Importar la base de datos

library(readxl)
Ejemplo <- read_excel("C:/Users/Laura/Downloads/Base problema 1.xlsx")
## New names:
## • `EVM` -> `EVM...2`
## • `EVM` -> `EVM...7`
head(Ejemplo) #Muestra los 6 primeros registros
## # A tibble: 6 × 10
##   Country EVM...2 `TMM(000000)` `TMN(000)` Prev_Diabetes   EVH EVM...7
##   <chr>     <dbl>         <dbl>      <dbl> <chr>         <dbl>   <dbl>
## 1 AGO        70.7           222       26.6 0_Baja         59.0    64.3
## 2 ALB        49.9             8        7.1 1_Media        74.1    79.2
## 3 ARG        24.9            45        5.1 0_Baja         72.2    78.6
## 4 ARM        24.6            27        5.6 0_Baja         66.6    77.4
## 5 AZE        64.7            41        9.5 0_Baja         65.6    73.3
## 6 BDI        91.5           494       20.4 0_Baja         59.7    63.6
## # ℹ 3 more variables: Prev_anem_inf <chr>, Region <chr>, Income_Group <chr>

Descripcion de variables

*A partir de la base de datos del BM(BANCO MUNDIAL) se sacaron las siguientes variables de estudio:

Country: Nombres de los paises, individuo de estudios.

EVM(Empleo vulnerable mujeres): (CONTINUA/NUMERICA/RAZON- HISTOGRAMA,BOXPLOT)

TMM 000000(Tasa de mortalidad materna): Cuantas mujeres mueren por 1000000 dando a luz.Por ejemplo: 222 mujeres por cada millon dando a luz. (CONTINUA/NUMERICA/RAZON”cantidad mujeres”- HISTOGRAMA,BOXPLOT)

TMN 000 (Tasa de mortalidad neonatal): Cuantos nacidos mueren por cada 1000 nacimientos.Ejemplo: 26 nacidos mueren por cada mil nacimientos. (HISTOGRAMA,BOXPLOT)

Prev_Diabetes:En que nivel esta la prevalencia de diabetes en adultos “en mayores de 14 años” (CUALITATIVA/ORDINAL - DIAGRAMA DE BARRAS).

EVH/EVM(Esperanza de vida hombres/mujeres): (CUALITATIVA/ORDINAL- HISTOGRAMA,BOXPLOT).

Prev_anemia infantil: Cada pais registra que porcentaje de infantes sufre anemia. (CUALITATIVA/ ORDINAL-DIAGRAMA DE BARRAS)

Region: Donde queda registrado cada uno de los paises.(CUALITATIVA/NOMINAL- CIRCULAR).

Imcome group: Clasificacion que hace el Banco Mundial segun el ingreso para cada uno de los paises. (CUALITATIVA/ ORDINAL- DIAGRAMA DE BARRAS).

Gráficos descriptivos/Basicas

Variables cualitativas

Datos nominales

variable: Region Grafico a utilizar: Circular

pie(table(Ejemplo$Region), main="Distribucion de paises por region",col=c("blue","green", "yellow", "orange","red"))

En el grafico circular muestra la distribución de los países en diferentes regiones. Se observa que la mayoría de los países se encuentran en la región de Africa, seguida por America.Ademas, en la region de oriente se precencia una menor cantidad.

Datos ordinales

variable: Prev Diabetes Tipo de grafico: Barras

barplot(table(Ejemplo$Prev_Diabetes),ylab = "cantidad de paises",xlab = "Prevalencia de diabetes",main="Distribucion de paises de prev Diabetes",col = "lightblue")

En el grafico de Prev_diabetes la mayoria de los paises tienen una prevalencia de diabetes en un nivel medio, lo que podria demostrar una condicion uniforme entre los paises.

variable: Prev anemia infantil Tipo de grafico: Barras

barplot(table(Ejemplo$Prev_anem_inf),ylab = "cantidad de paises",xlab = "Prevalencia de anemia infantil",main="Distribucion de paises por Prev anem infantil",col = "darkblue")

Segun el grafico nos indica que la anemia infantil afecta a la poblacion infantil en varios paises teniendo un nivel medio a este tipo de poblacion

variable: Grupo de ingreso Tipo de grafico: Barras

barplot(table(Ejemplo$Income_Group),ylab = "cantidad de paises",xlab = "grupo de ingreso",main="Distribucion de paises por grupo de ingreso",col = "lightblue")

El gráfico de barras nos muestra la distribución de los países según su grupo de ingreso.analizando que la mayoría de los países se encuentran en el grupo de ingreso de nivel medio-alto, seguido por el grupo de ingreso alto. Los grupos de ingresos bajos y medios tienen una distribución menor de países.

Variables cuantitativas continuas

variable: Porcentaje de empleo vulnerable

Histograma

variable: EMV Tipo de grafico: histograma

hist(Ejemplo$EVM...2, main ="Distribucion EVM",ylab= "cantidad de paises",xlab = "porcentaje EVM", col = "orange")

Se observa que la mayoría de los países tienen un porcentaje de empleo vulnerable de mujeres concentrado en el rango más bajo, con una distribución sesgada hacia la derecha. Sin embargo, hay algunos países con porcentajes más altos de empleo vulnerable de mujeres.

variable: TMN Tipo de grafico: histograma

hist(Ejemplo$`TMN(000)`, main ="Distribucion TMN",ylab= "cantidad de paises",xlab = "Tasa (000) MN", col = "YELLOW")

La distribución parece ser asimétrica hacia la derecha, con la mayor concentración de países en el extremo izquierdo del histograma, la mayoría de los países tienen tasas de mortalidad neonatal más bajas, pero hay algunos países con tasas más altas que contribuyen a la asimetría de la distribución. variable: TMM Tipo de grafico: Histograma

hist(Ejemplo$`TMM(000000)`, main ="Distribucion TMM(000000)",ylab= "cantidad de paises",xlab = "Tasa (000000) MM", col = "orange")

La distribución parece ser asimétrica hacia la derecha, con la mayoría de los países concentrados en el extremo izquierdo del histograma,la mayoría de los países tienen tasas de mortalidad materna más bajas.

variable: EVH Tipo de grafico: histograma

hist(Ejemplo$EVH, main ="Distribucion EVH",ylab= "cantidad de paises",xlab = "Esperanza de vida hombres", col = "YELLOW")

La mayoría de los países tienen una esperanza de vida en hombres centrada alrededor de un valor medio,muestra que la esperanza de vida en hombres tiende a seguir una distribución normal en los países estudiados.

variable: EVM Tipo de grafico: Histograma

hist(Ejemplo$EVM...7, main ="Distribucion EVM",ylab= "cantidad de paises",xlab = "Esperanza de vida mujeres", col = "orange")

Estos histogramas representan la distribución de la esperanza de vida para hombres y mujeres en diferentes países. Se puede observar la variabilidad en la esperanza de vida entre los países, observando la esperanza de vida de mujeres mucho mas alta que la de los hombres

Medidas numéricas resumen

Variable: Porcentaje de empleo femenino

library(summarytools) #Activar la libreria
descr(Ejemplo$EVM...2) #Muestra todas las medidas
## Descriptive Statistics  
## Ejemplo$EVM...2  
## N: 122  
## 
##                     EVM...2
## ----------------- ---------
##              Mean     53.38
##           Std.Dev     29.79
##               Min      1.80
##                Q1     26.11
##            Median     53.26
##                Q3     82.49
##               Max     97.93
##               MAD     41.74
##               IQR     56.06
##                CV      0.56
##          Skewness     -0.09
##       SE.Skewness      0.22
##          Kurtosis     -1.44
##           N.Valid    122.00
##         Pct.Valid    100.00

Boxplot

boxplot(Ejemplo$EVM...2,horizontal=T,col="green",main="Distribucion de TEV", xlab="Porcentaje EVM")

El boxplot de EVM aparenta un comportamiento simetrico,teniendo una variabilidad muy heterogeneo.Ademas, no se encontraron datos atipicos y su forma es simetrico con curtosis particurtico.

Variable:EVH/EVM

library(summarytools) #Activar la libreria
descr(Ejemplo$EVM...7) #Muestra todas las medidas
## Descriptive Statistics  
## Ejemplo$EVM...7  
## N: 122  
## 
##                     EVM...7
## ----------------- ---------
##              Mean     70.31
##           Std.Dev      6.66
##               Min     53.07
##                Q1     64.94
##            Median     72.41
##                Q3     75.74
##               Max     83.04
##               MAD      6.62
##               IQR     10.78
##                CV      0.09
##          Skewness     -0.48
##       SE.Skewness      0.22
##          Kurtosis     -0.69
##           N.Valid    122.00
##         Pct.Valid    100.00
boxplot(Ejemplo$EVM...7,horizontal=T,col="lightgreen",main="Distribucion ", xlab="Porcentaje EVM")

La distribución del porcentaje de empleo vulnerable en mujeres parece ser relativamente homogénea, aproximadamente simétrica y platicúrtica.

Variable:EVH

library(summarytools) #Activar la libreria
descr(Ejemplo$EVH) #Muestra todas las medidas
## Descriptive Statistics  
## Ejemplo$EVH  
## N: 122  
## 
##                        EVH
## ----------------- --------
##              Mean    64.98
##           Std.Dev     5.95
##               Min    50.37
##                Q1    60.41
##            Median    66.07
##                Q3    69.56
##               Max    79.08
##               MAD     6.24
##               IQR     9.11
##                CV     0.09
##          Skewness    -0.35
##       SE.Skewness     0.22
##          Kurtosis    -0.47
##           N.Valid   122.00
##         Pct.Valid   100.00

La distribución de la esperanza de vida en hombres es simétrica y platicúrtica.Ademas, no se observan datos atípicos.

boxplot(Ejemplo$EVH,horizontal=T,col="lightgreen",main="Distribucion ", xlab="Porcentaje EVH")

Variable:TMN (000)

library(summarytools) #Activar la libreria
descr(Ejemplo$`TMN(000)`) #Muestra todas las medidas
## Descriptive Statistics  
## Ejemplo$`TMN(000)`  
## N: 122  
## 
##                       TMN(000)
## ----------------- ------------
##              Mean        15.91
##           Std.Dev        10.03
##               Min         0.90
##                Q1         7.50
##            Median        13.10
##                Q3        24.10
##               Max        39.60
##               MAD        11.27
##               IQR        16.55
##                CV         0.63
##          Skewness         0.49
##       SE.Skewness         0.22
##          Kurtosis        -0.92
##           N.Valid       122.00
##         Pct.Valid       100.00
boxplot(Ejemplo$`TMN(000)`,horizontal=T)

El boxplot de TMN aparenta un comportamiento positivo con una variabilidad muy heterogeneo.Ademas,no se encontraron datos atipicos y su forma es positiva con curtosis negativo planicurtico.

#uso de la libreria esquisse

library(ggplot2)

ggplot(Ejemplo) +
 aes(x = Prev_Diabetes) +
 geom_bar(fill = "#CD9806") +
 labs(x = "Nivel de prevalencia", 
 y = "Cantidad de paises", title = "Distribucion de prevalencia de diabetes") +
 theme_minimal() +
 theme(plot.title = element_text(face = "bold", hjust = 0.5))

**Estos gráficos muestran la distribución de la prevalencia de diabetes en los países. Se puede observar que la mayoría de los países tienen una prevalencia de diabetes en niveles bajos a moderados, con una cantidad considerable de variabilidad entre los países.*

library(ggplot2)

ggplot(Ejemplo) +
 aes(x = "", y = `TMN(000)`) +
 geom_boxplot(fill = "#112446") +
 labs(y = "Tasa de mortalidad neonatal", 
 title = "Distribucion de TMN") +
 theme_minimal() +
 facet_wrap(vars(Income_Group))

El boxplot muestra la distribución de la tasa de mortalidad neonatal en diferentes grupos de ingresos.Se observa que la mediana de la TMN tiende a ser más alta en los países de ingresos bajos, mientras que en los países de ingresos medios y altos, la mediana tiende a ser más baja.

library(ggplot2)

ggplot(Ejemplo) +
 aes(x = "", y = `TMN(000)`, fill = Income_Group) +
 geom_boxplot() +
 scale_fill_hue(direction = 1) +
 labs(y = "Tasa de mortalidad neonatal", title = "Distribucion TMN") +
 theme_minimal() +
 theme(plot.title = element_text(face = "bold", 
 hjust = 0.5)) +
 facet_wrap(vars(Region))

Este boxplot muestra la distribución de la tasa de mortalidad neonatal en diferentes regiones.dentro de la región de África, los países de ingresos bajos tienden a tener una mediana de TMN más alta en comparación con los países de ingresos altos y medios.En los países de América, se observa que en general, independientemente del grupo de ingresos, la mediana de la TMN tiende a ser más baja en comparación con otras regiones.En los países de Asia, se observa una variabilidad considerable en la TMN, con algunos países que muestran medianas más altas que otros.En los países de Europa, se observa que la TMN tiende a ser más baja en comparación con otras regiones, independientemente del grupo de ingresos.En los países de Europa, se observa que la TMN tiende a ser más baja en comparación con otras regiones, independientemente del grupo de ingresos.

MEDIDAS RESUMEN COMPARATIVAS

EVM…2,INCOME_GROUP

library(summarytools)
with(Ejemplo,stby(EVM...2,Income_Group,descr))
## Descriptive Statistics  
## EVM...2 by Income_Group  
## Data Frame: Ejemplo  
## N: 25  
## 
##                     1_Bajo   2_ Mediano_Bajo   3_Mediano_Alto
## ----------------- -------- ----------------- ----------------
##              Mean    84.16             59.23            30.16
##           Std.Dev    17.88             25.90            18.82
##               Min    11.34              3.39             1.80
##                Q1    82.49             38.41            15.90
##            Median    89.60             69.34            26.22
##                Q3    92.22             81.38            43.72
##               Max    97.93             97.08            88.10
##               MAD     4.96             23.52            20.06
##               IQR     9.73             41.27            27.31
##                CV     0.21              0.44             0.62
##          Skewness    -2.76             -0.52             0.74
##       SE.Skewness     0.46              0.33             0.35
##          Kurtosis     8.22             -1.03             0.26
##           N.Valid    25.00             51.00            46.00
##         Pct.Valid   100.00            100.00           100.00

EVH-INCOME_GROUP

library(summarytools)
with(Ejemplo,stby(EVH,Income_Group,descr))
## Descriptive Statistics  
## EVH by Income_Group  
## Data Frame: Ejemplo  
## N: 25  
## 
##                     1_Bajo   2_ Mediano_Bajo   3_Mediano_Alto
## ----------------- -------- ----------------- ----------------
##              Mean    59.60             64.84            68.07
##           Std.Dev     4.72              5.77             4.51
##               Min    50.84             50.37            55.72
##                Q1    57.39             60.40            66.00
##            Median    59.71             66.10            67.97
##                Q3    61.91             69.57            70.29
##               Max    70.83             74.88            79.08
##               MAD     3.44              6.24             3.29
##               IQR     4.52              8.70             4.26
##                CV     0.08              0.09             0.07
##          Skewness     0.29             -0.50            -0.35
##       SE.Skewness     0.46              0.33             0.35
##          Kurtosis     0.08             -0.53             0.64
##           N.Valid    25.00             51.00            46.00
##         Pct.Valid   100.00            100.00           100.00

EVM…7-INCOME_GROUP

library(summarytools)
with(Ejemplo,stby(EVM...7,Income_Group,descr))
## Descriptive Statistics  
## EVM...7 by Income_Group  
## Data Frame: Ejemplo  
## N: 25  
## 
##                     1_Bajo   2_ Mediano_Bajo   3_Mediano_Alto
## ----------------- -------- ----------------- ----------------
##              Mean    63.86             69.78            74.40
##           Std.Dev     5.26              6.30             4.49
##               Min    54.28             53.07            62.73
##                Q1    61.35             65.02            72.66
##            Median    62.79             70.36            74.82
##                Q3    67.13             75.50            77.24
##               Max    75.74             79.50            83.04
##               MAD     5.45              7.62             3.22
##               IQR     5.78              9.51             4.36
##                CV     0.08              0.09             0.06
##          Skewness     0.40             -0.50            -0.93
##       SE.Skewness     0.46              0.33             0.35
##          Kurtosis    -0.14             -0.50             0.85
##           N.Valid    25.00             51.00            46.00
##         Pct.Valid   100.00            100.00           100.00

En general, podemos observar diferencias significativas en las características de las distribuciones de EVH, EVM…2 y EVM…7 entre los diferentes grupos de ingreso.Las medidas de asimetría y curtosis proporcionan información sobre la forma y la simetría de las distribuciones