seminario 8
TRANSCRIPT
![Page 1: Seminario 8](https://reader036.vdocuments.co/reader036/viewer/2022070512/588b40d01a28ab5a5b8b68c7/html5/thumbnails/1.jpg)
ANÁLISIS BIVARIADO CON
VARIABLES CUANTITATIVAS
Mariló Páyer PérezMacarena A
Susbgrupo 3
![Page 2: Seminario 8](https://reader036.vdocuments.co/reader036/viewer/2022070512/588b40d01a28ab5a5b8b68c7/html5/thumbnails/2.jpg)
EJERCICIO Determina si existe relación entre las variables altura y peso del
fichero de datos “activos en salud” y si existe determina cómo de fuerte es.
Para resolver este ejercicio, vamos a abrir nuestra base de datos en R Commander y vamos a crear una tabla de comparación de cuartiles con ambas variables:
![Page 3: Seminario 8](https://reader036.vdocuments.co/reader036/viewer/2022070512/588b40d01a28ab5a5b8b68c7/html5/thumbnails/3.jpg)
Podemos comprobar como ambas variables, tanto altura como peso, tienen muchos puntos fuera de la línea principal, lo que
nos indica una ausencia de normalidad
![Page 4: Seminario 8](https://reader036.vdocuments.co/reader036/viewer/2022070512/588b40d01a28ab5a5b8b68c7/html5/thumbnails/4.jpg)
Vamos a probar ahora con un histograma:
Ninguno de los dos gráficos presenta la simetría típica de una distribución normal, como vimos en el gráfico Q-Q
![Page 5: Seminario 8](https://reader036.vdocuments.co/reader036/viewer/2022070512/588b40d01a28ab5a5b8b68c7/html5/thumbnails/5.jpg)
¿…y con un boxplot?
Nada, de nuevo vemos como los valores no siguen una distribución normal (la caja no está en el centro de la muestra)
![Page 6: Seminario 8](https://reader036.vdocuments.co/reader036/viewer/2022070512/588b40d01a28ab5a5b8b68c7/html5/thumbnails/6.jpg)
Ahora que sabemos que no siguen una distribución normal, vamos a estudiar qué tipo de relación existe entre ambas variables y cómo de fuerte es esta relación (en el caso de que la hubiera)Para ello, vamos a crear un diagrama de dispersión entre ambas variables:
Vamos a marcar esta opción para que dibuje la recta de regresión
![Page 7: Seminario 8](https://reader036.vdocuments.co/reader036/viewer/2022070512/588b40d01a28ab5a5b8b68c7/html5/thumbnails/7.jpg)
Viendo este gráfico a simple vista podemos afirmar que, aunque la muestra es lo suficientemente grande, no se aprecia una relación entre ambas variables. Para corroborar esta información, vamos a observarla numéricamente mediante el test de correlación
![Page 8: Seminario 8](https://reader036.vdocuments.co/reader036/viewer/2022070512/588b40d01a28ab5a5b8b68c7/html5/thumbnails/8.jpg)
Seleccionamos ambas variables y señalamos el coeficiente de Pearson, ya que se trata de dos variables cuantitativas
![Page 9: Seminario 8](https://reader036.vdocuments.co/reader036/viewer/2022070512/588b40d01a28ab5a5b8b68c7/html5/thumbnails/9.jpg)
Repitiendo esta operación con el coeficiente de Spearman:
![Page 10: Seminario 8](https://reader036.vdocuments.co/reader036/viewer/2022070512/588b40d01a28ab5a5b8b68c7/html5/thumbnails/10.jpg)
Ambos resultados son muy semejantes: 0,63 aproximadamente, o lo que es lo mismo 63%
Esto significa que existe una correlación entre peso y altura
Concretamente, esta correlación es positiva Así pues, podemos aceptar y rechazar nuestras
hipótesis: Aceptamos H0: existe correlación entre peso y altura (Rho
entre -1 y 1) Rechazamos H1:no existe correlación entre peso y altura
(Rho=0)