Este documento describe cómo usar pruebas de normalidad en SPSS para determinar si los datos siguen una distribución normal. Explica que la normalidad de los datos es importante para la aplicación correcta de pruebas estadísticas. Detalla dos pruebas de normalidad en SPSS: histograma de frecuencias y prueba de Kolmogorov-Smirnov. Esta última prueba contrasta la hipótesis nula de que los datos siguen una distribución normal.
Este documento presenta información sobre la prueba de chi cuadrado de Pearson. Explica los requisitos para aplicar la prueba, cómo calcular los grados de libertad y realizar los cálculos. Luego, proporciona ejemplos numéricos de cómo aplicar la prueba a diferentes conjuntos de datos para determinar si hay una relación estadísticamente significativa entre variables cualitativas.
Este documento describe cómo realizar una prueba de Shapiro-Wilk para determinar si los datos de una muestra siguen una distribución normal. Explica los pasos para establecer las hipótesis, seleccionar la prueba estadística apropiada, especificar el nivel de significación, obtener el estadístico de prueba y tomar una decisión estadística sobre si rechazar o no la hipótesis nula de normalidad. Finalmente, aplica este procedimiento a un ejemplo de datos reales y concluye que la distribución de
Prueba de Hipótesis para una media y proporción-estadisticaYanina C.J
Este documento presenta los conceptos fundamentales de la prueba de hipótesis estadística, incluyendo: 1) la definición de hipótesis nula y alternativa, 2) los tipos de errores en una prueba de hipótesis, y 3) los pasos básicos para realizar una prueba de hipótesis, como plantear las hipótesis, seleccionar el nivel de significancia, calcular el estadístico de prueba, establecer la regla de decisión y tomar una decisión. El documento también explica cómo
Unidad 11 Prueba de normalidad. Comparación de medias t de Student con SPSSRicardo Ruiz de Adana
Este documento describe diferentes pruebas estadísticas para evaluar la normalidad de los datos y comparar medias, incluyendo la prueba de Kolmogorov-Smirnov, gráficos Q-Q, t de Student y U de Mann-Whitney. Presenta ejemplos del uso de t de Student para comparar las medias de dos grupos independientes y apareados, concluyendo si las diferencias encontradas pueden o no ser explicadas por el azar.
Este documento explica los conceptos de coeficiente de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas con distribución normal, mientras que el coeficiente de Spearman se usa para variables ordinales o sin distribución normal al calcular la correlación basada en rangos. Ambos coeficientes varían de -1 a 1, donde valores cercanos a cero indican poca correlación y valores cercanos a 1 o -1 indican alta correlación positiva o negativa.
Este documento describe las pruebas de normalidad de Shapiro-Wilk y Kolmogorov-Smirnov para determinar si un conjunto de datos se distribuye normalmente. La prueba de Shapiro-Wilk se recomienda para muestras pequeñas menores a 30, mientras que la prueba de Kolmogorov-Smirnov es mejor para muestras grandes mayores a 30. El documento también explica cómo interpretar los resultados estadísticos de estas pruebas en SPSS para concluir si los datos se aproximan o no a una distribución normal.
La prueba de Friedman es una prueba no paramétrica utilizada para probar si hay diferencias entre tres o más muestras relacionadas medidas en una escala ordinal. Se aplica cuando se tienen datos de grupos de sujetos evaluados en más de dos ocasiones o cuando se miden grupos de sujetos pareados en distintas condiciones. El documento explica las condiciones de uso y provee dos ejemplos de cómo aplicar la prueba de Friedman en SPSS.
Este documento describe cómo usar pruebas de normalidad en SPSS para determinar si los datos siguen una distribución normal. Explica que la normalidad de los datos es importante para la aplicación correcta de pruebas estadísticas. Detalla dos pruebas de normalidad en SPSS: histograma de frecuencias y prueba de Kolmogorov-Smirnov. Esta última prueba contrasta la hipótesis nula de que los datos siguen una distribución normal.
Este documento presenta información sobre la prueba de chi cuadrado de Pearson. Explica los requisitos para aplicar la prueba, cómo calcular los grados de libertad y realizar los cálculos. Luego, proporciona ejemplos numéricos de cómo aplicar la prueba a diferentes conjuntos de datos para determinar si hay una relación estadísticamente significativa entre variables cualitativas.
Este documento describe cómo realizar una prueba de Shapiro-Wilk para determinar si los datos de una muestra siguen una distribución normal. Explica los pasos para establecer las hipótesis, seleccionar la prueba estadística apropiada, especificar el nivel de significación, obtener el estadístico de prueba y tomar una decisión estadística sobre si rechazar o no la hipótesis nula de normalidad. Finalmente, aplica este procedimiento a un ejemplo de datos reales y concluye que la distribución de
Prueba de Hipótesis para una media y proporción-estadisticaYanina C.J
Este documento presenta los conceptos fundamentales de la prueba de hipótesis estadística, incluyendo: 1) la definición de hipótesis nula y alternativa, 2) los tipos de errores en una prueba de hipótesis, y 3) los pasos básicos para realizar una prueba de hipótesis, como plantear las hipótesis, seleccionar el nivel de significancia, calcular el estadístico de prueba, establecer la regla de decisión y tomar una decisión. El documento también explica cómo
Unidad 11 Prueba de normalidad. Comparación de medias t de Student con SPSSRicardo Ruiz de Adana
Este documento describe diferentes pruebas estadísticas para evaluar la normalidad de los datos y comparar medias, incluyendo la prueba de Kolmogorov-Smirnov, gráficos Q-Q, t de Student y U de Mann-Whitney. Presenta ejemplos del uso de t de Student para comparar las medias de dos grupos independientes y apareados, concluyendo si las diferencias encontradas pueden o no ser explicadas por el azar.
Este documento explica los conceptos de coeficiente de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas con distribución normal, mientras que el coeficiente de Spearman se usa para variables ordinales o sin distribución normal al calcular la correlación basada en rangos. Ambos coeficientes varían de -1 a 1, donde valores cercanos a cero indican poca correlación y valores cercanos a 1 o -1 indican alta correlación positiva o negativa.
Este documento describe las pruebas de normalidad de Shapiro-Wilk y Kolmogorov-Smirnov para determinar si un conjunto de datos se distribuye normalmente. La prueba de Shapiro-Wilk se recomienda para muestras pequeñas menores a 30, mientras que la prueba de Kolmogorov-Smirnov es mejor para muestras grandes mayores a 30. El documento también explica cómo interpretar los resultados estadísticos de estas pruebas en SPSS para concluir si los datos se aproximan o no a una distribución normal.
La prueba de Friedman es una prueba no paramétrica utilizada para probar si hay diferencias entre tres o más muestras relacionadas medidas en una escala ordinal. Se aplica cuando se tienen datos de grupos de sujetos evaluados en más de dos ocasiones o cuando se miden grupos de sujetos pareados en distintas condiciones. El documento explica las condiciones de uso y provee dos ejemplos de cómo aplicar la prueba de Friedman en SPSS.
Este documento explica los coeficientes de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas continuas, mientras que el coeficiente de Spearman mide la correlación entre dos variables cuando al menos una es ordinal. Ambos coeficientes varían de -1 a 1, donde valores cercanos a 1 o -1 indican una fuerte correlación positiva o negativa, respectivamente.
Como determinar el uso de los coeficientes de correlación de Pearson y de Sperman
ventajas y desventajas de cada uno de ellos.
Aplicar usos de enfoques Pearson y enfoque Sperman a problemas estadísticos.
Aquí se incluye una presentación de Power Point sobre cómo hacerle las pruebas de T de Student y de Normalidad a variables cualitativas independientes y cuantitativas dependientes, y cómo interpretar los resultados.
Coeficiente de corelacio de pearson y spearmanYendry Lopez
El documento explica el coeficiente de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas, variando de -1 a 1, donde 1 indica correlación positiva perfecta, -1 negativa perfecta y 0 ninguna correlación lineal. El coeficiente de Spearman se usa para variables ordinales y también varía de -1 a 1.
Este documento presenta una guía sobre la teoría de probabilidad y estadística. Introduce conceptos clave como sistemas determinísticos vs. probabilísticos, experimentos estadísticos, espacio muestral, eventos y variables aleatorias. Explica técnicas de conteo de puntos muestrales, cálculo de probabilidades, eventos independientes y teoremas como el de Bayes. Finalmente, provee ejemplos y ejercicios para aplicar estos conceptos.
Este documento presenta un estudio sobre la relación entre la educación ambiental y el comportamiento ambiental de los trabajadores de conservación vial en una carretera en Perú en 2018. Calcula el coeficiente de correlación de Spearman entre las dos variables y encuentra una correlación baja y nula que acepta la hipótesis nula de que no existe una relación directa entre la educación ambiental y el comportamiento ambiental de los trabajadores.
La prueba de Kolmogorov-Smirnov evalúa si una muestra proviene de una distribución específica evaluando la diferencia máxima entre la distribución acumulada de la muestra y la distribución teórica. El documento presenta un ejemplo de aplicar esta prueba para evaluar si los datos de niveles de glucosa en 36 hombres siguen una distribución normal. La diferencia máxima observada es menor que el valor crítico, por lo que se acepta la hipótesis nula de que los datos provienen de una distribución normal
El documento describe las etapas básicas de una prueba de hipótesis, incluyendo planear las hipótesis nula y alternativa, especificar el nivel de significancia, elegir la estadística de prueba, establecer valores críticos, determinar el valor real de la estadística de prueba, y tomar una decisión sobre si rechazar o no la hipótesis nula. También explica los pasos de una prueba de hipótesis y presenta fórmulas para determinar los valores estadísticos z y t
La correlación mide la relación entre dos variables. Se expresa numéricamente a través del coeficiente de correlación, el cual puede variar de -1 a 1. Un valor cercano a 1 indica una fuerte relación positiva o negativa, mientras que un valor cercano a 0 indica una débil o nula relación. El documento provee detalles sobre cómo calcular el coeficiente de correlación de Pearson para datos agrupados y no agrupados.
Este documento explica la distribución T de Student, que se utiliza para estimar la media de una población cuando el tamaño de la muestra es pequeño. Describe que la distribución T de Student tiene forma de campana, es simétrica alrededor de la media y tiene una varianza mayor que 1. También proporciona ejemplos de cómo usar tablas de distribución T de Student para encontrar valores críticos con diferentes grados de libertad y áreas bajo la curva.
Este documento presenta los conceptos básicos de las pruebas de hipótesis. Explica que una prueba de hipótesis involucra contrastar una hipótesis nula frente a una hipótesis alternativa utilizando datos de una muestra. Detalla los pasos para realizar una prueba de hipótesis, incluyendo establecer las hipótesis, seleccionar un estadístico de prueba, y tomar una decisión sobre rechazar o no la hipótesis nula. También define conceptos clave como los errores tipo I y
Este documento describe la prueba U de Mann-Whitney, una prueba no paramétrica para comparar dos muestras independientes cuando la variable dependiente es de nivel ordinal. Explica que la prueba compara los rangos (medias) de dos grupos para determinar si cualquier diferencia es estadísticamente significativa. Además, presenta un ejemplo de cómo aplicar la prueba U de Mann-Whitney usando SPSS para analizar si hay diferencias en el nivel de estrés reportado por enfermeras de terapia intensiva versus urgencias.
Este documento describe las correlaciones y cómo medirlas. Explica que la correlación mide la relación entre dos variables cuantitativas y puede ser positiva, negativa o nula. También describe los coeficientes de correlación de Pearson y Spearman, y cómo determinar cuál usar dependiendo de si las variables siguen una distribución normal o no. Además, explica cómo usar SPSS para calcular la correlación entre dos variables y analizar el grado de correlación.
Este documento trata sobre el cálculo del tamaño de la muestra en investigación estadística. Explica que el tamaño de la muestra depende del nivel de confianza, el porcentaje de error permitido y la variabilidad de la población. Incluye fórmulas para calcular el tamaño de la muestra cuando se conoce o no el tamaño total de la población, y destaca la importancia de considerar estos factores para que la muestra sea representativa.
El documento trata sobre la distribución hipergeométrica, una distribución de probabilidad discreta aplicable a muestreos aleatorios sin reemplazo de una población finita. Explica que la distribución considera una población dividida en dos grupos de "éxitos" y "fracasos", y presenta la fórmula para calcular la probabilidad hipergeométrica. También incluye un ejemplo numérico para ilustrar cómo aplicar la fórmula.
Este documento presenta dos ejercicios sobre el uso de la prueba de chi-cuadrado para evaluar la independencia entre variables categóricas. En el primer ejercicio, se analiza la asociación entre la práctica de deporte y la sensación de bienestar en una muestra de 100 sujetos. Los resultados indican que estas variables no son independientes con un nivel de significación de 0,01. En el segundo ejercicio, se estudia la relación entre el tiempo de residencia de inmigrantes y su percepción de integración en una muestra de 230 personas. Los datos
coeficientes de correlación de Pearson y de Spermanpolethvillalba
Este documento explica los coeficientes de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas, mientras que el coeficiente de Spearman es una medida de correlación menos sensible a valores extremos. El documento también proporciona instrucciones sobre cómo calcular y interpretar estos coeficientes de correlación.
Un intervalo de confianza es un rango de valores que se estima con una cierta probabilidad incluye un parámetro desconocido de la población, basado en los datos de una muestra. El nivel de confianza depende del tamaño del intervalo, siendo mayor para rangos más amplios. Los intervalos de confianza se usan comúnmente para verificar hipótesis sobre parámetros poblacionales como la media.
Este documento describe la relación lineal entre dos variables cuantitativas. Explica que una relación lineal puede ser positiva, lo que significa que las variables aumentan juntas, o negativa, lo que significa que una variable aumenta mientras la otra disminuye. También cubre cómo calcular el coeficiente de correlación para medir la fuerza de la relación y cómo obtener la ecuación de regresión lineal para predecir los valores de una variable en función de la otra.
Ejercicios de correlación lineal de Pearson con “IBM SPSS Statistics 20”Patricia
Este documento describe tres ejercicios para calcular el coeficiente de correlación de Pearson utilizando el programa SPSS. En cada ejercicio, se grafican las variables, se calcula el coeficiente de Pearson, y se realiza una prueba de hipótesis para determinar si existe una correlación significativa en la población.
Técnicas de Estadística Avanzada - Alexis Añez Alexis Añez
Este documento describe la distribución binomial, una distribución de probabilidad ampliamente utilizada para variables aleatorias discretas. Describe procesos con dos resultados posibles como éxito o fracaso. Explica las características, fórmulas y parámetros de la distribución binomial, y proporciona ejemplos de su uso para calcular probabilidades en situaciones de toma de decisiones administrativas.
Este documento describe cómo analizar la correlación entre variables cuantitativas mediante las pruebas de correlación de Pearson y Spearman. Se explora la relación entre el peso y la talla de una muestra, realizando pruebas para verificar si la relación es lineal y la distribución es normal, y luego se calcula el estadístico r de Pearson para medir la correlación. Los resultados muestran una alta correlación positiva entre el peso y la talla.
Este documento explica los coeficientes de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas continuas, mientras que el coeficiente de Spearman mide la correlación entre dos variables cuando al menos una es ordinal. Ambos coeficientes varían de -1 a 1, donde valores cercanos a 1 o -1 indican una fuerte correlación positiva o negativa, respectivamente.
Como determinar el uso de los coeficientes de correlación de Pearson y de Sperman
ventajas y desventajas de cada uno de ellos.
Aplicar usos de enfoques Pearson y enfoque Sperman a problemas estadísticos.
Aquí se incluye una presentación de Power Point sobre cómo hacerle las pruebas de T de Student y de Normalidad a variables cualitativas independientes y cuantitativas dependientes, y cómo interpretar los resultados.
Coeficiente de corelacio de pearson y spearmanYendry Lopez
El documento explica el coeficiente de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas, variando de -1 a 1, donde 1 indica correlación positiva perfecta, -1 negativa perfecta y 0 ninguna correlación lineal. El coeficiente de Spearman se usa para variables ordinales y también varía de -1 a 1.
Este documento presenta una guía sobre la teoría de probabilidad y estadística. Introduce conceptos clave como sistemas determinísticos vs. probabilísticos, experimentos estadísticos, espacio muestral, eventos y variables aleatorias. Explica técnicas de conteo de puntos muestrales, cálculo de probabilidades, eventos independientes y teoremas como el de Bayes. Finalmente, provee ejemplos y ejercicios para aplicar estos conceptos.
Este documento presenta un estudio sobre la relación entre la educación ambiental y el comportamiento ambiental de los trabajadores de conservación vial en una carretera en Perú en 2018. Calcula el coeficiente de correlación de Spearman entre las dos variables y encuentra una correlación baja y nula que acepta la hipótesis nula de que no existe una relación directa entre la educación ambiental y el comportamiento ambiental de los trabajadores.
La prueba de Kolmogorov-Smirnov evalúa si una muestra proviene de una distribución específica evaluando la diferencia máxima entre la distribución acumulada de la muestra y la distribución teórica. El documento presenta un ejemplo de aplicar esta prueba para evaluar si los datos de niveles de glucosa en 36 hombres siguen una distribución normal. La diferencia máxima observada es menor que el valor crítico, por lo que se acepta la hipótesis nula de que los datos provienen de una distribución normal
El documento describe las etapas básicas de una prueba de hipótesis, incluyendo planear las hipótesis nula y alternativa, especificar el nivel de significancia, elegir la estadística de prueba, establecer valores críticos, determinar el valor real de la estadística de prueba, y tomar una decisión sobre si rechazar o no la hipótesis nula. También explica los pasos de una prueba de hipótesis y presenta fórmulas para determinar los valores estadísticos z y t
La correlación mide la relación entre dos variables. Se expresa numéricamente a través del coeficiente de correlación, el cual puede variar de -1 a 1. Un valor cercano a 1 indica una fuerte relación positiva o negativa, mientras que un valor cercano a 0 indica una débil o nula relación. El documento provee detalles sobre cómo calcular el coeficiente de correlación de Pearson para datos agrupados y no agrupados.
Este documento explica la distribución T de Student, que se utiliza para estimar la media de una población cuando el tamaño de la muestra es pequeño. Describe que la distribución T de Student tiene forma de campana, es simétrica alrededor de la media y tiene una varianza mayor que 1. También proporciona ejemplos de cómo usar tablas de distribución T de Student para encontrar valores críticos con diferentes grados de libertad y áreas bajo la curva.
Este documento presenta los conceptos básicos de las pruebas de hipótesis. Explica que una prueba de hipótesis involucra contrastar una hipótesis nula frente a una hipótesis alternativa utilizando datos de una muestra. Detalla los pasos para realizar una prueba de hipótesis, incluyendo establecer las hipótesis, seleccionar un estadístico de prueba, y tomar una decisión sobre rechazar o no la hipótesis nula. También define conceptos clave como los errores tipo I y
Este documento describe la prueba U de Mann-Whitney, una prueba no paramétrica para comparar dos muestras independientes cuando la variable dependiente es de nivel ordinal. Explica que la prueba compara los rangos (medias) de dos grupos para determinar si cualquier diferencia es estadísticamente significativa. Además, presenta un ejemplo de cómo aplicar la prueba U de Mann-Whitney usando SPSS para analizar si hay diferencias en el nivel de estrés reportado por enfermeras de terapia intensiva versus urgencias.
Este documento describe las correlaciones y cómo medirlas. Explica que la correlación mide la relación entre dos variables cuantitativas y puede ser positiva, negativa o nula. También describe los coeficientes de correlación de Pearson y Spearman, y cómo determinar cuál usar dependiendo de si las variables siguen una distribución normal o no. Además, explica cómo usar SPSS para calcular la correlación entre dos variables y analizar el grado de correlación.
Este documento trata sobre el cálculo del tamaño de la muestra en investigación estadística. Explica que el tamaño de la muestra depende del nivel de confianza, el porcentaje de error permitido y la variabilidad de la población. Incluye fórmulas para calcular el tamaño de la muestra cuando se conoce o no el tamaño total de la población, y destaca la importancia de considerar estos factores para que la muestra sea representativa.
El documento trata sobre la distribución hipergeométrica, una distribución de probabilidad discreta aplicable a muestreos aleatorios sin reemplazo de una población finita. Explica que la distribución considera una población dividida en dos grupos de "éxitos" y "fracasos", y presenta la fórmula para calcular la probabilidad hipergeométrica. También incluye un ejemplo numérico para ilustrar cómo aplicar la fórmula.
Este documento presenta dos ejercicios sobre el uso de la prueba de chi-cuadrado para evaluar la independencia entre variables categóricas. En el primer ejercicio, se analiza la asociación entre la práctica de deporte y la sensación de bienestar en una muestra de 100 sujetos. Los resultados indican que estas variables no son independientes con un nivel de significación de 0,01. En el segundo ejercicio, se estudia la relación entre el tiempo de residencia de inmigrantes y su percepción de integración en una muestra de 230 personas. Los datos
coeficientes de correlación de Pearson y de Spermanpolethvillalba
Este documento explica los coeficientes de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas, mientras que el coeficiente de Spearman es una medida de correlación menos sensible a valores extremos. El documento también proporciona instrucciones sobre cómo calcular y interpretar estos coeficientes de correlación.
Un intervalo de confianza es un rango de valores que se estima con una cierta probabilidad incluye un parámetro desconocido de la población, basado en los datos de una muestra. El nivel de confianza depende del tamaño del intervalo, siendo mayor para rangos más amplios. Los intervalos de confianza se usan comúnmente para verificar hipótesis sobre parámetros poblacionales como la media.
Este documento describe la relación lineal entre dos variables cuantitativas. Explica que una relación lineal puede ser positiva, lo que significa que las variables aumentan juntas, o negativa, lo que significa que una variable aumenta mientras la otra disminuye. También cubre cómo calcular el coeficiente de correlación para medir la fuerza de la relación y cómo obtener la ecuación de regresión lineal para predecir los valores de una variable en función de la otra.
Ejercicios de correlación lineal de Pearson con “IBM SPSS Statistics 20”Patricia
Este documento describe tres ejercicios para calcular el coeficiente de correlación de Pearson utilizando el programa SPSS. En cada ejercicio, se grafican las variables, se calcula el coeficiente de Pearson, y se realiza una prueba de hipótesis para determinar si existe una correlación significativa en la población.
Técnicas de Estadística Avanzada - Alexis Añez Alexis Añez
Este documento describe la distribución binomial, una distribución de probabilidad ampliamente utilizada para variables aleatorias discretas. Describe procesos con dos resultados posibles como éxito o fracaso. Explica las características, fórmulas y parámetros de la distribución binomial, y proporciona ejemplos de su uso para calcular probabilidades en situaciones de toma de decisiones administrativas.
Este documento describe cómo analizar la correlación entre variables cuantitativas mediante las pruebas de correlación de Pearson y Spearman. Se explora la relación entre el peso y la talla de una muestra, realizando pruebas para verificar si la relación es lineal y la distribución es normal, y luego se calcula el estadístico r de Pearson para medir la correlación. Los resultados muestran una alta correlación positiva entre el peso y la talla.
Este documento resume los conceptos y ejercicios cubiertos en un seminario sobre el uso del programa SPSS. Se explica que SPSS se utilizó para tablas de frecuencias, estadísticos descriptivos y tablas de contingencia. También se destaca la importancia de definir si una variable es cuantitativa o cualitativa antes de analizarla. Finalmente, se definen tres tipos de gráficos - diagrama de barras, histograma y diagrama de sectores - que se utilizaron en un ejercicio para representar diferentes tipos de datos.
Este documento describe cómo realizar una prueba de normalidad en Minitab para determinar si un conjunto de datos sigue una distribución normal. Explica los pasos para generar un gráfico de probabilidad normal y realizar una prueba de hipótesis, y proporciona detalles sobre las opciones disponibles como el tipo de prueba de normalidad. También incluye un ejemplo interpretando los resultados de una prueba de normalidad realizada en un conjunto de datos de mediciones.
Se presenta una forma de evaluar la normalidad. En base del libro Fundamentos de estadisticas para las ciencias de la vida. Se utiliza el programa R para general algunas graficas.
El documento explica cómo calcular y interpretar el coeficiente de correlación de Pearson y el coeficiente de determinación para medir la relación lineal entre dos variables. Proporciona ejemplos y guías para la interpretación. Explica cómo realizar una prueba de hipótesis para determinar si la correlación es estadísticamente significativa.
La Navidad tal como se celebra hoy en día se ha desarrollado a partir del siglo XIX, cuando se popularizaron las tradiciones de intercambiar regalos y crear tarjetas navideñas. En la Edad Media, la Iglesia añadió el nacimiento de Jesús y los villancicos a las celebraciones navideñas. Actualmente, aunque la Navidad es una festividad cristiana, también es celebrada por personas no cristianas y ateas como una ocasión para reunirse con la familia y los amigos.
El documento describe cómo crear tablas de frecuencias, tablas de contingencia y gráficas en SPSS. Explica que las tablas de frecuencias muestran la distribución de variables individuales, mientras que las tablas de contingencia relacionan variables independientes y dependientes. Proporciona instrucciones paso a paso para generar estos análisis descriptivos básicos y diferentes tipos de gráficas en SPSS.
Este documento presenta una unidad didáctica para grado noveno sobre medidas de tendencia central. La unidad incluye tres actividades: una introducción para recolectar datos de los estudiantes, un desarrollo para definir y aplicar las medidas a los datos, y un apoyo para que los estudiantes practiquen con nuevos ejemplos. El objetivo es que los estudiantes aprendan a diferenciar y usar la media, la mediana y la moda para interpretar conjuntos de datos.
Este documento presenta conceptos básicos de estadística como población, muestra, variables, datos y parámetros. Explica diferentes tipos de muestreo como aleatorio, estratificado y sistemático. También describe variables cualitativas y cuantitativas, y cómo crear tablas de frecuencias absolutas y relativas para organizar datos. El objetivo es proporcionar una introducción a los fundamentos de la estadística.
Este documento describe diferentes medidas de posición no central y tendencia no central que permiten caracterizar una distribución de datos más allá de los valores centrales como la media. Explica que las medidas incluyen cuartiles, deciles y percentiles, los cuales dividen la distribución en tramos iguales, así como el rango intercuartílico y rango interpercentílico. También cubre medidas de desviación como la varianza y desviación típica.
Este documento presenta la prueba de Kolmogorov-Smirnov para evaluar la bondad de ajuste entre una distribución observada y una teórica. Explica cómo calcular las frecuencias observadas y teóricas acumuladas y determinar el estadístico D para compararlos. Luego aplica la prueba para analizar si los datos de precipitaciones máximas se ajustan a una distribución de Gumbel. Concluye que la prueba es útil para verificar si una distribución se ajusta a la normal o a otra distribución te
Este documento presenta el plan de estudios del área artística para los ciclos 2 (grados 1°, 2° y 3°) de una institución educativa. El objetivo general es que los estudiantes logren manifestar el sentido estético en su personalidad a través de expresiones artísticas. Cada grado tiene objetivos específicos relacionados con el desarrollo de habilidades artísticas. El documento también presenta las competencias del área, los niveles de desarrollo esperados por grado, contenidos temáticos por periodo y
Este documento presenta los resultados de una prueba t de muestras pareadas para evaluar si existen diferencias significativas entre dos métodos (Método Antiguo y Método Nuevo) para medir un mismo parámetro. Los resultados mostraron que no se cumple la normalidad ni la homogeneidad de varianzas. La prueba t de muestras pareadas encontró una diferencia estadísticamente significativa entre los métodos, con un valor de t mayor al crítico, lo que sugiere que el Método Nuevo es más efectivo que el Método Antig
Este documento describe diferentes medidas de tendencia central como la media aritmética, la mediana y la moda. Explica que la media aritmética es el valor promedio, la mediana deja la misma cantidad de datos a cada lado y la moda es el valor que más se repite. También incluye fórmulas y ejemplos para calcular cada medida.
Este documento habla sobre los gráficos en SPSS. Explica que los gráficos son una herramienta visual para identificar patrones en los datos y sacar conclusiones más fácilmente. SPSS ofrece una variedad de gráficos para diferentes tipos de variables, cada uno con un propósito específico. También describe los gráficos interactivos que permiten modificar características y ver cambios en tiempo real.
Metodología de Investigación aplicativa con IBM SPSS StatisticsPablo Moreno
Este documento presenta una metodología para realizar investigaciones aplicando el software IBM SPSS Statistics. Explica los conceptos básicos de investigación cuantitativa y cualitativa, y los diferentes niveles de investigación (exploratorio, descriptivo, explicativo). También describe técnicas e instrumentos de recolección de datos, y conceptos estadísticos como variables, escalas de medición, medidas de tendencia central y dispersión. Finalmente, cubre temas de confiabilidad y validez de instrumentos, y métodos de correlación como el coeficiente de Pearson, Spearman
O documento descreve medidas de tendência central em estatística, incluindo média, mediana e moda. Explica como calcular cada uma delas para conjuntos de dados agrupados e não agrupados, com exemplos.
Este documento describe diferentes medidas estadísticas de tendencia central, posición y dispersión. Explica que las medidas de tendencia central como la media, mediana y moda resumen un conjunto de datos en un solo valor central, mientras que las medidas de dispersión miden qué tan dispersos están los datos. Luego define y da ejemplos de diferentes tipos de promedios, moda, mediana, cuartiles, deciles y percentiles.
Este documento describe las medidas de tendencia central y dispersión más utilizadas en estadística. Define la media, mediana y moda como medidas de tendencia central y explica cómo calcularlas. También define la varianza y desviación estándar como medidas de dispersión y cómo medir la dispersión de los datos respecto a la media.
El documento analiza si existe correlación entre diferentes variables médicas como peso y glucemia, y colesterol y presión arterial, utilizando una base de datos en SPSS. Para peso y glucemia, ambas variables no siguen una distribución normal, por lo que se usa la prueba de Spearman que muestra una correlación moderada. Para colesterol y presión arterial, colesterol sí sigue una distribución normal mientras que presión arterial no, también usando Spearman se encuentra una baja correlación.
1) El documento describe tres ejercicios sobre correlación realizados como parte de un seminario de estadística.
2) El primer ejercicio encuentra una correlación débil entre el peso y las horas de deporte en la muestra, pero no en la población.
3) El segundo ejercicio encuentra una fuerte correlación decreciente entre el número de cigarrillos y la nota de acceso, tanto en la muestra como en la población.
4) El tercer ejercicio encuentra una fuerte correlación positiva entre el peso y la altura en la muestra y
El documento analiza la relación entre dos pares de variables tomadas de un cuestionario: peso y colesterol total, edad y tensión arterial sistólica. Para el primer par, se determina que siguen una distribución normal y no existe correlación entre ellas. Para el segundo par, no siguen una distribución normal pero sí existe una fuerte correlación positiva entre la edad y la tensión arterial.
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.
El documento explora la correlación entre diferentes variables relacionadas con la obesidad usando la base de datos "Obesidad.sav". En la primera parte, se analiza la correlación entre el peso y la glucemia, encontrando una correlación moderada y significativa entre ambas variables. En la segunda parte, se estudia la correlación entre el colesterol y la presión arterial sistólica, observando en este caso una correlación baja pero también significativa.
Este documento presenta tres ejercicios sobre la correlación entre diferentes variables. El primer ejercicio encuentra una correlación débil entre el peso y las horas de deporte. El segundo ejercicio encuentra una fuerte correlación negativa entre el número de cigarrillos y las notas de acceso. El tercer ejercicio encuentra una fuerte correlación positiva entre el peso y la altura. Dos ejercicios adicionales analizan la correlación entre la edad y el peso y entre las notas de matemáticas y lengua.
Este documento resume dos ejercicios sobre la correlación entre variables. En el primer ejercicio, se analiza la relación entre el colesterol total y el peso corporal mediante pruebas de normalidad, el test de correlación de Pearson y un gráfico de dispersión. Los resultados muestran que no existe una correlación significativa entre las variables. En el segundo ejercicio, se estudia la influencia de la edad en la presión arterial sistólica aplicando pruebas de normalidad, el test de Spearman y un gráfico de dispersión. Los resultados indican que existe una correlación positiva
Este documento describe los pasos realizados para comprobar la correlación entre variables de peso y glucemia, y tensión arterial y colesterol utilizando la base de datos obesidad.sav. Se grafican las variables, se realizan pruebas de normalidad y pruebas de correlación de Spearman o Pearson dependiendo de los resultados de normalidad. Los resultados muestran que el peso influye en la glucemia y el colesterol influye en la tensión arterial.
Este documento presenta un informe estadístico bivariado que analiza la asociación entre dos variables en una muestra de 291 estudiantes. El resumen incluye la introducción de la estadística bivariada, el objetivo general de establecer asociaciones entre variables, y la metodología que involucra el análisis de las variables "sexo" y "práctica de deporte" usando pruebas estadísticas en el software R. Los resultados muestran que existe una asociación significativa entre el sexo y la práctica de deporte.
Este documento describe diferentes métodos estadísticos para analizar la relación entre variables cuantitativas y cualitativas. Se utiliza el coeficiente de correlación de Pearson para analizar la relación entre el peso y la talla de adolescentes, encontrando una correlación positiva significativa. También se analiza la relación entre el sexo y la actividad física, encontrando una correlación negativa mediana. Finalmente, se exploran métodos como Phi y el coeficiente de contingencia para analizar la relación entre variables categóricas.
Este documento presenta 6 ejercicios que calculan el coeficiente de correlación de Pearson entre diferentes variables para determinar si existe correlación. El primer ejercicio encuentra una correlación baja entre el peso y las horas de deporte. El segundo halla una alta correlación negativa entre cigarrillos y nota. El tercero muestra una alta correlación positiva entre peso y altura en una muestra limitada.
El documento presenta 6 ejercicios sobre el cálculo y análisis del coeficiente de correlación de Pearson entre diferentes variables. En el ejercicio 1 se encuentra una correlación baja y positiva entre el peso y las horas de deporte. En el ejercicio 2 hay una correlación alta y negativa entre el número de cigarrillos y la nota de acceso. En el ejercicio 3 la correlación entre el peso y la altura es alta. En el ejercicio 5 existe una correlación positiva casi perfecta y significativa entre la edad y el peso de los niños. Finalmente, en el
Este documento analiza la correlación entre diferentes variables cuantitativas tomadas de una muestra de datos. Calcula los coeficientes de correlación de Pearson entre variables como peso y horas de deporte, número de cigarrillos y nota de acceso, peso y altura. La mayoría de las correlaciones encontradas son moderadas o fuertes, aunque una pareja de variables no mostró correlación.
Este documento presenta cuatro ejercicios sobre el cálculo y la interpretación del coeficiente de correlación de Pearson entre diferentes variables. En el primer ejercicio, se calcula la correlación entre el peso y las horas dedicadas al deporte, entre cigarrillos fumados y nota de acceso, y entre peso y altura. En el segundo y tercer ejercicio, se calcula la correlación entre peso y edad, y entre notas de matemáticas y lengua, respectivamente. En cada caso, se analiza si la correlación es significativa estadísticamente.
Este documento presenta tres resúmenes de análisis estadísticos realizados en un proyecto. El primer análisis compara las medias de horas de deporte entre sexos y encuentra que los hombres practican más deporte. El segundo analiza la relación entre sensibilidad al PTC y peso, encontrando que personas con mayor peso son más propensas a no detectar el sabor de PTC. El tercer análisis encuentra una correlación débil entre consumo de chocolate y caries, sin poder sacar una clara conclusión sobre su relación.
Este documento trata sobre la correlación y concordancia entre variables cuantitativas. Explica cómo realizar pruebas de normalidad en SPSS y representar gráficamente la correlación. Luego, presenta dos ejercicios donde se analiza la correlación entre variables tomadas de una matriz de datos, como el peso y la altura, y la tensión arterial y el colesterol total.
Este documento resume los pasos para analizar la relación entre variables cuantitativas y categóricas utilizando correlaciones. Explica cómo utilizar la R de Pearson y pruebas de normalidad para analizar la relación entre peso y altura, y encuentra una alta correlación positiva. Luego, cubre métodos como la correlación puntual biserial, coeficiente phi y v de Cramer para analizar la relación entre variables categóricas como sexo y consumo de tabaco.
Este informe analiza la relación entre variables utilizando estadística bivariada en una muestra de 290 estudiantes. Examina la asociación entre sexo y consumo de fruta encontrando que no hay relación, mientras que encuentra una fuerte correlación positiva entre altura y peso.
Este documento presenta los resultados de varios ejercicios sobre la correlación entre diferentes variables estadísticas. En el primer ejercicio, se encuentra una correlación moderada entre el peso y las horas dedicadas al deporte. En el segundo ejercicio, se encuentra una fuerte correlación negativa entre el número de cigarrillos fumados y la nota de acceso. En el tercer ejercicio, con una muestra limitada a 10 casos, se encuentra una correlación positiva entre el peso y la altura.
Este documento resume los pasos para estudiar la correlación entre dos variables cuantitativas utilizando los coeficientes de correlación de Pearson y Spearman. Explica que primero se debe comprobar si las variables siguen una distribución normal mediante histogramas y pruebas estadísticas, y luego seleccionar el coeficiente de correlación apropiado. Al aplicar estos pasos a las variables peso y colesterol total de una muestra, se concluye que no existe una correlación significativa entre ellas.
Similar a Estudio de la correlación entre variables | Seminario 9 (20)
Este documento trata sobre la hepatitis B. Explica el concepto, agente causal, epidemiología, impacto individual y social, marcadores y factores de riesgo. Describe la hepatitis B aguda y crónica, su distribución geográfica y vías de transmisión. Señala los principales marcadores serológicos para el diagnóstico como el antígeno de superficie y los anticuerpos frente a este. Finalmente, enumera los factores de riesgo para la infección como relaciones sexuales inseguras, compartir agujas intravenos
Este documento trata sobre la hepatitis B. Explica que es una infección viral que puede ser aguda o crónica y causa inflamación del hígado. Describe los síntomas, formas de transmisión, poblaciones de riesgo, complicaciones, tratamiento y prevención. Además, analiza el Reglamento Sanitario Internacional de 2005 y sus objetivos de vigilancia y notificación de brotes a nivel global.
El documento proporciona información sobre la EPOC y los beneficios de dejar de fumar. Explica que la EPOC incluye bronquitis crónica y estrechamiento de los bronquios, causando fatiga, ahogo y tos. Su principal causa es el tabaco. Incluye videos que muestran los daños del tabaco en los pulmones y los cambios positivos en el cuerpo al dejar de fumar. También ofrece consejos para dejar de fumar y cómo usar inhaladores correctamente.
Este documento proporciona información sobre la enfermedad pulmonar obstructiva crónica (EPOC), incluidos sus síntomas, factores de riesgo, tratamiento y exacerbaciones. La EPOC se caracteriza por una reducción persistente del flujo de aire y empeora con el tiempo. El principal factor de riesgo es la exposición al humo del tabaco. El documento describe los cuatro estadios de la EPOC, los signos y síntomas comunes como la tos y la disnea, y las señales de una exacerbación aguda. El objetivo es
Este documento proporciona información sobre la diabetes, incluyendo los tipos de diabetes, factores de riesgo, alimentación, ejercicio físico y complicaciones. Explica que la diabetes es un trastorno del páncreas que resulta en niveles altos de glucosa en la sangre. Describe la diabetes tipo 1, causada por una falta de insulina, y la diabetes tipo 2, causada por resistencia a la insulina. Además, destaca la importancia de una dieta saludable y hacer ejercicio para controlar los niveles de azúcar en
Este documento habla sobre la diabetes, sus factores de riesgo modificables como el tabaco, la obesidad y la vida sedentaria, sus síntomas y complicaciones. Ofrece consejos sobre una alimentación saludable con verduras, cereales, legumbres, carnes, pescados, huevos y frutas, y la importancia del ejercicio físico. También da pautas sobre la medición de glucemia y la toma de suplementos según los niveles de azúcar, así como sobre los riesgos del tabaco y la preparación para un via
El documento describe el alcoholismo como una enfermedad física y psicoemocional que crea dependencia hacia el alcohol. Detalla la epidemiología, manifestaciones clínicas, complicaciones y tratamiento del alcoholismo, así como sus efectos sobre la familia y la comunidad. Reconoce la importancia de la prevención, el diagnóstico y la educación del paciente y sus familiares para abordar esta enfermedad.
Este documento presenta información sobre las adicciones como determinantes del estado de salud familiar. Define la adicción según la OMS y clasifica diferentes tipos como alcohol, tabaco, sustancias estimulantes, alucinógenos, juego patológico, adicción al trabajo y a las nuevas tecnologías. Presenta datos epidemiológicos sobre el consumo de sustancias en España y efectos del alcoholismo como enfermedad prevalente. Describe factores de riesgo, manifestaciones clínicas, efectos individuales y síntomas de abstinencia
PLAN DE CUIDADOS ESTANDARIZADO PARA EL ABORDAJE DEL PIE DIABÉTICOCarmen Barrera
Este documento presenta un plan de cuidados estandarizado para el abordaje del pie diabético. El plan incluye gestión de la salud, perfusión tisular, integridad cutánea e integridad tisular, movilidad física y riesgo de caídas, e imagen corporal como problemas principales y propone intervenciones como enseñanza de cuidado de pies, manejo de nutrición, protección contra infecciones, manejo de hiperglucemia, cuidado de heridas, terapia de actividad, conducta de prevención de ca
Seminario 6. Enfermería del Envejecimiento: Anciano Frágil.Carmen Barrera
1) El documento define al anciano frágil como aquel con disminución de reservas fisiológicas y mayor riesgo de declive, lo que lo hace más vulnerable.
2) Se exponen los indicadores de fragilidad en Margarita como edad avanzada, ser cuidadora de su marido, recursos limitados y múltiples patologías.
3) Se discuten recursos sociosanitarios como ayuda domiciliaria y centros de día que podrían ser útiles para Margarita.
Interpretación de los apartados materiales y métodos y resultados de un artíc...Carmen Barrera
Interpretación de los apartados materiales y métodos y resultados de un artículo científico.
Se ha prestado especial interés a las variables que se someten a un contraste de Chi Cuadrado.
Interpretación estadística de un artículo científico | Seminario 8Carmen Barrera
Este documento presenta las instrucciones para interpretar un artículo científico sobre los efectos de la implementación de un banco de leche materna donada en prematuros en Aragón. Se identifican las variables sometidas a un análisis de chi cuadrado (tipo de alimentación y morbilidad). Se plantean las hipótesis nula e alternativa para la variable "Enterocolitis necrotizante". Finalmente, se interpreta estadísticamente que existe una relación entre el tipo de alimentación y dicha morbilidad al rechazarse la hip
SEMINARIO 7 | EJERCICIOS SOBRE DISTRIBUCIÓN NORMALCarmen Barrera
Este documento presenta cuatro ejercicios sobre la distribución normal. El primer ejercicio calcula la probabilidad de que una mujer tenga una puntuación de autoestima menor o igual a 10.5. Los ejercicios 2 calculan diferentes proporciones de diabéticos basadas en sus niveles de glucemia basal, asumiendo una distribución normal. Finalmente, se calcula el primer cuartil de la distribución de glucemia basal.
ACTIVIDADES PARA EMPEZAR A USA EL PROGRAMA ESTADÍSTICO SPSS | SEMINARIO 6Carmen Barrera
Este documento describe 5 ejercicios prácticos para familiarizarse con el programa estadístico SPSS. Los ejercicios incluyen introducir datos en SPSS, generar y guardar archivos de datos, exportar datos a Excel, importar datos de Excel a SPSS, y definir variables en una base de datos de SPSS.
Análisis de un artículo científico | Seminario 4Carmen Barrera
En este post se avalúa la calidad de un artículo científico, usando una guía que describe los requisitos necesarios que hacen apto, para la lectura en profundidad, a un texto de investigación.
Seminario 3 | Búsqueda bibliográfica en PubMed y CINAHL.Carmen Barrera
Estas diapositivas muestran cómo realizar búsquedas bibliográficas en diferentes bases de datos, así como el procedimiento para nombrar artículos a través de Mendeley en formato Vancouver.
¿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
Reacciones Químicas en el cuerpo humano.pptxPamelaKim10
Este documento analiza las diversas reacciones químicas que ocurren dentro del cuerpo humano, las cuales son esenciales para mantener la vida y la salud.
Priones, definiciones y la enfermedad de las vacas locasalexandrajunchaya3
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.
El documento publicado por el Dr. Gabriel Toro aborda los priones y las enfermedades relacionadas con estos agentes infecciosos. Los priones son proteínas mal plegadas que pueden inducir el plegamiento incorrecto de otras proteínas normales en el cerebro, llevando a enfermedades neurodegenerativas mortales. El Dr. Toro examina tanto la estructura y función de los priones como su capacidad para propagarse y causar enfermedades devastadoras como la enfermedad de Creutzfeldt-Jakob, la encefalopatía espongiforme bovina (conocida como "enfermedad de las vacas locas"), y el síndrome de Gerstmann-Sträussler-Scheinker. En el documento, se exploran los mecanismos moleculares detrás de la replicación de los priones, así como las implicaciones para la salud pública y la investigación en tratamientos potenciales. Además, el Dr. Toro analiza los desafíos y avances en el diagnóstico y manejo de estas enfermedades priónicas, destacando la necesidad de una mayor comprensión y desarrollo de terapias eficaces.
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.
Esta presentación nos informa sobre los pólipos nasales, estos son crecimientos benignos en el revestimiento de los senos paranasales o fosas nasales, causados por inflamación crónica debido a alergias, infecciones o asma.
La era precámbrica comenzó hace 4 millones de años y se cuenta hasta hace 570 millones de años. Durante este período se creó el complejo basal propio de la Guayana venezolana, al sur del país; también en Los Andes; en la cordillera norte de Perijá, estado de Zulia; y en el Baúl, estado de Cojedes.
1891 - Primera discusión semicientífica sobre Una Nave Espacial Propulsada po...Champs Elysee Roldan
La primera discusión semicientífica sobre una nave espacial propulsada por cohetes la realizó el alemán Hans Ganswindt, quien abordó los problemas de la propulsión no mediante la fuerza reactiva de los gases expulsados sino mediante la eyección de cartuchos de acero que contenían dinamita. Supuso que la explosión de una carga transferiría energía cinética a la pared de la nave espacial y la impulsaría en la dirección deseada. Supuso que múltiples explosiones proporcionarían suficiente velocidad para alcanzar la órbita y la velocidad de escape.
El 27 de mayo de 1891, pronunció un discurso público en la Filarmónica de Berlín, en el que introdujo su concepto de un vehículo galáctico(Weltenfahrzeug).
Ganswindt también exploró el uso de una estación espacial giratoria para contrarrestar la ingravidez y crear gravedad artificial.
NEUROQUIMICA es la informacion de como funciona la neuroquimica
Estudio de la correlación entre variables | Seminario 9
1.
2. La actividad propuesta consiste en usar la base de datos
obesidad.sav, para de este modo, explorar la correlación entre
las variables:
1.- Peso y glucemia
2.- Presión arterial sistólica y colesterol.
7. DISPERSIÓN DATOS
Ahora vamos a ver en una tabla de
dispersión, para de este modo
hacernos una idea de como se
distribuyen los datos.
Sigue los pasos indicados para realizar
la actividad en SPSS.
12. Por como se distribuyen los datos, se observa que
existe una débil correlación lineal (directa: cuando crece
X también crece Y).
13. NORMALIDAD PESO
Vamos a analizar como es la normalidad de
los datos de la variable cuantitativa peso.
14.
15.
16. Te aparecerá una ventana
como ésta, donde podrás
visualizar distintos datos,
referidos al peso, que podrás
utilizar para evaluar si siguen
una distribución normal o no.
17. Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístic
o gl Sig.
Estadístic
o gl Sig.
Peso medido en
consulta
,074 240 ,003 ,979 240 ,001
a. Corrección de significación de Lilliefors
La muestra tiene un número total de datos (N)= 240, por lo que tendremos que
observar la prueba de normalidad según Kolmogorov-Smirnov.
La hipótesis planteada es la siguiente:
Hipótesis nula (H0)= la igualdad= se distribuyen con normalidad
Hipótesis alternativa (H1)= no se distribuyen con normalidad
0.003<0.05= se rechaza la h0, esto es, no sigue una distribución normal, por lo
que acepto la hipótesis alternativa.
Si p-valor ≥ α ⇒ Aceptar H0
Si p-valor < α ⇒ Rechazar H0
18. En el histograma también puedes visualizar como se
distribuyen los datos.
19. En el box-plot también puedes visualizar como se distribuyen
los datos.
En el box-plot también puedes visualizar como se distribuyen
los datos.
20. NORMALIDAD GLUCEMIA.
El mismo procedimiento que hemos realizado para analizar si
los datos se distribuyen con normalidad en la variable peso,
vamos a seguir para decidir si existe normalidad en los datos
de la variable glucemia.
21.
22.
23.
24.
25. Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Glucemia en
ayunas ,242 110 ,000 ,595 110 ,000
a. Corrección de significación de Lilliefors
= no siguen una
La muestra tiene un número total de datos (N)= 240, por lo que tendremos que
observar la prueba de normalidad según Kolmogorov-Smirnov.
La hipótesis planteada es la siguiente:
Hipótesis nula (H0)= la igualdad= se distribuyen con normalidad
Hipótesis alternativa (H1)= no se distribuyen con normalidad
0.000<0.05= se rechaza la h0, esto es, no sigue una distribución normal, por lo
que acepto la hipótesis alternativa.
Si p-valor ≥ α ⇒ Aceptar H0
Si p-valor < α ⇒ Rechazar H0
26. En el histograma también puedes visualizar que los datos no
se distribuyen con normalidad, ya que no sigue la misma
distribución que seguirían los datos que estuvieran
englobados en una Campana de Gauss.
27. En el box-plot también puedes visualizar como se distribuyen
los datos.
28. COMO NO SIGUEN UNA DISTRIBUCIÓN
NORMAL= PRUEBA NO PARAMÉTRICAS= RHO
DE SPERMAN
A continuación, vamos a realizar la prueba de correlación
propiamente dicha. Las dos variables que hemos estudiado,
peso y glucemia, ambas cuantitativas, no siguen una
distribución normal, por lo que tenemos que usar la prueba
para analizar la correlación, para variables no paramétricas
de Rho de Sperman.
33. La hipótesis planteada es la siguiente:
Hipótesis nula (H0)= la igualdad= 0 = no existe correlación entre glucemia y peso.
Hipótesis alternativa (H1) ‡ 0 = existe correlación entre glucemia y peso.
Vemos en dicho cuadro como la correlación de cada variable consigo misma es
“perfecta” (Coef. de Correlación lineal = 1)
Mientras que la correlación con la otra variable vale 0,485, por lo que aceptamos
la hipótesis alternativa; el resultado es un valor positivo, lo que significa que la
“glucemia” aumenta conforme aumenta el “peso”, considerándose la correlación
obtenida como una correlación moderada, ya que se encuentra en un rango entre
0.4 – 0.6.
El valor de la p asociado al contraste de hipótesis evalúa la probabilidad de que en
la población ambas variables no estén correlacionadas linealmente y que el
Coeficiente de Correlación sea cero.
Ese valor p es 0,000 y es menor que 0,05 e incluso que 0,01.
Lo que permite rechazar la hipótesis nula (contraste significativo) con una alta
confianza (100%).
45. Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Colesterol total
,049 106 ,200* ,989 106 ,573
*. Esto es un límite inferior de la significación verdadera.
a. Corrección de significación de Lilliefors
La muestra tiene un número total de datos (N)= 140, por lo que tendremos que
observar la prueba de normalidad según Kolmogorov-Smirnov.
La hipótesis planteada es la siguiente:
Hipótesis nula (H0)= la igualdad= se distribuyen con normalidad
Hipótesis alternativa (H1)= no se distribuyen con normalidad
0.200<0.05= se acepta la h0, es decir, los datos siguen una distribución normal.
Si p-valor ≥ α ⇒ Aceptar H0
Si p-valor < α ⇒ Rechazar H0
46. En el histograma también puedes observar como se
distribuyen los datos.
47. En el box-plot también puedes visualizar como se distribuyen
los datos.
52. Pruebas de normalidad
Kolmogorov-Smirnova Shapiro-Wilk
Estadístico gl Sig. Estadístico gl Sig.
Tension arterial sistólica ,163 238 ,000 ,947 238 ,000
a. Corrección de significación de Lilliefors
o h0, acepto la h1=no
La muestra tiene un número total de datos (N)= 240, por lo que tendremos que
observar la prueba de normalidad según Kolmogorov-Smirnov.
La hipótesis planteada es la siguiente:
Hipótesis nula (H0)= la igualdad= se distribuyen con normalidad
Hipótesis alternativa (H1)= no se distribuyen con normalidad
0.200<0.05= se rechaza la h0, es decir, los datos no siguen una distribución
normal.
Si p-valor ≥ α ⇒ Aceptar H0
Si p-valor < α ⇒ Rechazar H0
53. En el histograma también puedes observar como los datos
se no se distribuyen como los que siguen una distribución
normal.
54. En el box-plot también puedes visualizar como se distribuyen
los datos.
58. Correlaciones
Colesterol
total
Tension
arterial
sistólica
Rho de Spearman Colesterol total Coeficiente de
correlación 1,000 ,263**
Sig. (bilateral) . ,007
N 106 105
Tension arterial sistólica Coeficiente de
correlación ,263** 1,000
Sig. (bilateral) ,007 .
N 105 238
**. La correlación es significativa en el nivel 0,01 (bilateral).
59. La hipótesis planteada es la siguiente:
Hipótesis nula (H0)= la igualdad= 0 = no existe correlación entre el colesterol y la
presión arterial.
Hipótesis alternativa (H1) ‡ 0 = existe correlación entre el colesterol y la presión arterial.
Vemos en dicho cuadro como la correlación de cada variable consigo misma es
“perfecta” (Coef. de Correlación lineal = 1)
Mientras que la correlación con la otra variable vale 0,263, por lo que aceptamos
la hipótesis alternativa; el resultado es un valor positivo, lo que significa que la
“presión arterial” aumenta conforme aumenta el “colesterol”, considerándose la
correlación obtenida como una correlación baja, ya que se encuentra en un rango
entre 0.2 – 0.4.
El valor de la p asociado al contraste de hipótesis evalúa la probabilidad de que en
la población ambas variables no estén correlacionadas linealmente y que el
Coeficiente de Correlación sea cero.
Ese valor p es 0,007 y es menor que 0,05 e incluso que 0,01.
Lo que permite rechazar la hipótesis nula (contraste significativo) con
una alta confianza (99%).