Concordancia y correlación

Concordancia bivariada

Hipótesis en las que las dos variables son variables numéricas en el momento que alguna de las dos no es cuantitativa ya no lo podemos utilizar. Es bivariada ya que hay dos variables una dependiente y otra independiente. Ejemplo: talla y edad, donde la edad influye en la talla. Existe correlación entre dos variables si estas varían conjuntamente.

: si el cambio es en la misma dirección. Al aumentar la edad, -Correlación positivaaumenta la talla.

: si el cambio se produce en distinta dirección. Niveles -Correlación negativaplasmáticos que disminuyen con la edad.

Un diagrama de dispersión es aquella donde colocamos los valores independientes en el eje X y los dependientes en el eje Y, vamos representando a cada persona. Al final tenemos una nube de puntos que es lo que llamamos diagrama de dispersión.

Cuando están muy dispersos los puntos no hay relación entre las dos variables.

Cuando están muy dispersos los puntos no hay relación entre las dos variables.

Relación positiva moderada con margen de error más grande y es positiva a medida que aumenta uno también lo hace el otro.

Relación negativa a medida que baja uno también lo hace otro

Coeficientes de correlaciónR de Pearson

-Estadístico de elección, el más utilizado, si las variables se distribuyen normalmente

Valores

entre -1 y 1

0 no hay correlac

ión

1 es correlac

ión positiva

-1 es correlac

ión negativ

a

Rho de Sperman

Si las variables no se distribuyen normalmente

• -Si 0,05>p; rechazamos la hipótesis nula hay correlación

• -Antes de hacer la prueba de correlación debemos realizar la prueba de normalidad, donde utilizamos la prueba de kolmogorov- smirnov si el tamaño de la muestra es superior a 50, y shapiro wilks menos a 50.

Datos importantes

• P(sig)>0,05 HAY NORMALIDAD

• P(sig)<0,05 NO HAY NORMALIDAD

•P(sig)>0,05 si hay correlación•P(sig)<0,05 no hay correlación 

EJERCICIO 1

Debemos coger dos posibles correlaciones pero la justificamos, le hacemos la prueba de normalidad para cada una, al comprobar la normalidad hacemos la correlación, comentamos los resultados y representamos gráficos.

Cogemos la edad como variable independiente y el ácido úrico como

variable dependiente

Ninguna de las dos siguen la normalidad ya que sig es menos que 0,05

Pruebas de normalidad

1.

Kolmogorov-Smirnova Shapiro-Wilk

Estadístico gl Sig. Estadístico gl Sig.

Edad ,095 101 ,024 ,945 101 ,000

Acido úrico ,084 101 ,077 ,972 101 ,031

Entonces debemos utilizar spearman al no seguir la normalidad 

Entonces miramos que sig es 0,001 entonces si hay correlación y al ser 0,312 entonces es correlación positiva.

Correlaciones

Edad Acido úrico

Rho de Spearman Edad Coeficiente de correlación 1,000 ,312**

Sig. (bilateral) . ,001

N 240 101

Acido úrico Coeficiente de correlación ,312** 1,000

Sig. (bilateral) ,001 .

N 101 101

Hacemos las gráficas

EJERCICIO 2

Debemos coger dos posibles correlaciones pero la justificamos, le hacemos la prueba de normalidad para cada una, al comprobar la normalidad hacemos la correlación, comentamos los resultados y representamos gráficos.

cogemos el peso de la persona que es la variable independiente y

la glucemia en ayunas que es la variable dependiente

Pruebas de normalidad

 

Kolmogorov-Smirnova Shapiro-Wilk

Estadístico gl Sig. Estadístico gl Sig.

Peso medido en consulta,072 110 ,200* ,985 110 ,237

Glucemia en ayunas,242 110 ,000 ,595 110 ,000

Hacemos la correlación con Spearman

Entonces 0,485 entonces hay correlación y positiva y p(0)<0,05 entonces si hay correlación

Correlaciones

 Peso medido en

consulta

Glucemia en

ayunas

Rho de Spearman Peso medido en consulta Coeficiente de correlación 1,000 ,485**

Sig. (bilateral) . ,000

N 240 110

Glucemia en ayunas Coeficiente de correlación ,485** 1,000

Sig. (bilateral) ,000 .

N 110 110

Hacemos los gráficos