Este documento describe el estudio de la asociación entre una variable cualitativa (hora de recogida) y una variable cuantitativa (comunicación con pares) en un archivo de datos. Los resultados muestran que la variable cuantitativa no sigue una distribución normal y que existe homocedasticidad. El test de Kruskal-Wallis encuentra que no hay evidencia de asociación entre las variables.

1. EJERCICIO CON

2. ENUNCIADO
Si bien en el anterior seminario trabajamos la asociación
entre dos variables cualitativas ahora estudiaremos la
asociación de una variable cualitativa y una cuantitativa.
Establece y describe si existe asociación entre
las variables del archivo “activossalud.Rdata” :

Variable cualitativa: horaderecogida

Variable cuantitativa: comunicacionpares

3. ESTUDIO
A continuación procederemos al estudio de las
variables.
En primer lugar encontramos que nuestra variable
cualitativa cuenta con cinco categorías (>2). Luego
pasamos a analizar nuestra variable cuantitativa, para lo
cual tendremos que fijarnos en la normalidad y la
homocedasticidad.
Todo ello nos indicará qué test debemos emplear para
constatar si existe o no asociación entre ambas variables.

4. ESTUDIO NORMALIDAD
En estudio de la normalidad de una varibale
cuantitativa se hace por :

Métodos gráficos: histograma, box-plot y gráfico QQ

Test de normalidad:

H0: A=B, existe normalidad. Es aceptada cuando p
>0.05

H1: A ≠ B, no existe normalidad. Es aceptada cuando
p ≤0.05 y rechazamos H0.

5. ESTUDIO NORMALIDAD
En primer lugar abrimos
Rcommander y
cargamos nuestra base
de datos. Después,
vamos al apartado
donde se encuentran
las gráficas y buscamos
el histograma, el box-
plot y el diagrama QQ
Sun la primera gran
subdivisión (gráficas
para variables
cuantitativas).

6. ESTUDIO NORMALIDAD: HISTOGRAMA
Constatamos como
la curva se encuentra
desplazada a la
izquierda (asimetría).
comunicacionpares
frequency
4 6 8 10
020406080

7. ESTUDIO NORMALIDAD: BOX-PLOT
En este gráfico tampoco
apreciamos simetría porque
si bien los dos rectángulos
parecen iguales, el bigote
superior es mucho mayor
que el inferior. Además,
encontramos muchos
valores sueltos por encima
del primero, lo que acentúa
aún más la diferencia.
46810
comunicacionpares
97
103

8. ESTUDIO NORMALIDAD: GRÁFICO QQ
Claramente no indica
normalidad puesto que
no sigue la línea de
normalidad (marcada
en azul). Además
también constatamos
vlaores externos.
-3 -2 -1 0 1 2 3
46810
norm quantiles
comunicacionpares
103
97

9. ESTUDIO NORMALIDAD: TEST DE
NORMALIDAD
Premisas:

H0: A=B, existe normalidad.
Es aceptada cuando p
>0.05

H1: A ≠ B, no existe
normalidad. Es aceptada
cuando p ≤0.05 y
rechazamos H0.

10. ESTUDIO NORMALIDAD: TEST DE
NORMALIDAD

11. ESTUDIO NORMALIDAD: TEST DE
NORMALIDAD
Como 81.909* e-10 << 0.05, p-value alcanza significación
estadística y rechazamos la hipótesis nula (H0) por lo que
aceptamos la alernativa:
H1: NO hay normalidad

12. ESTUDIO HOMOCEDASTICIDAD
Estudiamos la homocedasticidad mediante el Test de Levene:
H0: A=B, existe homocedastcidad. Es aceptada cuando p
>0.05
H1: A ≠ B, no existe homocedasticidad. Es aceptada cuando p
≤0.05 y rechazamos H0.

13. ESTUDIO HOMOCEDASTICIDAD
Como 0.1456> 0.05, p-value no adquiere un valor
estadísticamente significativo y aceptamos la hipótesis nula.
H0: SÍ hay homocedasticidad

14. TEST DE KRUSKAL-WALLIS
Aunque hayamos demostrado
la exitencia de
homocedasticidad en
nuestra variable cuantitativa
no existe normalidad, por lo
que optamos por desarrollar
un test no paramétrico.
Como nuestra variable
cualitativa es de más de 2
categorías nos decantamos
por el Test de Kruskal-Wallis

15. TEST DE KRUSKAL-WALLIS
Como 0.6933 > 0.05, p-value no es un valor estadísticamente
significativo y aceptamos nuestra hipótesis nula.
H0: NO hay asociación entre nuestras variables, entre la hora
de recogida y la comunicación con los pares.

16. ODDS RATIO