PRIMER EJERCICIO

Para este ejercicio se emplea la base de datos WAGE1

1.1 Determine el nivel educativo promedio de la muestra. ¿Cuáles son los niveles de educación menor y mayor?

library(wooldridge)
## Warning: package 'wooldridge' was built under R version 4.3.3
mean(wage1$educ, na.rm=TRUE)
## [1] 12.56274

En términos generales, la muestra tiene un nivel educativo relativamente alto, con un promedio de 12.56 años de escolaridad.

max(wage1$educ)
## [1] 18
min(wage1$educ)
## [1] 0

El rango de niveles educativos también es amplio, desde 0 hasta 18 años.

En el siguente grafico podemos ver la distribución de los niveles de educación a lo largo del intervalo, el cual va desde 0 a 18 observando una gran concentracion de datos alrededor del 12.

grafico1<-ggplot(wage1, aes(x= wage1$educ))+
  geom_histogram(fill = "cornflowerblue",
                 color = "red")+
  scale_x_continuous(
    breaks = seq(from = min(wage1$educ),
                 to =max(wage1$educ),
                 by=5)
  )
  labs(title = "NIveles educ", subtitle = "conteo",
       x = "age")
## $x
## [1] "age"
## 
## $title
## [1] "NIveles educ"
## 
## $subtitle
## [1] "conteo"
## 
## attr(,"class")
## [1] "labels"
plot(grafico1)
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

1.2 Determine el salario promedio por hora en la muestra. ¿Parece ser alto o bajo?

El salario promedio por hora de $5.89 pesos podría considerarse alto, en comparación con la moda 3 y la mediana 4.65.

promedio = mean(wage1$wage, na.rm=TRUE)
moda = mlv(wage1$wage, method = "mfv")[1]
mediana = median(wage1$wage)

Em el siguiente gráfico se puede observar que la linea del promedio (linea roja) se encuentra por delante de las otras dos que representan la mediana y la moda respectivamente. De acuerdo a lo anterior podemos concluir que hay algunos valores en el extremo de la distribución que están aumentando el promedio.

promedio = mean(wage1$wage, na.rm=TRUE)
moda = mlv(wage1$wage, method = "mfv")[1]

mediana = median(wage1$wage)
grafico3 = ggplot(wage1, aes(x = wage1$wage)) +
  geom_point(aes(y = 1:526), shape = 19, color = "lightblue") +
  geom_vline(xintercept = promedio, color = "red", size = 1, linetype = "dashed") +
  geom_vline(xintercept = moda, color = "black",size = 1, linetype = "dashed") +
  geom_vline(xintercept = mediana, color = "orange",size = 1, linetype = "dashed") +
  labs(title = "Gráfico de Puntos con Promedio, Moda y Mediana", x = "Datos", y = "") +
  theme_minimal()
## Warning: Using `size` aesthetic for lines was deprecated in ggplot2 3.4.0.
## ℹ Please use `linewidth` instead.
## This warning is displayed once every 8 hours.
## Call `lifecycle::last_lifecycle_warnings()` to see where this warning was
## generated.
ggplotly(grafico3)

1.3. ¿Cuántas mujeres (females) hay en la muestra? ¿Cuántos hombres?

conteo<-table(wage1$female)

conteo2<-data.frame(conteo)

female<-count(wage1, wage1$female)
female2 <- female %>%
  rename(sex = `wage1$female`, conteo = n)

rownames(female2)
## [1] "1" "2"
rownames(female2)<-c("Hombre", "Mujer")
female2$sex<-ifelse(female2$sex==1, "Mujer", "Hombre")

View(female2)

La table de frecuencias es la siguiente,

library(agricolae)
freq=wage1$female
tbfreq<-table.freq(hist(freq, plot = FALSE))
print(tbfreq)
##    Lower Upper Main Frequency Percentage  CF   CPF
## 1    0.0   0.1 0.05       274       52.1 274  52.1
## 2    0.1   0.2 0.15         0        0.0 274  52.1
## 3    0.2   0.3 0.25         0        0.0 274  52.1
## 4    0.3   0.4 0.35         0        0.0 274  52.1
## 5    0.4   0.5 0.45         0        0.0 274  52.1
## 6    0.5   0.6 0.55         0        0.0 274  52.1
## 7    0.6   0.7 0.65         0        0.0 274  52.1
## 8    0.7   0.8 0.75         0        0.0 274  52.1
## 9    0.8   0.9 0.85         0        0.0 274  52.1
## 10   0.9   1.0 0.95       252       47.9 526 100.0

Se puede observar que en la muestra hay 252 mujeres y 274 hombres.

library(plotly)
fig <- plot_ly(female2, x = ~sex, y = ~conteo, type = 'bar', name = 'conteo')
fig

SEGUNDO EJERCICIO

2.1 ¿Cuántas mujeres hay en la muestra (male = 0) y cuántas de las informantes fumaron durante un embarazo?

En la muestra hay 665 mujeres

bwght = data.frame(bwght)
male = bwght %>% 
  select(male)
male$male<-ifelse(male$male==1, "hombre", "mujer")
male1 = subset(male, male == "hombre")
count(male1)
##     n
## 1 723
male2 = subset(male, male == "mujer")
count(male2)
##     n
## 1 665

Y de las informantes de la muestra 112 fueron fumadoras durante el embarazo.

cigs = bwght %>%
  select(cigs, male) %>% filter(cigs>0, male == 0) %>%
  summarize(total_cigs = sum(cigs))

cigs2 = bwght %>%
  select(cigs, male) %>% filter(cigs>0, male == 0)

cigs2$male = seq_along(cigs2$male)

data.frame(cigs)
##   total_cigs
## 1       1390
graficocigarros<-ggplot(cigs2, aes(x=male, y=cigs))+
  geom_point()+
  theme_linedraw()+
  labs(x = "Mujeres", y="Cigarros")

ggplotly(graficocigarros)

2.2 ¿Cuál es la cantidad promedio de cigarros consumidos por día (cigs)? ¿Es el promedio, en este caso, una medida representativa de la mujer “típica”? Explique

promediocigs<-mean(bwght$cigs, na.rm=TRUE)
promediocigs
## [1] 2.087176
promediocigs2=mean(cigs2$cigs)
promediocigs2
## [1] 12.41071

La cantidad promedio de cigarros consumidos por día son 2, se puede concluir que no es una medida representativa debido a que la muestra es pequeña, por lo que el promedio puede no ser representativo de la población general de mujeres y tienen diferentes caracteristicas.

2.3. Entre las mujeres que fumaron durante el embarazo, ¿cuál es la cantidad promedio de cigarros consumidos por día? ¿Cuál es la relación de esto con su respuesta al inciso ii) y por qué?

promediocigs2 <- mean(cigs2$cigs, na.rm=TRUE)
promediocigs2
## [1] 12.41071

entre las mujeres fumadoras el promedio de cigarrillos consumidos son 12, por lo que es una cifra representativa, teniendo en cuenta que se tiene en cuenta solo las mujeres fumadoras.

cigs2 = bwght %>%
  select(cigs, male) %>% filter(cigs>0, male == 0)

promediocigs<-mean(bwght$cigs, na.rm=TRUE)
promediocigs2=mean(cigs2$cigs)

2.4-. Determine el promedio de fatheduc (años de educación del padre) en la muestra. Por qué se emplean sólo 1 192 observaciones para calcular este promedio?

promedio_fatheduc <- mean(bwght$fatheduc, na.rm = TRUE)
promedio_fatheduc
## [1] 13.18624

El promedio de años de escolaridad del padre en la muestra es de 13.18

total_observaciones <- nrow(bwght)
total_observaciones
## [1] 1388
observaciones_sin_na <- sum(!is.na(bwght$fatheduc))
observaciones_sin_na
## [1] 1192

Al solo utilizar 1.192 observaciones para consultar el promedio es porque se excluyen los valores faltantes que tienen NA en la variable fatheduc.

2.5 Dé el ingreso familiar promedio (famine) y su desviación estándar en dólares.

base<-bwght
ingreso_promedio<-mean(bwght$faminc, na.rm=TRUE)
ingreso_promedio
## [1] 29.02666
desviacion_estandar = sd(bwght$faminc)
desviacion_estandar
## [1] 18.73928
print(paste("Ingreso familiar promedio: $", round(ingreso_promedio, 2)))
## [1] "Ingreso familiar promedio: $ 29.03"
print(paste("Desviación estándar del ingreso familiar: $", round(desviacion_estandar, 2)))
## [1] "Desviación estándar del ingreso familiar: $ 18.74"

En promedio, las familias en la muestra tienen un ingreso de alrededor de 29.03, y la variabilidad de los ingresos familiares alrededor de este promedio es de aproximadamente $18.74.

TERCER EJERCICIO

Los datos de MEAP01 pertenecen al estado de Michigan en el año 2001. Emplee estos datos para contestar las preguntas siguientes.

3.1 Determine los valores mayor y menor de math4. ¿Es lógico este intervalo? Explique.

meap01 = data.frame(meap01)

maximo_mat = max(meap01$math4)
maximo_mat
## [1] 100
minimo_mat = min(meap01$math4)
minimo_mat
## [1] 0

Representa puntuaciones del examen de matemáticas y el rango está dentro de un intervalo amplio y razonable para la puntuacion de 0 a 100.

3.2. ¿Cuántas escuelas tienen una tasa perfecta de aprobados en el examen de matemáticas? ¿A qué porcentaje del total de la muestra corresponde esta cantidad?

las escuelas que tienen una tasa perfecta de aprobados en el examen de matemáticas son 38 y representa el 2.08% del total de la muestra.

tasa_aprobados<-sum(meap01$math4==100, na.rm= TRUE)
tasa_aprobados
## [1] 38
porcentaje_muestra = (tasa_aprobados/nrow(meap01))*100
porcentaje_muestra
## [1] 2.084476

3.3. ¿En cuántas escuelas la tasa de aprobados en matemáticas es exactamente 50%?

17 escuelas tiene una tasa de aprobados del 50%.

escuelas_50 = sum(meap01$math4==50, na.rm= TRUE)
escuelas_50
## [1] 17

3.4 Compare el promedio de las tasas de aprobados en matemáticas y en lectura. ¿Cuál de estas pruebas es más difícil de aprobar?

prome_mat= mean(meap01$math4, na.rm=TRUE)
prome_lec= mean(meap01$read4, na.rm=TRUE)
prome_lec
## [1] 60.06188
prome_mat
## [1] 71.909

El promedio de lectura es 60 puntos El promedio de matematica es 72 puntos

numero_mat = meap01 %>% 
  select(math4) %>% count(math4)
numero_lec = meap01 %>% 
  select(read4) %>% count(read4)
if (prome_mat > prome_lec) {
  print("La prueba de matemáticas es más difícil de aprobar.")
} else if (prome_mat > prome_lec) {
  print("La prueba de lectura es más difícil de aprobar.")
} else {
  print("Ambas pruebas tienen el mismo promedio de tasas de aprobados.")
}
## [1] "La prueba de matemáticas es más difícil de aprobar."

3.5 Encuentre la correlación entre math4 y read4. ¿Qué concluye?

correlacion = cor(meap01$math4, meap01$read4)
correlacion
## [1] 0.8427281

Hay una fuerte correlación positiva de 0.84 a medida que la variable math4 aumenta, la variable read4 también tiende a aumentar.

3.6 La variable exppp es gasto por alumno. Determine el promedio y la desviación estándar de exppp. ¿Parece haber una gran variación en el gasto por alumno?

exp = mean(meap01$exppp)
exp
## [1] 5194.865
des_exp = sd(meap01$exppp)

des_exp
## [1] 1091.89
coeficiente_variacion = (des_exp/exp)*100
coeficiente_variacion
## [1] 21.01863

Un promedio alto junto con una desviación estándar alta podría indicar una gran variabilidad en el gasto por alumno.

lo que sugiere que los montos de gasto pueden variar significativamente entre las diferentes escuelas en la muestra.