2. • CORRELACIONAMOS:
• Numero de instrumentaciones y numero de
infecciones intrahospitalarias
• Variable dependiente (eje X): infecciones
intrahospitalarias
• Variable independiente (eje Y) : número de
instrumentaciones
5. • Los datos están
correlacionados y existe una
significación. Pero estamos
sacando un valor erróneo
porque nuestros datos no
siguen una distribución normal
• Hay q calcular coeficiente rho
spearman, porque no siguen
una distribución normal
• La distribución no es del todo
normal, no es una distribución
lineal.
• Los datos no siguen una
progresión lineal
6. • CORRELACIONAMOS:
• Numero de catéteres intravenosos y numero
de infecciones intrahospitalarias
• Variable dependiente: infecciones
intrahospitalarias
• Variable independiente: numero de
catéteres intravenosos
7. • Nos encontramos ante la misma situación que en el ejemplo
anterior:
• La distribución no es del todo normal, los datos no siguen una
progresión lineal
• Los datos están correlacionados y existe una significación. Pero
estamos sacando un valor erróneo porque nuestros datos no
siguen una distribución normal
• Lo mas correcto seria realizar la prueba Rho Spearman
8. • CORRELACIONAMOS:
• Ventilación mecánica y número de infecciones
respiratorias
• Variable dependiente: número de
infecciones respiratorias
• Variable independiente: Ventilación
mecánica
9. • En este caso nos encontramos ante la misma situación que en los
ejemplos anteriores, pero de manera aún más exagerada.
• La distribución no es normal, no sigue una progresión lineal; por
tanto, no tiene sentido utilizar la correlación de Pearson.
• Deberíamos aplicar Rho Spearman