Q de Cochran
• -U de Mann-Whitney
• -T de Wilcoxon
6. 2. Objetivos
• 2.1 Objetivo general: utilizar la estadística
bivariada para establecer la asociación entre dos
variables de nuestro fichero de datos “Activos en
salud” dando respuesta a hipótesis de una
investigación específica.
7. 2.1. Objetivos específicos:
• Conocer si existe relación entre el sexo y el hecho de practicar
deporte ayudándome de una tabla y realizando un contraste
de hipótesis.
• Mis objetivos con respecto al segundo estudio son conocer si
existe relación entre la altura y el peso utilizando un gráfico de
dispersión y haciendo un contraste de hipótesis. También voy
a analizar cómo de fuerte es la correlación entre altura y peso.
Para ello voy a realizar una serie de pasos utilizando los
estadísticos más apropiados en cada situación y llegaremos a
unas conclusiones.
8. 3. Metodología
• Estamos realizando un estudio a una población
de 291 estudiantes de primero de Enfermería de
la Universidad de Sevilla, centros propios y
adscritos para así poder conocer sus estilos de
vida y activos en salud, para ello les hemos
realizado una encuesta.
9. Primeramente voy a analizar las variables “sexo” y
“practicas deporte”.
• Sexo: Es una variable cualitativa (factor)
dicotómica y nominal. 1 corresponde a varón y 2
a mujer.
• Practicas deporte: De nuevo estamos ante una
variable cualitativa (factor) con dos categorías y
nominal. 1 corresponde a Sí y 2 corresponde a
No.
10. Posteriormente estudiaré las variables “altura” y
“peso”.
• Altura: Es una variable cuantitativa y se mide en
metros.
• Peso: Es una variable también cuantitativa cuyas
unidades son los Kg.
11. • He estado utilizando el Software R, que es libre y
sin garantía alguna.
• Los estadísticos que vamos a usar son la Chi
cuadrado en el primer caso y Rho de Spearman
en el segundo. Además, en el estudio del peso y
la altura también usaremos un diagrama de
dispersión. Para comprobar la normalidad
usaremos el Test de Shapiro-Wilk.
12. 4. Resultados
Primeramente quiero averiguar lo siguiente:
¿Influye el sexo en el hecho de practicar
deporte?
• Hipótesis nula (H0): Los hombres y las
mujeres practican deporte de igual manera.
• Hipótesis alternativa (H1): Los hombres y
las mujeres practican deporte de manera
diferente.
15. • El resultado de la Chi cuadrado es 19,163.
• El grado de libertad de esta tabla es 1 y vamos a
trabajar con un nivel de significación del 0,05.
• Miramos en la tabla teórica y vemos que la
frecuencia esperada es 3,84.
16. Ahora quiero estudiar esto: ¿Existe relación entre la
altura y el peso?
Representamos las variables en un diagrama de
dispersión e intuimos que siguen una relación lineal
positiva.
17. • Hipótesis nula (H0): La altura no influye en el
peso.
• Hipótesis alternativa (H1): La altura sí
influye en el peso.
18. • Primeramente vamos a comprobar si las variables
siguen la normalidad.
• La normalidad la podemos comprobar con gráficos
como histogramas, box Plot, QQ o con el Test de
Shapiro-Wilk.
• Yo he realizado el test de Shapiro-Wilk para la
variable altura ya que si solo una de las dos variables
no siguiera la normalidad tendríamos que utilizar
un test no paramétrico.
19. • El p-valor en la variable altura= 4,686e-06
• Al ser un p-valor menor que 0,05 rechazamos la
hipótesis nula y por tanto vamos que no se sigue la
normalidad.
• Como no sigue la normalidad vamos a usar la Rho
de Spearman.
• Hay una buena correlación entre las variables ya que
el resultado es 0,6224114.
• El p-valor es de 2,2e-16.
20. 5. Conclusiones
• En el primer estudio como el resultado de la Chi
observada es 19,163 que es mayor que 3,84 (que es
el valor que vemos en la tabla) llegamos a la
conclusión de que el sexo sí influye en el hecho de
practicar deporte.
• En el segundo estudio al ver que el p-valor es 2,2e-
16 que es menor que 0.05 podemos decir que se
alcanza significación estadística. Esto nos lleva a
concluir que sí hay relación entre las variables altura
y peso y que los resultados obtenidos los puedo
extrapolar a toda la población.