2. Seminario 9
Para decidir la prueba estadística más adecuada debemos tener en cuenta:
★ Nivel de medición de la variable
Cualitativas
Ordinales
Cuantitativas o de escala
★ El número de variables a analizar
Univariable
Bivariable
Multivariable
★ Número de sujetos a estudiar
★ La forma que adopta la distribución de frecuencias (normal, binomial,
poisson…)
Prueba de normalidad: Shapiro; Kolmogorov
★ Si las mediciones se realizan una sola vez o más de una en tiempos
diferentes
Muestras independientes
Muestras apareadas (diseños: antes/después)
3. Vamos a analizar la correlación entre “peso” y “altura”.
Previamente vamos a determinar el tipo de test que vamos a usar, para ello debemos:
★ Determinar el tipo de asociación (lineal vs no lineal).
★ Comprobar la normalidad de las variables.
4. Formulación de hipótesis
H0: no hay relación entre el peso y la altura
H1: si hay relación entre el peso y la altura
5. 1. Abrimos R Commander
2. Importamos nuestro conjunto de datos “activosensalud”
3. Estudiamos la linealidad de las variables
6. En ambas gráficas se observa una asociación positiva, pero las nubes no son consistentes, por lo que puede que no
exista correlación.
10. Al observar las gráficas no podemos determinar de manera segura la existencia de normalidad, por lo que
aplicamos el test de Shapiro Wilk.
H0: si existe normalidad
H1: no existe normalidad
Tras realizar el test obtenemos que P<0,05, por
lo que rechazamos la hipótesis nula, es decir, la
altura no sigue el criterio de normalidad.
Realizamos exactamente el mismo proceso con
la variable peso.
De esta manera comprobamos que P<0,05 por
lo que el peso tampoco sigue el criterio de
normalidad.
12. El coeficiente de relación de Spearman entre altura y peso
es 0,6224 por lo que existe asociación positiva entre
ambas variables (a medida que una variable crece, la otra
también crece).
Correlación fuerte porque supera el 50%.
Observando el valor de P<0,05 podemos decir, al rechazar
la hipótesis nula, que el peso depende de la altura.