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. Correlación
Seminario 9

2. Ejercicio1
¿Existe correlación entre el
peso y la glucemia según la
base de datos obesidad.sav?
Con ésta base de datos de
SPSS será con la que
trabajaremos.

3. Ejercicio1
A continuación, abriremos un
nuevo documento de SPSS en
el que copiaremos los datos
y variables que necesitemos
para complementar el
trabajo.
1
2
3

4. Ejercicio1
El siguiente paso será
generar un gráfico de
dispersión simple en SPSS,
el cual nos ayuda a tener
una idea de lo que nos debe
salir.

5. Ejercicio 1
En resultados
podemos observar
la gráfica de
dispersión que
SPSS ha generado
una vez introducidos
los ejes.

6. Ejercicio1
Ahora realizaremos
las pruebas de
normalidad de las
variables para
determinar si usar
una prueba paramétrica
(distribución normal,
R de Pearson) o no
paramétrica (no
distribución normal,
Rho de Rho de Spearman).
1
2
3

7. Ejercicio1
A continuación, analizaremos
la normalidad de la variable
glucemia, analítica y
gráficamente:
→ Box-plot
→ Histogramas
Ho = los datos siguen una distribución
normal
H1 = los datos no siguen una distribución
normal.
Al ser N > 50, la prueba que utilizaremos será la
de Kolmogorov-Smirnov.
Al ser el valor de significación estadístico 0 y p
valor es de 0.05/0 < 0.05, rechazamos la
Hipótesis nula (Ho) y aceptamos la Hipótesis
alternativa (H1).
De forma analítica.

8. Ejercicio1
De forma gráfica.

9. Ejercicio1
Realizamos el mismo
procedimiento anterior para
la variable peso:
→ Box-plot
→ Histogramas
Ho = los datos siguen una distribución
normal
H1 = los datos no siguen una distribución
normal.
Al ser N > 50, la prueba que utilizaremos será la
de Kolmogorov-Smirnov.
Al ser el valor de significación estadístico 0,003 y
p valor es de 0.05/0.003 < 0.05, rechazamos la
Hipótesis nula (Ho) y aceptamos la Hipótesis
alternativa (H1).
De forma analítica.

10. Ejercicio1
De forma gráfica.

11. Ejercicio1
Las dos variables en
cuestión (glucemia y peso)
no siguen una distribución
normal, por lo que debemos
de usar una prueba no
paramétrica, es decir, Rho
de Spearman.
→ Correlación de las variables

12. Ejercicio1
Los cuadros A y D,
tienen un coeficiente
de correlación de
correlación de 1,
siendo la relación
de una variable consigo
misma, máxima.
→ Los Nº de ambas variables no son
iguales, ya que en la de glucemia
nos encontramos con varios datos
perdidos.
A B
C D
Los datos provenientes de B y C, son iguales,
correlación entre glucemia-peso (N=120).
El coeficiente de correlación es = 0.485, por lo
que se puede decir que ambas variables
presentan una correlación moderada.
Si en lugar de aceptar un Pvalor = 0.05, lo
hubiésemos aceptado de 0.01, también sería un
acierto.

13. Ejercicio1 → Significación estadística bilateral = 0.
→ 0 < 0.05, rechazamos la Hipótesis
nula (Ho), y aceptamos la Hipótesis
alternativa (H1).
Ho = No hay correlación entre el peso y
la glucemia.
H1 = Si existe correlación entre el peso y
la glucemia.

14. Ejercicio2
¿Existe correlación entre el
colesterol y la PAS según la
base de datos obesidad.sav?
A continuación, procedemos a
realizar los mismos pasos
que en el Ejercicio 1, pero
esta vez con las variables,
colesterol y PAS. 1
2

15. Ejercicio2 1
2

16. Ejercicio2
A continuación,
analizaremos la
normalidad de la variable
colesterol, analítica y
gráficamente:
→ Box-plot
→ Histogramas
Ho = los datos siguen una distribución
normal
H1 = los datos no siguen una distribución
normal.
Al ser N > 50, la prueba que utilizaremos será la
de Kolmogorov-Smirnov.
Al ser el valor de significación estadístico 0,2 y p
valor es de 0.05/0.2 > 0.05, aceptamos la
Hipótesis nula (Ho) y rechazamos la Hipótesis
alternativa (H1).
De forma analítica.

17. Ejercicio2
De forma gráfica.

18. Ejercicio2
Realizamos el mismo
procedimiento anterior para
la variable PAS:
→ Box-plot
→ Histogramas
Ho = los datos siguen una distribución
normal
H1 = los datos no siguen una distribución
normal.
Al ser N > 50, la prueba que utilizaremos será la
de Kolmogorov-Smirnov.
Al ser el valor de significación estadístico 0 y p
valor es de 0.05/0 < 0.05, rechazamos la
Hipótesis nula (Ho) y aceptamos la Hipótesis
alternativa (H1).
De forma analítica.

19. Ejercicio2
De forma gráfica.

20. Ejercicio2
La variable colesterol,
sigue una distribución
normal y la variable PAS,
no siguen una distribución
normal, por lo que debemos
de usar una prueba no
paramétrica, es decir, Rho
de Spearman.
→ Correlación de las variables

21. Ejercicio2
Los cuadros A y D,
tienen un coeficiente
de correlación de
correlación de 1,
siendo la relación
de una variable consigo
misma, máxima.
→ Los Nº de ambas variables no son
iguales, ya que en la de colesterol
nos encontramos con varios datos
perdidos.
A B
C D
Los datos provenientes de B y C, son iguales,
correlación entre colesterol-PAS (N=105).
El coeficiente de correlación es = 0.263, por lo
que se puede decir que ambas variables presentan
una correlación baja.
Si en lugar de aceptar un Pvalor = 0.05, lo
hubiésemos aceptado de 0.01, también sería un
acierto.

22. Ejercicio2
→ Significación estadística bilateral
= 0,007
→ 0,007 < 0.05, rechazamos la Hipótesis
nula (Ho), y aceptamos la Hipótesis
alternativa (H1).
Ho = No hay correlación entre el
colesterol y la PAS.
H1 = Si existe correlación entre el
colesterol y la PAS.