Análisis exploratorio de datos
- 1. ANÁLISIS EXPLORATORIO DE DATOS Nadia Aguilar Pérez Grupo A Subgrupo 1 (Macarena)
- 2. EJERCICIO 1: SELECCIONA DOS VARIABLES CUALITATIVAS- FACTOR DEL FICHERO “ACTIVOSSALUD.RDATA”, DESCRÍBELAS EN TABLAS DE FRECUENCIA E INTERPRETA AL MENOS 3 ASPECTOS EN RELACIÓN A SUS DISTRIBUCIONES.
- 3. PRIMER PASO: En primer lugar, cargamos la base de datos que nos proporciona el ejercicio en R. Una vez cargada la base de datos, seleccionamos dos variables cualitativas: “botellón” y “combinados”
- 4. Las tablas de frecuencias que obtenemos de cada variable son las siguientes:
- 5. INTERPRETACIÓN DE LAS TABLAS: - Podemos observar que los porcentajes de personas que nunca han consumido combinados y que nunca han asistido a un botellón, son muy semejantes: un 15% nunca han consumido combinados y un 17’89% tampoco ha asistido nunca a un botellón. - Por otro lado, y como dato destacable, podemos observar en las tablas de frecuencias que mientras tan solo un 0’35% de los encuestados consume combinados en el intervalo de 2 o 3 veces por semana, son un 2’11% los que sí asisten a un botellón dentro del mismo intervalo. - Además, son casi más de un 10% los encuestados que consumen combinados en los fines de semana con respecto a aquellos que asisten en dicho período de tiempo al botellón.
- 6. EJERCICIO 2: SELECCIONA DOS VARIABLES NUMÉRICAS Y MEDIANTE RESÚMENES NUMÉRICOS DESCRIBE E INTERPRETA SUS DISTRIBUCIONES
- 7. PRIMER PASO: En este caso vamos a seleccionar dos variables cuantitativas: “peso” y “horapracticadeportiva”.
- 8. Resultado:
- 9. INTERPRETACIÓN: - La muestra total estudiada en las horas de práctica deportiva ha sido de 290, de los cuales 1 persona no ha querido contestar. Por otro lado, la muestra estudiada en el peso ha sido de 275, de los cuales 16 no han contestado tampoco. - La media obtenida en la variable hora de práctica deportiva es de 2’48h, mientras que la media obtenida en la variable peso es de 62’75kg. - La desviación típica de las horas de práctica deportiva es 3’14, y la del peso es 12’66. Esto nos indica que la primera variable se trata de una muestra homogénea (valores poco dispersos), mientras que la segunda variable es una muestra heterogénea (valores dispersos). - Por último, los quartiles nos informan de los máximos y mínimos obtenidos en las muestras. En el caso de las horas de práctica deportiva, el máximo serían 16 horas de práctica deportiva y el mínimo serían 0 horas. En el caso del peso, su máximo sería 130 kg y su mínimo 38 kg.
- 10. EJERCICIO 3: DEBES REALIZAR AL MENOS UN GRÁFICO DE CADA TIPO CON VARIABLES ADECUADAMENTE SELECCIONADAS DEL FICHERO Y DESCRIBIR E INTERPRETAR SUS DISTRIBUCIONES
- 11. PRIMER GRÁFICO: GRÁFICO DE SECTORES Seleccionamos una variable dicotómica
- 12. ‒> Gracias a este tipo de gráfico, se nos hace más fácil interpretar los resultados obtenidos. En este caso observamos como el número de mujeres de la muestra es mucho mayor que el número de varones.
- 13. SEGUNDO GRÁFICO: GRÁFICO DE BARRAS Este tipo de gráfico resulta muy útil para las variables cualitativas
- 14. ‒> Podemos observar aquí que la mayoría de individuos nunca ha utilizado la marcha atrás como método anticonceptivo, mientras muy pocos admiten realizarlo siempre como método usual. Los que ocupan el escalón más reducido son los individuos que nunca han tenido relaciones sexuales.
- 15. TERCER GRÁFICO: HISTOGRAMA DE FRECUENCIAS Seleccionamos la opción de Porcentajes para que se nos sea más fácil la interpretación del gráfico
- 16. ‒> Los valores más concentrados se encuentran entre 10 y 20 horas dedicadas al mantenimiento del hogar. A simple vista observamos que este gráfico sigue una distribución normal.
- 17. CUARTO GRÁFICO: DIAGRAMA DE CAJAS (BOXPLOT) Variable cuantitativa
- 18. Datos que obtenemos del diagrama de cajas: - Valor máximo: 10 - (Casi) el 50% de los individuos dedican entre 0 y 4’5 horas a la práctica deportiva. - Existen 5 valores atípicos: 155, 230, 155, 276, 273.