Este documento resume un seminario sobre la correlación entre variables bivariadas y el uso de diagramas de dispersión. Explica cómo utilizar los coeficientes de correlación de Pearson para datos con distribución normal y de Spearman para datos no paramétricos o sin distribución normal. Aplica estas técnicas para analizar la correlación entre tres pares de variables relacionadas con infecciones intrahospitalarias. En todos los casos, los datos no siguen una distribución normal, por lo que se concluye que se debe usar el coeficiente de Spearman en lugar de Pearson.
1. SEMINARIO 9: CORRELACIÓN
ENTRE VARIABLES BIVARIADAS.
DIAGRAMA DE DISPERSIÓN
EUGENIA DE LA ROSA GARRIDO
1ª Enfermería, 1 Grupo, 2 Subgrupo
2. TAREA
Relación entre dos variables cuantitativas
Coeficiente de correlación Spearman: pruebas no paramétricas, distribución anormal
Coeficiente de Pearson: pruebas parámetricas, distribución normal
Para ello, utilizaremos la prueba de la normalidad: Kolmogorov-Smirnov o Shapiro-Wilk
3. CORRELACIÓN 1: Número de instrumentaciones y
número de infecciones intrahospitalarias
-Analizar – correlacionar – bivariadas
-Variables: número de infecciones intrahospitalarias y número de instrumentaciones
-Opciones – medias y desviaciones estándar
-Coeficientes de correlación: PEARSON
-Señalar las correlaciones significativas
4. CORRELACIÓN 1:
-Gráficos – cuadro de diálogo antiguo – dispersión/puntos – dispersión simple
-Variable independiente, EJE Y: número de instrumentaciones
-Variable dependiente, EJE X: número de infecciones intrahospitalarias
6. CORRELACIÓN 1:
Encontramos mucha dispersión entre los datos, es decir, no hay un progresión
lineal.
Los datos están correlacionados pero nos da un valor erróneo no siguen una
distribución normal. Por ello, tenemos que usar Spearman
7. CORRELACIÓN 2: número de catéteres intravenosos y
número de infecciones intrahospitalarias
Realizamos los mismos pasos anteriores.
-Variable independiente, EJE Y: número de catéteres
intravenosos
-Variable dependiente, EJE X: infecciones intrahospitalarias
8. CORRELACIÓN 2:
Al igual que en el caso anterior,
encontramos mucha dispersión entre
los datos, es decir, no siguen un
criterio de normalidad, no hay un
progresión lineal.
Los datos están correlacionados pero
nos da un valor erróneo no siguen
una distribución normal. Por ello,
tenemos que usar Spearman
9. CORRELACIÓN 3: ventilación mecánica y
número de infecciones respiratorias
Realizamos los mismos pasos anteriores.
-Variable independiente, EJE Y: ventilación mecánica
-Variable dependiente, EJE X: número de infecciones respiratorias
10. CORRELACIÓN 3:
Sucede como en los dos casos
anteriores. Hay mucha dispersión
entre los datos, no siguen un criterio
de normalidad, es decir, no hay un
progresión lineal.
Los datos están correlacionados pero
nos da un valor erróneo no siguen
una distribución normal. Por ello,
tenemos que usar Spearman