Este documento describe los pasos para analizar la relación bivariada entre variables cuantitativas como la altura y el peso utilizando datos reales. Primero, se cargan los datos y se determina si siguen una distribución normal a través de gráficos como histogramas y Q-Q plots y pruebas como Shapiro-Wilk. Luego, se analiza la linealidad entre las variables mediante un diagrama de dispersión. Finalmente, se calcula el coeficiente de correlación de Spearman para medir la fuerza de la relación entre altura y peso, encontrando una correl

1. ANÁLISIS BIVARIADO CON VARIABLES
CUANTITATIVAS
ANA PÉREZ ESPINOSA

2. Determina que si existe relación y
como de fuerte es entre las variables
altura y peso

3. 1. Al entrar en R, cargamos los datos
“activossalud”
Datos
Cargar conjunto de
datos

4. 2. Determinar la relación entre dos variables
cuantitativas:
CORRELACIÓN
-PEARSON: 2 condiciones en la distribución
normalidad
linealidad
-RHO SPEARMAN: no tiene condiciones
Para la normalidad:
GRÁFICOS
- histograma
- Q-Q
- box-plot
SHAPIRO WILK
Para la linealidad:
DIAGRAMA DE DISPERSIÓN

5. ALTURA
PESO
HISTOGRAMA

6. PESO
ALTURA
BOX-PLOT

7. PESO
ALTURA
GRÁFICO Q-Q

8. Shapiro Wilk
ALTURA
PESO
H0: La muestra se ajusta a la distribución normal (p>.05)
H1: La muestra NO se ajusta a la distribución normal
(p≤.05) En ambas el p. valor es menor que 0,05
por lo que rechazamos la H0 (la distribución
NO es normal).

9. Diagrama de dispersión
Gráficas
Diagramas de dispersión
peso y altura
línea de mínimos cuadrados

10. Matriz de correlación
Coeficiente de
Spearman
Al no ser una
distribución normal
utilizamos el coeficiente
de Spearman

11. La correlación
entre la altura y
la altura y el
peso y peso es
de 1 (máxima)
Mientras que la
correlación entre
la altura y el
peso, y viceversa
es de 0.622
Como se
aproxima al 1
(máximo): es una
Correlación fuerte