El documento analiza la correlación entre diferentes variables en tres estudios. En el primer estudio, no se encontró correlación estadísticamente significativa entre el peso y las horas dedicadas al deporte. En el segundo estudio, sí se encontró una correlación estadísticamente significativa entre el número de cigarrillos fumados y la nota de acceso a enfermería. En el tercer estudio, se encontró una fuerte correlación estadísticamente significativa entre el peso y la altura de los individuos.

1. Lucía García Benítez
Seminario 10. Ejercicio 10.1

2. 1.1 ¿Hay correlación entre la variable peso
y horas de dedicación para hacer deporte?
 Para saber si existe correlación o no entre esas variables,
pedimos una dispersión de puntos de los valores que hemos
observados. La dispersión nos indica que puede existir
correlación, aunque es una correlación muy baja.
 Para más seguridad calculamos el coeficiente de Pearson
(0’410) el cual nos indica que como es distinto a cero, existe
correlación. Una vez esto definimos: H1 coeficiente de
Pearson ≠ 0 (hay correlación). Ho  coeficiente de Pearson
= 0 (no hay correlación)
 Para finalizar y concluir si esto ocurre en la población y la
correlación es estadísticamente significativa, o por lo
contrario es debido al azar. Nos fijamos en la significación
bilateral (sig. Bilateral o «p valor») 0’091 y en el grado de
significación (α) 0’05.
 Como «p valor» > α  se acepta la Ho, es decir, no hay
correlación entre ambas variables. Esa correlación que el
investigador ha obtenido se debe al azar.

12. 1.2 ¿Hay correlación entre las variables
número de cigarrillos y nota de acceso al
grado de enfermería?
 Para averiguar la correlación entre ambas variables he
seguido la misma dinámica que en el apartado 1.1 pero
cambiando las variables peso y horas de dedicación para
el deporte por número de cigarrillos al día y nota de acceso
al grado de enfermería.
 El coeficiente de Pearson es distinto a cero según lo que
ha obtenido el investigador el resultado. Por tanto, H1 
existe correlación, Ho  no existe correlación entre ambas
variables.
 Calculamos el «p valor» y he obtenido que «p valor» < α 
0’001 < 0’05, incluso también, el «p valor» es menor que
un nivel de significación de 0’01.
 Por tanto podemos concluir con que rechazamos la Ho con
un nivel de confianza de 99%. La correlación es
estadísticamente significativa.

17. 1.3 ¿Hay correlación entre el peso y la
altura?
 Como el enunciado nos dice para un número de 10 individuos, puede que esas
variables para 10 individuos no sigan una distribución normal. Para ello, con
SPSS pedimos las pruebas de normalidad.
 Nos aparecerán las pruebas de Shapiro-Wilk y la de Kolmogorov. En este caso,
nos basaremos en la de Shapiro-Wilk porque estamos ante una muestra de
menos de 50 individuos.
 Como ambas variables tiene un grado de significancia mayor que 0’05,
aceptamos la hipótesis nula, y por tanto, aceptamos que ambas variables se
distribuyen de forma normal en la muestra de 10 individuos.
 A continuación podemos ya obtener el coeficiente de Pearson y nos da 0’668, lo
cual indica que en la muestra del investigador existe una correlación fuerte.
 Para saber si eso ocurre en la población hacemos un contraste de hipótesis. Ho
 no existe correlación entre las variables (coeficiente de Pearson=0), H1 
existe correlación entre ambas variables (coeficiente de Pearson≠0)
 Obtenemos el «p valor» para compararlo con α y obtenemos que «p valor» =
0´00… y α= 0’05.
 Finalmente concluimos con que «p valor» <<< α y por tanto rechazamos la
hipótesis nula, afirmando que en la población sí existe correlación entre ambas
variables y que esa correlación es estadísticamente significativa al nivel 0’05
incluso al 0’01. No se debe al azar.