Entrega # 1
Juan Manuel Rosero , Jhon Edinson Ibañez y David Alejandro Duque
2023-08-22
Introduccion
La desnutrición es un problema que afecta a 200 millones de niños en todo el mundo. Esta condición sistémica no solo perjudica el buen funcionamiento del organismo, sino que produce un deterioro en el desarrollo, el cual “Genera trastornos del crecimiento, retrasos motores y cognitivos, una menor inmunocompetencia y un aumento de la morbimortalidad”, señala la investigación. De acuerdo con la última Encuesta Nacional de Situación Nutricional de Colombia, 560.000 niños menores de 5 años sufren de desnutrición crónica en el país y 15.600 padecen desnutrición aguda severa. Según los doctores, este último tipo de desnutrición genera nueve veces mayor riesgo de mortalidad, comparado con un niño en condiciones normales.Según el Informe Nacional de Situación Nutricional 2020 del Instituto Colombiano de Bienestar Familiar (ICBF), se estima que el 13.1% de los niños menores de 5 años en Colombia presentan desnutrición crónica, también conocida como retraso en el crecimiento. Esta condición se caracteriza por el bajo peso y la baja estatura para la edad. Además, se estima que el 1.7% de los niños sufren de desnutrición aguda, que se refiere a la falta de nutrientes esenciales en el organismo. [1] Esta problemática presentada en niños menores de 5 años tiene consecuencias graves para su salud y desarrollo. Puede afectar negativamente su sistema inmunológico, aumentar el riesgo de enfermedades, retrasar el desarrollo cognitivo y físico, y tener un impacto duradero en su capacidad para aprender y prosperar en el futuro. El Gobierno de Colombia, junto con organizaciones internacionales y locales, ha implementado programas y políticas para abordar la desnutrición infantil. Estos esfuerzos se centran en mejorar el acceso a una alimentación adecuada, promover la lactancia materna exclusiva, brindar atención médica y nutricional, y educar a las familias sobre prácticas alimentarias saludables. A pesar de los avances realizados, es fundamental continuar trabajando en la prevención y tratamiento de la desnutrición en niños menores de 5 años en Colombia. Esto requiere una acción coordinada y sostenida por parte de los diferentes actores, incluido el Gobierno, la sociedad civil y la comunidad internacional, para garantizar el derecho fundamental de todos los niños a una nutrición adecuada y un desarrollo saludable.[2]
PROBLEMA DE ESTUDIO
Planteamiento
Analisis de los factores socioeconómicos y de salud asociados a la desnutrición en niños menores de 5 años en la ciudad de Medellín.
Descripcion del problema
La desnutrición infantil es un desafío significativo en Colombia, con altas tasas de prevalencia en niños menores de 5 años. Este problema tiene profundas implicaciones para la salud y el desarrollo de los niños, así como para el bienestar social y económico del país en general. Por lo tanto, es necesario llevar a cabo un estudio exhaustivo para comprender los factores socioeconómicos y de salud que contribuyen a la desnutrición en esta población vulnerable.
MARCO TEORICO
Aquí se presentan algunos elementos clave que podrían formar parte del marco teórico para el estudio de la desnutrición infantil en menores de 5 años según nuestra base de datos:
Perimetro braquial
El perímetro braquial es una medida antropométrica que se utiliza para evaluar la nutrición y el estado de salud de una persona, especialmente en niños menores de 5 años y en situaciones donde la medición de la altura o el peso puede resultar difícil o inexacta. Este se mide tomando la circunferencia del brazo desnudo de un individuo. Para obtener esta medida, se utiliza una cinta métrica flexible y se envuelve alrededor del brazo en la parte media entre el hombro y el codo, asegurándose de que esté ajustada pero sin apretar excesivamente. La cinta métrica debe estar paralela al suelo y en posición horizontal. El valor obtenido se registra en centímetros el cual se utiliza como un indicador de la masa muscular y la reserva de tejido adiposo del cuerpo. Permite evaluar el estado de nutrición y el grado de desnutrición en niños y adultos, así como el riesgo de complicaciones asociadas a la desnutrición, como la desnutrición aguda severa. [4]
Tabla 1. Estandares del perimetro braquial por edades
| Edad | PERIMETRO BRAQUIAL |
|---|---|
| 0 a 6 meses | 11.5 cm a 13.5 cm. |
| 6 a 12 meses | 13.5 cm a 15.5 cm. |
| 1 a 2 años | 14.5 cm a 16.5 cm. |
| 2 a 3 años | 15.5 cm a 17.5 cm. |
| 3 a 4 años | 16.5 cm a 18.5 cm. |
| 4 a 5 años | 17.5 cm a 19.5 cm. |
Comunidades vulnerables o condición socioeconómica:
La condición socioeconómica juega un papel crucial en la desnutrición, ya que está estrechamente relacionada con la disponibilidad y acceso a alimentos adecuados, la calidad de la atención médica y la capacidad de satisfacer otras necesidades básicas. La desnutrición tiende a ser más prevalente en grupos socioeconómicos desfavorecidos, donde existen mayores niveles de pobreza y desigualdad.[3]
A continuación se presentan algunas formas en las que la condición socioeconómica influye en la desnutrición:
Acceso a alimentos adecuados: Las personas de bajos ingresos pueden enfrentar dificultades para acceder a una alimentación adecuada y nutritiva. Esto se debe a que los alimentos de calidad suelen ser más costosos y pueden estar fuera del alcance económico de las familias con recursos limitados. Además, las personas en situación de pobreza pueden tener limitaciones en cuanto a la disponibilidad de alimentos frescos y variados en sus comunidades.
Educación nutricional: La falta de conocimientos y educación sobre nutrición también puede estar relacionada con la condición socioeconómica. Las personas con menos recursos pueden tener menos acceso a información sobre alimentación saludable y prácticas de alimentación adecuadas, lo que puede contribuir a una dieta deficiente y a un mayor riesgo de desnutrición.
Condiciones de vivienda y saneamiento: Las condiciones precarias de vivienda y saneamiento, que a menudo se asocian con niveles socioeconómicos bajos, pueden aumentar el riesgo de desnutrición. Por ejemplo, la falta de acceso a agua potable segura y a instalaciones adecuadas de saneamiento puede dar lugar a una mayor incidencia de enfermedades infecciosas que afectan la absorción de nutrientes y la salud general de los individuos.
Acceso a servicios de salud: La condición socioeconómica también puede influir en el acceso a servicios de salud de calidad. Las personas de bajos ingresos pueden tener dificultades para acceder a servicios de atención médica preventiva, diagnóstico y tratamiento, lo que puede dificultar la identificación y el manejo adecuado de la desnutrición.
OBJETIVO GENERAL
Analizar la prevalencia, causas y factores de la desnutrición en niños y niñas menores de 5 años, con el fin de proporcionar recomendaciones y estrategias para prevenir y abordar eficazmente este problema en los barrios vulnerables de la ciudad de medellin.
Este objetivo general busca comprender de manera integral la desnutrición en niños y niñas menores de 5 años, centrándose en aspectos como la prevalencia de la desnutrición, sus causas subyacentes y las consecuencias en la salud y el desarrollo infantil. A través del estudio, se pretende obtener una visión clara de la magnitud y el impacto de la desnutrición, lo cual permitirá formular e indentificar este problema en una comunidad especifica.
OBJETIVOS ESPECIFICOS
Objetivo específico # 1:
Analizar si hay relación directa dependiendo de la evaluación del perímetro braquial (medida que determina si hay desnutrición en los niños), dependiendo del régimen de seguridad social a el cual están afiliados los niños.
Objetivo específico # 2:
Como el factor socioeconómico de los niños menores de 5 años que están asociados a la desnutrición está relacionado con su régimen de salud asociado, con tal de determinar en que comunas se presenta más esta problemática.
Objetivo específico # 3:
Estudiar que edades en los niños son más recurrentes en sufrir de desnutrición aguda tomando como base el perímetro braquial de los niños de barrios bajos de Medellín.
METODOLOGIA
BASE DE DATOS
Para la elaboración de este proyecto necesitaremos de una base de datos que nos proporcione la información necesaria para cumplir con nuestros objetivos planteados.
Base de datos:
Desnutrición aguda en menores de 5 años: http://medata.gov.co/dataset/desnutrición-aguda-en-menores-de-5-años[5].
Extraer datos correspondientes y hacer un análisis exploratorio de los mismos para identificar tendencias y patrones en la desnutrición aguda, posteriormente desarrollar gráficos descriptivos , como gráficos de barras, cajas, histogramas, etc. Con el fin de visualizar la distribución de los datos y las tendencias de la desnutrición infantil. El estudio utilizará un enfoque mixto, combinando métodos cuantitativos y cualitativos. Se recopilarán datos demográficos y socioeconómicos a través de encuestas a familias con niños menores de 5 años. Además, se analizaran las mediciones antropométricas para evaluar el estado nutricional de los niños. Para esto se necesitara.[4]
• Análisis de datos: Utilizar técnicas estadísticas apropiadas para analizar los datos recopilados. Esto puede incluir análisis descriptivos para obtener medidas de frecuencia, distribución y tendencias, así como análisis inferenciales para establecer relaciones y asociaciones significativas entre variables. Se pueden utilizar pruebas de hipótesis, análisis de regresión u otras técnicas según los objetivos específicos del estudio.
• Interpretación de resultados: Evaluar e interpretar los resultados obtenidos a partir del análisis de datos. Identificar patrones, tendencias y asociaciones significativas entre variables. Comparar los resultados con la literatura existente y las referencias normativas o estándares internacionales para evaluar la gravedad de la desnutrición y sus implicaciones para la salud y el desarrollo infantil.
• Elaboración de recomendaciones: A partir de los hallazgos y conclusiones del estudio, desarrollar recomendaciones y estrategias para prevenir y abordar la desnutrición en niños. Estas recomendaciones deben basarse en el estudio realizado, considerando factores socioeconómicos, y de accesibilidad.
Para realizar este estudio se utilizara el software de R Y R STUDIO en donde sera presentado los resultados obtenidos.
Base de datos depurada de manera adecuada:
Para lograr de manera adecuada procesar y analizar la información de la forma más correcta posible se realizara una depuración de datos. Desarrollar dicho método es esencial para garantizar que los datos que utilicemos a nuestra conveniencia sean completos, precisos y confiables. Por lo cual procedemos a disminuir o eliminar algunos datos de nuestra base de datos.
VARIABLES ELIMINADAS
-> COD_ASE_ (Código de la aseguradora): es una de las pocas variables en la base de datos que no se consideraban como obligatorias para responder, y de igual manera es una variable con una importancia muy significativa para nuestro objetivos , casi despreciable.
-> CREC_DLLO : variable con poca o nada de información por lo cual es eliminada
-> ESQ_VAC (esquema de vacunación): una variable con algún tipo de importancia para alguna clase de investigaciones pero nada considerable para nuestros objetivos
-> CARNE_VAC (carnet de vacunación):una variable con algún tipo de importancia para alguna clase de investigaciones pero nada considerable para nuestros objetivos
RESULTADOS
Objetivo 1
## package 'readxl' successfully unpacked and MD5 sums checked
##
## The downloaded binary packages are in
## C:\Users\Lenovo\AppData\Local\Temp\RtmpY5axdc\downloaded_packages## package 'summarytools' successfully unpacked and MD5 sums checked
##
## The downloaded binary packages are in
## C:\Users\Lenovo\AppData\Local\Temp\RtmpY5axdc\downloaded_packages## package 'ggplot2' successfully unpacked and MD5 sums checked
##
## The downloaded binary packages are in
## C:\Users\Lenovo\AppData\Local\Temp\RtmpY5axdc\downloaded_packagesEstadistica descriptiva variable cualitativa
Tabla 2. Estadisticas descriptivas del perimetro braquial de los niños de 0 a 60 meses
| PERIMETRO BRAQUIAL | |
|---|---|
| N.Valid | 993.00 |
| Min | 6.00 |
| Q1 | 12.00 |
| Median | 13.00 |
| Mean | 13.13 |
| Std.Dev | 2.21 |
| Q3 | 14.00 |
| Max | 30.00 |
| IQR | 2.00 |
Interpretacion
En la Tabla 2 La mediana de 13 indica que el 50% de los niños tienen un perímetro braquial por debajo de 13 y el otro 50% tiene un perímetro braquial por encima de 13. Esto proporciona una medida de tendencia central que representa el valor medio de los tamaños de brazo en el grupo de estudio. por otro lado La media de 13.13 indica el promedio de los tamaños de brazo en el grupo de niños de 0 a 5 años. Puede proporcionar una idea general de la magnitud de los tamaños de brazo promedio y de la situacion actual en la ciudad de medellin.
Grafico de cajas
Interpretacion
en la Figura 1 podemos evidenciar la comparacion de las distribuciones del perimetro braquial por los regimenes en donde:
Aparentemente el regimen de seguridad social INDETERMINADO se podria reconocer como el mas preocupante debido a la distribucion de sus datos y a su punto maximo, el cual es aproximadamente 13, lo cual indica que dicho perimetro braquial solo serviria para niños de maximo 6 meses de edad . Por otro lado los unicos dos regimenes que aparentemente tienen una distribucion simetrica son el CONTRIBUTIVO y SUBSIDIADO no obstante en ambos casos se puede apreciar que el 50% de sus datos se encuentran aproximadamente por debajo de 13 lo cual tambien es un hallazgo preocupante
Grafico de barras agrupadas
Interpretacion
en la Figura 2 podemos denotar que solo el regimen contributivo, subsidiado, y no asegurado superan un nivel del 20 del perimetro braquial
Interpretacion
en la Figura 3 se ve con mayor claridad que independientemente de que esos tres regimenes logren alcanzar evaluaciones del perimetro braquial optima ,la concentracion de sus datos esta distribuida en un rango mucho menor al esperado o deseado
Objetivo 2
GRAFICO DE BARRAS
## Valor Frecuencia
## 1 Altavista 7
## 2 Aranjuez 66
## 3 Belen 50
## 4 Buenos Aires 63
## 5 Castilla 23
## 6 Corregimiento de Altavista 2
## 7 Corregimiento de Palmitas 1
## 8 Corregimiento de San Antonio de Prado 17
## 9 Corregimiento de San Cristobal 34
## 10 Corregimiento de Santa Elena 5
## 11 Corregimiento De Santa Elena 2
## 12 Doce de Octubre 83
## 13 El Poblado 21
## 14 Guayabal 22
## 15 La America 15
## 16 La Candelaria 43
## 17 Laureles 18
## 18 Manrique 103
## 19 Popular 79
## 20 Robledo 57
## 21 San Antonio de Prado 36
## 22 San Javier 64
## 23 San Sebastian de Palmitas 1
## 24 Santa Cruz 53
## 25 Sin informacion 7
## 26 SIN INFORMACION 21
## 27 Villa Hermosa 100en la Figura 4 podemos evidenciar que existen dos comunas, Manrique y Villa hermosa, que contienen aproximadamente hasta un 10% de los registrados cada uno , y una tercera comuna, doce de octubre , con aproximadamente un 8 %. lo que tienen en comun estas 3 comunas es que todas tienen un estrato social 2 como el prodominante con mas del 50% de los barrios al interior de cada uno.
## Valor Frecuencia
## 1 C 584
## 2 E 2
## 3 I 3
## 4 N 20
## 5 P 2
## 6 S 382en la Figura 5 se evidencia una predominio por parte del regimen contributivo , con mas del 50% de los datos registrados, y el subsidiado , con aproximadamente casi un 40% de los datos registrados
BARRAS AGRUPADAS
INTERPRETACION
podemos lograr ver en la Figura 6 que en las 3 comunas con mayor relevancia, se denota una existencia entre 40 a 60 registrados en regimen de seguridad social contributivo y subsidiado, con la excepcion de villa hermosa que posee aproximadamente entre 25 y 30 registrados en el regimen subsidiado
GRAFICO PASTEL
Objetivo 3
Estadistica descriptiva de variables cuantitativas
PERIMETRO BRAQUIAL
Tabla 2. Estadisticas descriptivas del perimetro braquial de los niños de 0 a 60 meses
| PERIMETRO BRAQUIAL | |
|---|---|
| N.Valid | 993.00 |
| Min | 6.00 |
| Q1 | 12.00 |
| Median | 13.00 |
| Mean | 13.13 |
| Std.Dev | 2.21 |
| Q3 | 14.00 |
| Max | 30.00 |
| IQR | 2.00 |
TALLA ACTUAL
Tabla 3. Estadisticas descriptivas de la talla actual
| TALLA ACTUAL | |
|---|---|
| N.Valid | 993.00 |
| Min | 45.00 |
| Q1 | 70.50 |
| Median | 79.00 |
| Mean | 80.45 |
| Std.Dev | 12.47 |
| Q3 | 90.00 |
| Max | 114.00 |
| IQR | 19.50 |
La media de 80.45 representa el promedio de las tallas de los niños en el grupo de 0 a 5 años. Proporciona una medida de la talla promedio en este grupo, teniendo en cuenta todos los valores observados.y asi mismo la desviación estándar de 12.47 indica la variabilidad promedio de las tallas alrededor de la media lo cual a priori puede darnos una idea de la situacion .
EDAD
Tabla 4. Estadisticas descriptivas de la edad actual
| EDAD | |
|---|---|
| N.Valid | 993.00 |
| Min | 1.00 |
| Q1 | 11.00 |
| Median | 12.00 |
| Mean | 19.50 |
| Std.Dev | 13.32 |
| Q3 | 24.00 |
| Max | 48.00 |
| IQR | 13.00 |
Se puede identificar en la Figura 9 que independientemenre de la edad ninguna de las cajas supera con su numero maximo, representado en el bigote superior, ni siquiera un 17 registrado en el perimetro braquial y aproximadamente en la mayoria de las edades el 50% de sus datos no supera un 14 de perimetro braquial
Figura 11. distribucion de las tallas por edades Figura 12. distribucion de las tallas por edades
logramos denotar en este grafico que no existe una relacion lineal clara entre la edad y el perimetro braquial , pero se puede deducir que hay un punto positivo en la prevalencia de un perimetro entre 10 y 15 por parte de los infantes de 0 a 12 meses de edad aproximadamete
Porcentaje de correlacion
correlacion=cor(data_proyecto$`EDAD`,data_proyecto$`peso_act`)
print(correlacion)## [1] 0.8952934
Entrega 2 proyecto
## [1] "Resultados para Talla actual:"## Grupo Talla_Promedio Talla_Desviacion
## C.promedio C 81.02312 12.404585
## E.promedio E 69.30000 9.475231
## I.promedio I 92.00000 13.747727
## N.promedio N 71.98000 10.731881
## P.promedio P 77.75000 13.788582
## S.promedio S 80.00654 12.474690## [1] "Resultados para Peso actual:"## Grupo Peso_Promedio Peso_Desviacion
## C.promedio C 8.816952 2.445412
## E.promedio E 6.150000 1.202082
## I.promedio I 10.966667 2.650157
## N.promedio N 7.075000 1.973475
## P.promedio P 7.850000 2.616295
## S.promedio S 8.585079 2.459053Existe una cierta desviacion en el gropo de tallas promedio donde la mayor desviacion en el se observa en el regimen de seguridad P y I. Estos nos indica una mayor dispercion en los datos Encontrados En estas respectivos regimenes en comparacion con los otros grupos.
Graficos de cajas
## # A tibble: 6 × 26
## id semana edad_ uni_med_ sexo_ nombre_barrio comuna tipo_ss_ fec_con_
## <dbl> <dbl> <dbl> <dbl> <chr> <chr> <chr> <chr> <dbl>
## 1 5 37 9 2 M El Nogal-Los Almen… Belen C 42586
## 2 7 43 1 1 F Mirador del Doce Doce … S 42669
## 3 15 14 3 1 F SIN INFORMACION SIN I… S 42464
## 4 18 17 4 1 M Villa Hermosa Villa… S 42489
## 5 26 21 4 1 F Bermejal-Los Alamos Aranj… S 42501
## 6 31 21 10 2 F La Francia Santa… S 42516
## # ℹ 17 more variables: ini_sin_ <dbl>, tip_cas_ <dbl>, pac_hos_ <dbl>,
## # peso_nac <dbl>, talla_nac <dbl>, edad_ges <dbl>, t_lechem <dbl>,
## # e_complem <dbl>, peso_act <dbl>, talla_act <dbl>, per_braqu <dbl>,
## # evento <chr>, year_ <dbl>, EDAD <dbl>, peso_actual <dbl>, ...25 <lgl>,
## # `8.3333333333333329E-2` <lgl>## # A tibble: 6 × 26
## id semana edad_ uni_med_ sexo_ nombre_barrio comuna tipo_ss_ fec_con_
## <dbl> <dbl> <dbl> <dbl> <chr> <chr> <chr> <chr> <dbl>
## 1 5 37 9 2 M El Nogal-Los Almen… Belen C 42586
## 2 7 43 1 1 F Mirador del Doce Doce … S 42669
## 3 15 14 3 1 F SIN INFORMACION SIN I… S 42464
## 4 18 17 4 1 M Villa Hermosa Villa… S 42489
## 5 26 21 4 1 F Bermejal-Los Alamos Aranj… S 42501
## 6 31 21 10 2 F La Francia Santa… S 42516
## # ℹ 17 more variables: ini_sin_ <dbl>, tip_cas_ <dbl>, pac_hos_ <dbl>,
## # peso_nac <dbl>, talla_nac <dbl>, edad_ges <dbl>, t_lechem <dbl>,
## # e_complem <dbl>, peso_act <dbl>, talla_act <dbl>, per_braqu <dbl>,
## # evento <chr>, year_ <dbl>, EDAD <dbl>, peso_actual <dbl>, ...25 <lgl>,
## # `8.3333333333333329E-2` <lgl>
En ambos Boxplots es posible obeservar una asimentria negativa en el regimens subsidiado, Esto nos indica como existe una mayor concentracion de casos en tallas y pesos menores, en comparacion con el regimen contributivo.
Una poblacion
datos_poblacion_C <- subset(datos_filtrados, tipo_ss_ == "C")
conf_interval_peso_C <- t.test(datos_poblacion_C$peso_act)$conf.int
print(conf_interval_peso_C)## [1] 8.618207 9.015697
## attr(,"conf.level")
## [1] 0.95El intervalo de confianza proporciona una estimación de la incertidumbre alrededor de la media del peso en la población ‘C’. El intervalo [8.618207, 9.015697] sugiere que, con un nivel de confianza del 95%, la media del peso en la población ‘C’ es probable que esté en este rango específico. Es importante tener en cuenta que este intervalo se basa en el conjunto de datos muestrado y que la interpretación puede variar dependiendo de la calidad y representatividad de los datos, así como de las suposiciones del análisis estadístico.
dos poblaciones
## [1] -0.0850559 0.5488029
## attr(,"conf.level")
## [1] 0.95Para la diferencia de medias de peso entre ‘C’ y ‘S’, el intervalo de confianza incluye el cero, lo que indica que no hay una diferencia significativa en los pesos entre las dos poblaciones con un nivel de confianza del 95%. Además, el valor p (0.1508) respalda esta conclusión. La prueba de proporciones para alturas en la población ‘C’ indica que no hay suficiente evidencia para afirmar que la proporción de alturas mayores o iguales a 82 es diferente de 0.5. Estos resultados proporcionan información sobre las diferencias potenciales entre las poblaciones ‘C’ y ‘S’ en términos de altura y peso, pero es importante considerar el contexto específico y las implicaciones prácticas de estas diferencias.
##
## 1-sample proportions test with continuity correction
##
## data: sum(datos_filtrados_C$talla_act >= 82) out of length(datos_filtrados_C$talla_act), null probability 0.5
## X-squared = 3.1661, df = 1, p-value = 0.9624
## alternative hypothesis: true p is greater than 0.5
## 95 percent confidence interval:
## 0.427797 1.000000
## sample estimates:
## p
## 0.4623288##
## Two Sample t-test
##
## data: datos_filtrados_C$peso_act and datos_filtrados_S$peso_act
## t = 1.4378, df = 964, p-value = 0.1508
## alternative hypothesis: true difference in means is not equal to 0
## 95 percent confidence interval:
## -0.08461226 0.54835930
## sample estimates:
## mean of x mean of y
## 8.816952 8.585079## prop 1 prop 2
## 0 1## mean in group C mean in group S
## 81.02312 80.00654## mean in group C mean in group S
## 8.816952 8.585079## Proporción estimada para 'C': 0.6045549## Intervalo de confianza para 'C': 0.5728433## Proporción estimada para 'S': 0.3954451## Intervalo de confianza para 'S': 0.6354243## [1] "Diferencia de proporción de talla: 0.215138674884438"## [1] "Diferencia de proporción de peso: 0.22181619723323"## Diferencia de proporciones estimada entre 'C' y 'S': 0 1## Intervalo de confianza para la diferencia de proporciones: -1 -0.9978349as proporciones estimadas y los intervalos de confianza indican la proporción de ciertas características en los grupos ‘C’ y ‘S’, junto con la incertidumbre asociada. Las diferencias de proporciones estimadas y los intervalos de confianza para estas diferencias proporcionan información sobre las diferencias entre ‘C’ y ‘S’ en términos de alguna característica específica (talla o peso).
Prueba de hipotesis
# Hipótesis nula: La media de los pesos para la población 'C' es de 11 kg
hipotesis_nula <- 11
# Prueba de hipótesis para la media de una población
hipotesis_result <- t.test(datos_filtrados$peso_act[datos_filtrados$tipo_ss_ == "C"], mu = hipotesis_nula)
# Imprimir los resultados
cat("Estimación puntual de la media:", mean(datos_filtrados$peso_act[datos_filtrados$tipo_ss_ == "C"]), "\n")## Estimación puntual de la media: 8.816952cat("Valor de la prueba t:", hipotesis_result$statistic, "\n")## Valor de la prueba t: -21.57336cat("Valor p:", hipotesis_result$p.value, "\n")## Valor p: 2.523064e-76# Decisión basada en el valor p
if (hipotesis_result$p.value < 0.05) {
cat("Rechazamos la hipótesis nula. Hay suficiente evidencia para afirmar que la media es diferente de", hipotesis_nula, "kg.\n")
} else {
cat("No hay suficiente evidencia para rechazar la hipótesis nula. La media es", hipotesis_nula, "kg.\n")
}## Rechazamos la hipótesis nula. Hay suficiente evidencia para afirmar que la media es diferente de 11 kg.La primera prueba indica que hay suficiente evidencia para afirmar que la media es diferente de un valor específico. La segunda prueba indica que no hay suficiente evidencia para afirmar que la diferencia de medias es menor a un valor específico.
Se observa un histiogrma asimetrico en forma de campana donde la mayor tendencia se encuentra en un peso entre 6 y 8
# Supongamos que 'peso_act' es la variable de peso y 'C' y 'S' son las poblaciones de interés
# Hipótesis nula: La diferencia de medias de los pesos entre 'S' y 'C' es menor a 1
hipotesis_nula_diff <- 1
# Prueba de hipótesis para la diferencia de medias de dos poblaciones
hipotesis_result_diff <- t.test(datos_filtrados$peso_act[datos_filtrados$tipo_ss_ == "S"],
datos_filtrados$peso_act[datos_filtrados$tipo_ss_ == "C"],
alternative = "less")
# Imprimir los resultados
cat("Estimación puntual de la diferencia de medias:", mean(datos_filtrados$peso_act[datos_filtrados$tipo_ss_ == "S"]) -
mean(datos_filtrados$peso_act[datos_filtrados$tipo_ss_ == "C"]), "\n")## Estimación puntual de la diferencia de medias: -0.2318735cat("Valor de la prueba t:", hipotesis_result_diff$statistic, "\n")## Valor de la prueba t: -1.436101cat("Valor p:", hipotesis_result_diff$p.value, "\n")## Valor p: 0.07567951# Decisión basada en el valor p
if (hipotesis_result_diff$p.value < 0.05) {
cat("Rechazamos la hipótesis nula. Hay suficiente evidencia para afirmar que la diferencia de medias es menor a", hipotesis_nula_diff, ".\n")
} else {
cat("No hay suficiente evidencia para rechazar la hipótesis nula. La diferencia de medias es mayor o igual a", hipotesis_nula_diff, ".\n")
}## No hay suficiente evidencia para rechazar la hipótesis nula. La diferencia de medias es mayor o igual a 1 .Encontramos como poseemos un intercepto -6.71, Una pendiente 0.19 B1 y una pendiente 0.0044 B2 con un X1 que representa la Talla y un X2 que representa la edad y Un coeficiente de correlacion lineal igual a 0.9757.
Ecuacion De la recta
Y = -6.71 + 0.19 (Talla) + 0.044 (Edad) + E .