Seminario 6 EstadísticaAnálisis exploratorio de datos. Tablas de

frecuencias, resúmenes numéricos y gráficos.

IRIS Mª MUÑOZ DEL PINO

Comenzamos el ejercicio… A) Selecciona dos variables

cualitativas-factor del fichero “activossalud.RData”, descríbelas en tablas de frecuencias e interpreta al menos 3 aspectos en relación a la distribución de las mismas.

1º cargamos el conjunto de datos…

Lo visualizamos

Describimos dos variables en tabla de frecuencias..

Relacionamos la práctica de botellón con el consumo de vino.

Comparando porcentajes observamos que, el doble de individuos no ha probado nunca el vino, y además existe el mismo porcentaje de individuos que beben botellón/vino a diario. Este resultado sorprende ya que el vino, siendo un tipo de alcohol con menor graduación y recomendado incluso para beber una copa al día, tenga resultados similares al consumo de botellón, que son bebidas destiladas y con una graduación mayor, además de ser más dañinas para la salud.

Analizamos los datos…

Recalcando lo anterior comentado, en los fines de semana se observa que el consumo de botellón es el doble que el de vino, siendo los jóvenes de nuevo más propensos a consumir bebidas destiladas.

Analizamos los datos…

B) Selecciona dos variables numéricas del fichero “activossalud.RData”, y mediante resúmenes numéricos describe e interpreta la distribución de las mismas.

Segundo ejercicio

Seleccionamos las variables: Altura y peso

• Se observa que respecto a la altura solo una persona no ha contestado, pero hay 16 personas que no han contestado acerca de su peso.

• La media del peso es de 1,67 aprox. Y la media del peso es de 62,76 aprox.

• La desviación en el peso es de 12,66 y en la altura de 0,08, lo que nos indica que los valores en el peso se encuentran mucho más dispersos respecto a la altura.

• El máximo del peso se sitúa en 130 kg, en la altura 2m.• El mínimo del peso se sitúa en 38 kg, en la altura de 1,46m.• Lo que nos dice que la muestra es más homogénea respecto a la

altura, sin embargo se ve más heterogénea en el peso.

Debes realizar al menos un gráfico de cada tipo con variables adecuadamente seleccionadas del fichero “activossalud.RData”, describe e interpreta la distribución los mismos.

Tercer ejercicio

Vamos a realizar las siguientes gráficas

Vamos a dividir nuestro análisis en gráficas para variables cuantitativas:-HISTOGRAMA Y BOX-PLOTGráficas para variables cualitativas:- Gráfica de barras y gráfica de sectores

Histograma

Un histograma es una representación gráfica de una variable en forma de barras, donde la superficie de cada barra es proporcional a la frecuencia de los valores representados.

En el eje vertical se representan las frecuencias, y en el eje horizontal los valores de las variables, normalmente señalando las marcas de clase, es decir, la mitad del intervalo en el que están agrupados los datos.

Se utiliza cuando se estudia una variable continua. En los casos en los que los datos son cualitativos (no-

numéricos), es preferible un diagrama de sectores.

Realizamos nuestro histograma

Podemos observar que en las horas de práctica deportiva, no se sigue una distribución normal.Por lo que concluimos que los individuos realizan poco deporte o ni siquiera lo realizan.

“Caja-bigotes” o Box-plot El 50% de los casos en el interior de la caja La línea que corta es la mediana

Valor que divide a los datos ordenados en dos partes iguales

Los bigotes son los valores máximos y mínimos Entre los límites de la caja y los bigotes: 25%

Diagramas en caja

Realizamos nuestro box-plot

En este caso hemos analizado la altura.Hay 3 individuos que sacamos de nuestra gráfica y representamos con puntos:116,103,259; ya que alterarían nuestra representación. El valor máx. 1,46m aprox y el mín. 2m aprox.El 25% de los individuos tiene una altura de 1,6m , la mediana tiene una altura de 1,65m.El 75% de los individuos tiene una altura de 1,75.Por lo que observamos que los valores están distribuidos proporcionalmente y no muy dispersos entre 1,6 y 1,7.

Diagrama de sectores

Los datos se representan en un círculo, de modo que el ángulo de cada sector es proporcional a la frecuencia absoluta correspondiente.En el caso de que la variable cualitativa posea muchas categorías no es muy útil.

Para ello usamos una dicotómica: Práctica deportiva

Alturas proporcionales a las frecuencias (absolutas, porcentajes)

–Al eje de las abscisas (X/ horizontal) se le asignan los valores de las variables.

El eje de las ordenadas (Y, vertical) informa de las frecuencias.

Diagrama de barras

Seleccionamos la variable: MARCHA ATRÁS

Observamos que la gran mayoría no la ha realizado nunca.La minoría corresponde a aquellos que no han tenido relaciones.Aún así se observa también que el número de individuos que la práctica siempre es muy bajo, sobre 10. Estos buenos resultados pueden deberse a que son estudiantes de una rama sanitaria como es Enfermería.