Seminario ix
•Descargar como PPTX, PDF•
0 recomendaciones•470 vistas
Este documento trata sobre diferentes tipos de correlaciones entre variables cuantitativas y cualitativas. Explica correlaciones paramétricas y no paramétricas y los coeficientes de Pearson, Spearman, contingencia y Phi para diferentes tipos de variables. También cubre pruebas de normalidad y ejemplos de analizar la relación entre variables como el peso y la presión sanguínea usando correlaciones bivariadas.
Denunciar
Compartir
Denunciar
Compartir
Recomendados
Pruebas de contraste
Este documento resume los pasos para realizar una prueba de contraste para determinar si existe una relación entre la nota de un examen y el sexo. Primero, se realiza una prueba de normalidad sobre la variable dependiente (nota del examen), la cual sigue una distribución normal. Luego, dado que se combina una variable cualitativa de dos categorías (sexo) con una variable cuantitativa (nota del examen), se aplica la prueba t de Student. Los resultados de esta prueba indican que no hay relación entre las variables, es decir, no existe diferencia en las not
Prueba T de student
Este documento presenta un seminario sobre la prueba T de Student. Se analizan dos variables, escala y altura, en relación al sexo. Para escala, se encuentra que no hay relación con el sexo, por lo que chicos y chicas tienen la misma puntuación media. Para altura, se encuentra que sí hay relación con el sexo, concluyendo que los chicos son más altos que las chicas en promedio. El análisis incluye pruebas de normalidad y elección de la prueba T de Student para comparar las medias entre los grupos.
Correlación
Este documento presenta un análisis estadístico de la relación entre la altura y el peso de un grupo de personas. Se determinó que las variables de altura y peso no siguen una distribución normal a través de pruebas estadísticas y gráficas. Por lo tanto, se utilizó la prueba de correlación de Spearman en lugar de la prueba de Pearson. Los resultados mostraron una fuerte correlación positiva entre la altura y el peso, lo que indica que cuanto mayor es la altura de una persona, mayor tiende a ser su peso.
Seminario 9 de estadística
Este documento describe un análisis estadístico para determinar si existe una relación entre la nota de un examen (variable dependiente) y el sexo (variable independiente) de los estudiantes. Se realizaron pruebas de normalidad y la prueba T de Student, la cual mostró que no hay una relación significativa entre la nota del examen y el sexo.
Seminario 8
El documento describe dos análisis estadísticos realizados en SPSS para determinar si existen diferencias entre chicos y chicas en cuanto a su puntuación media en escalas y altura media. Se comprueba la normalidad de la distribución de las variables y se elige la prueba T de Student. Los resultados muestran que no existe relación entre el sexo y la puntuación en escalas, pero sí entre el sexo y la altura, siendo los chicos más altos que las chicas.
Ejercicios t de student
Este documento describe dos ejercicios que utilizan la prueba t de Student para determinar si existe una relación entre variables cuantitativas y dicotómicas. En el primer ejercicio, se encuentra una relación estadísticamente significativa entre el sexo y la altura. En el segundo ejercicio, también se encuentra una relación estadísticamente significativa entre el sexo y el número de cigarrillos fumados por día.
ANÁLISIS BIVARIADO
Este documento describe los pasos realizados para analizar si existe una asociación entre tener trabajo y la existencia de malestares activos utilizando el conjunto de datos "activossalud" en R-commander. Se seleccionaron las variables cualitativas "trabajo" y cuantitativa "malestaresactivos", y se realizaron pruebas de normalidad, homocedasticidad y la prueba no paramétrica de Wilcoxon, cuyo resultado no mostró una relación significativa entre las variables.
Tarea seminario 9
El documento resume dos ejercicios realizados para comprobar la relación entre variables. El primer ejercicio encontró que existe una relación entre el sexo y la altura, con los hombres siendo más altos que las mujeres. El segundo ejercicio no encontró una relación entre la nota de acceso al grado y la hora de regreso a casa después de una fiesta.
Recomendados
Pruebas de contraste
Este documento resume los pasos para realizar una prueba de contraste para determinar si existe una relación entre la nota de un examen y el sexo. Primero, se realiza una prueba de normalidad sobre la variable dependiente (nota del examen), la cual sigue una distribución normal. Luego, dado que se combina una variable cualitativa de dos categorías (sexo) con una variable cuantitativa (nota del examen), se aplica la prueba t de Student. Los resultados de esta prueba indican que no hay relación entre las variables, es decir, no existe diferencia en las not
Prueba T de student
Este documento presenta un seminario sobre la prueba T de Student. Se analizan dos variables, escala y altura, en relación al sexo. Para escala, se encuentra que no hay relación con el sexo, por lo que chicos y chicas tienen la misma puntuación media. Para altura, se encuentra que sí hay relación con el sexo, concluyendo que los chicos son más altos que las chicas en promedio. El análisis incluye pruebas de normalidad y elección de la prueba T de Student para comparar las medias entre los grupos.
Correlación
Este documento presenta un análisis estadístico de la relación entre la altura y el peso de un grupo de personas. Se determinó que las variables de altura y peso no siguen una distribución normal a través de pruebas estadísticas y gráficas. Por lo tanto, se utilizó la prueba de correlación de Spearman en lugar de la prueba de Pearson. Los resultados mostraron una fuerte correlación positiva entre la altura y el peso, lo que indica que cuanto mayor es la altura de una persona, mayor tiende a ser su peso.
Seminario 9 de estadística
Este documento describe un análisis estadístico para determinar si existe una relación entre la nota de un examen (variable dependiente) y el sexo (variable independiente) de los estudiantes. Se realizaron pruebas de normalidad y la prueba T de Student, la cual mostró que no hay una relación significativa entre la nota del examen y el sexo.
Seminario 8
El documento describe dos análisis estadísticos realizados en SPSS para determinar si existen diferencias entre chicos y chicas en cuanto a su puntuación media en escalas y altura media. Se comprueba la normalidad de la distribución de las variables y se elige la prueba T de Student. Los resultados muestran que no existe relación entre el sexo y la puntuación en escalas, pero sí entre el sexo y la altura, siendo los chicos más altos que las chicas.
Ejercicios t de student
Este documento describe dos ejercicios que utilizan la prueba t de Student para determinar si existe una relación entre variables cuantitativas y dicotómicas. En el primer ejercicio, se encuentra una relación estadísticamente significativa entre el sexo y la altura. En el segundo ejercicio, también se encuentra una relación estadísticamente significativa entre el sexo y el número de cigarrillos fumados por día.
ANÁLISIS BIVARIADO
Este documento describe los pasos realizados para analizar si existe una asociación entre tener trabajo y la existencia de malestares activos utilizando el conjunto de datos "activossalud" en R-commander. Se seleccionaron las variables cualitativas "trabajo" y cuantitativa "malestaresactivos", y se realizaron pruebas de normalidad, homocedasticidad y la prueba no paramétrica de Wilcoxon, cuyo resultado no mostró una relación significativa entre las variables.
Tarea seminario 9
El documento resume dos ejercicios realizados para comprobar la relación entre variables. El primer ejercicio encontró que existe una relación entre el sexo y la altura, con los hombres siendo más altos que las mujeres. El segundo ejercicio no encontró una relación entre la nota de acceso al grado y la hora de regreso a casa después de una fiesta.
Concordancia y correlación
Este documento resume una tarea de análisis de correlación y concordancia entre dos variables cuantitativas tomadas de un cuestionario. El autor elige el año de nacimiento y la nota de acceso y realiza pruebas de normalidad para determinar si usar el coeficiente de correlación de Pearson o de Spearman. Los resultados muestran una correlación positiva débil entre las variables que no es estadísticamente significativa.
Tarea 9
Este documento resume los pasos realizados en R para analizar la relación entre las variables "medicalización" y "malesares activos". Inicialmente, se realizó un diagrama de dispersión que mostró una asociación lineal positiva entre las variables. Luego, se crearon histogramas, diagramas de cajas y gráficas de cuartiles para cada variable, lo que indicó cierta simetría. Finalmente, los test de normalidad mostraron que las variables no son normales, por lo que se utilizó el coeficiente de correlación de Spearman, el cual fue signific
Untitled 0
Este documento describe cómo realizar la prueba T de Student para determinar si una variable cuantitativa como la altura o el peso depende de una variable cualitativa dicotómica como el sexo. Se realizan pruebas de normalidad y luego la prueba T de Student asignando números a cada grupo, lo que muestra que la altura y el peso dependen del sexo.
Coeficiente de correlacion de pearson - Liliana Egañe
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 mide la relación entre variables ordinales transformadas a rangos. Ambos coeficientes oscilan entre -1 y 1, donde valores cercanos a 1 indican una fuerte relación positiva y valores cercanos a -1 una fuerte relación negativa.
Seminario x
Este documento proporciona instrucciones para analizar la correlación entre dos variables seleccionadas de un cuestionario. Indica que se debe realizar una prueba de normalidad para determinar qué estadístico de correlación usar (R de Pearson o Rho de Spearman), y explica cómo interpretar los resultados y representarlos gráficamente.
Concordancia y correlación
Este documento explica la correlación entre dos variables cuantitativas y cómo determinar si existe una correlación positiva, negativa o inexistente. Detalla los pasos para analizar la correlación entre dos variables: revisar la normalidad de las variables usando pruebas estadísticas, y luego utilizar el coeficiente de correlación apropiado (Pearson o Spearman) dependiendo de si siguen una distribución normal. Como ejemplo, analiza la posible correlación entre el año de nacimiento y las horas dedicadas al deporte de una muestra.
Seminario 10
Este documento describe diferentes pruebas de correlación para variables cuantitativas, incluyendo la correlación de Pearson para distribuciones normales y la correlación de Spearman para distribuciones no normales. Explica que se debe realizar primero una prueba de normalidad como Kolmogorov-Smirnov o Shapiro-Wilks para determinar qué prueba de correlación usar y que una correlación solo se considera significativa si es mayor o igual a 0,5.
Seminario 10
Este documento discute cómo determinar si se debe usar el coeficiente de correlación de Pearson o de Spearman para analizar la correlación entre variables. Explica que Pearson se usa si las variables siguen una distribución normal, mientras que Spearman se usa de lo contrario. Luego, analiza los resultados de las pruebas de normalidad para dos variables, talla y edad, y determina que siguen una distribución normal y por lo tanto se debe usar Pearson. Finalmente, concluye que no hay evidencia de correlación entre talla y edad según el análisis.
SPSS. CORRELACIONES Y NORMALIDAD
Seminario 9, en el que usamos las pruebas de normalidad y correlación en 2 variables cuantitativas, dentro del sistema de SPSS.
Presentación2
Este documento describe 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 mide la relación entre variables medidas a nivel ordinal. Ambos coeficientes oscilan entre -1 y 1, donde valores cercanos a 1 indican una fuerte relación positiva y valores cercanos a -1 indican una fuerte relación negativa. El documento también explica cómo calcular y aplicar estos coeficientes de correlación en problemas estadísticos.
Ecuaciones lineales =d
Las ecuaciones diferenciales lineales son aquellas donde la variable dependiente y todas sus derivadas son de primer grado y cada coeficiente depende solo de la variable independiente. Se clasifican como homogéneas si el término r(x) es igual a cero, y no homogéneas si r(x) es distinto de cero. Los métodos para resolver ecuaciones lineales no homogéneas son el método del factor integrante y el método de variación de parámetros. El método del factor integrante implica encontrar un factor que convierta la ecuación
Presentación1
Este documento resume los pasos para realizar dos ejercicios estadísticos sobre la influencia del sexo en la altura y la influencia de la hora de regreso a casa en la nota de acceso al grado. En el primer ejercicio, se determina que el sexo sí influye en la altura mediante una prueba t de Student. En el segundo ejercicio, se determina que la hora de regreso a casa sí influye en la nota de acceso al grado mediante la prueba de correlación Rho de Spearman debido a la no normalidad de las variables.
Presentación1
Este documento presenta los resultados de dos ejercicios estadísticos. El primer ejercicio explora si el sexo influye en la altura mediante una prueba t de Student. Los resultados muestran que el sexo sí influye en la altura. El segundo ejercicio examina si la hora de regreso a casa influye en la nota de acceso al grado mediante la prueba de correlación de Spearman. Los resultados indican que la hora de regreso a casa no influye en la nota de acceso al grado.
Análisis bivariado
Este documento describe cómo realizar pruebas estadísticas para analizar datos y comparar grupos. Explica cómo usar las pruebas de Shapiro-Wilk, histograma y diagrama de cajas para verificar la normalidad de las variables. Luego aplica la prueba t de Student para datos apareados y grupos independientes y la prueba de Levene para comprobar la homocedasticidad. Finalmente, concluye que no hay diferencias significativas en las puntuaciones medias de escalaas entre hombres y mujeres, pero que los hombres tienen una altura media signific
Seminario 10: Correlación y T de Student
El documento habla sobre la correlación entre variables cuantitativas y cómo medirla. Explica que la correlación puede ser positiva o negativa dependiendo de si las variables varían en la misma o en direcciones opuestas. Además, menciona que la correlación se puede medir con el estadístico R de Pearson o Rho de Spearman dependiendo de si la variable se distribuye normalmente. Por último, presenta dos ejemplos para ilustrar cómo medir la correlación y determinar si hay influencia entre variables.
Seminario 8
Este documento resume los pasos para realizar una prueba T-Student para determinar si hay relación entre una variable cuantitativa (altura) y una variable cualitativa dicotómica (sexo). Primero se comprueba la distribución normal de los datos y luego se aplica la prueba T-Student, la cual muestra que existe relación entre la altura y el sexo tanto para el primer caso analizado como para el segundo.
Seminario ix.pptx estadistica
Este documento resume un seminario sobre análisis bivariado entre variables cualitativas y cuantitativas. Explica cómo importar los datos, determinar la relación entre variables a través de pruebas paramétricas y no paramétricas, y comprobar los criterios de normalidad y homocedasticidad. Aplica estos análisis a dos ejemplos, encontrando que la práctica de deporte no influye en los malestares y el trabajo no influye en el mantenimiento del hogar.
Tarea seminario viii
Normalidad y linealidad. Diagrama de dispersión. Coeficientes de correlación de Pearson y Rho de Spearman
Seminario 9
Este documento explica diferentes tipos de correlación y cómo calcularlos. Describe correlaciones paramétricas y no paramétricas, y los coeficientes de Pearson, Spearman, contingencia y Phi para relacionar variables cualitativas y cuantitativas. Además, presenta tres actividades como ejemplos de cómo calcular estas correlaciones y contrastar hipótesis.
marta paredes
Este documento describe cómo realizar una correlación entre dos variables cuantitativas, la altura y el peso. Primero se comprueba si siguen una distribución normal mediante pruebas estadísticas y representaciones gráficas. Luego se utiliza la prueba de Spearman para medir la correlación, dado que no siguen una distribución normal. El coeficiente de correlación obtenido es de 0,622, lo que indica una correlación positiva significativa entre el peso y la altura.
Correlaciones
Este documento describe un estudio que busca identificar el tipo de correlación entre diferentes actitudes adolescentes como la sexualidad, las sustancias adictivas y la seguridad vial. Explica que se encontraron correlaciones negativas entre la actitud hacia la seguridad vial y el consumo de alcohol y tabaco, y correlaciones positivas entre las prácticas de seguridad vial y la edad de la primera borrachera.
Correlacion
El documento habla sobre la correlación entre dos variables numéricas, incluyendo la definición del coeficiente de correlación de Pearson r, que mide la dirección y magnitud de la relación entre las variables. También cubre cómo calcular r, así como la diferencia entre correlación y causalidad.
Más contenido relacionado
La actualidad más candente
Concordancia y correlación
Este documento resume una tarea de análisis de correlación y concordancia entre dos variables cuantitativas tomadas de un cuestionario. El autor elige el año de nacimiento y la nota de acceso y realiza pruebas de normalidad para determinar si usar el coeficiente de correlación de Pearson o de Spearman. Los resultados muestran una correlación positiva débil entre las variables que no es estadísticamente significativa.
Tarea 9
Este documento resume los pasos realizados en R para analizar la relación entre las variables "medicalización" y "malesares activos". Inicialmente, se realizó un diagrama de dispersión que mostró una asociación lineal positiva entre las variables. Luego, se crearon histogramas, diagramas de cajas y gráficas de cuartiles para cada variable, lo que indicó cierta simetría. Finalmente, los test de normalidad mostraron que las variables no son normales, por lo que se utilizó el coeficiente de correlación de Spearman, el cual fue signific
Untitled 0
Este documento describe cómo realizar la prueba T de Student para determinar si una variable cuantitativa como la altura o el peso depende de una variable cualitativa dicotómica como el sexo. Se realizan pruebas de normalidad y luego la prueba T de Student asignando números a cada grupo, lo que muestra que la altura y el peso dependen del sexo.
Coeficiente de correlacion de pearson - Liliana Egañe
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 mide la relación entre variables ordinales transformadas a rangos. Ambos coeficientes oscilan entre -1 y 1, donde valores cercanos a 1 indican una fuerte relación positiva y valores cercanos a -1 una fuerte relación negativa.
Seminario x
Este documento proporciona instrucciones para analizar la correlación entre dos variables seleccionadas de un cuestionario. Indica que se debe realizar una prueba de normalidad para determinar qué estadístico de correlación usar (R de Pearson o Rho de Spearman), y explica cómo interpretar los resultados y representarlos gráficamente.
Concordancia y correlación
Este documento explica la correlación entre dos variables cuantitativas y cómo determinar si existe una correlación positiva, negativa o inexistente. Detalla los pasos para analizar la correlación entre dos variables: revisar la normalidad de las variables usando pruebas estadísticas, y luego utilizar el coeficiente de correlación apropiado (Pearson o Spearman) dependiendo de si siguen una distribución normal. Como ejemplo, analiza la posible correlación entre el año de nacimiento y las horas dedicadas al deporte de una muestra.
Seminario 10
Este documento describe diferentes pruebas de correlación para variables cuantitativas, incluyendo la correlación de Pearson para distribuciones normales y la correlación de Spearman para distribuciones no normales. Explica que se debe realizar primero una prueba de normalidad como Kolmogorov-Smirnov o Shapiro-Wilks para determinar qué prueba de correlación usar y que una correlación solo se considera significativa si es mayor o igual a 0,5.
Seminario 10
Este documento discute cómo determinar si se debe usar el coeficiente de correlación de Pearson o de Spearman para analizar la correlación entre variables. Explica que Pearson se usa si las variables siguen una distribución normal, mientras que Spearman se usa de lo contrario. Luego, analiza los resultados de las pruebas de normalidad para dos variables, talla y edad, y determina que siguen una distribución normal y por lo tanto se debe usar Pearson. Finalmente, concluye que no hay evidencia de correlación entre talla y edad según el análisis.
SPSS. CORRELACIONES Y NORMALIDAD
Seminario 9, en el que usamos las pruebas de normalidad y correlación en 2 variables cuantitativas, dentro del sistema de SPSS.
Presentación2
Este documento describe 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 mide la relación entre variables medidas a nivel ordinal. Ambos coeficientes oscilan entre -1 y 1, donde valores cercanos a 1 indican una fuerte relación positiva y valores cercanos a -1 indican una fuerte relación negativa. El documento también explica cómo calcular y aplicar estos coeficientes de correlación en problemas estadísticos.
Ecuaciones lineales =d
Las ecuaciones diferenciales lineales son aquellas donde la variable dependiente y todas sus derivadas son de primer grado y cada coeficiente depende solo de la variable independiente. Se clasifican como homogéneas si el término r(x) es igual a cero, y no homogéneas si r(x) es distinto de cero. Los métodos para resolver ecuaciones lineales no homogéneas son el método del factor integrante y el método de variación de parámetros. El método del factor integrante implica encontrar un factor que convierta la ecuación
Presentación1
Este documento resume los pasos para realizar dos ejercicios estadísticos sobre la influencia del sexo en la altura y la influencia de la hora de regreso a casa en la nota de acceso al grado. En el primer ejercicio, se determina que el sexo sí influye en la altura mediante una prueba t de Student. En el segundo ejercicio, se determina que la hora de regreso a casa sí influye en la nota de acceso al grado mediante la prueba de correlación Rho de Spearman debido a la no normalidad de las variables.
Presentación1
Este documento presenta los resultados de dos ejercicios estadísticos. El primer ejercicio explora si el sexo influye en la altura mediante una prueba t de Student. Los resultados muestran que el sexo sí influye en la altura. El segundo ejercicio examina si la hora de regreso a casa influye en la nota de acceso al grado mediante la prueba de correlación de Spearman. Los resultados indican que la hora de regreso a casa no influye en la nota de acceso al grado.
Análisis bivariado
Este documento describe cómo realizar pruebas estadísticas para analizar datos y comparar grupos. Explica cómo usar las pruebas de Shapiro-Wilk, histograma y diagrama de cajas para verificar la normalidad de las variables. Luego aplica la prueba t de Student para datos apareados y grupos independientes y la prueba de Levene para comprobar la homocedasticidad. Finalmente, concluye que no hay diferencias significativas en las puntuaciones medias de escalaas entre hombres y mujeres, pero que los hombres tienen una altura media signific
Seminario 10: Correlación y T de Student
El documento habla sobre la correlación entre variables cuantitativas y cómo medirla. Explica que la correlación puede ser positiva o negativa dependiendo de si las variables varían en la misma o en direcciones opuestas. Además, menciona que la correlación se puede medir con el estadístico R de Pearson o Rho de Spearman dependiendo de si la variable se distribuye normalmente. Por último, presenta dos ejemplos para ilustrar cómo medir la correlación y determinar si hay influencia entre variables.
Seminario 8
Este documento resume los pasos para realizar una prueba T-Student para determinar si hay relación entre una variable cuantitativa (altura) y una variable cualitativa dicotómica (sexo). Primero se comprueba la distribución normal de los datos y luego se aplica la prueba T-Student, la cual muestra que existe relación entre la altura y el sexo tanto para el primer caso analizado como para el segundo.
Seminario ix.pptx estadistica
Este documento resume un seminario sobre análisis bivariado entre variables cualitativas y cuantitativas. Explica cómo importar los datos, determinar la relación entre variables a través de pruebas paramétricas y no paramétricas, y comprobar los criterios de normalidad y homocedasticidad. Aplica estos análisis a dos ejemplos, encontrando que la práctica de deporte no influye en los malestares y el trabajo no influye en el mantenimiento del hogar.
Tarea seminario viii
Normalidad y linealidad. Diagrama de dispersión. Coeficientes de correlación de Pearson y Rho de Spearman
Seminario 9
Este documento explica diferentes tipos de correlación y cómo calcularlos. Describe correlaciones paramétricas y no paramétricas, y los coeficientes de Pearson, Spearman, contingencia y Phi para relacionar variables cualitativas y cuantitativas. Además, presenta tres actividades como ejemplos de cómo calcular estas correlaciones y contrastar hipótesis.
marta paredes
Este documento describe cómo realizar una correlación entre dos variables cuantitativas, la altura y el peso. Primero se comprueba si siguen una distribución normal mediante pruebas estadísticas y representaciones gráficas. Luego se utiliza la prueba de Spearman para medir la correlación, dado que no siguen una distribución normal. El coeficiente de correlación obtenido es de 0,622, lo que indica una correlación positiva significativa entre el peso y la altura.
La actualidad más candente (20)
Coeficiente de correlacion de pearson - Liliana Egañe
Coeficiente de correlacion de pearson - Liliana Egañe
Destacado
Correlaciones
Este documento describe un estudio que busca identificar el tipo de correlación entre diferentes actitudes adolescentes como la sexualidad, las sustancias adictivas y la seguridad vial. Explica que se encontraron correlaciones negativas entre la actitud hacia la seguridad vial y el consumo de alcohol y tabaco, y correlaciones positivas entre las prácticas de seguridad vial y la edad de la primera borrachera.
Correlacion
El documento habla sobre la correlación entre dos variables numéricas, incluyendo la definición del coeficiente de correlación de Pearson r, que mide la dirección y magnitud de la relación entre las variables. También cubre cómo calcular r, así como la diferencia entre correlación y causalidad.
Correlacion
El documento describe los conceptos de correlación y coeficiente de correlación. Explica que la correlación evalúa la relación entre dos variables y puede ser directa, inversa o nula. El coeficiente de correlación cuantifica el grado de correlación y varía de -1 a 1, donde valores cercanos a 1 o -1 indican una fuerte correlación positiva o negativa, respectivamente, y valores cercanos a 0 indican una débil correlación.
Resumen Clase Correlación
Este documento presenta una introducción a la correlación y los coeficientes de correlación como herramientas estadísticas para medir la relación entre dos variables. Define la correlación y explica los coeficientes de Pearson, Spearman y Phi para variables de diferentes niveles de medición. Proporciona ejemplos del cálculo e interpretación de cada coeficiente y su uso en el análisis de relaciones entre variables.
Análisis de Correlacion Lineal
Este documento analiza el coeficiente de correlación lineal y su aplicación en la estadística industrial. Explica el coeficiente de correlación de Pearson, el coeficiente de determinación, la prueba de significancia del coeficiente de correlación y ejemplos de aplicación. También cubre el modelo de regresión, la ecuación de regresión estimada y el método de cuadrados mínimos.
Kalyanam invitation modified dated 05.05.2016
The document discusses the benefits of exercise for mental health. Regular physical activity can help reduce anxiety and depression and improve mood and cognitive functioning. Exercise causes chemical changes in the brain that may help protect against mental illness and improve symptoms.
35 Anemias
El documento revisa la fisiopatología y clasificación del síndrome anémico, así como los factores necesarios para la eritropoyesis y las manifestaciones clínicas de la anemia. Explica que la anemia ocurre cuando la cantidad de eritrocitos o el nivel de hemoglobina están por debajo de los valores normales, resultando en una disminución de la capacidad de transporte de oxígeno. Describe las diferentes clasificaciones y tipos de anemia según sus características morfológicas, etiológicas y mecan
correlaciones estadística
Este documento describe un estudio que examina la correlación entre el año de nacimiento y la valoración social de la enfermería. Se determinó que las variables no siguen una distribución normal y, por lo tanto, se utilizó el estadístico Rho de Spearman para calcular la correlación. Los resultados mostraron que no hay correlación entre las dos variables.
Correlaciones
Este documento describe cómo analizar la relación entre diferentes tipos de variables, incluyendo variables cuantitativas, cualitativas y categóricas. Explica cómo utilizar la prueba de correlación de Pearson para variables cuantitativas, así como pruebas no paramétricas. También cubre el análisis de tablas de contingencia para relacionar variables categóricas y nominales usando el coeficiente Phi, de contingencia y V de Cramer.
Coeficientes de correlación de pearson y de sperman
El documento describe 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 mide la correlación entre dos variables al ordenar los datos y reemplazarlos por su orden. 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.
Seminario 10 – correlaciones
Este documento presenta un estudio estadístico que examina la posible correlación entre la identificación del cuestionario y la valoración social de la enfermería. El autor plantea la hipótesis nula de que existe una correlación entre las variables y la hipótesis alternativa de que no existe una correlación. Los resultados muestran que no existe una correlación significativa entre las variables, lo que lleva al autor a aceptar la hipótesis alternativa.
Correlacion
Este documento explica la diferencia entre el coeficiente de correlación de Pearson y Spearman. El coeficiente de Pearson mide la relación lineal entre dos variables cuantitativas, mientras que el coeficiente de Spearman mide la relación entre dos variables ordinales después de convertir los valores a rangos. También discute ventajas y desventajas de cada coeficiente y cómo aplicarlos a problemas estadísticos.
Correlación
Este documento define diferentes tipos de correlación como la correlación de Pearson, Kendall y Spearman. Explica que la correlación de Pearson mide la relación sistemática entre dos variables continuas, mientras que Kendall y Spearman se usan para variables ordinales o de rangos. También describe correlaciones positivas, negativas, nulas y perfectas, e ilustra cómo se representan gráficamente. Además, brinda detalles sobre cómo calcular e interpretar los coeficientes de correlación.
Estadística general
Este documento proporciona una introducción general a la estadística y la aleatoriedad en la investigación cuantitativa. Explica que la estadística estudia características de poblaciones mediante el análisis de datos de muestras. Se dividen las áreas de la estadística en diseño, descriptiva e inferencial. También describe conceptos clave como población, muestra, parámetro, estadístico, variables, datos numéricos y categorizados, y métodos para tabular, graficar y analizar datos como medidas
Diagrama Dispersion Correlacion
El documento describe los diferentes tipos de correlación que pueden existir entre dos variables en un diagrama de dispersión: correlación positiva, donde ambas variables aumentan o disminuyen juntas; correlación negativa, donde una variable aumenta mientras la otra disminuye; y correlación nula, donde las variables no están relacionadas. Se proveen ejemplos para ilustrar cada tipo de correlación.
Correlación
Este documento define la correlación y describe diferentes tipos como la correlación positiva, negativa y nula. Explica conceptos como el coeficiente de correlación, la covarianza y cómo medir la correlación para datos agrupados y no agrupados usando fórmulas estadísticas.
Diagrama de dispersión
Este documento proporciona información sobre diagramas de dispersión. Explica que los diagramas de dispersión son gráficos que representan la relación entre dos variables cuantitativas. Detalla el proceso de creación de un diagrama de dispersión en 7 pasos e incluye obtener datos, determinar los valores máximos y mínimos, trazar los ejes, marcar los puntos de datos, e interpretar el grafico. También cubre tipos de correlación, posibles problemas de interpretación y usos de los diagramas de dispersión.
Investigacion Correlacion
Este documento resume conceptos clave de la investigación correlacional en psicopatología, incluyendo definiciones de correlación, ventajas y desventajas de este método, ejemplos de correlaciones positivas y negativas, y términos importantes como coeficiente de correlación y direccionalidad. También menciona brevemente la epidemiología como método para examinar la prevalencia y distribución de trastornos en poblaciones.
Tarea 1 correlación y regresión lineal
Este documento presenta los objetivos, justificación y marco teórico sobre correlación y regresión lineal. Los objetivos incluyen desarrollar ejercicios de correlación y regresión e interpretar datos estadísticos. La justificación es aplicar estos conceptos a problemas del comercio exterior. El marco teórico explica conceptos como relación lineal positiva y negativa entre variables, diagrama de dispersión, y coeficiente de correlación de Pearson.
Coeficiente de correlación de pearson
El documento resume los resultados de varias correlaciones de Pearson entre diferentes variables. La correlación entre peso y horas de deporte fue positiva moderada, entre cigarrillos fumados y nota de acceso fue muy buena y negativa, y entre peso y altura fue positiva. El gráfico de una de las correlaciones mostraba los datos cerca de la línea media, indicando una buena correlación.
Destacado (20)
Coeficientes de correlación de pearson y de sperman
Coeficientes de correlación de pearson y de sperman
Similar a Seminario ix
Seminario 8
Este documento describe un estudio que analiza la relación entre la altura y el peso de un grupo de sujetos. Se utilizan pruebas estadísticas en R para determinar si las variables siguen una distribución normal y qué tipo de correlación existe entre ellas. Los resultados muestran que la altura y el peso no siguen una distribución normal y que existe una correlación positiva entre ambas variables.
Tarea seminario 9
Este documento instruye sobre cómo calcular el coeficiente de correlación entre las variables peso y talla utilizando SPSS. Primero, se comprueba si las variables siguen una distribución normal mediante las pruebas de Kolmogorov-Smirnov o Shapiro-Wilk dependiendo del tamaño de la muestra. Luego, se establecen las hipótesis nula y alternativa para determinar si los datos siguen una distribución normal. Finalmente, se calcula el coeficiente de correlación de Pearson y se representa gráficamente.
Tarea seminario 9
Este documento describe los pasos para calcular el coeficiente de correlación entre las variables peso y talla utilizando SPSS. Primero, se comprueba que ambas variables siguen una distribución normal mediante las pruebas de Kolmogorov-Smirnov y Shapiro-Wilk. Luego, se establecen las hipótesis nula y alternativa para determinar si los datos siguen una distribución normal. Finalmente, se calcula el coeficiente de correlación de Pearson en SPSS y se interpreta el resultado.
Tic9
Este documento resume los pasos para realizar una correlación de Pearson entre el peso y la altura de 48 personas. Primero, se realizaron pruebas de normalidad usando Kolmogorov-Smirnov y Shapiro-Wilk, determinando que ambas variables se distribuyen normalmente. Luego, se calculó la correlación de Pearson entre peso y altura, obteniendo un valor de 0.62, indicando una correlación positiva fuerte y significativa entre las variables. Por lo tanto, se rechaza la hipótesis nula de que no hay correlación entre peso y altura.
Presentación sin título (2)
Este documento describe cómo analizar la correlación entre dos variables cuantitativas utilizando pruebas estadísticas. Explica que primero se debe determinar si las variables siguen una distribución normal y si existe una asociación lineal entre ellas. Luego, presenta un ejemplo analizando la correlación entre el peso y las horas de práctica deportiva de individuos, encontrando una correlación positiva débil que no supera el 30% según el test de correlación de Spearman.
Ejercicios T de Student
Este documento resume los pasos para aplicar la prueba t de Student a dos conjuntos de datos. Explica que la prueba requiere que al menos una variable sea cuantitativa y siga una distribución normal, y que se debe comprobar la igualdad de varianzas. Luego, presenta dos ejemplos de aplicación de la prueba t de Student para comprobar si existe una relación entre variables como el sexo y la altura, o el sexo y el número de cigarrillos fumados al día. En ambos casos, la prueba encontró una diferencia estadístic
Seminario 9
Este documento describe los pasos para analizar la correlación entre el peso y la altura utilizando el Comandante R. Primero, se determina que las variables no siguen una distribución normal y que el análisis será bivariado. Luego, se utiliza la prueba de Spearman para medir la correlación debido a la falta de normalidad. Los resultados muestran una correlación positiva fuerte de 0,6224 entre el peso y la altura, lo que significa que una variable aumenta a medida que aumenta la otra.
Ejercicio Tema 11 T-Student
Este documento resume un estudio que examina la relación entre el sexo y la cantidad de cigarrillos fumados por día en una muestra de 32 personas. Establece hipótesis nulas y alternativas, y utiliza la prueba t de Student para determinar si existe una relación estadísticamente significativa. La prueba de Levene muestra igualdad de varianzas, y la prueba t de Student no encuentra una diferencia significativa, por lo que se acepta la hipótesis nula de que no hay relación entre el sexo y la cantidad de cigarrillos f
Análisis Bivariado de variables cuantitativas y cualitativas
Vamos a realizar el estudio de dos variables cuantitativas con otras dos cualitativas, este estudio conllevará estudiar la normalidad, la homocedasticidad y saber el tamaño de la muestra.
Seminario 9
Este documento resume un seminario sobre correlación. Explora la correlación entre el peso y la glucemia usando datos de obesidad. Realiza pruebas de normalidad para ambas variables y determina que no siguen una distribución normal. Por lo tanto, usa el coeficiente de correlación de Spearman, una prueba no paramétrica. Los resultados muestran una correlación baja positiva de 0.368 entre el peso y la glucemia.
Seminario 9
Este documento resume un seminario sobre correlación. Explora la correlación entre el peso y la glucemia usando datos de obesidad. Realiza pruebas de normalidad en ambas variables y determina que no siguen una distribución normal. Por lo tanto, usa el coeficiente de correlación de Spearman, una prueba no paramétrica. Los resultados muestran una correlación moderada de 0.485 entre el peso y la glucemia.
Tarea seminario 7
Este documento describe los pasos para analizar la relación entre dos variables utilizando la prueba T de Student. Se realizó un estudio sobre la relación entre el sexo y la práctica de deporte en una muestra. Primero, se sometió la variable del peso a una prueba de normalidad para determinar si seguía una distribución normal. Luego, al obtener un resultado significativo en la prueba T de Student, se concluyó que sí existe una relación entre el sexo y la práctica de deporte en la muestra.
Seminario 9
Este documento resume los pasos para analizar la correlación entre las variables peso y altura. Primero, se plantean hipótesis sobre la normalidad de las variables y se utiliza la prueba de Shapiro-Wilk para determinar que siguen una distribución normal. Luego, se plantean hipótesis sobre la relación entre peso y altura y se realiza una correlación bivariada de Pearson que muestra una correlación positiva y moderada. Finalmente, se presenta un gráfico que ilustra esta relación.
Seminario 9est
Este documento resume los conceptos clave de los coeficientes de correlación. Explica cómo calcular la prueba de normalidad usando Shapiro-Wilk para muestras menores a 50 o Kolmogorov para muestras mayores. También cubre cómo interpretar los resultados de las pruebas de hipótesis para determinar la relación entre variables y el grado de correlación usando los coeficientes de Pearson, Spearman y contingencia.
Concordancia y Correlación estadísticas
Power Point sobre qué tipo de test utilizar para hacer pruebas de concordancia y correlación según sigan las variables una distribución normal o no.
Ejercicio tema 11.
Este documento resume los pasos para interpretar una tabla de datos sobre el número de cigarros fumados por día y el sexo de los sujetos. Primero se aplica la prueba de Shapiro para comprobar si las variables siguen una distribución normal. Luego se aplica la prueba de Levene para determinar si las variables tienen varianzas iguales u homogéneas. Finalmente, se utiliza la prueba T de Student para establecer si existe una relación estadísticamente significativa entre el número de cigarros fumados y el sexo, aceptando la hipótesis n
Seminario 8
El documento resume un seminario sobre análisis bivariado de variables cualitativas y cuantitativas. Se cargan datos, se realizan pruebas de normalidad y homocedasticidad en variables como sexo y escalaas, y pruebas estadísticas como la T de Student y el test de Wilkoson para determinar si hay diferencias significativas entre grupos. Los resultados muestran que no hay diferencias significativas en la variable escalaas entre varones y mujeres, pero sí las hay en la altura.
Analisis bivariado
El documento describe los pasos para analizar la asociación entre dos variables, "trabajo" y "medicalización", utilizando datos cuantitativos y cualitativos. Se comprueba primero la normalidad y homocedasticidad de los datos cuantitativos, y al no cumplirse la normalidad, se utiliza un test no paramétrico (Wilcoxon), que muestra que no hay asociación estadísticamente significativa entre las dos variables.
Semi 10 blog
Este seminario trata sobre la concordancia y correlación entre variables. Explica los conceptos de correlación bivariada, los tipos de coeficientes de correlación como el coeficiente de Pearson y el coeficiente rho de Spearman. También cubre cómo comprobar la normalidad de las variables y elaborar gráficos de dispersión. Como ejemplo, analiza la posible correlación entre las notas de acceso de los estudiantes y su peso usando el coeficiente rho de Spearman.
seminario 10 de estadistica y tics
Este documento evalúa si existe una correlación entre el número de personas que viven en un hogar y el número de habitaciones en dicho hogar utilizando datos de una encuesta. Se comprueba primero la normalidad de los datos y luego se calcula el coeficiente de correlación de Pearson. Finalmente, se realiza una prueba t de Student para determinar si la correlación es estadísticamente significativa.
Similar a Seminario ix (20)
Análisis Bivariado de variables cuantitativas y cualitativas
Análisis Bivariado de variables cuantitativas y cualitativas
Más de martitaortega
Seminario viii
Este documento presenta un estudio que examina la relación entre el género y el nivel de cansancio reportado por cuidadores informales de pacientes dependientes. Se establecen las hipótesis nula e hipótesis alternativa, se elige la prueba de chi cuadrado para analizar las variables cualitativas, y se trabaja con un nivel de confianza del 95%. Los resultados muestran que la p es menor que 0,05, por lo que se rechaza la hipótesis nula y se acepta que el género está relacionado con el
Seminario vii
Este documento presenta dos ejercicios relacionados con modelos de distribución de probabilidad. El primer ejercicio calcula la probabilidad de que menos de 60 de 72 pruebas detecten correctamente heroína en la sangre, dado que la precisión de la prueba es del 92%. El segundo ejercicio analiza los niveles de glucosa en la sangre de diabéticos usando una distribución normal con media de 120 mg/100ml y desviación estándar de 5 mg/100ml. Calcula varias probabilidades y porcentajes relacionados con esta distribución.
Seminario vi
Este documento describe los pasos para organizar y recopilar información de un artículo sobre las complicaciones de los accesos venosos periféricos mediante la creación de gráficas y tablas en SPSS. Primero se introducen los datos en el programa, luego se ponderan y cruzan para generar tablas y gráficos que mejoran y amplían la información original del artículo, la cual estaba difusa. Se muestran varias gráficas de valores obtenidos del análisis.
Presentación 6 marta
El documento habla sobre la medicina basada en evidencia y la enfermería basada en evidencia. La medicina basada en evidencia utiliza la mejor evidencia científica disponible para tomar decisiones sobre el cuidado del paciente. La enfermería basada en evidencia se refiere a cuando los enfermeros buscan evidencia para sus prácticas y tiene tres grados pero se manejan con dos. También describe la estructura básica de un artículo científico.
Seminario v marta
El documento describe los pasos realizados en un análisis de datos sobre obesidad usando el programa SPSS. Se descargaron datos, se creó una nueva variable de índice de masa corporal (IMC) recodificando valores, y se categorizó IMC. Luego se crearon tablas cruzando variables como sexo e IMC, y gráficos de barras. También se hicieron estadísticos descriptivos de variables como edad, peso y altura.
Seminario v marta
El documento describe los pasos realizados en un análisis de datos sobre obesidad usando el programa SPSS. Se descargaron datos, se creó una nueva variable de índice de masa corporal (IMC) recodificando valores, y se categorizó IMC. Luego, se crearon tablas cruzando variables como sexo e IMC, y gráficos de barras. También se hicieron estadísticos descriptivos de variables como edad, peso y altura.
Seminario V
El documento describe los pasos realizados en un análisis de datos sobre obesidad usando el programa SPSS. Se descargaron datos, se creó una nueva variable de índice de masa corporal (IMC) recodificando valores, y se categorizó IMC. Luego, se crearon tablas cruzando variables como sexo e IMC, y gráficos de barras. También se hicieron estadísticos descriptivos de variables como edad, peso y altura.
Seminario III
Este documento describe cómo realizar una búsqueda en PubMed para encontrar artículos de revisión sobre la prestación de cuidados paliativos en pacientes con enfermedad pulmonar obstructiva crónica, bronquitis crónica y enfisema pulmonar. Explica cómo utilizar los operadores booleanos AND, OR y NOT para delimitar la búsqueda y seleccionar términos en inglés de la página MeSH. Luego, muestra un ejemplo de búsqueda utilizando los términos seleccionados y filtros de fecha. Finalmente
Seminario II
Este documento presenta una búsqueda de artículos sobre la influencia del estilo de vida en el sobrepeso y la obesidad en adultos y ancianos utilizando las bases de datos Fama+ y Dialnet. Se seleccionaron cinco artículos relevantes al tema y se añadieron sus referencias bibliográficas en formato Vancouver en Mendeley.
Más de martitaortega (9)
Seminario ix
- 1. Seminario IX: Correlaciones Marta Morales Ortega Macarena B grupo 7
- 2. Pueden ser: - Paramétricas: aceptamos la Ho, es una variable normal. - No paramétrica: rechazamos la Ho, una variable no normal. Correlaciones
- 3. En este seminario vamos a trabajar con variables cuantitativas y cualitativas, y vamos a observar si están relacionadas entre ellas y la intensidad con la que se relacionan.
- 4. Pearson: escala- escala Biserial puntual: Escala- nominal dicotómica. Spearman: ordinal- ordinal. Contingencia: Nominal- Nominal (al menos una no puede ser dicotómica) Phi: Nominal dicotómica- Nominal dicotómica. Tipos de coeficientes según el tipo de variable
- 5. Se utiliza: - Shapiro-Wilk cuando la muestra (N) es menor de 50. - Kolmogorov-Smirnov cuando la muestra (N) es mayor de 50. El tamaño de nuestra muestra es de 238 , como la muestra es mayor de 50 utilizamos Kolmogorov- Smirnov. Hipotesis nula (H0): Cumple el criterio de normalidad. Hipotesis alternativa (H1): No cumple el criterio de normalidad. Calculamos la prueba de normalidad
- 6. Datos sobre el estudio de obesidad
- 11. Como sig. es menos que 0.05 rechazamos la Ho, es decir aceptamos la H1, por lo que las variables están relacionadas son dependientes.
- 12. Analizar correlaciones bivariadas
- 14. Como sig. es menor de 0.05 rechazamos la Ho, por lo tanto aceptamos la H1. Esto quiere decir que el peso está relacionado con la presión diastólica. También hay que tener en cuenta el coeficiente de correlación, para saber la intensidad con la que se relacionan las variables.
- 15. Dos variable en escala nominal y al menos una no dicotómica. Coeficiente de contingencia
- 18. Como sig.(0.02) es menor de 0.05 rechazamos la Ho, no hay relación entre las variables, no están relacionadas.
- 19. Phi
- 22. Como sig. es mayor que 0.05, aceptamos la Ho, por lo que el sexo y la satisfacción con su peso no están relacionadas son variables independientes.