Analisis variables cuantitativas
•Descargar como PPTX, PDF•
0 recomendaciones•35 vistas
Este documento describe los pasos para analizar la relación entre las variables de altura y peso utilizando datos de salud. Primero, se seleccionan las variables altura y peso del conjunto de datos. Luego, se analiza gráficamente la linealidad de las variables y la normalidad de su distribución, encontrando que no hay linealidad ni distribución normal. Finalmente, se utiliza una prueba no paramétrica que muestra una correlación casi muy fuerte entre altura y peso.
Denunciar
Compartir
Denunciar
Compartir
Recomendados
Analisis bivariado
El documento describe los pasos para realizar un análisis bivariado entre una variable cualitativa dicotómica (trabajo) y una variable cuantitativa (peso) utilizando R. Primero se cargan los datos y se seleccionan las variables. Luego, se estudia la normalidad y homocedasticidad de la variable cuantitativa a través de gráficos y pruebas estadísticas. Finalmente, al no cumplirse los supuestos, se aplica la prueba no paramétrica de Wilcoxon y se concluye que no
Seminario 8
Este documento describe los pasos para analizar la relación entre dos variables cuantitativas, altura y peso, en un conjunto de datos. Primero, se determina si las variables siguen una distribución normal a través de gráficos y pruebas estadísticas. Luego, se elige la prueba de correlación apropiada (Spearman por no ser normales) y se calculan los coeficientes para medir la fuerza y tipo de relación entre las variables. Los resultados muestran una correlación positiva y buena entre altura y peso.
Seminario 8 blog
Este documento describe los pasos para determinar si existe una relación entre las variables "altura" y "peso" y cuán fuerte es dicha relación. Se concluye que ambas variables no siguen una distribución normal y que existe una relación positiva entre ellas, es decir, a mayor altura mayor peso. El coeficiente de correlación de Spearman entre las variables es de 0.6224, lo que confirma una buena relación positiva entre la altura y el peso.
7 actividad seminario tic
En este seminario hemos aprendido a usar la T-Student gracias al programa SPSS, el cual también usamos en anteriores seminarios.
Presentación sin título (2)
Este documento describe cómo analizar la correlación entre dos variables cuantitativas utilizando pruebas estadísticas. Explica que primero se debe determinar si las variables siguen una distribución normal y si existe una asociación lineal entre ellas. Luego, presenta un ejemplo analizando la correlación entre el peso y las horas de práctica deportiva de individuos, encontrando una correlación positiva débil que no supera el 30% según el test de correlación de Spearman.
SEMINARIO VIII
Este documento describe cómo analizar la relación entre dos variables cuantitativas utilizando el programa R. Se examina la relación entre la altura y el peso de los individuos en un conjunto de datos. El análisis muestra que ninguna de las variables sigue una distribución normal y que existe una relación lineal positiva relativamente fuerte entre ellas, con un coeficiente de correlación de Pearson de 0,63.
Semi8
Este documento resume los pasos para analizar la relación entre las variables altura y peso utilizando datos reales. Muestra gráficas que indican que la altura y el peso no siguen una distribución normal, por lo que se usa la prueba no paramétrica de Spearman. La correlación de Spearman entre altura y peso es de 0.6224114, lo que sugiere una relación moderada entre las variables.
Seminario viii
Este documento describe cómo se analizó la correlación entre la altura y el peso de individuos utilizando el coeficiente de correlación de Spearman. Se determinó que la altura y el peso no siguen una distribución normal, por lo que se usó el test no paramétrico de Spearman. El coeficiente de Spearman calculado fue de 0.62, lo que indica una correlación positiva pero débil entre la altura y el peso.
Recomendados
Analisis bivariado
El documento describe los pasos para realizar un análisis bivariado entre una variable cualitativa dicotómica (trabajo) y una variable cuantitativa (peso) utilizando R. Primero se cargan los datos y se seleccionan las variables. Luego, se estudia la normalidad y homocedasticidad de la variable cuantitativa a través de gráficos y pruebas estadísticas. Finalmente, al no cumplirse los supuestos, se aplica la prueba no paramétrica de Wilcoxon y se concluye que no
Seminario 8
Este documento describe los pasos para analizar la relación entre dos variables cuantitativas, altura y peso, en un conjunto de datos. Primero, se determina si las variables siguen una distribución normal a través de gráficos y pruebas estadísticas. Luego, se elige la prueba de correlación apropiada (Spearman por no ser normales) y se calculan los coeficientes para medir la fuerza y tipo de relación entre las variables. Los resultados muestran una correlación positiva y buena entre altura y peso.
Seminario 8 blog
Este documento describe los pasos para determinar si existe una relación entre las variables "altura" y "peso" y cuán fuerte es dicha relación. Se concluye que ambas variables no siguen una distribución normal y que existe una relación positiva entre ellas, es decir, a mayor altura mayor peso. El coeficiente de correlación de Spearman entre las variables es de 0.6224, lo que confirma una buena relación positiva entre la altura y el peso.
7 actividad seminario tic
En este seminario hemos aprendido a usar la T-Student gracias al programa SPSS, el cual también usamos en anteriores seminarios.
Presentación sin título (2)
Este documento describe cómo analizar la correlación entre dos variables cuantitativas utilizando pruebas estadísticas. Explica que primero se debe determinar si las variables siguen una distribución normal y si existe una asociación lineal entre ellas. Luego, presenta un ejemplo analizando la correlación entre el peso y las horas de práctica deportiva de individuos, encontrando una correlación positiva débil que no supera el 30% según el test de correlación de Spearman.
SEMINARIO VIII
Este documento describe cómo analizar la relación entre dos variables cuantitativas utilizando el programa R. Se examina la relación entre la altura y el peso de los individuos en un conjunto de datos. El análisis muestra que ninguna de las variables sigue una distribución normal y que existe una relación lineal positiva relativamente fuerte entre ellas, con un coeficiente de correlación de Pearson de 0,63.
Semi8
Este documento resume los pasos para analizar la relación entre las variables altura y peso utilizando datos reales. Muestra gráficas que indican que la altura y el peso no siguen una distribución normal, por lo que se usa la prueba no paramétrica de Spearman. La correlación de Spearman entre altura y peso es de 0.6224114, lo que sugiere una relación moderada entre las variables.
Seminario viii
Este documento describe cómo se analizó la correlación entre la altura y el peso de individuos utilizando el coeficiente de correlación de Spearman. Se determinó que la altura y el peso no siguen una distribución normal, por lo que se usó el test no paramétrico de Spearman. El coeficiente de Spearman calculado fue de 0.62, lo que indica una correlación positiva pero débil entre la altura y el peso.
Tarea seminario 7
Este documento resume los pasos para realizar una prueba de normalidad y una prueba t-student en un conjunto de datos. Primero, se seleccionan dos variables - peso y práctica de deporte - y se realiza la prueba de Shapiro-Wilk para determinar si el peso sigue una distribución normal. Luego, se lleva a cabo la prueba t de Student independiente para determinar si existe una relación entre el peso y la práctica de deporte. Los resultados muestran que el peso tiene una distribución normal y que existe una relación significativa entre
Tarea seminario viii
Normalidad y linealidad. Diagrama de dispersión. Coeficientes de correlación de Pearson y Rho de Spearman
Seminario 8 estadistica
El documento resume un seminario sobre la relación entre el peso y la altura. Se comprueba que las variables de altura y peso no siguen una distribución normal, por lo que se usará el test de Spearman. El gráfico de dispersión muestra una relación positiva entre peso y altura. El coeficiente de Spearman entre ambas variables es de 0.62, indicando una buena correlación positiva.
Correlación
El documento describe los pasos para realizar una prueba de correlación entre las variables "Altura" y "Peso" de un conjunto de datos de salud. Se determinó que las variables no siguen una distribución normal y por lo tanto se utilizó la prueba de Spearman. Los resultados mostraron una correlación positiva significativa entre la altura y el peso.
Seminario 8 estadistica y tics
Este documento resume los pasos para determinar si existe una relación entre las variables de altura y peso en un conjunto de datos y cuán fuerte es esa relación. Primero se grafican las variables para evaluar la normalidad y luego se usa la prueba de Shapiro-Wilk, la cual indica que las variables no siguen una distribución normal. Por lo tanto, se usa la prueba no paramétrica de Rho de Spearman, la cual arroja un valor de correlación de 0.6224114, indicando una correlación positiva fuerte y significativa entre la altura y el peso.
Seminario ix.pptx estadistica
Este documento resume un seminario sobre análisis bivariado entre variables cualitativas y cuantitativas. Explica cómo importar los datos, determinar la relación entre variables a través de pruebas paramétricas y no paramétricas, y comprobar los criterios de normalidad y homocedasticidad. Aplica estos análisis a dos ejemplos, encontrando que la práctica de deporte no influye en los malestares y el trabajo no influye en el mantenimiento del hogar.
Seminario 9
Este documento describe los pasos para analizar la correlación entre el peso y la altura utilizando el Comandante R. Primero, se determina que las variables no siguen una distribución normal y que el análisis será bivariado. Luego, se utiliza la prueba de Spearman para medir la correlación debido a la falta de normalidad. Los resultados muestran una correlación positiva fuerte de 0,6224 entre el peso y la altura, lo que significa que una variable aumenta a medida que aumenta la otra.
Seminario VIII
Este documento describe los pasos para analizar la relación entre las variables de altura y peso utilizando datos reales. Primero, determina que las variables son cuantitativas. Luego, usa gráficas q-q para mostrar que las variables no siguen una distribución normal. Finalmente, decide usar el coeficiente de correlación de Spearman para determinar si existe una relación entre las variables, dado que no cumplen con la normalidad.
T de student
El documento describe los pasos realizados en R-Studio e R-Commander para analizar los datos de una variable antes y después de una intervención. Se calculó una nueva variable de diferencia, se comprobó la normalidad de los datos y se compararon las medianas de antes y después mediante diagramas de caja y un resumen numérico, mostrando que la intervención modificó la mediana.
Seminario 8
Este documento presenta un seminario sobre el análisis bivariado de variables cuantitativas utilizando R Commander. El seminario examina la relación entre las variables de peso y altura en un conjunto de datos, comprobando primero la normalidad de las variables y luego estudiando el tipo y fuerza de cualquier relación mediante gráficos de dispersión y coeficientes de correlación. Los resultados muestran que las variables de peso y altura no siguen una distribución normal y que no existe una relación fuerte entre ellas.
Tarea seminario 8 cecilia
PP explicando si existe correlación o no entre dos variables, y de qué tipo es, en el caso de que si exista.
Tarea seminario 8 Estadística y TICs
Este documento resume los pasos realizados en una tarea de estadística sobre la correlación entre la altura y el peso de individuos. Inicialmente, se realizan gráficas de cuartiles para determinar si los datos siguen una distribución normal (lo cual no parece ser el caso). Luego, se aplica la prueba de Kolmogorov para confirmar que los datos de altura y peso no son normales. Finalmente, se utiliza el coeficiente de Spearman para determinar la correlación positiva y fuerte entre las variables de altura y peso.
Concordancia y Correlación estadísticas
Power Point sobre qué tipo de test utilizar para hacer pruebas de concordancia y correlación según sigan las variables una distribución normal o no.
Seminario 8
Este documento analiza la relación entre las variables de altura y peso en un conjunto de datos de salud. No siguen una distribución normal, por lo que se usa el coeficiente de correlación de Spearman. Los resultados muestran una correlación positiva moderada entre altura y peso.
Seminario 8
Este documento describe un estudio que analiza la relación entre la altura y el peso de un grupo de sujetos. Se utilizan pruebas estadísticas en R para determinar si las variables siguen una distribución normal y qué tipo de correlación existe entre ellas. Los resultados muestran que la altura y el peso no siguen una distribución normal y que existe una correlación positiva entre ambas variables.
ANÁLISIS BIVARIADO DE DOS VARIABLES CUANTITATIVAS
Este documento describe los pasos para realizar un análisis bivariado de dos variables cuantitativas utilizando RCommander. Primero se cargan los datos y se seleccionan dos variables - peso y horas de práctica deportiva. Luego, se crea un diagrama de dispersión y gráficos para verificar la normalidad de las variables y determinar si se debe usar la correlación de Pearson o Spearman. Los resultados muestran que las variables no siguen una distribución normal, por lo que se utiliza la correlación de Spearman, la cual muestra una correlación débil y no
Trabajo seminario 8
Este documento analiza la relación entre la altura y el peso de individuos. Determina que ambas variables son cuantitativas pero no siguen una distribución normal, por lo que usa el test no paramétrico de Spearman. Los resultados muestran una correlación positiva buena entre altura y peso, indicando que a medida que aumenta la altura también lo hace el peso.
Seminario 8 estadistica
Este documento resume un seminario sobre la relación entre el peso y la altura de individuos. Se comprueba que las variables de altura y peso no siguen una distribución normal, por lo que se usa el test de Spearman en lugar de otros métodos paramétricos. El análisis muestra una correlación positiva pero débil entre el peso y la altura.
Seminario 8
Este documento describe los pasos para analizar la relación entre dos variables cuantitativas, altura y peso. Primero se cargan los datos en R y se determina la normalidad de las variables mediante gráficos qq, los cuales muestran que no siguen una distribución normal. Luego, debido a la no normalidad, se usa el coeficiente de correlación de Spearman para encontrar una correlación débil de 0,28 entre altura y peso.
Tema 14
El documento describe los pasos para realizar un test de correlación entre las variables de altura y peso en un conjunto de datos. Se realizó primero el Test de Shapiro-Wilk para determinar si las variables siguen una distribución normal (lo que no es el caso). Por lo tanto, se utilizó el Test de Spearman que arrojó un valor de correlación positiva de 0.6224 y un p-value menor a 0.05, indicando una correlación estadísticamente significativa entre altura y peso.
Cuantitativas
Este documento resume los pasos para analizar la relación entre dos variables cuantitativas utilizando el programa Rcommander. Primero, se seleccionan las variables medicalización y malestaresactivos de un conjunto de datos. Luego, se crea un diagrama de dispersión para estudiar la linealidad entre las variables, mostrando una pendiente positiva. Finalmente, se realiza una prueba de normalidad y una prueba no paramétrica de Spearman, encontrando una correlación débil entre las variables.
Tarea 8
Este documento describe un análisis bivariado realizado para determinar la relación entre las variables "altura" y "peso" en un conjunto de datos. Se comprueba que las variables no siguen una distribución normal a través de gráficos de cuartiles y pruebas de normalidad de Kolmogorov. Se calcula el coeficiente de correlación de Spearman, el cual indica una correlación positiva y fuerte entre las variables. Finalmente, una prueba de correlación rechaza la hipótesis nula de que no existe correlación entre las variables.
Más contenido relacionado
La actualidad más candente
Tarea seminario 7
Este documento resume los pasos para realizar una prueba de normalidad y una prueba t-student en un conjunto de datos. Primero, se seleccionan dos variables - peso y práctica de deporte - y se realiza la prueba de Shapiro-Wilk para determinar si el peso sigue una distribución normal. Luego, se lleva a cabo la prueba t de Student independiente para determinar si existe una relación entre el peso y la práctica de deporte. Los resultados muestran que el peso tiene una distribución normal y que existe una relación significativa entre
Tarea seminario viii
Normalidad y linealidad. Diagrama de dispersión. Coeficientes de correlación de Pearson y Rho de Spearman
Seminario 8 estadistica
El documento resume un seminario sobre la relación entre el peso y la altura. Se comprueba que las variables de altura y peso no siguen una distribución normal, por lo que se usará el test de Spearman. El gráfico de dispersión muestra una relación positiva entre peso y altura. El coeficiente de Spearman entre ambas variables es de 0.62, indicando una buena correlación positiva.
Correlación
El documento describe los pasos para realizar una prueba de correlación entre las variables "Altura" y "Peso" de un conjunto de datos de salud. Se determinó que las variables no siguen una distribución normal y por lo tanto se utilizó la prueba de Spearman. Los resultados mostraron una correlación positiva significativa entre la altura y el peso.
Seminario 8 estadistica y tics
Este documento resume los pasos para determinar si existe una relación entre las variables de altura y peso en un conjunto de datos y cuán fuerte es esa relación. Primero se grafican las variables para evaluar la normalidad y luego se usa la prueba de Shapiro-Wilk, la cual indica que las variables no siguen una distribución normal. Por lo tanto, se usa la prueba no paramétrica de Rho de Spearman, la cual arroja un valor de correlación de 0.6224114, indicando una correlación positiva fuerte y significativa entre la altura y el peso.
Seminario ix.pptx estadistica
Este documento resume un seminario sobre análisis bivariado entre variables cualitativas y cuantitativas. Explica cómo importar los datos, determinar la relación entre variables a través de pruebas paramétricas y no paramétricas, y comprobar los criterios de normalidad y homocedasticidad. Aplica estos análisis a dos ejemplos, encontrando que la práctica de deporte no influye en los malestares y el trabajo no influye en el mantenimiento del hogar.
Seminario 9
Este documento describe los pasos para analizar la correlación entre el peso y la altura utilizando el Comandante R. Primero, se determina que las variables no siguen una distribución normal y que el análisis será bivariado. Luego, se utiliza la prueba de Spearman para medir la correlación debido a la falta de normalidad. Los resultados muestran una correlación positiva fuerte de 0,6224 entre el peso y la altura, lo que significa que una variable aumenta a medida que aumenta la otra.
Seminario VIII
Este documento describe los pasos para analizar la relación entre las variables de altura y peso utilizando datos reales. Primero, determina que las variables son cuantitativas. Luego, usa gráficas q-q para mostrar que las variables no siguen una distribución normal. Finalmente, decide usar el coeficiente de correlación de Spearman para determinar si existe una relación entre las variables, dado que no cumplen con la normalidad.
T de student
El documento describe los pasos realizados en R-Studio e R-Commander para analizar los datos de una variable antes y después de una intervención. Se calculó una nueva variable de diferencia, se comprobó la normalidad de los datos y se compararon las medianas de antes y después mediante diagramas de caja y un resumen numérico, mostrando que la intervención modificó la mediana.
Seminario 8
Este documento presenta un seminario sobre el análisis bivariado de variables cuantitativas utilizando R Commander. El seminario examina la relación entre las variables de peso y altura en un conjunto de datos, comprobando primero la normalidad de las variables y luego estudiando el tipo y fuerza de cualquier relación mediante gráficos de dispersión y coeficientes de correlación. Los resultados muestran que las variables de peso y altura no siguen una distribución normal y que no existe una relación fuerte entre ellas.
Tarea seminario 8 cecilia
PP explicando si existe correlación o no entre dos variables, y de qué tipo es, en el caso de que si exista.
Tarea seminario 8 Estadística y TICs
Este documento resume los pasos realizados en una tarea de estadística sobre la correlación entre la altura y el peso de individuos. Inicialmente, se realizan gráficas de cuartiles para determinar si los datos siguen una distribución normal (lo cual no parece ser el caso). Luego, se aplica la prueba de Kolmogorov para confirmar que los datos de altura y peso no son normales. Finalmente, se utiliza el coeficiente de Spearman para determinar la correlación positiva y fuerte entre las variables de altura y peso.
Concordancia y Correlación estadísticas
Power Point sobre qué tipo de test utilizar para hacer pruebas de concordancia y correlación según sigan las variables una distribución normal o no.
Seminario 8
Este documento analiza la relación entre las variables de altura y peso en un conjunto de datos de salud. No siguen una distribución normal, por lo que se usa el coeficiente de correlación de Spearman. Los resultados muestran una correlación positiva moderada entre altura y peso.
Seminario 8
Este documento describe un estudio que analiza la relación entre la altura y el peso de un grupo de sujetos. Se utilizan pruebas estadísticas en R para determinar si las variables siguen una distribución normal y qué tipo de correlación existe entre ellas. Los resultados muestran que la altura y el peso no siguen una distribución normal y que existe una correlación positiva entre ambas variables.
ANÁLISIS BIVARIADO DE DOS VARIABLES CUANTITATIVAS
Este documento describe los pasos para realizar un análisis bivariado de dos variables cuantitativas utilizando RCommander. Primero se cargan los datos y se seleccionan dos variables - peso y horas de práctica deportiva. Luego, se crea un diagrama de dispersión y gráficos para verificar la normalidad de las variables y determinar si se debe usar la correlación de Pearson o Spearman. Los resultados muestran que las variables no siguen una distribución normal, por lo que se utiliza la correlación de Spearman, la cual muestra una correlación débil y no
Trabajo seminario 8
Este documento analiza la relación entre la altura y el peso de individuos. Determina que ambas variables son cuantitativas pero no siguen una distribución normal, por lo que usa el test no paramétrico de Spearman. Los resultados muestran una correlación positiva buena entre altura y peso, indicando que a medida que aumenta la altura también lo hace el peso.
Seminario 8 estadistica
Este documento resume un seminario sobre la relación entre el peso y la altura de individuos. Se comprueba que las variables de altura y peso no siguen una distribución normal, por lo que se usa el test de Spearman en lugar de otros métodos paramétricos. El análisis muestra una correlación positiva pero débil entre el peso y la altura.
Seminario 8
Este documento describe los pasos para analizar la relación entre dos variables cuantitativas, altura y peso. Primero se cargan los datos en R y se determina la normalidad de las variables mediante gráficos qq, los cuales muestran que no siguen una distribución normal. Luego, debido a la no normalidad, se usa el coeficiente de correlación de Spearman para encontrar una correlación débil de 0,28 entre altura y peso.
Tema 14
El documento describe los pasos para realizar un test de correlación entre las variables de altura y peso en un conjunto de datos. Se realizó primero el Test de Shapiro-Wilk para determinar si las variables siguen una distribución normal (lo que no es el caso). Por lo tanto, se utilizó el Test de Spearman que arrojó un valor de correlación positiva de 0.6224 y un p-value menor a 0.05, indicando una correlación estadísticamente significativa entre altura y peso.
La actualidad más candente (20)
Similar a Analisis variables cuantitativas
Cuantitativas
Este documento resume los pasos para analizar la relación entre dos variables cuantitativas utilizando el programa Rcommander. Primero, se seleccionan las variables medicalización y malestaresactivos de un conjunto de datos. Luego, se crea un diagrama de dispersión para estudiar la linealidad entre las variables, mostrando una pendiente positiva. Finalmente, se realiza una prueba de normalidad y una prueba no paramétrica de Spearman, encontrando una correlación débil entre las variables.
Tarea 8
Este documento describe un análisis bivariado realizado para determinar la relación entre las variables "altura" y "peso" en un conjunto de datos. Se comprueba que las variables no siguen una distribución normal a través de gráficos de cuartiles y pruebas de normalidad de Kolmogorov. Se calcula el coeficiente de correlación de Spearman, el cual indica una correlación positiva y fuerte entre las variables. Finalmente, una prueba de correlación rechaza la hipótesis nula de que no existe correlación entre las variables.
Tarea 8
Este documento resume los pasos para analizar la relación entre las variables altura y peso. No siguen una distribución normal. El diagrama de dispersión muestra una relación positiva pero no lineal. El coeficiente de Spearman es 0.622, indicando una correlación positiva y fuerte. El test de correlación rechaza la hipótesis nula, por lo que la altura influye en el peso.
Tarea 8
Este documento resume los pasos para analizar la relación entre las variables altura y peso utilizando datos reales. No siguen una distribución normal. El diagrama de dispersión muestra una relación positiva no lineal. El coeficiente de Spearman es 0,622, indicando una correlación positiva fuerte. El test de correlación rechaza la hipótesis nula, confirmando que la altura influye en el peso.
Tarea 9
Este documento analiza la relación entre el peso y la altura mediante gráficos y pruebas estadísticas. Muestra que existe una asociación lineal positiva entre las variables, pero que ninguna sigue una distribución normal. Por lo tanto, utiliza la prueba no paramétrica de Spearman y encuentra una correlación significativa de 0,6224, indicando una buena fuerza de asociación entre el peso y la altura.
Estadística bivariada ejercicio 4
Este documento presenta un análisis estadístico bivariado de las variables "altura" y "peso" en una muestra de 290 estudiantes. Se representan los datos gráficamente y se realizan pruebas de normalidad y correlación. Los resultados muestran que no hay normalidad en las variables y existe una fuerte asociación positiva entre la altura y el peso de los estudiantes.
Analisis variables cuantitativas
Este documento describe los pasos para realizar un análisis bivariado de dos variables cuantitativas utilizando el conjunto de datos "activossalud". Primero, selecciona las variables "Medicalización" y "horapracticadeportiva" y estudia su linealidad mediante un diagrama de dispersión. Luego, evalúa la normalidad de ambas variables con una prueba de normalidad y encuentra que no siguen una distribución normal. Por lo tanto, usa la prueba de Spearman para estudiar la correlación entre las variables, la cual resulta débil
Trabajo tic seminario 7
Este documento describe el proceso de comprobar si las variables de altura y peso están correlacionadas en un conjunto de datos filtrado por sexo. Se filtran los datos para analizar solo los varones y las mujeres por separado. Para los varones, se encuentra una correlación moderada entre altura y peso. Para las mujeres, también hay una correlación moderada entre estas variables.
Tarea 8
Este documento describe un análisis de correlación entre el peso y la altura de hombres y mujeres utilizando datos de salud. Se filtran los datos por sexo y se realizan pruebas de normalidad, diagramas de dispersión, matrices de correlación y pruebas de correlación de Spearman. Los resultados muestran una correlación positiva débil entre el peso y la altura tanto en mujeres como en hombres.
Seminario 8
El documento resume los pasos para determinar la relación entre la altura y el peso de individuos usando datos de una base de datos. Muestra que la altura y el peso no siguen una distribución normal y por lo tanto usa el test de Spearman. Este test muestra una correlación moderada de 0.62 entre la altura y el peso, indicando que a mayor altura mayor peso.
Seminario 8:Análisis bivariado con variables cuantitativas. Normalidad y line...
Este documento resume los pasos para analizar la relación entre dos variables cuantitativas, altura y peso, a partir de un conjunto de datos. Inicialmente se observa gráficamente la posible relación entre las variables. Luego, se comprueba si siguen una distribución normal mediante pruebas estadísticas y gráficas, determinando que no la siguen. Por lo tanto, se utiliza el coeficiente de correlación de Spearman, el cual indica una correlación positiva moderada entre altura y peso.
Correlación
El documento describe los pasos realizados para explorar las correlaciones entre diferentes variables usando la base de datos obesidad.sav en SPSS. En el primer ejercicio, se analiza la correlación entre peso y glucemia encontrando una correlación moderada positiva. En el segundo ejercicio, se explora la correlación entre tensión arterial y colesterol, encontrando una correlación baja positiva. Ambos análisis involucraron gráficos de dispersión, pruebas de normalidad y pruebas de correlación de Spearman o Pearson según corresponda.
Tarea seminario VIII
Análisis bivariante de variables cuantitativas y, estudio de normalidad de dichas variables para aplicar una prueba paramétrica o no paramétrica.
Tarea 8 zbd
El documento determina la relación entre la altura y el peso de una muestra. Se encuentra que las variables de altura y peso no siguen una distribución normal, por lo que se utiliza el coeficiente de Spearman para medir la correlación. El coeficiente de Spearman muestra una correlación positiva y fuerte entre la altura y el peso, y el test de correlación rechaza la hipótesis nula de que no hay relación entre las variables.
R Commander: relación entre las variables
Este documento describe los pasos para analizar la relación entre las variables "Peso" y "Altura" en un conjunto de datos. Primero, se comprueba la normalidad de ambas variables utilizando gráficas de cuartiles, lo que muestra que ninguna sigue una distribución normal. Luego, se grafican los datos para ver la relación, mostrando poca correlación. Finalmente, se calcula el coeficiente de Spearman, dando como resultado 0.6224, indicando una correlación débil entre las variables.
Seminario 8
Este documento resume los pasos realizados para determinar si existe una relación entre las variables altura y peso y cuán fuerte es dicha relación. Se comprobó primero la normalidad de las variables mediante gráficos de cuartiles, encontrando que no siguen una distribución normal. Luego, un diagrama de dispersión mostró una linealidad positiva entre las variables. Finalmente, el coeficiente de correlación de Spearman fue de 0.622, indicando una buena relación positiva entre altura y peso.
Tarea seminario 7
El documento describe los 10 pasos para realizar una prueba de normalidad en dos variables (peso y práctica de deporte) y una prueba paramétrica T de Student para verificar la relación entre ellas. La prueba de normalidad muestra que el valor p es mayor que 0.05, por lo que se acepta la hipótesis nula de normalidad. La prueba T de Student muestra que el valor bilateral es menor a 0.05, por lo que se acepta la hipótesis alternativa de que el peso está relacionado con la práctica de deporte.
Seminario 9
Este documento describe los pasos realizados en R para analizar la asociación entre el peso y las horas de práctica deportiva de una muestra. Se cargaron los datos en R y se creó un diagrama de dispersión para visualizar la linealidad entre las variables. Luego, se usaron histogramas, diagramas de caja y gráficas de cuantiles para evaluar la normalidad de las variables, y también se realizó la prueba de Shapiro-Wilk. Dado que el peso no siguió una distribución normal, se usó la prueba de correlación de
Tarea 9
Este documento resume los pasos realizados en R para analizar la relación entre las variables "medicalización" y "malesares activos". Inicialmente, se realizó un diagrama de dispersión que mostró una asociación lineal positiva entre las variables. Luego, se crearon histogramas, diagramas de cajas y gráficas de cuartiles para cada variable, lo que indicó cierta simetría. Finalmente, los test de normalidad mostraron que las variables no son normales, por lo que se utilizó el coeficiente de correlación de Spearman, el cual fue signific
Presentación seminario 8
Este documento describe los pasos para analizar la relación entre las variables altura y peso. Inicialmente, se comprueba la normalidad de ambas variables a través de gráficos QQ, histogramas y diagrama de cajas, así como la prueba de Shapiro-Wilk, determinando que no siguen una distribución normal. Luego, el gráfico de dispersión muestra una relación positiva entre las variables. Finalmente, el coeficiente de correlación de Spearman de 0.6224 indica una relación fuerte entre la altura y el peso.
Similar a Analisis variables cuantitativas (20)
Seminario 8:Análisis bivariado con variables cuantitativas. Normalidad y line...
Seminario 8:Análisis bivariado con variables cuantitativas. Normalidad y line...
Más de Ana Murga
ESTADÍSTICA DESCRIPTIVA
El documento describe un análisis estadístico descriptivo de cuatro variables, dos cualitativas y dos cuantitativas, de un conjunto de datos de salud. Se realiza un análisis numérico y gráfico de cada variable para observar su distribución y características de la muestra. Los resultados muestran que la mayoría de las personas tienen un peso entre 50-60 kg y consumen cerveza o tabaco ocasionalmente.
ANÁLISIS BIVARIADO
Este documento describe los pasos realizados para analizar si existe una asociación entre tener trabajo y la existencia de malestares activos utilizando el conjunto de datos "activossalud" en R-commander. Se seleccionaron las variables cualitativas "trabajo" y cuantitativa "malestaresactivos", y se realizaron pruebas de normalidad, homocedasticidad y la prueba no paramétrica de Wilcoxon, cuyo resultado no mostró una relación significativa entre las variables.
Ejercicio rcomander
Este documento describe los pasos para analizar las relaciones entre variables en un conjunto de datos de salud utilizando R-comander. Primero, se carga el conjunto de datos y se obtienen resúmenes estadísticos de sus 38 variables. Luego, se realizan tablas de contingencia entre sexo y deporte, y entre sexo y fruta, encontrando que solo sexo y deporte están asociados dado el valor significativo de p < 0.05.
Referencias bibliograficas apa y vancouver
En esta presentación se explica paso a paso como añadir a tu word las bibliografias en formato APA y Vancouver
Tarea 3: Búsqueda en Cinahl y Scopus
En esta presentación veremos como realizar paso a paso la búsqueda en Cinahl y Scopus sobre: “El rol de la enfermera/o en la depresión durante el embarazo y el puerperio” en los últimos 5 años
Más de Ana Murga (6)
Último
ESPECIALIDADES, Introducción breve a las especialidades en Medicina.pptx
Medicina Humana. ¿Qué son las especialidades en Medicina Humana? ¿Cuántas son?
Estas respuestas serán respondidas de manera breve y concisa.
Rodríguez, C. - La batalla campal en la Edad Media [2018].pdf
historia medieval. Las batallas campales.
Carlos J. Rodríguez Casillas
Los objetos de aprendizaje enfocados en las caracteristicas primcipales
Las caracteristicas principales son, actividades, metadatos, evaluaciones, contenido
LAS HERIDAS - PPT PROCEDIMIENTOS BASICOS
Las heridas son lesiones en el cuerpo que dañan la piel, tejidos u órganos. Pueden ser causadas por cortes, rasguños, punciones, laceraciones, contusiones y quemaduras. Se clasifican en:
Heridas abiertas: la piel se rompe y los tejidos quedan expuestos (ej. cortes, laceraciones).
Heridas cerradas: la piel no se rompe, pero hay daño en los tejidos subyacentes (ej. contusiones).
El tratamiento incluye limpieza, aplicación de antisépticos y vendajes, y en algunos casos, suturas. Es crucial vigilar las heridas para prevenir infecciones y asegurar una curación adecuada.
7mo básico Magnitudes y unidades de medida 2024.pptx
Una unidad de medida es una cantidad de una determinada magnitud física, definida y adoptada por convención o por ley. Cualquier valor de una cantidad física puede expresarse como un múltiplo de la unidad de medida. Para entender mejor las mismas, hay que saber como se pueden convertir en otras unidades de medida.
Priones, definiciones y la enfermedad de las vacas locas
Durante este trabajo de la doctora Mar junto con la coordinadora Hidalgo, se presenta un didáctico documento en donde repasaremos la definición de este misterio de la biología y medicina. Proteinas que al tener una estructura incorrecta, pueden esparcir esta estructura no adecuada, generando huecos en el cerebro, de esta manera creando el tejido espongiforme.
Virus de la Inmunodeficiencia humana (VIH).pdf
¿Qué es?
El VIH es un virus que ataca el sistema inmunitario del cuerpo humano, debilitándolo y dejándolo vulnerable a otras infecciones y enfermedades.
Se transmite a través de fluidos corporales como sangre, semen, secreciones vaginales y leche materna.
A medida que avanza, el VIH puede desarrollarse en SIDA, una etapa avanzada de la infección donde el sistema inmunitario está severamente comprometido.
Estadísticas
Más de 38 millones de personas viven con VIH en todo el mundo, según datos de la ONU.
Las tasas de infección varían según la región y el grupo demográfico, con una prevalencia más alta en África subsahariana.
Modos de Transmisión
El VIH se transmite principalmente a través de relaciones sexuales sin protección, compartir agujas contaminadas y de madre a hijo durante el parto o la lactancia.
No se transmite por contacto casual como estrechar la mano o compartir utensilios.
Prevención y Tratamiento
La prevención incluye el uso de preservativos durante las relaciones sexuales, evitar compartir agujas y acceder a la profilaxis preexposición (PrEP) para aquellos con mayor riesgo.
El tratamiento del VIH implica el uso de terapia antirretroviral (TAR), que ayuda a controlar la replicación viral y permite que las personas con VIH vivan vidas más largas y saludables
Los enigmáticos priones en la naturales, características y ejemplos
Durante este trabajo de la doctora Mar junto con la coordinadora Hidalgo, se presenta un didáctico documento en donde repasaremos la definición de este misterio de la biología y medicina. Proteinas que al tener una estructura incorrecta, pueden esparcir esta estructura no adecuada, generando huecos en el cerebro, de esta manera creando el tejido espongiforme.
Bianchi-2005-Historia-social-del-mundo-occidental.pdf
Bianchi-2005-Historia-social-del-mundo-occidental
CAPITULO 3: la época de las revoluciones burguesas
Clase de Teoria - N° 4. Oxígeno. Dr. Andonaire
Esta exposición tiene como objetivo educar y concienciar al público sobre la dualidad del oxígeno en la biología humana. A través de una mezcla de ciencia, historia y tecnología, se busca inspirar a los visitantes a apreciar la complejidad del oxígeno y a adoptar estilos de vida que promuevan un equilibrio saludable entre sus beneficios y sus potenciales riesgos.
¡Únete a nosotros para descubrir cómo el oxígeno puede ser tanto un salvador como un destructor, y qué podemos hacer para maximizar sus beneficios y minimizar sus daños!
Reacciones Químicas en el cuerpo humano.pptx
Este documento analiza las diversas reacciones químicas que ocurren dentro del cuerpo humano, las cuales son esenciales para mantener la vida y la salud.
Último (20)
ESPECIALIDADES, Introducción breve a las especialidades en Medicina.pptx
ESPECIALIDADES, Introducción breve a las especialidades en Medicina.pptx
Rodríguez, C. - La batalla campal en la Edad Media [2018].pdf
Rodríguez, C. - La batalla campal en la Edad Media [2018].pdf
Los objetos de aprendizaje enfocados en las caracteristicas primcipales
Los objetos de aprendizaje enfocados en las caracteristicas primcipales
CLASE FRUTOS clase frutos clase frutos ABRIL 2021.pptx
CLASE FRUTOS clase frutos clase frutos ABRIL 2021.pptx
imagen de la planta para colorear primer año basico
imagen de la planta para colorear primer año basico
7mo básico Magnitudes y unidades de medida 2024.pptx
7mo básico Magnitudes y unidades de medida 2024.pptx
Priones, definiciones y la enfermedad de las vacas locas
Priones, definiciones y la enfermedad de las vacas locas
Los enigmáticos priones en la naturales, características y ejemplos
Los enigmáticos priones en la naturales, características y ejemplos
Bianchi-2005-Historia-social-del-mundo-occidental.pdf
Bianchi-2005-Historia-social-del-mundo-occidental.pdf
MAPA CONCEPTUAL DE OTITIS MEDIA AGUDA Y CRONICA.pdf
MAPA CONCEPTUAL DE OTITIS MEDIA AGUDA Y CRONICA.pdf
Analisis variables cuantitativas
- 1. ANA MURGA GALLARDO. 1º ENFERMERÍA. GRUPO 4 (SUBGRUPO 18)
- 2. PASO 1 • En primer lugar, una vez cargado nuestro conjunto de datos “activossalud” tal y como hemos hecho en el resto de actividades, seleccionamos dos variables cuantitativas. • Para ello, veremos las distintas posibilidades mediante resúmenes del conjunto de datos activos. • Seleccionamos las variables altura y peso, de las que analizaremos su relación.
- 3. PASO 2 • Procederemos a realizar un estudio de la linealidad de nuestras variables mediante métodos gráficos. • Nos dirigimos a gráficos y seleccionamos diagrama de dispersión • Observamos que no sigue ninguna pendiente y que por tanto no hay linealidad.
- 4. PASO 3 • Continuaremos con el estudio de la normalidad. • Para ello, utilizaremos el test de normalidad de R-commander (aunque también podríamos hacerlo por métodos gráficos). • Estudiamos la normalidad de ambas variables. • En ambos casos vemos que lo valores de p son menores de 0.05, por lo que ninguna de las dos variables tienen una distribución normal.
- 5. PASO 4 • Continuamos con el estudio de la correlación. Como nuestras variables no presentan normalidad, tendremos que utilizar un test no paramétrico para este estudio, en este caso lo haremos mediante el test no paramétrico de Spearman. • Observamos que Rho es 0,622, por lo que existe una correlación casi muy fuerte.