Análisis exploratorio de datos
- 1. Análisis exploratorio de datos Tarea Seminario 6 Nieves Domínguez López Grupo 13 Virgen del Rocío
- 2. Para comenzar, desde R- commander seleccionamos cargar conjunto de datos, ya que el archivo está en formato R
- 3. Se añade el archivo de activos en salud 2
- 4. El primer ejercicio es: seleccionar dos variables cualitativas- factor del fichero “activossalud.RData”, describirlas en tablas de frecuencias e interpretar al menos 3 aspectos en relación a la distribución de las mismas. Las variables a elegir serán: Dulces y edad
- 5. Para elegir las variables, seleccionamos “estadísticos”, “resúmenes”, “distribución de frecuencias” y pasamos a seleccionar la variable
- 6. Se presenta la variable “dulces”
- 7. De los datos, sacamos las siguientes conclusiones: El 85% de la muestra, la cual contiene 290 individuos, realiza la ingesta de dulces. El 14,48% de los individuos nunca comen dulces. El porcentaje más alto 31,72%, representa a los individuos que comen dulces menos de una vez en semana.
- 8. La siguiente variable es “edad”
- 9. Las conclusiones que podemos sacar de esta variable: Nuestra muestra contiene a 289 individuos. Destaca que el 38,41% de la población tenga 18 años, por lo que son 111 personas. Más de 25 años lo tienen pocos individuos exactamente 10,03% de la muestra, 29 individuos.
- 10. El segundo ejercicio consiste en: seleccionar dos variables numéricas del fichero y mediante resúmenes numéricos decribir e interpretar la distribución de las mismas. Las variables elegidas son: Peso y comunicación familiar
- 11. Volvemos a repetir los pasos para la elección de otra variable: “estadísticos”, “resúmenes”, “resúmenes numéricos” y elección de la variable.
- 12. La primera variable “peso”
- 13. Las conclusiones de la tabla de datos son: Esta variable tiene una media de 62.75571 y una desviación típica de 12.65981. Esto dará lugar una gráfica ancha y algo más dispersa. Hay 16 casos no disponibles por una razón cualquiera. La mediana es 60 y coincide con el 50% de los datos y con el segundo cuartil (Q2). La media y la mediana presentan valores parecidos y muy cercanos, por lo que la distribución es simétrica.
- 14. Se vuelve a repetir el procedimiento con la variable “comunicacionfamiliar”
- 15. Las conclusiones del estudio de esta variable: Esta variable tiene una media de 7.829932 y una desviación típica de 2.824487. La gráfica de esta variable será más estrecha porque la desviación típica es menor. Hay 144 casos no disponibles debido a una razón desconocida. La mediana posee un valor de 7 que coincide con Q2. La mediana y a media son parecidas por lo que la distribución será simétrica.
- 16. Como último ejercicio: realizar al menos un gráfico de cada tipo con variables adecuadamente seleccionadas del fichero, describe e interpreta la distribución los mismos. Encontraremos distintos gráficos: Gráficos de barras Gráfico de sectores Histogramas Diagrama de cajas
- 17. Gráficas de barras: variable cualitativa “embutidos” Con esta gráfica podemos ver que sigue en gran medida una distribución normal. Casi las mismas personas comen y no comen embutidos, y la gran
- 18. Gráfico de sectores : variable cualitativa “fruta” Se representa claramente en el diagrama que la mayoría de la gente come fruta a diario, seguidamente le siguen las que
- 19. Histograma: variable cuantitativa “altura” Se refleja que en la muestra destacan aquellas personas que miden entre 1,60 y 1,65. Muy pocas personas
- 20. Diagrama de cajas: variable cualitativa “peso” En este diagrama se observa como el rango itercuartílico es pequeño, la mediana no se encuentra justo en el centro, y los valores extemos e dispersan bastante de los centrales.