Carga de Librerías

library(readxl)
library(esquisse)

Carga de Datos

## New names:
## • `EVM` -> `EVM...2`
## • `EVM` -> `EVM...7`
## # 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>

Presentación de las Variables

Variables Cualitativas

Datos Nominales

library(ggplot2)

ggplot(datos) +
 aes(x = Region) +
 geom_bar(fill = "#46337E") +
 labs(x = "Región", y = "Frecuencia", 
 title = "Frecuencia de Regiones") +
 theme_light() +
 theme(plot.caption = element_text(face = "italic"), 
 axis.title.y = element_text(face = "italic"), axis.title.x = element_text(face = "italic"))

Dentro de los 122 países consultados, se observa que la mayoría de ellos se encuentra en África, representando un 38% de los datos. El segundo continente con mayor presencia de países en la BD, es Asia, con un 19%.

Datos Ordinales

library(ggplot2)

ggplot(datos) +
 aes(x = Prev_Diabetes) +
 geom_bar(fill = "#B22222") +
 labs(x = "Nivel", y = "Frecuencia", 
 title = "Prevalencia de Diabetes (mayores de 14 años)") +
 theme_gray()

Un gran porcentaje de los países (más del 50%), tiende a tener una prevalencia de diabetes baja, es decir, que sus habitantes gozan de buena salud en este aspecto y no es muy común encontrar pacientes con este tipo de enfermedad crónica. Por lo anterior, también se puede plantear que la mayoría de los habitantes de los países consultados, tienen una esperanza de vida alta.

library(ggplot2)

ggplot(datos) +
 aes(x = Prev_anem_inf) +
 geom_bar(fill = "#4682B4") +
 labs(x = "Niveles", y = "Porcentaje (%)", 
 title = "Porcentaje (%) de Infantes con Anemia") +
 theme_bw()

En promedio, un 40% de la población infante de los países consultados, sufre de anemia. La mayoría de los países, tienden a tener una población infante media con anemia, lo que podría significar que al 50% de sus niñ@s requieren de una atención especial en temas de sangre y glóbulos rojos.

library(ggplot2)

ggplot(datos) +
 aes(x = Income_Group) +
 geom_bar(fill = "#EF562D") +
 labs(x = "Clasificación", y = "Frecuencia", 
 title = "Ingreso por País") +
 theme_light()

La mayoría de los países consultados, tienen ingresos promedio medio bajo, lo que podría dar una idea que los territorios son de 3° mundo y están en vía de desarrollo (estos probablemente se ubican en la región de África).

Variables Cuantitativas

Carga de Librerías

library(summarytools)

EVM - Empleo Vulnerable para Mujeres

descr(datos$EVM...2)
## Descriptive Statistics  
## datos$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(datos$EVM...2, horizontal = T, col="darkblue",main="EVM (%)")

hist(datos$EVM...2, 
     main = "Histograma para EVM (%)",        
     xlab = "Porcentaje (%)",                     
     ylab = "Frecuencia",                  
     col = "darkblue",                    
     border = "black",                     
     breaks = 10)   

  • El 50% de los datos se ubica entre 26% - 82% de niveles de empleo vulnerable para las mujeres, con un promedio de 53.38%.
  • El país donde mayor tasa de riesgo se presenta para el empleo de mujeres, alcanza un índice de 97.93%
  • Un gran porcentaje de los países presenta una tasa de entre 20% - 30% & 80% - 90%.

TMM - Tasa de Mortalidad Materna

descr(datos$`TMM(000000)`)
## Descriptive Statistics  
## datos$`TMM(000000)`  
## N: 122  
## 
##                       TMM(000000)
## ----------------- ---------------
##              Mean          200.80
##           Std.Dev          230.90
##               Min            1.00
##                Q1           41.00
##            Median          114.50
##                Q3          264.00
##               Max         1223.00
##               MAD          136.40
##               IQR          222.50
##                CV            1.15
##          Skewness            2.00
##       SE.Skewness            0.22
##          Kurtosis            4.56
##           N.Valid          122.00
##         Pct.Valid          100.00
boxplot(datos$`TMM(000000)`, horizontal = T, col="blue4",main="# Mujeres Muertas X cada 1000 Nacimientos")

hist(datos$`TMM(000000)`, 
     main = "Histograma para TMM",        
     xlab = "Número de Mujeres",                     
     ylab = "Frecuencia",                  
     col = "blue4",                    
     border = "black",                     
     breaks = 5)   

  • En promedio, mueren 200 mujeres por cada 1000 nacimientos, lo que deja una tasa de mortalidad del 200%.
  • El país donde más mujeres mueren por cada 1000 nacimientos, deja cifras de 1223 decesos, lo que corresponde a una tasa de crecimiento poblacional negativa.
  • La gran mayoría de los países no supera los 600 decesos.

TMN - Tasa de Mortalidad Neoneatal

descr(datos$`TMN(000)`)
## Descriptive Statistics  
## datos$`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(datos$`TMN(000)`, horizontal = T, col="darkcyan",main="# de Infantes Muertos X cada 1000 Nacimientos")

hist(datos$`TMN(000)`, 
     main = "Histograma para TMN",        
     xlab = "Número de Infantes",                     
     ylab = "Frecuencia",                  
     col = "darkcyan",                    
     border = "black",                     
     breaks = 10)   

  • Como máximo, mueren 39 niños por cada 1000 nacimientos, lo que deja en promedio una tasa positiva de crecimiento poblacional.
  • En promedio mueren 15 niños, dejando una tasa de mortalidad de tan solo del 1.5%.
  • El 50% de los datos se concentra en el rango de 7 - 24 muertes.
  • El rango de más muertes, se encuentra en el intervalo de 5 - 10 decesos.

EVH - Esperanza de Vida al Nacer (Hombres)

descr(datos$EVH)
## Descriptive Statistics  
## datos$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
boxplot(datos$EVH, horizontal = T, col="blue3",main="Esperanza de Vida")

hist(datos$EVH, 
     main = "Histograma para EVH",        
     xlab = "Años",                     
     ylab = "Frecuencia",                  
     col = "blue3",                    
     border = "black",                     
     breaks = 10)   

  • Los hombres tienen una esperanza de vida promedio de 65 años, con un máximo de 80 y un mínimo de 50 años.
  • El 50% de los países encuestados presenta que sus hombres mueren entre los 60 y 69 años.
  • Una gran parte de los países presentan que sus hombres mueren entre los 65 - 70 años.
  • Muy pocos hombres alcanzan una esperanza de vida mayor a los 75 años.

EVM - Esperanza de Vida al Nacer (Mujeres)

descr(datos$EVM...7)
## Descriptive Statistics  
## datos$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(datos$EVM...7, horizontal = T, col="cyan3",main="Esperanza de Vida")

hist(datos$EVM...7, 
     main = "Histograma para EVM",        
     xlab = "Años",                     
     ylab = "Frecuencia",                  
     col = "cyan3",                    
     border = "black",                     
     breaks = 10)   

  • Las mujeres tienen una esperanza de vida promedio de 70 años, con un máximo de 83 y un mínimo de 53 años.
  • El 50% de los países encuestados presenta que sus mujeres mueren entre los 65 y 67 años.
  • Una gran parte de los países presentan que sus mujeres mueren entre los 70 - 80 años.
  • Muy pocas mujeres alcanzan una esperanza de vida mayor a los 80 años.

Comparación de Variables

library(summarytools)
with(datos, stby(EVH,Income_Group,descr,stats = c("min","q1","mean","med","q3","max","sd","cv")))
## Descriptive Statistics  
## EVH by Income_Group  
## Data Frame: datos  
## N: 25  
## 
##                 1_Bajo   2_ Mediano_Bajo   3_Mediano_Alto
## ------------- -------- ----------------- ----------------
##           Min    50.84             50.37            55.72
##            Q1    57.39             60.40            66.00
##          Mean    59.60             64.84            68.07
##        Median    59.71             66.10            67.97
##            Q3    61.91             69.57            70.29
##           Max    70.83             74.88            79.08
##       Std.Dev     4.72              5.77             4.51
##            CV     0.08              0.09             0.07
boxplot(datos$EVM...7 ~ datos$Income_Group, 
        horizontal = T, 
        col=c("orange","green","yellow"),
        main="Esperanza de Vida VS Nivel de Ingreso País",
        xlab = "Esperanza de Vida Mujeres",
        ylab = "Nivel Ingreso País")

Tanto la comparativa de Esperanza de Vida en Hombres (EVH) como el gráfico comparativo de Esperanza de Vida en Mujeres (EVM) con el nivel de ingreso que determinar el BM para cada uno de los países, demuestra que entre mayor nivel económico tiene el país, mayor es la esperanza de vida de sus habitantes. Lo anterior, se puede fundamentar en que los individuos cuenta con mayor cantidad de recursos científicos, educativos y de todo índole, para poder acceder a todas las garantías médicas y de salud, que les garantice una vida más longeva.