2. 1.INTRODUCCIÓN.
Explicar qué es la estadística bivariada y para qué
sirve.
La estadística descriptiva bivariada aborda el
estudio de los sucesos en los que intervienen dos
variables simultáneamente. Cuando queremos
describir conjuntamente dos variables estadísticas,
el primer paso será (al igual que en el caso de la
estadística univariada), representar los datos en
una tabla de frecuencias.
3. 2. OBJETIVOS.
En este informe vamos a abordar dos
objetivos:
General: Utilizar la estadística
bivariada para establecer la
asociación entre dos variables de
nuestro fichero de datos, dando
respuesta a hipótesis de investigación
específicas.
Específicos : los cuales analizaremos
e interpretaremos a continuación
4. 2.1 ¿ASOCIACIÓN ENTRE LAS VARIABLES
“ALTURA” Y “PESO”?
1. Describe y representa los datos gráficamente
Para representar las dos variables vamos a utilizar el
histograma, el diagrama de cajas y el Q-Q ya que estas
dos son dos variables cuantitativas.
Seleccionamo
s la pestaña
de gráficos y
seguidamente
la de
Histograma.
5. Seleccionamos la
variable peso.
Ya tenemos nuestro
histograma de la variable
peso. Los resultados son:
-La mayoría de las
personas pesan entre 40-
80 kilos.
-Hay muy poca gente que
pese menos de 40 kilos o
más de 90.
Podemos ver que
la gráfica es
asimétrica hacia
la derecha por lo
que no existe
normalidad.
6. Seleccionamos la pestaña de
diagrama de cajas,
seguidamente la variable
“peso” y ya tenemos nuestros
resultados, donde podemos
ver que no existe normalidad
ya que existen muchos
valores extremos.
7. Para realizar el
gráfico q-q,
seleccionamos la
pestaña de
gráficos
seguidamente de
la de gráficos de
comparación de
cuartíles
Y ya tenemos aquí
nuestro gráfico en el
que podemos ver
que existen muchos
valores los cuales se
alejan de la línea de
la normalidad.
8. A CONTINUACIÓN, HACEMOS LO MISMO PARA LA VARIABLE “ALTURA”.
Seleccionamos la
variable altura.
En el histograma la
variable altura tiene los
siguientes resultados:
-La mayoría de las
personas miden entre
1,6 y 1,8.
-Muy pocas personan
miden menos de 1,5 o
mas de 1,9.
Podemos observar
que la grafica
presenta cierta
asimetría hacia la
derecha, por lo tanto
no existe normalidad.
9. En el diagrama de
cajas y bigotes
podemos ver que
existen varios
valores extremos,
por lo que no hay
normalidad.
En el gráfico de q-
q podemos ver que
existen muchos
valores que se
encuentran
desplazados de la
línea de la
normalidad.
10. 2. Establece una hipótesis adecuada
para el estudio.
Hipótesis nula: no existe asociación entre la variable
peso y altura./ No hay diferencia entre el peso y la
altura, es decir si varía el peso no tiene porque variar
la altura. (P>0.05)
Hipótesis alternativa: existe asociación entre la variable
peso y altura./ Hay diferencias entre el peso y la
altura, es decir si varía el peso también varía la altura.
(P< o igual que 0.05)
11. 3. Utiliza la prueba más adecuada
para contrastar tu hipótesis
En este caso nos encontramos ante dos variables
cuantitativas por tanto podemos utilizar las pruebas R
de Pearson y Rho de Spearman.
Las asunciones son las siguientes:
- Que tienen que tener una correlación lineal.
- Deben tender hacia la normalidad. Para llevar a cabo
el análisis de la relación no lineal vamos a utilizar un
diagrama de dispersión y para comprobar si existe o
no normalidad vamos a utilizar shapiro-wilk
12. 4. Interpreta los resultados
Primeramente, vamos a utilizar un diagrama de
dispersión para comprobar la relación lineal.
Seleccionamos la pestaña de Gráficos y
seguidamente la pestaña de diagrama de
dispersión.
13. Seleccionam
os las dos
variables,
que en este
caso son
altura y
peso.
Y aquí tenemos
nuestra variable en un
grafico de dispersión
donde podemos ver
que existe mucha
dispersión de los datos
por lo que la
correlación no sería
lineal.
14. Seguidamente, vamos a realizar el test de Shapiro -
Wilk para comprobar la normalidad de nuestra
muestra.
Primeramente, seleccionamos la pestaña de resúmenes y
después seleccionamos la opción de test de normalidad.
15. El valor de la pvalue es
menor a 0,05 por lo que
rechazamos la hipótesis
nula, y aceptamos la
alternativa por lo tanto
decimos que no existe
normalidad, pero Shapiro
para muestras grandes falla
por lo que realizamos la
prueba estadística de rho
de Spearman.
Seleccionamos la variable de altura. Y
seguidamente obtenemos los
siguientes datos.
16. PARA LA REALIZAR LA PRUEBA ESTADÍSTICA DE RHO DE
SPEARMAN DEBEMOS DE SEGUIR LOS SIGUIENTES PASOS:
Primeramente
seleccionamos la pestaña
de estadísticos, después
pinchamos en resúmenes y
por último en matriz de
correlaciones.
Como hemos hecho en
todos los ejercicios
seleccionamos la
variable que nos interesa
investigar para nuestra
muestra, en este caso es
la variable altura.
17. Los resultados son los siguientes:
-El valor de la p<0,05 por lo que aceptaríamos la hipótesis alternativa,
lo que quiere decir que existe asociación entre ambas variables, y por
lo tanto nuestro test es significativo.
-El coeficiente de correlación es igual a 0,662 por lo que decimos que
tiene asociación y además de una manera muy fuerte.
18. 3. METODOLOGÍA.
3.1- Población de estudio. Muestra
La muestra serían a las personas que se le han
realizado la encuesta, en este caso 290
estudiantes de primero de enfermería de la
Universidad de Sevilla, centros propios y adscritos
para conocer sus estilos de vida y activos en salud.
19. 3.2- Variables a analizar:
- Variables incluidas en los análisis y de qué tipo
son.
o En este caso solo hemos analizado la asociación entre
dos variables, que son peso y altura. Estas dos
variables son cuantitativas porque se pueden medir
numéricamente.
- Cómo se han recogido los datos para cada variable
incluida en el análisis (para ello se puede usar el
documento en el que describe el fichero de datos
“activossalud.RData”/” estadistica_tics”).
o Peso: vector numérico, unidades kg
o Altura: vector numérico, unidades metros
20. 3.3 Análisis de datos:
o Software estadístico utilizado:
Para realizar el estudio de nuestra muestra hemos
utilizado el Software estadístico Rcommander, el
cual funciona a través de comandos.
o Análisis estadísticos que se van a realizar:
Para realizar el análisis hemos utilizado gráficos
como son el histograma, el diagrama de cajas y
bigotes y el q-q.
Y como pruebas estadísticas hemos utilizado R de
Pearson y Rho de Spearman ya que son dos
variables cuantitativas de razón.
21. 4. RESULTADOS.
Para mayor facilidad, los
resultados de cada objetivo
han sido respondidos en
cada diapositiva de la
correspondiente muestra.
22. 5. CONCLUSIONES.
Con respecto a los gráficos realizados podemos concluir que
no existe normalidad en las distintas variables.
Con respecto a la prueba de Shapiro-Wilk podemos
comprobar esa afirmación al observar que la p<0,05 y por lo
tanto nos quedaríamos con la hipótesis alternativa. Por lo que
vemos que no se cumple la 1º asunción del test estadístico de
R de Pearson.
Con respecto a la realización del gráfico de dispersión
podemos ver que hay mucha dispersión entre los datos y por
lo tanto afirmamos que no existe correlación lineal. 2º
asunción del test tampoco se cumple. Concluimos con que no
podemos utilizar R de Pearson por lo que utilizaremos Rho de
Spearman.
Con la prueba de Rho de Spearman podemos ver que existe
una asociación entre las dos variables al aceptar la hipótesis
alternativa y además de una manera muy fuerte porque el
coeficiente de correlación es mayor a 0,03
