Trabajo Estadística descriptiva en R
Maicol Andrés Chizabas Pulido
Universidad Nacional de Manizales
Programa curricular Ciencias de la computación
Inferencia estadística
Nubia Esteban Duarte
Manizales, Colombia
del 2022
Punto 1. Valor 1.0 –
Bajar el banco de datos Aids2 del ambiente R
library(MASS)
data(Aids2)
Describir el banco de datos. Discretas: Para 2 variables Discretas (sea ordinal,
nominal o discreta) en general, describir específicamente las variables.
Construir la tabla de frecuencias. Realizar tanto el diagrama circular como el
diagrama de barras. Interpretar (Recordar que el diagrama de barras y el
diagrama circular dan la misma información) Hago énfasis que las
interpretaciones deben ser en función de lo que significa cada variable.
Analizar también las dos variables al mismo tiempo, o sea conjuntamente.
Establecer conclusiones. Analizar la variable edad en función de las variables
discretas analizadas.
Descripción del banco de datos y dos de sus variables:
Este banco de datos contiene la información de pacientes diagnosticados con SIDA en
Australia antes del 1 de julio de 1991
Sex: describe el género del paciente, “F” Femenino y “M” masculino
Status: brinda información del estado del paciente al final del diagnóstico, “A” está con
vida y “D” fallecido
Analizando variable sex
Tabla de frecuencias variable sex
Analizando Variable status
Tabla de frecuencias variable status
Análisis conjunto de variables
Análisis de edad vs sexo
Análisis edad vs status
Observaciones
De acuerdo con lo visto, casi la totalidad de diagnósticos fueron realizados a los
hombres
Al final del diagnóstico más de la mitad de pacientes fallecieron
Al analizar las dos variables de sex y age podemos apreciar la presencia de muchos datos
atípicos en el sexo de los hombres, en el caso de las mujeres; presenta una distribución
asimétrica positiva
En el caso de las variables age vs status podemos apreciar una distribución simétrica en
la categoría D(muerte), de igual manera ambas categorías presentan datos atipitos
Punto 2. Valor 1.0
Bajar el banco de datos survey del ambiente R
library(MASS)
data(survey)
?survey # Lleva a la página donde se describe el banco de datos
Describa en qué consiste el banco de datos survey y responda cada una de las
preguntas:
Nota: Ilustre la respuesta con un gráfico o una tabla, si es el caso.
Descripción del banco de datos
Este banco de datos contiene las respuestas de 273 estudiantes de Estadistica 1 de la
universidad de Adelaide a una serie de preguntas
Sex: sexo de los estudiantes, “Male” masculino y “Female” femenino
[Link]: medida en centímetros de la mano con la que el estudiante escribe
[Link]: medida de la palma de la mano con la que no escribe
[Link]: mano con la que escribe el estudiante, “left” izquierda y “right” derecha
Fold: indica la posición de los brazos cuando el estudiante los dobla, “R on L” derecho
sobre el izquierdo, “L on R” izquierdo sobre el derecho, “Neither” ninguno
Pulse: Tasa de latidos por minuto del estudiante
Clap: Se le pide al estudiante que aplauda, y se mira que mano está arriba, “Right”
derecha, “Left” izquierda, “Neither” ninguna
Exer: con qué frecuencia el estudiante hace ejercicio, “Freq” frecuentemente, “Some” a
veces, “None” ninguno
Smoke: describe que tanto fuma el estudiante, “Heavy” fuertemente, “Regul”
regularmente, “Occas” ocasionalmente, “Never” nunca
Height: Altura del estudiante en centímetros
M.I: Describe en que unidades el estudiante expreso su altura, “Imperial” (pies/pulgadas),
“Metric” (centímetros/metros)
Age: edad del estudiante en años
1- Porcentaje de estudiantes que no hace ningún tipo de ejercicio .
El porcentaje de estudiantes que no realizan ningún tipo de ejercicio corresponde
al 10%
2- ¿Se puede afirmar que la mayoría de estudiantes nunca ha fumado?
De acuerdo con el grafico podemos afirmar que el mayor porcentaje de
estudiantes nunca han fumado
3- Qué se puede decir de la variable edad en relación al hábito de fumar
De acuerdo a lo anterior podemos
4- ¿Quienes fuman más, los hombres o las mujeres?
De acuerdo con el grafico los hombres fuman más que las mujeres
5- ¿Hay estudiantes que escriben con la mano izquierda?
De acuerdo con lo anterior si hay estudiante que escriben con la mano izquierda
6- ¿Qué otras conclusiones puedes obtener de ese conjunto de datos?
1. Tabla de frecuencias
Polígono de frecuencias
Ojiva
Boxplot
Medidas de tendencia central
Medidas de dispersión
Medidas de forma
Cuartiles
Código
Nota: el banco de datos se importó de manera distinta a la explicada en los
escripts y las monitorias, se la opción import dataset, la cual se visualiza en la
siguiente imagen:
2.
Es correcto afirmar que menos del 90% obtuvieron un puntaje final al 86.4
3. Análisis puntaje final con respecto al año
Punto 4. Valor 2.0 B
Se realiza un estudio de algunas enfermedades cardiovasculares de una población
brasilera (Baependí, Minas Gerais).
Los datos están condensados en datosReales_Enfermedadescardiovasculares.
Algunas variables que no tienen el nombre completo en el encabezado son:
IID: Simplemente un número que identifica el individuo.
Genero: 1 -Masculino 2- Femenino
CHDL: Colesterol HDL
CLDL: Colesterol LDL
mediaPAS: media de Presión Arterial Sistólica
mediaPAD: media de Presión Arterial Diastólica
IntervaloEdad: Variable Discreta con 4 categorías. Edad17a34A; Edad35a44A;
Edad45a59A; Edad60a98A.
IMC: Índice de Masa Corporal
Escolaridad
1 Analfabeto
2 Sabe leer y escribir
3 Primaria incompleta
4 Primaria Completa
5 Nivel 1 incompleto
6 Nivel 1 completo
7 Nivel 2 incompleto
8 Nivel 2 completo
9 Tcnico
10 Superior incompleto
11 Superior completo
Raza
1 Blanca
2 Negra
3 Parda-Mulato
4 Amarilla
5 Indígena
6 Otros - Mestizos
El nombre de las otras variables está completo en el encabezado del banco de datos
Analizar de forma conjunta, Género y Escolaridad, Escolaridad y Raza. Concluir.
Realizar un breve informe de la variable IMC, en relación al género y al intervalo de edad,
Escolaridad y Raza. Incluya el significado de IMC desde el punto de vista biológico.
Escoja otra variable del banco de datos y analícela en relación al género al intervalo de
edad, Escolaridad y Raza. Incluya también el significado desde el punto de vista biológico.
Haga un análisis conjunto de IMC Y la otra variable seleccionada.
Observación: Anotar conclusiones en general de todas las variables en análisis.
Presentar un gráfico que represente la correlación que existe entre las diferentes
enfermedades cardiovasculares glucosa, CHDL, CLDL, triglicéridos, mediaPAS, mediaPAD,
UREA. Concluir.
Análisis conjunto Genero y Raza
De acuerdo al diagrama podemos afirmar que hay un mayor número de números de
mujeres en cada raza que hombres, de igual manera podemos decir que la una presencia
mayor de individuos en la raza 1.
Análisis conjunto Genero vs Escolaridad
En el grafico podemos apreciar que la mayoría de individuos ha superado el nivel 2
completo de escolaridad, de igual manera, podemos ver que muy pocas personas han
realizado un técnico. Por otro lado, notamos que hay igual número de mujeres y de
hombres en los niveles superior incompleto y nivel 2 incompleto
El índice de masa corporal (IMC) es un método utilizado para estimar la
cantidad de grasa corporal que tiene una persona, y determinar por tanto si
el peso está dentro del rango normal, o, por el contrario, se tiene sobrepeso
o delgadez. Para ello, se pone en relación la estatura y el peso actual del
individuo.
Informe IMC respecto a la Intervalo de edad
Vamos a analizar de acuerdo a los intervalos que nos presenta el grafico:
Podemos apreciar lo siguiente en el intervalo de 17 a 34 años: presentan un IMC
que varía entre 20-25 con presencia de puntos atípicos que nos indican que en
este rango de edad hay personas que presentan obesidad
En el segundo intervalo entre 35 y 44 años podemos ver que un porcentaje de los
individuos cuentan con buena salud y otro porcentaje con presencia de obesidad
En los intervalos restantes, las personas presentan un índice de masa mayor a 25,
lo cual nos dice que su buena salud está en riesgo
Informe IMC con respecto al genero
De acuerdo al grafico podemos concluir que los hombres presentan un IMC menor
al de las mujeres, sin embargo, vemos algunos datos atípicos de hombres que
presentan sobrepeso. Por otro lado, la media de IMC de las mujeres se encuentra
dentro del nivel de buena salud
Análisis conjunto IMC vs Escolaridad
Según el grafico, las personas que han realizado un técnico poseen un IMC menor a
25 y superior a 20, también podemos observar que la mayoría de personas
analfabetas tienen sobrepeso, por otro lado, el 25% de las personas que no han
completado el nivel 2 de escolaridad tienen delgadez. De igual manera tenemos
que los individuos con primaria incompleta, nivel 1 incompleto, nivel 2 incompleto,
técnico y nivel superior de estudio poseen una media dentro de los niveles
estándar de buena salud
Análisis conjunto IMC vs Raza
Según el diagrama la mediana de las tres razas se encuentra dentro de los niveles
normales de salud, por otro lado, vemos que la mayoría de la raza negra tiene
sobrepeso
Vamos a analizar ahora la variable triglicéridos con respecto a las
variables género, intervalo edad, escolaridad y raza.
Vamos a dar primeramente una definición del concepto de triglicérido:
Los triglicéridos son un tipo de grasa. Son el tipo de mas común de grasa en el
cuerpo humano. Provienen de alimentos, especialmente mantequilla, aceites y
otras grasas que se consumen a diario.
¿Cómo se diagnostican los triglicéridos?
Existe una prueba de sangre que mide el nivel de triglicéridos, junto con el
colesterol, los niveles de triglicéridos se miden en miligramos por decilitro
Triglicéridos vs Genero
Tenemos que las medianas de ambos Géneros se encuentran dentro de los niveles
normales de triglicéridos. El género masculino tiene niveles más altos de triglicéridos que
las mujeres
Trigliceridos vs Intervalo Edad