SlideShare une entreprise Scribd logo
1  sur  26
Seminario de Estadísticas:
Ejercicio de Correlación
Realizado por Alba Gutiérrez Álvarez
Grupo 6 Curso 2012/13
1ºGrado en Enfermería
U.D. Virgen del Rocío
¿Qué es la correlación?
A modo de introducción, la correlación es relación
dependencia que existe entre dos variables o
cambio sistémico en las puntuaciones de dos
variables de intervalo/razón.
Dos variables presentan correlación cuando al
modificar una (aumentar o disminuir) también
modifica la otra variable.
Ejercicio 1
1.1.- Utilizando nuestra base de datos comprueba la correlación
entre la variable peso y la variable horas de dedicación al deporte.
Comenta los resultados.
Para esta primera actividad, donde usaremos la base de datos de
SPSS, primero identificaremos las dos variables (peso y dedicación
al estudio).
Desde el programa estadístico SPSS, le damos a analizar, dispersión
y elegiremos la opción de dispersión simple.
En el gráfico obtenido, podemos apreciar como si existe una
correlación, quizás débil, ya que la nube de puntos se
distribuyen alrededor de la recta aunque no de forma
perfecta.
Como la recta es creciente la correlación es positiva o directa:
al aumentar una variable, la otra tiene también tendencia a
aumentar.
Sin embargo, con la nube de puntos no podemos confirmar con
certeza que exista correlación. Para ello, debemos de usar
una prueba de hipótesis para valorar si existe o no
correlación lineal entre las dos variables cuantitativas.
Esa prueba de contraste de hipótesis se realiza calculando el
denominado coeficiente de correlación lineal de Pearson. El
coeficiente de correlación lineal de Pearson permite estudiar
la fuerza de la correlación o asociación lineal entre dos
variables cuantitativas.
Para calcular el coeficiente de Pearson, primero debemos
de comprobar si ambas variables son cuantitativas y si
tienen una distribución normal (que sí lo cumple puesto que
el número de la muestra estudiada es de 30).
Una vez comprobada estas dos premisas, pasamos a
calcular el coeficiente de Pearson con SPSS.
De nuevo le damos a analizar, correlaciones, bivariadas, y
aquí es donde elegimos las dos variables estudiadas, le
damos a aceptar y obtenemos los gráficos esperados.
Como obtenemos que el coeficiente de Pearson es diferente
de cero (Pxy= 0,4) podemos afirmar que SÍ hay correlación,
aunque ésta es débil.
Hecho esto, sabemos que en la muestra sí hay correlación,
es decir, que las variables peso y dedicación al deporte
están relacionadas, pero lo que nosotros debemos
comprobar es sí esa correlación también se de en la
población. Para ello, llevamos a cabo el:
CONTRASTE DE HIPÓTESIS
Antes de realizar el contraste de hipótesis, estableceremos
las dos hipótesis:
H = no hay correlación entre ambas variables (p=0)₀
H = sí hay correlación entre las dos variables (p ≠ 0 )₁
Como el valor del punto crítico (p: 0,091) es mayor que el nivel
de significancia (α: 0,05) podemos afirmar que se acepta la
hipótesis nula (rechazamos la hipótesis alterna).
CONCLUSIÓN En la población, NO hay correlación
entre las variables peso y dedicación al deporte.
1.2.- Calcula el Coeficiente de Correlación de Pearson para las
variables número de cigarrillos fumados al día y nota de acceso.
Comenta los resultados.
Como en el ejercicio anterior, buscamos en la tabla las dos variables
en las cuales queremos comprobar si hay correlación, que son el nº
de cigarrillos fumados al día y la nota de acceso.
Para ello, desde el programa de SPSS, le damos a analizar, dispersión
y elegiremos dispersión simple.
Como podemos observar en la gráfica resultante, los datos
podemos decir que se sitúan alineados (aunque no de forma
exacta) en torno a una recta, aunque también destacar que
uno de los datos se encuentra aislado.
Para comprobar con exactitud si hay o no correlación entre
ambas variables, tenemos que calcular el coeficiente lineal
de Pearson.
Como explicamos anteriormente, las dos premisas necesarias
que debe de cumplirse para poder aplicar Pearson es que
ambas sean variables cuantitativas y que sigan una
distribución normal (que sí lo cumple porque n>30).
Contrastadas estas premisas, podemos pasar a calcular el
coeficiente de Pearson.
Desde SPSS, le damos a analizar, correlaciones, bivariadas, y
elegimos nuestras dos variables.
Como hemos obtenido que el coeficiente de correlación es
diferente de 0 (p= -0,97), podemos afirmar sí existe
correlación, que además es muy fuerte y que es decreciente
( ya que el número obtenido es negativo).
Ya sabemos que en la muestra sí hay correlación, pero lo que
nosotros queremos comprobar es sí esa correlación también
se da en la población. Para ello, realizaremos el contraste de
hipótesis.
En primer lugar, estableceremos ambas hipótesis:
H : hipótesis nula; afirma que en la población no existe₀
correlación entre ambas variables (en la muestra la
correlación se ha debido al azar).
H : hipótesis alterna; afirma que sí existe correlación en la₁
población , al igual que en la muestra.
Como observamos en la tabla, el grado de significación es
α= 0,05. Por ello, como p (0,001) es menor que el grado de
significación (0,01), aceptamos la hipótesis alterna, por lo que
rechazamos la nula.
CONCLUSIÓN En la población, SÍ hay correlación entre
las variables nº de cigarrillos y nota de acceso.
1.3.- Calcula el Coeficiente de Correlación de Pearson para
las variables peso y altura (limitando la muestra a 10 casos).
Comenta los resultados.
Antes de realizar el coeficiente de correlación de Pearson,
debemos de confirmar que se cumple que las variables
sean cuantitativas (que sí lo son) y que siguen una
distribución normal. Esta segunda premisa no la cumple,
puesto que el número de individuos es menor que 30 (es
10).
Para comprobar si sigue una distribución normal, hacemos la
prueba de normalidad con Kolmogorov. Para ello, desde
SPSS, le daremos a analizar, estadísticos descriptivos,
explorar, opciones, pruebas de normalidad y le damos a
aceptar.
Tras realizar Kolmogorov, obtenemos que el punto crítico es
0,2, que al ser mayor que el nivel de significación es 0,05,
las variables se distribuyen normalmente.
Por lo que ya podremos utilizar la prueba de correlación de
Pearson.
En primer lugar, haremos la gráfica desde SPSS y
obtenemos lo siguiente :
Observando la gráfica, podemos suponer que sí hay
correlación entre ambas variables, por la forma en la que se
distribuyen los puntos en torno a la gráfica, y que el valor de
la correlación será positivo puesto que es ascendente.
Para comprobar con certeza si hay o no correlación,
calcularemos el coeficiente lineal de Pearson, haciendo uso
del programa estadístico SPSS, y obtenemos lo siguiente:
Vemos como sí existe correlación (puesto que el valor no es 0),
y que además es fuerte (p= 0,757) y ascendente (porque el
valor es positivo).
Tras esto, estableceremos ambas hipótesis:
H (hipótesis nula): afirma que no hay correlación entre las dos₀
variables, solo se debe al azar.
H (hipótesis alterna): sí existe correlación entre la variable₁
peso y altura en la población.
Como el valor del punto crítico (0,011) es menor que el nivel de
significancia (0,05), debemos de rechazar la hipótesis nula y
aceptar la alterna, con un nivel de confianza del 95%.
CONCLUSIÓN Al igual que ocurre en la muestra, en la
población también hay correlación entre las variables peso y
altura.
Ejercicio S10.2: De una muestra de niños conocemos su edad (X) medida
en días y su peso (Y) en kg., según los resultados de la tabla. Si ambas
variables se distribuyen normalmente, averiguar si existe correlación entre
ambas variables en la población de donde proviene la muestra?
Tenemos dos variables cuantitativas “edad” y “peso” que se distribuyen
normalmente, por lo que tenemos que:
Edad (días) Peso corporal
(Kg)
0 3,65
0 3,4
0 3,175
30 3,9
30 4,2
30 5,19
60 5,82
60 5,115
60 4,5
90 5,2
90 6,8
90 6,2
120 7,07
120 7,85
150 7,235
150 6,12
150 8,1
180 8,67
180 7,75
180 6,9
1. Calcular el coeficiente de correlación de Pearson.
Antes de usar la correlación de Pearson, debemos de comprobar si
sigue una distribución normal las variables (que sí puesto que lo
dice el enunciado) y que ambas variables sean cuantitativas
(premisa que también cumple).
Tras comprobar que podemos utilizar la correlación de Pearson,
pasamos a calcularlo. Para ello, debemos de realizar una tabla,
quedando de la siguiente forma:
Una vez realizada la tabla, aplicaremos la siguiente fórmula
para calcular el coeficiente de correlación de Pearson, cuyo
resultado es:
0,910,91
Como hemos obtenido que el coeficiente es distinto de cero
(Rxy=0,91), podemos afirmar que sí hay correlación y que además,
ésta es fuerte y ascendente (puesto que el valor es positivo).
Por ello, podemos decir que en la muestra sí hay correlación entre
ambas variables, pero debemos de comprobar sí esa correlación
también existe en la población CONTRASTE DE HIPÓTESIS
2. Averiguar si el coeficiente de correlación es significativo.
Antes de realizar el contraste de hipótesis (por el que
sabremos si existe o no correlación en la población),
estableceremos las dos hipótesis:
H (hipótesis nula): afirma que en la población no hay₀
correlación, solo se debe al azar.
H (hipótesis alterna): afirma que en la población, al igual que₁
en la muestra, si existe correlación entre las dos variables
“edad” y “peso”.
Para el contraste de hipótesis, se calcula el estadístico t, que
sigue una distribución de T-Student, con n-2 grados de
libertad:
t n-2= rxy √ [(n-2)/1- (rxy)²]= 0.91·√19/0,1719= 9,57
A continuación, pasaremos a calcular el punto crítico. Para ello,
nos iremos a la tabla de T-Student, con n-2 grados de
libertad (20-2=19), y con α= 0,05 (nivel de significancia), y
obtenemos que el punto crítico es 2,093
Si comparamos el punto crítico con el estadístico t calculado,
podemos observar que el estadístico es mayor que el punto
crítico, por lo que rechazaríamos la hipótesis nula y
aceptamos la alterna: en la población, sí hay correlación
entre las variables edad y peso
Ejercicio S10.3: De una muestra de alumnos conocemos las
notas de Matemáticas (X) y de Lengua (Y), según los
resultados de la tabla. Si ambas variables se distribuyen
normalmente, averiguar ¿existe correlación entre ambas
variables en la población de donde proviene la muestra?.
Tenemos dos variables cuantitativas “nota de matemáticas”
y “nota de lengua” que se distribuyen normalmente, por lo
que tenemos:
X Y
6 7
3 6
7 2
5 6
4 5
2 7
1 2
Calcular el coeficiente de correlación de Pearson.
Antes de calcular el coeficiente, debemos de asegurarnos su
las variables son cuantitativas (que sí lo son) y si siguen una
distribución normal (que también lo cumple).
Cumplidas ambas condiciones, pasaremos a realizar la tabla
en primer lugar:
X Y X² Y² X·Y
6 7 36 49 42
3 6 9 36 18
7 2 49 4 14
5 6 25 36 30
4 5 16 25 20
2 7 4 49 14
1 2 1 4 2
: 28 : 35 : 140 : 203 : 140
Una vez realizada la tabla, calcularemos el coeficiente de
correlación de Pearson entre X e Y.
00
Como observamos, tras el cálculo vemos que el coeficiente
de correlación es 0, por lo que no podemos de seguir con
la actividad, puesto que en la muestra, no hay correlación
entre las variables.
Debido a ello, no realizaremos el contraste de hipótesis
puesto que, al igual que en la muestra, en la población
tampoco habrá correlación entre las variables de notas de
matemáticas y las notas de lengua.
Seminario 10 de estadísticas

Contenu connexe

Tendances

Coeficiente de correlacion de pearson
Coeficiente de correlacion de pearsonCoeficiente de correlacion de pearson
Coeficiente de correlacion de pearsonluis gonzalez
 
Coeficiente de Correlación de Pearson y Spearman
Coeficiente de Correlación de Pearson y SpearmanCoeficiente de Correlación de Pearson y Spearman
Coeficiente de Correlación de Pearson y SpearmanPatricia Castillo
 
Diapositivas coef. pearson y sperman
Diapositivas coef. pearson y spermanDiapositivas coef. pearson y sperman
Diapositivas coef. pearson y spermanpablo velasquez
 
Metodos de correlacion de spearman y pearson
Metodos de correlacion de spearman y pearsonMetodos de correlacion de spearman y pearson
Metodos de correlacion de spearman y pearsonmichacy
 
Coeficientes de Correlacion de Spearman y Pearson
Coeficientes de Correlacion de Spearman y PearsonCoeficientes de Correlacion de Spearman y Pearson
Coeficientes de Correlacion de Spearman y Pearsonanicar31
 
La correlación indica la fuerza y la dirección de una relación lineal entre d...
La correlación indica la fuerza y la dirección de una relación lineal entre d...La correlación indica la fuerza y la dirección de una relación lineal entre d...
La correlación indica la fuerza y la dirección de una relación lineal entre d...Alfredo Salas
 
Correlacion de Pearson y de Sperman
 Correlacion de Pearson y de Sperman Correlacion de Pearson y de Sperman
Correlacion de Pearson y de Spermanifumek
 
coeficientes de correlación de Pearson y de Sperman
coeficientes de correlación de Pearson y de Spermancoeficientes de correlación de Pearson y de Sperman
coeficientes de correlación de Pearson y de Spermanpolethvillalba
 
Seminario 10
Seminario 10Seminario 10
Seminario 10sangarram
 
CORRELACIÓN DE PEARSON Y SPEARMAN
CORRELACIÓN DE PEARSON Y SPEARMAN CORRELACIÓN DE PEARSON Y SPEARMAN
CORRELACIÓN DE PEARSON Y SPEARMAN michaeloscar22
 
Análisis de correlación y regresión lineal simple
Análisis de correlación y regresión lineal simpleAnálisis de correlación y regresión lineal simple
Análisis de correlación y regresión lineal simpleEmilio Vega
 

Tendances (20)

Seminario 10
Seminario 10Seminario 10
Seminario 10
 
Correlación
CorrelaciónCorrelación
Correlación
 
Correlación
CorrelaciónCorrelación
Correlación
 
Coeficiente de correlacion de pearson
Coeficiente de correlacion de pearsonCoeficiente de correlacion de pearson
Coeficiente de correlacion de pearson
 
Coeficiente de Correlación de Pearson y Spearman
Coeficiente de Correlación de Pearson y SpearmanCoeficiente de Correlación de Pearson y Spearman
Coeficiente de Correlación de Pearson y Spearman
 
Diapositivas coef. pearson y sperman
Diapositivas coef. pearson y spermanDiapositivas coef. pearson y sperman
Diapositivas coef. pearson y sperman
 
Metodos de correlacion de spearman y pearson
Metodos de correlacion de spearman y pearsonMetodos de correlacion de spearman y pearson
Metodos de correlacion de spearman y pearson
 
Coeficientes de Correlacion de Spearman y Pearson
Coeficientes de Correlacion de Spearman y PearsonCoeficientes de Correlacion de Spearman y Pearson
Coeficientes de Correlacion de Spearman y Pearson
 
Seminario 10
Seminario 10Seminario 10
Seminario 10
 
La correlación indica la fuerza y la dirección de una relación lineal entre d...
La correlación indica la fuerza y la dirección de una relación lineal entre d...La correlación indica la fuerza y la dirección de una relación lineal entre d...
La correlación indica la fuerza y la dirección de una relación lineal entre d...
 
Seminario10
Seminario10Seminario10
Seminario10
 
Correlaciones
CorrelacionesCorrelaciones
Correlaciones
 
Correlaciones
CorrelacionesCorrelaciones
Correlaciones
 
Correlacion de Pearson y de Sperman
 Correlacion de Pearson y de Sperman Correlacion de Pearson y de Sperman
Correlacion de Pearson y de Sperman
 
coeficientes de correlación de Pearson y de Sperman
coeficientes de correlación de Pearson y de Spermancoeficientes de correlación de Pearson y de Sperman
coeficientes de correlación de Pearson y de Sperman
 
Seminario 10
Seminario 10Seminario 10
Seminario 10
 
CORRELACIÓN DE PEARSON Y SPEARMAN
CORRELACIÓN DE PEARSON Y SPEARMAN CORRELACIÓN DE PEARSON Y SPEARMAN
CORRELACIÓN DE PEARSON Y SPEARMAN
 
Análisis de correlación y regresión lineal simple
Análisis de correlación y regresión lineal simpleAnálisis de correlación y regresión lineal simple
Análisis de correlación y regresión lineal simple
 
Correlación PEARSON
Correlación PEARSONCorrelación PEARSON
Correlación PEARSON
 
Pearson
PearsonPearson
Pearson
 

Similaire à Seminario 10 de estadísticas

Seminario 10
Seminario 10Seminario 10
Seminario 10sangarram
 
Seminario 10 ejercicio 1 (falta 1.1)
Seminario 10 ejercicio 1 (falta 1.1)Seminario 10 ejercicio 1 (falta 1.1)
Seminario 10 ejercicio 1 (falta 1.1)solsolitott
 
Tareas 10º seminario
Tareas 10º seminarioTareas 10º seminario
Tareas 10º seminarioinmafj
 
Correlación entre variables
Correlación entre variablesCorrelación entre variables
Correlación entre variablesGloria Oliva
 
Power point seminario 10
Power point seminario 10Power point seminario 10
Power point seminario 10carcolsan20
 
Seminario estadistica 10
Seminario estadistica 10 Seminario estadistica 10
Seminario estadistica 10 InmaMoreno
 
Seminario estadistica 10
Seminario estadistica 10 Seminario estadistica 10
Seminario estadistica 10 InmaMoreno
 
Power seminario 10
Power seminario 10Power seminario 10
Power seminario 10carcolsan20
 
Power seminario 10
Power seminario 10Power seminario 10
Power seminario 10carcolsan20
 
Ejercicio seminario 9 pearson
Ejercicio seminario 9   pearsonEjercicio seminario 9   pearson
Ejercicio seminario 9 pearsonFran Narváez
 
Seminario
SeminarioSeminario
SeminarioInnaRM
 
PPT-Correlación-PROB.-Y-EST.pptx
PPT-Correlación-PROB.-Y-EST.pptxPPT-Correlación-PROB.-Y-EST.pptx
PPT-Correlación-PROB.-Y-EST.pptxJessAnzaldo
 
Seminario 10
Seminario 10Seminario 10
Seminario 10ciscovi
 
Tarea seminario 10
Tarea seminario 10Tarea seminario 10
Tarea seminario 10beatrizcz
 
Tarea seminario 10
Tarea seminario 10Tarea seminario 10
Tarea seminario 10beatrizcz
 

Similaire à Seminario 10 de estadísticas (20)

Seminario 10
Seminario 10Seminario 10
Seminario 10
 
Seminario 10
Seminario 10Seminario 10
Seminario 10
 
Seminario 10 ejercicio 1 (falta 1.1)
Seminario 10 ejercicio 1 (falta 1.1)Seminario 10 ejercicio 1 (falta 1.1)
Seminario 10 ejercicio 1 (falta 1.1)
 
Tareas 10º seminario
Tareas 10º seminarioTareas 10º seminario
Tareas 10º seminario
 
Seminario x
Seminario xSeminario x
Seminario x
 
Correlación entre variables
Correlación entre variablesCorrelación entre variables
Correlación entre variables
 
Power point seminario 10
Power point seminario 10Power point seminario 10
Power point seminario 10
 
Seminario 10
Seminario 10Seminario 10
Seminario 10
 
Seminario estadistica 10
Seminario estadistica 10 Seminario estadistica 10
Seminario estadistica 10
 
Seminario estadistica 10
Seminario estadistica 10 Seminario estadistica 10
Seminario estadistica 10
 
Seminario 9
Seminario 9Seminario 9
Seminario 9
 
Power seminario 10
Power seminario 10Power seminario 10
Power seminario 10
 
Power seminario 10
Power seminario 10Power seminario 10
Power seminario 10
 
Ejercicio seminario 9 pearson
Ejercicio seminario 9   pearsonEjercicio seminario 9   pearson
Ejercicio seminario 9 pearson
 
Seminario
SeminarioSeminario
Seminario
 
PPT-Correlación-PROB.-Y-EST.pptx
PPT-Correlación-PROB.-Y-EST.pptxPPT-Correlación-PROB.-Y-EST.pptx
PPT-Correlación-PROB.-Y-EST.pptx
 
Trabajo seminario 9
Trabajo seminario 9Trabajo seminario 9
Trabajo seminario 9
 
Seminario 10
Seminario 10Seminario 10
Seminario 10
 
Tarea seminario 10
Tarea seminario 10Tarea seminario 10
Tarea seminario 10
 
Tarea seminario 10
Tarea seminario 10Tarea seminario 10
Tarea seminario 10
 

Plus de AlbaGutierrezAlvarez

Plus de AlbaGutierrezAlvarez (8)

Seminario 9 de estadísticas
Seminario 9 de estadísticasSeminario 9 de estadísticas
Seminario 9 de estadísticas
 
Seminario 8 de estadísticas
Seminario 8 de estadísticasSeminario 8 de estadísticas
Seminario 8 de estadísticas
 
Ejercicio voluntario del seminario 7 de estadísticas
Ejercicio voluntario del seminario 7 de estadísticasEjercicio voluntario del seminario 7 de estadísticas
Ejercicio voluntario del seminario 7 de estadísticas
 
Seminario 7 de estadísticas y tics
Seminario 7 de estadísticas y ticsSeminario 7 de estadísticas y tics
Seminario 7 de estadísticas y tics
 
Seminario 6 de estadísticas y tics
Seminario 6 de estadísticas y ticsSeminario 6 de estadísticas y tics
Seminario 6 de estadísticas y tics
 
Errata seminario 5 etic
Errata seminario 5 eticErrata seminario 5 etic
Errata seminario 5 etic
 
Seminario 5 de ETICS
Seminario 5 de ETICSSeminario 5 de ETICS
Seminario 5 de ETICS
 
Prueba de estadística
Prueba de estadísticaPrueba de estadística
Prueba de estadística
 

Seminario 10 de estadísticas

  • 1. Seminario de Estadísticas: Ejercicio de Correlación Realizado por Alba Gutiérrez Álvarez Grupo 6 Curso 2012/13 1ºGrado en Enfermería U.D. Virgen del Rocío
  • 2. ¿Qué es la correlación? A modo de introducción, la correlación es relación dependencia que existe entre dos variables o cambio sistémico en las puntuaciones de dos variables de intervalo/razón. Dos variables presentan correlación cuando al modificar una (aumentar o disminuir) también modifica la otra variable.
  • 4. 1.1.- Utilizando nuestra base de datos comprueba la correlación entre la variable peso y la variable horas de dedicación al deporte. Comenta los resultados. Para esta primera actividad, donde usaremos la base de datos de SPSS, primero identificaremos las dos variables (peso y dedicación al estudio). Desde el programa estadístico SPSS, le damos a analizar, dispersión y elegiremos la opción de dispersión simple.
  • 5. En el gráfico obtenido, podemos apreciar como si existe una correlación, quizás débil, ya que la nube de puntos se distribuyen alrededor de la recta aunque no de forma perfecta. Como la recta es creciente la correlación es positiva o directa: al aumentar una variable, la otra tiene también tendencia a aumentar. Sin embargo, con la nube de puntos no podemos confirmar con certeza que exista correlación. Para ello, debemos de usar una prueba de hipótesis para valorar si existe o no correlación lineal entre las dos variables cuantitativas. Esa prueba de contraste de hipótesis se realiza calculando el denominado coeficiente de correlación lineal de Pearson. El coeficiente de correlación lineal de Pearson permite estudiar la fuerza de la correlación o asociación lineal entre dos variables cuantitativas.
  • 6. Para calcular el coeficiente de Pearson, primero debemos de comprobar si ambas variables son cuantitativas y si tienen una distribución normal (que sí lo cumple puesto que el número de la muestra estudiada es de 30). Una vez comprobada estas dos premisas, pasamos a calcular el coeficiente de Pearson con SPSS. De nuevo le damos a analizar, correlaciones, bivariadas, y aquí es donde elegimos las dos variables estudiadas, le damos a aceptar y obtenemos los gráficos esperados.
  • 7. Como obtenemos que el coeficiente de Pearson es diferente de cero (Pxy= 0,4) podemos afirmar que SÍ hay correlación, aunque ésta es débil. Hecho esto, sabemos que en la muestra sí hay correlación, es decir, que las variables peso y dedicación al deporte están relacionadas, pero lo que nosotros debemos comprobar es sí esa correlación también se de en la población. Para ello, llevamos a cabo el: CONTRASTE DE HIPÓTESIS
  • 8. Antes de realizar el contraste de hipótesis, estableceremos las dos hipótesis: H = no hay correlación entre ambas variables (p=0)₀ H = sí hay correlación entre las dos variables (p ≠ 0 )₁ Como el valor del punto crítico (p: 0,091) es mayor que el nivel de significancia (α: 0,05) podemos afirmar que se acepta la hipótesis nula (rechazamos la hipótesis alterna). CONCLUSIÓN En la población, NO hay correlación entre las variables peso y dedicación al deporte.
  • 9. 1.2.- Calcula el Coeficiente de Correlación de Pearson para las variables número de cigarrillos fumados al día y nota de acceso. Comenta los resultados. Como en el ejercicio anterior, buscamos en la tabla las dos variables en las cuales queremos comprobar si hay correlación, que son el nº de cigarrillos fumados al día y la nota de acceso. Para ello, desde el programa de SPSS, le damos a analizar, dispersión y elegiremos dispersión simple.
  • 10. Como podemos observar en la gráfica resultante, los datos podemos decir que se sitúan alineados (aunque no de forma exacta) en torno a una recta, aunque también destacar que uno de los datos se encuentra aislado. Para comprobar con exactitud si hay o no correlación entre ambas variables, tenemos que calcular el coeficiente lineal de Pearson. Como explicamos anteriormente, las dos premisas necesarias que debe de cumplirse para poder aplicar Pearson es que ambas sean variables cuantitativas y que sigan una distribución normal (que sí lo cumple porque n>30). Contrastadas estas premisas, podemos pasar a calcular el coeficiente de Pearson. Desde SPSS, le damos a analizar, correlaciones, bivariadas, y elegimos nuestras dos variables.
  • 11. Como hemos obtenido que el coeficiente de correlación es diferente de 0 (p= -0,97), podemos afirmar sí existe correlación, que además es muy fuerte y que es decreciente ( ya que el número obtenido es negativo).
  • 12. Ya sabemos que en la muestra sí hay correlación, pero lo que nosotros queremos comprobar es sí esa correlación también se da en la población. Para ello, realizaremos el contraste de hipótesis. En primer lugar, estableceremos ambas hipótesis: H : hipótesis nula; afirma que en la población no existe₀ correlación entre ambas variables (en la muestra la correlación se ha debido al azar). H : hipótesis alterna; afirma que sí existe correlación en la₁ población , al igual que en la muestra. Como observamos en la tabla, el grado de significación es α= 0,05. Por ello, como p (0,001) es menor que el grado de significación (0,01), aceptamos la hipótesis alterna, por lo que rechazamos la nula. CONCLUSIÓN En la población, SÍ hay correlación entre las variables nº de cigarrillos y nota de acceso.
  • 13. 1.3.- Calcula el Coeficiente de Correlación de Pearson para las variables peso y altura (limitando la muestra a 10 casos). Comenta los resultados. Antes de realizar el coeficiente de correlación de Pearson, debemos de confirmar que se cumple que las variables sean cuantitativas (que sí lo son) y que siguen una distribución normal. Esta segunda premisa no la cumple, puesto que el número de individuos es menor que 30 (es 10). Para comprobar si sigue una distribución normal, hacemos la prueba de normalidad con Kolmogorov. Para ello, desde SPSS, le daremos a analizar, estadísticos descriptivos, explorar, opciones, pruebas de normalidad y le damos a aceptar. Tras realizar Kolmogorov, obtenemos que el punto crítico es 0,2, que al ser mayor que el nivel de significación es 0,05, las variables se distribuyen normalmente. Por lo que ya podremos utilizar la prueba de correlación de Pearson.
  • 14. En primer lugar, haremos la gráfica desde SPSS y obtenemos lo siguiente : Observando la gráfica, podemos suponer que sí hay correlación entre ambas variables, por la forma en la que se distribuyen los puntos en torno a la gráfica, y que el valor de la correlación será positivo puesto que es ascendente.
  • 15. Para comprobar con certeza si hay o no correlación, calcularemos el coeficiente lineal de Pearson, haciendo uso del programa estadístico SPSS, y obtenemos lo siguiente: Vemos como sí existe correlación (puesto que el valor no es 0), y que además es fuerte (p= 0,757) y ascendente (porque el valor es positivo). Tras esto, estableceremos ambas hipótesis: H (hipótesis nula): afirma que no hay correlación entre las dos₀ variables, solo se debe al azar. H (hipótesis alterna): sí existe correlación entre la variable₁ peso y altura en la población.
  • 16. Como el valor del punto crítico (0,011) es menor que el nivel de significancia (0,05), debemos de rechazar la hipótesis nula y aceptar la alterna, con un nivel de confianza del 95%. CONCLUSIÓN Al igual que ocurre en la muestra, en la población también hay correlación entre las variables peso y altura.
  • 17. Ejercicio S10.2: De una muestra de niños conocemos su edad (X) medida en días y su peso (Y) en kg., según los resultados de la tabla. Si ambas variables se distribuyen normalmente, averiguar si existe correlación entre ambas variables en la población de donde proviene la muestra? Tenemos dos variables cuantitativas “edad” y “peso” que se distribuyen normalmente, por lo que tenemos que: Edad (días) Peso corporal (Kg) 0 3,65 0 3,4 0 3,175 30 3,9 30 4,2 30 5,19 60 5,82 60 5,115 60 4,5 90 5,2 90 6,8 90 6,2 120 7,07 120 7,85 150 7,235 150 6,12 150 8,1 180 8,67 180 7,75 180 6,9
  • 18. 1. Calcular el coeficiente de correlación de Pearson. Antes de usar la correlación de Pearson, debemos de comprobar si sigue una distribución normal las variables (que sí puesto que lo dice el enunciado) y que ambas variables sean cuantitativas (premisa que también cumple). Tras comprobar que podemos utilizar la correlación de Pearson, pasamos a calcularlo. Para ello, debemos de realizar una tabla, quedando de la siguiente forma:
  • 19. Una vez realizada la tabla, aplicaremos la siguiente fórmula para calcular el coeficiente de correlación de Pearson, cuyo resultado es: 0,910,91 Como hemos obtenido que el coeficiente es distinto de cero (Rxy=0,91), podemos afirmar que sí hay correlación y que además, ésta es fuerte y ascendente (puesto que el valor es positivo). Por ello, podemos decir que en la muestra sí hay correlación entre ambas variables, pero debemos de comprobar sí esa correlación también existe en la población CONTRASTE DE HIPÓTESIS
  • 20. 2. Averiguar si el coeficiente de correlación es significativo. Antes de realizar el contraste de hipótesis (por el que sabremos si existe o no correlación en la población), estableceremos las dos hipótesis: H (hipótesis nula): afirma que en la población no hay₀ correlación, solo se debe al azar. H (hipótesis alterna): afirma que en la población, al igual que₁ en la muestra, si existe correlación entre las dos variables “edad” y “peso”. Para el contraste de hipótesis, se calcula el estadístico t, que sigue una distribución de T-Student, con n-2 grados de libertad: t n-2= rxy √ [(n-2)/1- (rxy)²]= 0.91·√19/0,1719= 9,57
  • 21. A continuación, pasaremos a calcular el punto crítico. Para ello, nos iremos a la tabla de T-Student, con n-2 grados de libertad (20-2=19), y con α= 0,05 (nivel de significancia), y obtenemos que el punto crítico es 2,093
  • 22. Si comparamos el punto crítico con el estadístico t calculado, podemos observar que el estadístico es mayor que el punto crítico, por lo que rechazaríamos la hipótesis nula y aceptamos la alterna: en la población, sí hay correlación entre las variables edad y peso
  • 23. Ejercicio S10.3: De una muestra de alumnos conocemos las notas de Matemáticas (X) y de Lengua (Y), según los resultados de la tabla. Si ambas variables se distribuyen normalmente, averiguar ¿existe correlación entre ambas variables en la población de donde proviene la muestra?. Tenemos dos variables cuantitativas “nota de matemáticas” y “nota de lengua” que se distribuyen normalmente, por lo que tenemos: X Y 6 7 3 6 7 2 5 6 4 5 2 7 1 2
  • 24. Calcular el coeficiente de correlación de Pearson. Antes de calcular el coeficiente, debemos de asegurarnos su las variables son cuantitativas (que sí lo son) y si siguen una distribución normal (que también lo cumple). Cumplidas ambas condiciones, pasaremos a realizar la tabla en primer lugar: X Y X² Y² X·Y 6 7 36 49 42 3 6 9 36 18 7 2 49 4 14 5 6 25 36 30 4 5 16 25 20 2 7 4 49 14 1 2 1 4 2 : 28 : 35 : 140 : 203 : 140
  • 25. Una vez realizada la tabla, calcularemos el coeficiente de correlación de Pearson entre X e Y. 00 Como observamos, tras el cálculo vemos que el coeficiente de correlación es 0, por lo que no podemos de seguir con la actividad, puesto que en la muestra, no hay correlación entre las variables. Debido a ello, no realizaremos el contraste de hipótesis puesto que, al igual que en la muestra, en la población tampoco habrá correlación entre las variables de notas de matemáticas y las notas de lengua.