seminario viii
TRANSCRIPT
![Page 1: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/1.jpg)
SEMINARIO VIII Análisis bivariado con variables cuantitativas.
1 º ENFERMERÍA HUVR
![Page 2: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/2.jpg)
DESCRIPCIÓN DE LA TAREA
Determina que si existe relación y como de fuerte es entre las variables altura y peso
![Page 3: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/3.jpg)
En primer lugar abrimos R commander para comenzar nuestra tarea
![Page 4: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/4.jpg)
Para averiguar la relación entre las dos variables y como de fuerte es necesitamos averiguar la correlación. Para ello utilizaremos:
- Pearson: para usarlo es necesario comprobar la normalidad y la linealidad de la distribución.
-Rho Spearman: no presenta condiciones.
![Page 5: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/5.jpg)
Para determinar la correlación, como he mencionado anteriormente, es necesario conocer la forma de la distribución, y para ello hay que hacer distintos gráficos:
- histograma - Q-Q - box-plotY el test de Shapiro Wilk. Una vez que conozcamos si sigue o no la distribución normal, podemos
elegir que tipo de correlación usamos: - Pearson si es normal y lineal. - Spearman si no lo es
![Page 6: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/6.jpg)
Se carga la base de datos
![Page 7: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/7.jpg)
HISTOGRAMA
altura
peso
![Page 8: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/8.jpg)
BOX-PLOT
altura
peso
![Page 9: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/9.jpg)
Q-Qaltura
peso
![Page 10: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/10.jpg)
Test de normalidad Shapiro Wilk
Altura
P valor= 4.68 e-6PesoP valor=8.406e-13
![Page 11: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/11.jpg)
En el test de Shapiro Wilk de ambas variables el p valor es menor que 0.05 por lo que las variables no siguen una distribución normal. Se acepta la H1 (hay dependencia entre las variables)
![Page 12: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/12.jpg)
Diagrama de dispersiónVemos como hay relación entre ambas variables, pues a medida que aumenta la altura, aumenta el peso
![Page 13: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/13.jpg)
En los tres gráficos y en el Shapiro Wilk se aprecia claramente como ninguna de las dos variables sigue una distribución normal. Esto quiere decir que no se puede utilizar la correlación de Pearson, sino que se debe usar la Rho Spearman.
![Page 14: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/14.jpg)
Matriz de correlación
![Page 15: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/15.jpg)
Con Spearman se conoce la fuerza de correlación entre ambas variables
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
![Page 16: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/16.jpg)
Se puede decir que la correlación entre ambas variables es alta.
Las hipótesisH0: (p>0.05) Es igual a la normalH1: (p<0.05) No es igual a la normal
![Page 17: Seminario viii](https://reader036.vdocumento.com/reader036/viewer/2022070515/587a65161a28ab8a2a8b5161/html5/thumbnails/17.jpg)
El p valor es menor que 0.05 por lo que se puede aceptar la H1
El p valor es 0.001