2. Ejercicio1
¿Existe correlación entre el
peso y la glucemia según la
base de datos obesidad.sav?
Con ésta base de datos de
SPSS será con la que
trabajaremos.
3. Ejercicio1
A continuación, abriremos un
nuevo documento de SPSS en
el que copiaremos los datos
y variables que necesitemos
para complementar el
trabajo.
1
2
3
4. Ejercicio1
El siguiente paso será
generar un gráfico de
dispersión simple en SPSS,
el cual nos ayuda a tener
una idea de lo que nos debe
salir.
6. Ejercicio1
Ahora realizaremos
las pruebas de
normalidad de las
variables para
determinar si usar
una prueba paramétrica
(distribución normal,
R de Pearson) o no
paramétrica (no
distribución normal,
Rho de Rho de Spearman).
1
2
3
7. Ejercicio1
A continuación, analizaremos
la normalidad de la variable
glucemia, analítica y
gráficamente:
→ Box-plot
→ Histogramas
Ho = los datos siguen una distribución
normal
H1 = los datos no siguen una distribución
normal.
Al ser N > 50, la prueba que utilizaremos será la
de Kolmogorov-Smirnov.
Al ser el valor de significación estadístico 0 y p
valor es de 0.05/0 < 0.05, rechazamos la
Hipótesis nula (Ho) y aceptamos la Hipótesis
alternativa (H1).
De forma analítica.
9. Ejercicio1
Realizamos el mismo
procedimiento anterior para
la variable peso:
→ Box-plot
→ Histogramas
Ho = los datos siguen una distribución
normal
H1 = los datos no siguen una distribución
normal.
Al ser N > 50, la prueba que utilizaremos será la
de Kolmogorov-Smirnov.
Al ser el valor de significación estadístico 0,003 y
p valor es de 0.05/0.003 < 0.05, rechazamos la
Hipótesis nula (Ho) y aceptamos la Hipótesis
alternativa (H1).
De forma analítica.
11. Ejercicio1
Las dos variables en
cuestión (glucemia y peso)
no siguen una distribución
normal, por lo que debemos
de usar una prueba no
paramétrica, es decir, Rho
de Spearman.
→ Correlación de las variables
12. Ejercicio1
Los cuadros A y D,
tienen un coeficiente
de correlación de
correlación de 1,
siendo la relación
de una variable consigo
misma, máxima.
→ Los Nº de ambas variables no son
iguales, ya que en la de glucemia
nos encontramos con varios datos
perdidos.
A B
C D
Los datos provenientes de B y C, son iguales,
correlación entre glucemia-peso (N=120).
El coeficiente de correlación es = 0.485, por lo
que se puede decir que ambas variables
presentan una correlación moderada.
Si en lugar de aceptar un Pvalor = 0.05, lo
hubiésemos aceptado de 0.01, también sería un
acierto.
13. Ejercicio1 → Significación estadística bilateral = 0.
→ 0 < 0.05, rechazamos la Hipótesis
nula (Ho), y aceptamos la Hipótesis
alternativa (H1).
Ho = No hay correlación entre el peso y
la glucemia.
H1 = Si existe correlación entre el peso y
la glucemia.
14. Ejercicio2
¿Existe correlación entre el
colesterol y la PAS según la
base de datos obesidad.sav?
A continuación, procedemos a
realizar los mismos pasos
que en el Ejercicio 1, pero
esta vez con las variables,
colesterol y PAS. 1
2
16. Ejercicio2
A continuación,
analizaremos la
normalidad de la variable
colesterol, analítica y
gráficamente:
→ Box-plot
→ Histogramas
Ho = los datos siguen una distribución
normal
H1 = los datos no siguen una distribución
normal.
Al ser N > 50, la prueba que utilizaremos será la
de Kolmogorov-Smirnov.
Al ser el valor de significación estadístico 0,2 y p
valor es de 0.05/0.2 > 0.05, aceptamos la
Hipótesis nula (Ho) y rechazamos la Hipótesis
alternativa (H1).
De forma analítica.
18. Ejercicio2
Realizamos el mismo
procedimiento anterior para
la variable PAS:
→ Box-plot
→ Histogramas
Ho = los datos siguen una distribución
normal
H1 = los datos no siguen una distribución
normal.
Al ser N > 50, la prueba que utilizaremos será la
de Kolmogorov-Smirnov.
Al ser el valor de significación estadístico 0 y p
valor es de 0.05/0 < 0.05, rechazamos la
Hipótesis nula (Ho) y aceptamos la Hipótesis
alternativa (H1).
De forma analítica.
20. Ejercicio2
La variable colesterol,
sigue una distribución
normal y la variable PAS,
no siguen una distribución
normal, por lo que debemos
de usar una prueba no
paramétrica, es decir, Rho
de Spearman.
→ Correlación de las variables
21. Ejercicio2
Los cuadros A y D,
tienen un coeficiente
de correlación de
correlación de 1,
siendo la relación
de una variable consigo
misma, máxima.
→ Los Nº de ambas variables no son
iguales, ya que en la de colesterol
nos encontramos con varios datos
perdidos.
A B
C D
Los datos provenientes de B y C, son iguales,
correlación entre colesterol-PAS (N=105).
El coeficiente de correlación es = 0.263, por lo
que se puede decir que ambas variables presentan
una correlación baja.
Si en lugar de aceptar un Pvalor = 0.05, lo
hubiésemos aceptado de 0.01, también sería un
acierto.
22. Ejercicio2
→ Significación estadística bilateral
= 0,007
→ 0,007 < 0.05, rechazamos la Hipótesis
nula (Ho), y aceptamos la Hipótesis
alternativa (H1).
Ho = No hay correlación entre el
colesterol y la PAS.
H1 = Si existe correlación entre el
colesterol y la PAS.