Análisis de un DataSet: Divorcios en el Ecuador, año 2021
Autores: Karen Castro - Rafael Mendoza - Jacinto Reyes
2024-05-22
R Markdown
Este es un documento de R Markdown. Markdown es una sintaxis de formato simple para crear documentos HTML, PDF y MS Word. Para obtener más detalles sobre el uso de R Markdown, consulte http://rmarkdown.rstudio.com.
Al hacer clic en el botón Knit, se generará un documento que incluye tanto el contenido como la salida de cualquier fragmento de código R incrustado en el documento.
Análisis de un DataSet
Se utilizó como Dataset el registro estadístico de matrimonios y divorcios del Instituto Nacional de Estadística y Censos del Ecuador, sitio: ecuadorencifras.gob.ec/matrimonios-divorcios-2021/ Se indica que los datos provienen de una investigación orientada a cuantificar los hechos vitales ocurridos e inscritos en las oficinas de Registro Civil a nivel nacional. La información se obtiene de las inscripciones que se realizan en las oficinas de la Dirección General de Registro Civil, identificación y cedulación y en la Corporación Registro Civil de Guayaquil, durante el año 2021.
Manejo de un DataSet
Las librerías utilizadas para analizar el dataset de los divorcios en el Ecuador en el año 2021, son las siguientes:
##para que no aparezcan las advertencias
options(warn=-1)
library(ggplot2)
library(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr 1.1.4 ✔ readr 2.1.5
## ✔ forcats 1.0.0 ✔ stringr 1.5.1
## ✔ lubridate 1.9.3 ✔ tibble 3.2.1
## ✔ purrr 1.0.2 ✔ tidyr 1.3.1
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag() masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errorslibrary(ggforce)
library(adegraphics)## Registered S3 methods overwritten by 'adegraphics':
## method from
## biplot.dudi ade4
## kplot.foucart ade4
## kplot.mcoa ade4
## kplot.mfa ade4
## kplot.pta ade4
## kplot.sepan ade4
## kplot.statis ade4
## scatter.coa ade4
## scatter.dudi ade4
## scatter.nipals ade4
## scatter.pco ade4
## score.acm ade4
## score.mix ade4
## score.pca ade4
## screeplot.dudi ade4library(psych)##
## Attaching package: 'psych'
##
## The following objects are masked from 'package:ggplot2':
##
## %+%, alphalibrary(car)## Loading required package: carData
##
## Attaching package: 'car'
##
## The following object is masked from 'package:psych':
##
## logit
##
## The following object is masked from 'package:dplyr':
##
## recode
##
## The following object is masked from 'package:purrr':
##
## somelibrary(vctrs)##
## Attaching package: 'vctrs'
##
## The following object is masked from 'package:dplyr':
##
## data_frame
##
## The following object is masked from 'package:tibble':
##
## data_framelibrary(ggpubr)
library(dplyr)
library(multcomp)## Loading required package: mvtnorm
## Loading required package: survival
## Loading required package: TH.data
## Loading required package: MASS
##
## Attaching package: 'MASS'
##
## The following object is masked from 'package:dplyr':
##
## select
##
##
## Attaching package: 'TH.data'
##
## The following object is masked from 'package:MASS':
##
## geyserlibrary(rstatix)##
## Attaching package: 'rstatix'
##
## The following object is masked from 'package:MASS':
##
## select
##
## The following object is masked from 'package:stats':
##
## filterlibrary(dunn.test)
library(broom)
library(yaml)Seleccionar la ubicación del archivo de datos
Para establecer la ruta donde se encuentran los datos, utilizamos la función file.choose(), que abre una ventana de Windows, escogemos el archivo inec_divorcios_2021.csv y la función regresa una variable tipo caracter con la ruta donde se encontraba dicho archivo. La ruta se esta guardando en la variable donde
donde<-file.choose()Lectura del dataset
Procedemos a leer el archivo en formato CSV, que es un archivo de texto que guarda datos en columnas, para nuestro caso separado por punto y coma, este paso lo hacemos porque se requiere convertir el archivo en un dataframe para poderlo acceder en R.
archivo<- read.csv2(donde)Para comprobar si está leyendo bien los datos, mostramos las primeras 5 columnas, y las primeras cuatro filas del conjunto de datos
head(archivo[,1:5],n=4L)## prov_insc cant_insc parr_insc anio_insc mes_insc
## 1 Manab\xed Portoviejo 18 de Octubre 2021 Enero
## 2 Guayas Guayaquil Rocafuerte 2021 Enero
## 3 Santa Elena Salinas Salinas, cabecera cantonal 2021 Enero
## 4 Guayas Milagro Milagro, cabecera cantonal 2021 Enero#view(archivo) si se desea mostrar todo el datasetAl visualizar el dataset, se observa que no reconoce las tildes y las reemplaza con caracteres especiales, por lo que hay que volver a realizar la lectura de los datos con la codificación adecuada UTF-8, para visualizar correctamente las tildes.
archivo<-read.csv2(donde, encoding = "UTF-8")
head(archivo[,1:5],n=4L)## prov_insc cant_insc parr_insc anio_insc mes_insc
## 1 Manab\xed Portoviejo 18 de Octubre 2021 Enero
## 2 Guayas Guayaquil Rocafuerte 2021 Enero
## 3 Santa Elena Salinas Salinas, cabecera cantonal 2021 Enero
## 4 Guayas Milagro Milagro, cabecera cantonal 2021 EneroComo todavía no se lee adecuadamente las tildes,es necesario colocar en la codificación latin1
archivo<-read.csv2(donde, encoding = "latin1")
head(archivo[,1:5],n=4L)## prov_insc cant_insc parr_insc anio_insc mes_insc
## 1 Manabí Portoviejo 18 de Octubre 2021 Enero
## 2 Guayas Guayaquil Rocafuerte 2021 Enero
## 3 Santa Elena Salinas Salinas, cabecera cantonal 2021 Enero
## 4 Guayas Milagro Milagro, cabecera cantonal 2021 EneroAhora sí se visualizan bien los datos.
Estructura de los datos del dataset de divorcios
Si se desea conocer la estructura del dataset, se lo hace con la función str(), que al inicio indica la clase del archivo, el número de datos obs (observados) y el nombre de las variables.
str(archivo)## 'data.frame': 22488 obs. of 50 variables:
## $ prov_insc : chr "Manabí" "Guayas" "Santa Elena" "Guayas" ...
## $ cant_insc : chr "Portoviejo" "Guayaquil" "Salinas" "Milagro" ...
## $ parr_insc : chr "18 de Octubre" "Rocafuerte" "Salinas, cabecera cantonal" "Milagro, cabecera cantonal" ...
## $ anio_insc : int 2021 2021 2021 2021 2021 2021 2021 2021 2021 2021 ...
## $ mes_insc : chr " Enero" " Enero" " Enero" " Enero" ...
## $ dia_insc : int 21 27 27 26 9 15 10 4 4 19 ...
## $ fecha_insc: chr "1/21/2021" "1/27/2021" "1/27/2021" "1/26/2021" ...
## $ anio_div : int 2020 9999 2013 2020 2020 2021 2021 2021 2021 2021 ...
## $ mes_div : chr " Diciembre" "99" " Agosto" " Agosto" ...
## $ dia_div : int 17 99 23 27 27 25 3 13 10 22 ...
## $ fecha_div : chr "12/17/2020" " " "1/27/2021" "8/27/2020" ...
## $ anio_mat : int 9999 2010 2021 2015 2003 2009 2004 1998 2005 2004 ...
## $ mes_mat : chr "99" " Agosto" " Enero" " Marzo" ...
## $ dia_mat : int 99 10 17 5 4 26 3 17 28 21 ...
## $ fecha_mat : chr " " "8/10/2010" "8/24/2013" "3/5/2015" ...
## $ mcap_bie : chr " No" " Sin información" " No" " Sin información" ...
## $ dur_mat : int 999 999 7 4 17 11 16 23 15 16 ...
## $ cau_div : chr "Por mutuo consentimiento vía notarial" " Sin información" "Por mutuo consentimiento vía judicial" "Por mutuo consentimiento vía judicial" ...
## $ nac_1 : chr " Ecuatoriano" " Ecuatoriano" " Ecuatoriano" " Ecuatoriano" ...
## $ cod_pais1 : chr "Ecuador" "Ecuador" "Ecuador" "Ecuador" ...
## $ sexo_1 : chr "Hombre" "Hombre" "Hombre" "Hombre" ...
## $ anio_nac1 : int 1951 1985 1951 1985 1969 1974 1982 1962 9999 9999 ...
## $ mes_nac1 : chr " Abril" " Octubre" " Enero" " Abril" ...
## $ dia_nac1 : int 12 13 25 15 21 14 16 24 99 99 ...
## $ fecha_nac1: chr "4/12/1951" "10/13/1985" "1/25/1951" "4/15/1985" ...
## $ edad_1 : int 69 35 70 35 52 47 38 58 999 999 ...
## $ hijos_1 : int 0 99 0 0 0 0 0 0 0 0 ...
## $ p_etnica1 : chr "Sin información" "Mestizo" "Mulato" "Mestizo" ...
## $ niv_inst1 : chr " Jardín de Infantes" " Educación media / Bachillerato" " Secundaria" " Secundaria" ...
## $ sabe_leer1: chr "No" "Si" "Si" "Si" ...
## $ prov_hab1 : chr "Manabí" "Guayas" "Santa Elena" "Guayas" ...
## $ cant_hab1 : chr "Portoviejo" "Guayaquil" "La Libertad" "Milagro" ...
## $ parr_hab1 : chr "Picoazá" "Tarqui" "La Libertad" "Milagro" ...
## $ area_1 : chr "Urbano" "Urbano" "Urbano" "Urbano" ...
## $ nac_2 : chr " Ecuatoriano" " Ecuatoriano" " Ecuatoriano" " Ecuatoriano" ...
## $ cod_pais2 : chr "Ecuador" "Ecuador" "Ecuador" "Ecuador" ...
## $ sexo_2 : chr "Mujer" "Mujer" "Mujer" "Mujer" ...
## $ anio_nac2 : int 1969 1982 1975 1991 1975 1974 9999 9999 1981 1967 ...
## $ mes_nac2 : chr " Marzo" " Octubre" " Febrero" " Julio" ...
## $ dia_nac2 : int 12 10 25 23 19 1 99 99 22 12 ...
## $ fecha_nac2: chr "3/12/1969" "10/10/1982" "2/25/1975" "7/23/1991" ...
## $ edad_2 : int 51 38 45 29 46 47 999 999 39 53 ...
## $ hijos_2 : int 0 0 0 0 1 1 0 99 0 0 ...
## $ p_etnica2 : chr "Mestizo" "Mestizo" "Montubio" "Mestizo" ...
## $ niv_inst2 : chr " Primaria" " Educación media / Bachillerato" " Superior Universitario" " Educación media / Bachillerato" ...
## $ sabe_leer2: chr "Si" "Si" "Si" "Si" ...
## $ prov_hab2 : chr "Esmeraldas" "Guayas" "Santa Elena" "Guayas" ...
## $ cant_hab2 : chr "Quininde" "Guayaquil" "La Libertad" "Milagro" ...
## $ parr_hab2 : chr "Rosa Zarate (Quininde)" "Tarqui" "La Libertad" "Milagro" ...
## $ area_2 : chr "Urbano" "Urbano" "Urbano" "Urbano" ...En resumen en el 2021, el registro estadístico nos indica que el número de divorcios fue de 22.488
Conocer la estructura del dataset, nos permite poder acceder a los datos específicos, colocando el nombre_del_archivo$dato_requerido.
Inspeccionando el dataset
Para inspeccionar el conjunto de datos, se utiliza la función summary(), que para cada campo con valores numéricos muestra el valor mínimo, 1er cuartil, mediana, mediana mean, 3er cuartil y máximo.
summary(archivo)## prov_insc cant_insc parr_insc anio_insc
## Length:22488 Length:22488 Length:22488 Min. :2021
## Class :character Class :character Class :character 1st Qu.:2021
## Mode :character Mode :character Mode :character Median :2021
## Mean :2021
## 3rd Qu.:2021
## Max. :2021
## mes_insc dia_insc fecha_insc anio_div
## Length:22488 Min. : 1.00 Length:22488 Min. :1976
## Class :character 1st Qu.: 8.00 Class :character 1st Qu.:2021
## Mode :character Median :16.00 Mode :character Median :2021
## Mean :15.78 Mean :2021
## 3rd Qu.:23.00 3rd Qu.:2021
## Max. :31.00 Max. :9999
## mes_div dia_div fecha_div anio_mat
## Length:22488 Min. : 1.00 Length:22488 Min. :1952
## Class :character 1st Qu.: 8.00 Class :character 1st Qu.:1998
## Mode :character Median :16.00 Mode :character Median :2007
## Mean :16.03 Mean :2005
## 3rd Qu.:23.00 3rd Qu.:2013
## Max. :99.00 Max. :9999
## mes_mat dia_mat fecha_mat mcap_bie
## Length:22488 Min. : 1 Length:22488 Length:22488
## Class :character 1st Qu.: 9 Class :character Class :character
## Mode :character Median :16 Mode :character Mode :character
## Mean :16
## 3rd Qu.:23
## Max. :99
## dur_mat cau_div nac_1 cod_pais1
## Min. : 0.00 Length:22488 Length:22488 Length:22488
## 1st Qu.: 7.00 Class :character Class :character Class :character
## Median : 13.00 Mode :character Mode :character Mode :character
## Mean : 15.66
## 3rd Qu.: 22.00
## Max. :999.00
## sexo_1 anio_nac1 mes_nac1 dia_nac1
## Length:22488 Min. :1930 Length:22488 Min. : 1.00
## Class :character 1st Qu.:1970 Class :character 1st Qu.: 8.00
## Mode :character Median :1979 Mode :character Median :15.00
## Mean :1979 Mean :15.59
## 3rd Qu.:1986 3rd Qu.:23.00
## Max. :9999 Max. :99.00
## fecha_nac1 edad_1 hijos_1 p_etnica1
## Length:22488 Min. : 18.00 Min. : 0.000 Length:22488
## Class :character 1st Qu.: 35.00 1st Qu.: 0.000 Class :character
## Mode :character Median : 42.00 Median : 0.000 Mode :character
## Mean : 43.78 Mean : 8.132
## 3rd Qu.: 51.00 3rd Qu.: 0.000
## Max. :999.00 Max. :99.000
## niv_inst1 sabe_leer1 prov_hab1 cant_hab1
## Length:22488 Length:22488 Length:22488 Length:22488
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## parr_hab1 area_1 nac_2 cod_pais2
## Length:22488 Length:22488 Length:22488 Length:22488
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## sexo_2 anio_nac2 mes_nac2 dia_nac2
## Length:22488 Min. :1928 Length:22488 Min. : 1.00
## Class :character 1st Qu.:1973 Class :character 1st Qu.: 8.00
## Mode :character Median :1981 Mode :character Median :15.00
## Mean :1981 Mean :15.52
## 3rd Qu.:1988 3rd Qu.:23.00
## Max. :9999 Max. :99.00
## fecha_nac2 edad_2 hijos_2 p_etnica2
## Length:22488 Min. : 18.00 Min. : 0.000 Length:22488
## Class :character 1st Qu.: 32.00 1st Qu.: 0.000 Class :character
## Mode :character Median : 39.00 Median : 1.000 Mode :character
## Mean : 40.61 Mean : 6.317
## 3rd Qu.: 48.00 3rd Qu.: 2.000
## Max. :999.00 Max. :99.000
## niv_inst2 sabe_leer2 prov_hab2 cant_hab2
## Length:22488 Length:22488 Length:22488 Length:22488
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## parr_hab2 area_2
## Length:22488 Length:22488
## Class :character Class :character
## Mode :character Mode :character
##
##
## Calculo de la frecuencia del número de divorcios por cada provincia
Si se desea determinar la frecuencia de divorcios por provincia, variable estadística cualitativa categórica, generamos un subconjunto del archivo principal y lo guardamos en la tabla frecuencia_prov
frecuencia_prov<- table(archivo$prov_insc)Para mostrar la frecuencia del número de divorcios por provincias
# Mostrar la frecuencia
print(frecuencia_prov)##
## Azuay Bolívar
## 1778 288
## Cañar Carchi
## 659 304
## Chimborazo Cotopaxi
## 790 644
## El Oro Esmeraldas
## 1147 442
## Galápagos Guayas
## 133 6184
## Imbabura Loja
## 958 972
## Los Ríos Manabí
## 581 1856
## Morona Santiago Napo
## 355 132
## Orellana Pastaza
## 206 181
## Pichincha Santa Elena
## 2897 377
## Santo Domingo de los Tsáchilas Sucumbíos
## 691 118
## Tungurahua Zamora Chinchipe
## 672 123Pero mejor se visualizan los datos en un gráfico estadístico de barras. Como se muestra una vez que se ejecuta la función ggplot()
#CANTIDAD DE DIVORCIOS POR PROVINCIAS###
ggplot(archivo, aes(x = prov_insc)) +
geom_bar(fill = "skyblue", color = "black") +
geom_text(stat = "count", aes(label = ..count..), vjust = -0.5, size = 3) +
geom_hline(yintercept = 936.8333, color = "red", linetype = "dashed", size = 1) +
labs(title = "Divorcios por provincias en 2021",
x = "Provincia",
y = "Cantidad de divorcios") +
theme_classic(base_size = 12) +
theme(plot.title = element_text(size = 10, face = "bold"),
axis.title = element_text(size = 10, face = "bold"),
axis.text = element_text(size = 9, face = "bold"),
axis.text.x = element_text(angle = 90, vjust = 0.5),
legend.title = element_blank(),
legend.text = element_text(size = 7))
Observamos en el gráfico que el nombre de la provincia: Santo Domingo de los Tsáchilas por ser muy largo, es mejor acortarlo a solo: Sto Domingo para una mejor visualización del mismo.
##para activar las advertencias
options(warn=0)
archivo<- archivo %>% mutate(prov_insc=str_replace(prov_insc,'Santo Domingo de los Tsáchilas','Sto Domingo'))Si nuevamente ejecutamos la función ggplot para generar el gráfico, se obtiene un versión mejorada del mismo.
###CANTIDAD DE DIVORCIOS POR PROVINCIAS###
ggplot(archivo, aes(x = prov_insc)) +
geom_bar(fill = "skyblue", color = "black") +
geom_text(stat = "count", aes(label = ..count..), vjust = -0.5, size = 3) +
geom_hline(yintercept = 936.8333, color = "red", linetype = "dashed", size = 1) +
labs(title = "Divorcios por provincias en 2021",
x = "Provincia",
y = "Cantidad de divorcios") +
theme_classic(base_size = 12) +
theme(plot.title = element_text(size = 10, face = "bold"),
axis.title = element_text(size = 10, face = "bold"),
axis.text = element_text(size = 9, face = "bold"),
axis.text.x = element_text(angle = 90, vjust = 0.5),
legend.title = element_blank(),
legend.text = element_text(size = 7))
En el año 2021, las provincias de la región Sierra en conjunto evidencian el mayor número de divorcios.
Se observa en el gráfico que las provincias que más divorcios tienen, son: Guayas, Pichincha, Manabí, Azuay y el Oro, que están por encima del promedio de divorcios por provincias en el Ecuador.
Cantidad de divorcios por mes
options(warn=-1)
ggplot(archivo, aes(x = mes_insc)) +
geom_bar(fill = "skyblue", color = "black") +
geom_text(stat = "count", aes(label = ..count..), vjust = -0.5, size = 3) +
geom_hline(yintercept = 1873,6666, color = "red", linetype = "dashed", size = 1) +
labs(title = "Divorcios por Mes en 2021",
x = "Mes",
y = "Cantidad de divorcios") +
theme_classic(base_size = 12) +
theme(plot.title = element_text(size = 10, face = "bold"),
axis.title = element_text(size = 10, face = "bold"),
axis.text = element_text(size = 9, face = "bold"),
axis.text.x = element_text(angle = 45, vjust = 0.5),
legend.title = element_blank(),
legend.text = element_text(size = 9))
options(warn=0)El mayor registro de divorcios corresponde al mes de Septiembre con 2175 registros. Se observa que hay menos divorcios en Enero, Febrero, Marzo, Abril y Mayo. Se incrementa en Junio, Julio, Agosto, Septiembre, disminuye en Octubre, Noviembre y Diciembre.
Quitando los datos que registran un valor no adecuado
summary(archivo)## prov_insc cant_insc parr_insc anio_insc
## Length:22488 Length:22488 Length:22488 Min. :2021
## Class :character Class :character Class :character 1st Qu.:2021
## Mode :character Mode :character Mode :character Median :2021
## Mean :2021
## 3rd Qu.:2021
## Max. :2021
## mes_insc dia_insc fecha_insc anio_div
## Length:22488 Min. : 1.00 Length:22488 Min. :1976
## Class :character 1st Qu.: 8.00 Class :character 1st Qu.:2021
## Mode :character Median :16.00 Mode :character Median :2021
## Mean :15.78 Mean :2021
## 3rd Qu.:23.00 3rd Qu.:2021
## Max. :31.00 Max. :9999
## mes_div dia_div fecha_div anio_mat
## Length:22488 Min. : 1.00 Length:22488 Min. :1952
## Class :character 1st Qu.: 8.00 Class :character 1st Qu.:1998
## Mode :character Median :16.00 Mode :character Median :2007
## Mean :16.03 Mean :2005
## 3rd Qu.:23.00 3rd Qu.:2013
## Max. :99.00 Max. :9999
## mes_mat dia_mat fecha_mat mcap_bie
## Length:22488 Min. : 1 Length:22488 Length:22488
## Class :character 1st Qu.: 9 Class :character Class :character
## Mode :character Median :16 Mode :character Mode :character
## Mean :16
## 3rd Qu.:23
## Max. :99
## dur_mat cau_div nac_1 cod_pais1
## Min. : 0.00 Length:22488 Length:22488 Length:22488
## 1st Qu.: 7.00 Class :character Class :character Class :character
## Median : 13.00 Mode :character Mode :character Mode :character
## Mean : 15.66
## 3rd Qu.: 22.00
## Max. :999.00
## sexo_1 anio_nac1 mes_nac1 dia_nac1
## Length:22488 Min. :1930 Length:22488 Min. : 1.00
## Class :character 1st Qu.:1970 Class :character 1st Qu.: 8.00
## Mode :character Median :1979 Mode :character Median :15.00
## Mean :1979 Mean :15.59
## 3rd Qu.:1986 3rd Qu.:23.00
## Max. :9999 Max. :99.00
## fecha_nac1 edad_1 hijos_1 p_etnica1
## Length:22488 Min. : 18.00 Min. : 0.000 Length:22488
## Class :character 1st Qu.: 35.00 1st Qu.: 0.000 Class :character
## Mode :character Median : 42.00 Median : 0.000 Mode :character
## Mean : 43.78 Mean : 8.132
## 3rd Qu.: 51.00 3rd Qu.: 0.000
## Max. :999.00 Max. :99.000
## niv_inst1 sabe_leer1 prov_hab1 cant_hab1
## Length:22488 Length:22488 Length:22488 Length:22488
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## parr_hab1 area_1 nac_2 cod_pais2
## Length:22488 Length:22488 Length:22488 Length:22488
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## sexo_2 anio_nac2 mes_nac2 dia_nac2
## Length:22488 Min. :1928 Length:22488 Min. : 1.00
## Class :character 1st Qu.:1973 Class :character 1st Qu.: 8.00
## Mode :character Median :1981 Mode :character Median :15.00
## Mean :1981 Mean :15.52
## 3rd Qu.:1988 3rd Qu.:23.00
## Max. :9999 Max. :99.00
## fecha_nac2 edad_2 hijos_2 p_etnica2
## Length:22488 Min. : 18.00 Min. : 0.000 Length:22488
## Class :character 1st Qu.: 32.00 1st Qu.: 0.000 Class :character
## Mode :character Median : 39.00 Median : 1.000 Mode :character
## Mean : 40.61 Mean : 6.317
## 3rd Qu.: 48.00 3rd Qu.: 2.000
## Max. :999.00 Max. :99.000
## niv_inst2 sabe_leer2 prov_hab2 cant_hab2
## Length:22488 Length:22488 Length:22488 Length:22488
## Class :character Class :character Class :character Class :character
## Mode :character Mode :character Mode :character Mode :character
##
##
##
## parr_hab2 area_2
## Length:22488 Length:22488
## Class :character Class :character
## Mode :character Mode :character
##
##
## Se obtiene que la edad mínima para un divorcio es de 18 y la máxima es de 999 (debido a que hay errores al ingreso de la información, encontramos en el dataset valores de 999 en la columna edad_1), de la misma forma en otras columnas. Es necesario limpiarlo. Se eliminan ciertos datos que no van de acuerdo al dato registrado, por ejemplo una edad mayor a 60 años, año del divorcio 9999, entre otros campos.
archivo<- (archivo[archivo$edad_1 <= 60 & archivo$anio_div != 9999 & archivo$dia_div != 99 & archivo$anio_mat != 9999 & archivo$dia_mat !=99 & archivo$dur_mat != 999 & archivo$anio_nac1 != 9999 & archivo$dia_nac1 != 99 & archivo$hijos_1 != 99 & archivo$anio_nac2 != 9999 & archivo$dia_nac2 != 99 & archivo$edad_2 <= 60 & archivo$hijos_2 != 99, ])Estadística Descriptiva General
Se obtiene la distribución de frecuencia del dato numérico edad_1 que es la Edad del divorciado1 a la fecha de inscripción, variable estadística cuantitativa numérica. La edad miníma de divorcio es 18, la mayor es 60, la edad media del divorcio es de 40
describe(archivo$edad_1)## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 18602 41.07 9.12 40 40.88 10.38 18 60 42 0.16 -0.84 0.07En forma gráfica, el histograma se obtiene al utilizar la función hist() para visualizar la edad de las personas que se divorcian.
hist(x = archivo$edad_1, main = "Histograma Edad de la persona que se divorcia",
xlab = "Edad", ylab = "Frecuencia",
col = "ivory")
Se analiza el dataset de acuerdo al día del matrimonio, variable cualitativa numérica. La mediana del día del mes elegido para el matrimonio es el 16 del mes. El día minímo es 1, pero el máximo es 99 valor que no está de acuerdo a los valores válidos del conjunto de datos.
describe(archivo$dia_mat)## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 18602 15.97 8.67 16 16.01 10.38 1 31 30 -0.03 -1.16 0.06Se analiza el dataset de acuerdo al número de hijos a cargo del divorciado, variable estadística cualitativa categórica. El número de cargas familiares es de un hijo cuando se da el divorcio de los padres.
describe(archivo$hijos_2)## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 18602 0.88 0.98 1 0.75 1.48 0 6 6 0.93 0.31 0.01Datos de Estadística Descriptiva de la provincia de Azuay
Edad del divorciado1 a la fecha de inscripción (variable estadística cuantitativa numérica) de acuerdo a que la provincia de residencia habitual del divorciado2 sea “Azuay”
describe(archivo$edad_1[archivo$prov_hab2 == "Azuay"])## vars n mean sd median trimmed mad min max range skew kurtosis se
## X1 1 1466 39.67 8.81 39 39.38 8.9 19 60 41 0.26 -0.66 0.23Gráfico de las provincias versus la Edad de Divorcio
archivo<- archivo %>% mutate(prov_insc=str_replace(prov_insc,'Santo Domingo de los Tsáchilas','Sto Domingo'))
ggplot(archivo, aes(x = prov_insc, y = edad_1, fill = area_1)) +
geom_boxplot() +
labs(title = "",
x = "Provincia", y = "Edad") +
geom_hline(yintercept = 43.53, color = "yellow", linetype = "dotdash", size = 1)+
theme_classic(base_size = 12) +
theme(plot.title = element_text(size = 10, face = "bold"),
axis.title = element_text(size = 10, face = "bold"),
axis.text = element_text(size = 9, face = "bold"),
axis.text.x = element_text(angle = 90, vjust = 0.5),
legend.title = element_blank(),
legend.text = element_text(size = 9))
Prueba de normalidad (usando el test KS)
Prueba normal usando el test KS de la edad del divorciado1 a la fecha de inscripción, variable cuantitativa numérica con respecto a la distribución normal. En estadística, la prueba de Kolmogórov-Smirnov también llamada prueba K-S es una prueba no paramétrica que determina la bondad de ajuste de dos distribuciones de probabilidad entre sí.
ks.test(archivo$edad_1, 'pnorm')## Warning in ks.test.default(archivo$edad_1, "pnorm"): ties should not be present
## for the Kolmogorov-Smirnov test##
## Asymptotic one-sample Kolmogorov-Smirnov test
##
## data: archivo$edad_1
## D = 1, p-value < 2.2e-16
## alternative hypothesis: two-sidedComo el valor de p es 0.00000000000000022 es menor que 0.05 rechazamos la hipótesis nula de que no hay diferencia entre las media y concluimos que si existe una diferencia significativa.
Prueba de Wilcoxon
Comprueba si los valores medioa de dos grupos dependiente difieren significativamente entre sí. Hipótesis nula: no hay diferencia en términos de tendencia central entre la edad del divorciado1 y el área donde habita el divorciado1. Hipótesis alternativa: Existe una diferencia con respecto a la tendencia central entre la edad del divorciado1 y el área donde habia el divorciado1.
# Prueba de Mann-Whitney
wilcox.test(edad_1 ~ area_1, data = archivo)##
## Wilcoxon rank sum test with continuity correction
##
## data: edad_1 by area_1
## W = 18214522, p-value = 0.647
## alternative hypothesis: true location shift is not equal to 0Como el valor de p-value 0.1958 es mayor a 0.05, no podemos concluir que existe una diferencia significativa.
Gráfico de divorcios por Area versus Edad, de acuerdo a su Sexo
####AREA VS EDAD####
ggplot(archivo, aes(x = area_1, y = edad_1, fill = sexo_1)) +
geom_boxplot() +
labs(title = "",
x = "Área", y = "Edad") +
theme_classic(base_size = 6) +
theme(plot.title = element_text(size = 10, face = "bold"),
axis.title = element_text(size = 10, face = "bold"),
axis.text = element_text(size = 10, face = "bold", angle = 90),
legend.title = element_blank(),
legend.text = element_text(size = 12))
Se observa en el gráfico que en el año 2021, en la zona Rural es el Hombre quién plantea la demanda de divorcios, esto se puede explicar por la situación de que generalmente en el campo es el Hombre el que trabaja y la mujer depende económicamente de él. Mientras que en la zona Urbano tanto el Hombre como la Mujer plantean las demandas de divorcio, en muchos casos se da que la Mujer no depende económicamente del Hombre.
En conclusión el dataset de la estadística de divorcios registrados en el año 2021 proporcionado por el instituto Nacional de Estadística y Censos (INEC) como ente rector y coordinador del Sistema Estadístico Nacional en unión con la Dirección General de Registro Civil, Identificación y Cedulación (DIGERCIC) y la Corporación Registro Civil de Guayaquil, es un conjunto de datos que permite inferir información estadística valedera con respecto a la disolución de los vínculos matrimoniales del año 2021 y presenta los hechos vitales de divorcios ocurridos en el territorio nacional.
#fin