Ángela Muñoz Muñoz

1. TAREA 8 Y 9.T-STUDENT.
COEFICIENTES DE CORRELACIÓN.
ANGELA MUÑOZ
GRUPO 1 - SUBGRUPO 4

2. COMPARACIÓN TRATAMIENTO A Y B
Estadísticas de grupo
Tipo de TTo. N Media Desviación estándar Media de error
estándar
Peso de los pacientes tto A 573 96,17 7,935 ,331
tto B 543 91,20 7,931 ,340

3. Para analizar ambos tratamientos usaremos la
prueba de t-student y la prueba de levene.
La prueba de levene nos dirá si los datos son o no
significativos, mientras que la prueba de t-student
nos asegurará cual de los dos tratamientos es el más
efectivo.

4. PLANTEAMIENTO DE LA HIPÓTESIS
Prueba T-Student:
Ho (Las medias son iguales, ambos tratamientos son igualmente de efectivos)
H1 (Las medias son distintas por lo que el tratamiento B es más efectivo que el otro,
causalidad y no casualidad)
Prueba Levene:
Ho (No hay diferencia de varianzas)
H1 (Hay diferencia de varianzas)

5. Prueba de muestras independientes
Prueba de Levene de
igualdad de varianzas
prueba t para la igualdad de medias
F Sig. t gl Sig.
(bilateral)
Diferencia
de medias
Diferencia
de error
estándar
95% de intervalo de
confianza de la diferencia
Inferior Superior
Peso de los
pacientes
Se asumen
varianzas iguales
,001 ,981 10,447 1114 ,000 4,963 ,475 4,031 5,895
No se asumen
varianzas iguales
10,447 1110,838 ,000 4,963 ,475 4,031 5,895

6. ANÁLISIS
Como vemos, en el test de levene ya que p es mayor de 0.05 aceptamos la hipótesis
nula, y además la f dice que las varianzas son iguales, por lo que podemos seguir
usando este método.
Por lo tanto ya podemos fijarnos en la sig bilateral (t-student) es menor de 0.05 por
lo que rechazamos la hipótesis nula y aceptamos la alternativa, el tratamiento B es
mejor.

7. PRUEBA DE DATOS APAREADOS
En este caso debemos diferenciar si de verdad hay una diferencia entre los pesos por
la toma de un tratamiento.
H1: Después
PLANTEAMIENTO DE LA HIPOTESIS
H0: No hay diferencia entre el despues y el antes de la toma del tratamiento.
H1: Hay una diferencia entre la el antes y el despues del tratamiento, no es fruto del
azar.

8. Estadísticas de muestras emparejadas
Media N Desviación estándar Media de error
estándar
Par 1 Pesos de los pacientes antes del
TTo
95,50 6 8,735 3,566
Pesos de los pacientes despues del
TTo
87,67 6 10,558 4,310
Correlaciones de muestras emparejadas
N Correlación Sig.
Par
1
Pesos de los pacientes
antes del TTo & Pesos de
los pacientes despues del
TTo
6 ,874 ,023
Es importante decir que el número
de pacientes antes y después del
tratamiento es el mismo, ya que
nadie lo ha dejado.

9. Prueba de muestras emparejadas
Diferencias emparejadas t gl Sig.
(bilateral)
Media Desviación
estándar
Media de
error
estándar
95% de intervalo de
confianza de la diferencia
Inferior Superior
Pa
r 1
Pesos de los
pacientes antes del
TTo - Pesos de los
pacientes despues
del TTo
7,833 5,154 2,104 2,424 13,242 3,723 5 ,014
Como podemos observar el sig bilateral es menor de 0.05, por lo
que rechazamos la hipótesis nula con un error de una muestra en
seis. Es decir, hay diferencia entre la el antes y el después de la
toma, aceptamos la hipótesis alternativa.

10. anovaAl querer comparar tres tratamientos y no dos usaremos anova.
En primer lugar ponderamos el peso total de los pacientes.
PLANTEAMIENTO DE LA HIPÓTESIS
HO: No hay diferencia entre los tres tratamientos.
H1: Hay diferencia entre los tres tratamientos y no es fruto del
azar.

11. ANOVA
Peso de los pacientes total
Suma de
cuadrados
gl Media
cuadrática
F Sig.
Entre grupos 18652,590 2 9326,295 163,325 ,000
Dentro de grupos 93533,949 1638 57,103
Total 112186,539 1640
Prueba de homogeneidad de varianzas
Peso de los pacientes total
Estadístico de
Levene
gl1 gl2 Sig.
3,391 2 1638 ,034
Las varianzas no son iguales y además es menor de 0.05 en sig la
probabilidad de error es nula. Por lo que rechazamos la hipótesis
nula, el mejor tratamiento es el C.

12. Descriptivos
Peso de los pacientes total
N Media Desviación estándar Error estándar 95% del intervalo de confianza para la media Mínimo Máximo
Límite inferior Límite superior
ttoA 573 96,17 7,935 ,331 95,51 96,82 83 108
ttoB 543 91,20 7,931 ,340 90,53 91,87 78 103
ttoC 525 88,01 6,687 ,292 87,43 88,58 78 98
Total 1641 91,91 8,271 ,204 91,51 92,31 78 108

13. En esta gráfica
representamos los
resultados de los
tres tratamientos.

14. CORRELACIONES
Debemos diferenciar si existe una relación entre variables, si son directamente
proporcionales. Las relaciones no son exactas, son relaciones probables en todo lo
que implica humanos.
Lo normal son correlaciones bajas o moderadas. No encontraremos correlaciones
perfectas en lo que humanos se refiere.
Una correlación +1 es directamente proporcional, una correlación 0 es una nube de
puntos que no dice nada. Si la correlación es -1, es inversamente proporcional, hay
correlación.

15. Correlaciones
Colesterol total Trigliceridemia
Colesterol total Correlación de Pearson 1 ,244
Sig. (bilateral) ,056
N 106 62
Trigliceridemia Correlación de Pearson ,244 1
Sig. (bilateral) ,056
N 62 62
Ho: No hay correlación
ninguna entre el
colesterol total y la
trigliceridemia.
H1: Si hay correlación
entre ambos datos.
Puesto que la sig
bilateral es mayor de
0.05 aceptamos la
hipótesis nula, es
casualidad y no tenemos
correlación entre ambas
variables.
CORRELACIÓN UNO

16. CORRELACIÓN DOSCorrelaciones
Colesterol HDL Colesterol LDL Trigliceridemia
Colesterol HDL Correlación de Pearson 1 -,130 -,296
Sig. (bilateral) ,492 ,112
N 30 30 30
Colesterol LDL Correlación de Pearson -,130 1 ,279
Sig. (bilateral) ,492 ,135
N 30 30 30
Trigliceridemia Correlación de Pearson -,296 ,279 1
Sig. (bilateral) ,112 ,135
N 30 30 62
En este caso
también
aceptamos la
hipótesis nula
puesto que es
menor de 0.05.
No hay relación
entre los tres
datos.

17. Gráfica en dispersión de la correlación uno
Como observamos, no
existe correlacion entre
los datos, ya que solo se
representa una nube de
puntos.

18. Correlaciones en gráficas de dispersión