análisis bivariado con variables cuantitativas

ANÁLISIS BIVARIADO CON VARIABLES CUANTITATIVAS

Nadia Aguilar Pérez Grupo A Subgrupo 1 (Macarena)

► Cargamos base de datos “activosensalud” en R Commander

COMPROBACIÓN DE DISTRIBUCIÓN NORMAL ► Vamos a comprobar si las dos variables cuantitativas, elegidas al

azar, siguen o no una distribución normal.

Utilizaremos el coeficiente de correlación de Pearson si las variables

siguen una distribución normal, en caso contrario utilizaremos el

coeficiente de Rho de Spearman.

Observamos mediante un diagrama de dispersión cómo se relacionan las variables “peso” y “altura”:

No se puede apreciar una relación, aunque la muestra sea muy grande, entre ambas variables ya que cuando una varía la otra no tiene por qué hacerlo. Por ello, vamos a utilizar otras pruebas.

► En primer lugar vamos a utilizar el gráfico QQ para cada una de las variables.

ALTURA: PESO:

Ninguna de las dos gráficas sigue una distribución normal

► Lo comprobamos ahora con el gráfico de histogramas.

ALTURA: PESO:

Como en ningún gráfico es simétrica a ambos lados de la mediana ninguna de las dos sigue una distribución normal.

► Utilizamos ahora el gráfico Box-Plot:

ALTURA: PESO:

El segundo cuartil, la mediana, debería coincidir con el valor central. Como esto no ocurre: no sigue una distribución normal.

► Realizamos un test de contraste de hipótesis: el test de Shapiro. Para ello

planteamos dos hipótesis:

Ho (hipótesis nula): La variable altura sigue una distribución normal. H1 (hipótesis alternativa): La variable altura no sigue una distribución normal.

ALTURA: PESO:

Suponemos en ambos casos que el riesgo que aceptamos es de 0’05. Tanto en la altura como en el peso, el p valor que obtenemos es inferior al margen de error que hemos determinado. Por eso, rechazamos en ambas, la hipótesis nula y por tanto aceptamos la hipótesis alternativa: Ni la variable altura, ni la variable peso siguen una D.N.

► Por último, vamos a utilizar el test de Spearman. Para ello establecemos

dos hipótesis:

Ho: Existe correlación entre peso y altura (Rho ≠ 0)

H1: No existe correlación entre peso y altura (Rho = 0)

Como rho es distinto de cero podemos afirmar la existencia correlación entre las variables. Es una correlación buena, ya que 0,622 está alejado del cero y más cerca del 1. Por tanto, aceptamos la hipótesis nula: Existe correlación entre peso y altura.