Este documento describe los métodos para analizar la correlación entre dos variables, incluyendo la R de Pearson y el coeficiente Rho de Spearman. Explica que la R de Pearson requiere que las variables tengan una distribución normal, mientras que el coeficiente Rho de Spearman puede usarse con cualquier tipo de distribución. A continuación, presenta un ejemplo práctico utilizando SPSS donde analiza la correlación entre el peso y la talla de un grupo de personas, encontrando una correlación positiva significativa entre las dos variables.
He realizado esta tarea sobre la correlación para la asignatura de Estadística y Tics, la cual estoy cursando en el Grado de Enfermería, en la Universidad de Sevilla
He realizado esta tarea sobre la correlación para la asignatura de Estadística y Tics, la cual estoy cursando en el Grado de Enfermería, en la Universidad de Sevilla
Diapositivas D.I.P.. sobre la importancia que tiene la interpol en HonduraspptxWalterOrdoez22
Es un conjunto de diapositivas creadas para la información sobre la importancia que tienen la interpol en honduras y los tratados entre ambas instituciones
Ipsos, empresa de investigación de mercados y opinión pública, divulgó su informe N°29 “Claves Ipsos” correspondiente al mes de abril, que encuestó a 800 personas con el fin de identificar las principales opiniones y comportamientos de las y los ciudadanos respecto de temas de interés para el país. En esta edición se abordó la a Carabineros de Chile, su evaluación, legitimidad en su actuar y el asesinato de tres funcionarios en Cañete. Además, se consultó sobre el Ejército y la opinión respecto de la marcha en Putre.
2. CONCORDANCIA Y CORRELACIÓN: prueba
de hipótesis que es sometida a contraste y
cuantifica la relación que existe entre dos
variables ordinales, de intervalo o de razón.
Las pruebas que se realizan para esto son:
◦ R de Pearson
◦ Rho de Spearman
3. R de Pearson: prueba paramétrica que
requiere variables numéricas con distribución
normal.
Rho de Spearman: coeficiente de correlación
no paramétrico, que acepta variables de libre
distribución.
4. Antes de realizar las pruebas de correlación,
es necesario conocer si la distribución que
siguen las variables son normales o no.
Para ello se utilizan las pruebas de
Kolmogorov-Smirnov y de Shapiro-Wilk.
◦ Cuando n(muestra) es mayor o igual a 50 se usa la
prueba KS
◦ Si n(muestra) es menor, utilizaremos la prueba SW.
6. He utilizado la base de datos del seminario V
para realizar las correlaciones.
PASO 1: se deben elegir dos variables en
escala, puesto que en SPSS se corresponden
con variables de razón o intervalo.
- Peso
-Talla
7. Dado que el tamaño de la muestra es 30
(n=30), se utilizará la prueba de normalidad
de la SW (Shapiro-Wilks).
Se abre el menú “estadísticos descriptivos” y,
dentro de este, “ explorar”.
8.
9.
10. Se elige las variables a las que se le va a
realizar la prueba de normalidad. En este
caso se eligen las variables “peso” y “talla”.
Se deben hacer de una en una y desplegando
el menú de “gráficos”, se selecciona la opción
“gráficos con pruebas de normalidad”.
11.
12. A continuación, se observa el resultado de la
prueba SW y se debe ajustar a una
significación de = 0.05.
◦ Si la significación es mayor de 0.05, estaremos
ante una variable con distribución normal.
◦ Si la significación es menor de 0.05, estaremos
ante una variable con distribución no normal.
13. En este caso, le he aplicado a ambas
variables la prueba de normalidad.
El resultado ha sido que ambas siguen una
distribución normal.
Por tanto, deberemos realizar la prueba de la
R de Pearson para conocer su correlación.
14. La significación es de =0,05 y, puesto que nuestro resultado es de
=0,363, podemos determinar que sigue una distribución normal.
15. Como podemos ver, la significación es de =0,615; al ser
mayor de = 0,05 quiere decir que no es significativa y
que por tanto sigue una distribución normal.
16. PASO 2: realizar la prueba de la R de Pearson
para conocer la correlación entre ambas
variables.
Se selecciona en el menú “analizar”, luego
“correlaciones” y, finalmente “bivariadas”.
17.
18. En la ventana, debemos elegir la opción
Pearson.
19. En la hoja de resultados, aparece los
resultados del estadístico.
Analizando la significación que nos
proporciona, podemos saber si las variables
poseen correlación (es decir si están
relacionadas entre sí) o no.
20. Como la significación es de = 0,05 y el resultado es de =0,008, podemos
determinar que existe una relación entre la talla y el peso de los estudiantes.
21. Paso 3: Analizar gráficamente los resultados
obtenidos en la R de Pearson.
Para ello debemos abrir la ventana de
“gráficos” y seleccionar “cuadro de diálogo
antiguos”.
Por último realizaremos un gráfico de
dispersión/puntos.
22.
23. Se selecciona, por último, el gráfico de
dispersión simple y se eligen aquellas
variables de estudio gráfico.
◦ Peso
◦ Talla
24.
25. A continuación se nos abre en la hoja de
resultados el gráfico de dispersión
perteneciente a la correlación entre “Talla” y
“Peso”.
26. Como podemos ver, la gráfica de dispersión de puntos nos enseña la
correlación existente entre el peso y la talla, pues vemos un agrupamiento
de datos, que sigue una línea.
