Libro de Tareas de Juan D. Gaviria S.
Diplomado en Bioestadística
Universidad Manuela Beltrán
Módulo 2: Profesor Fredy Medina
Cargar librerías
library(grid)
library(gridExtra)
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
## ✔ ggplot2 3.5.1 ✔ tibble 3.2.1
## ✔ lubridate 1.9.3 ✔ tidyr 1.3.1
## ✔ purrr 1.0.2
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::combine() masks gridExtra::combine()
## ✖ 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(plotly)##
## Attaching package: 'plotly'
##
## The following object is masked from 'package:ggplot2':
##
## last_plot
##
## The following object is masked from 'package:stats':
##
## filter
##
## The following object is masked from 'package:graphics':
##
## layoutlibrary(DT)
library(utf8)
library(readr)
library(ggplot2)
library(DiagrammeR)
library(modeest)## Registered S3 method overwritten by 'rmutil':
## method from
## print.response httrrm(list = ls())
url_base= 'https://archive.ics.uci.edu/ml/machine-learning-databases/heart-disease/processed.cleveland.data'
dat.df <- read.table(url_base, header = TRUE, sep = ",", quote = "", fill = TRUE)
names(dat.df) <- c( "age", "sex", "cp", "trestbps", "chol","fbs", "restecg","thalach","exang", "oldpeak","slope", "ca", "thal", "num")
datatable(dat.df)CodeBook
“age”, “sex”, “cp”, “trestbps”, “chol”,“fbs”,
“restecg”,“thalach”,“exang”, “oldpeak”,“slope”, “ca”, “thal”,
“num”
age: edad del paciente
sex: Sexo del paciente
cp: Tipo de dolor en el pecho
Tipo 1: Angina típica
Tipo 2: Angina Atípica
Tipo 3: Dolor no anginal
Tipo 4: Asintomático
trestbps: Presión arterial en reposo en mm Hg al ingreso al
hospital
chol: Colesterol sérico en mg /dl
fbs: azúcar en sangre en ayunas > 120 mg/dl
restecg: Resultados electrocardiográficos en reposo
Nivel 0: Normal
Nivel 1: Tener anormalidad de onda ST-T (inversiones de onda T y / o
elevación o Depresión de ST de > 005 mV)
Nivel 2: Muestra hipertrofía ventricular izquierda probable o definitiva
según los criterios de Estes.
thalach: Frecuencia cardiaca máxima alcanzada
exang: Angina inducida por el ejercicio
oldpeak: Depresión del ST inducida por el ejercicio en relación con el
descanso
slope: La pendiente del segmento ST de ejercicio pico
Valor 1: ascenso
Valor 2: plano
Valor 3: descenso
ca: Numero de vasos principales (0-3) coloreados por fluoroscopia
thal: El estado del corazón según la prueba de Thallium
N = normal;
DF = defecto fijo
DR = defecto reversible
num : Presencia de enfermedad cardíaca (estado de enfermedad
angiográfica)
0: Saludable
1: Diagnosticado como etapa 1
2: Diagnosticado como etapa 2
3: Diagnosticado como etapa 3
4: Diagnosticado como etapa 4
Ejercicio 1.
Clasifique cada una de estas variables y transforme todas las que sean necesarias con los métodos descritos en el documento.
str(dat.df)## 'data.frame': 302 obs. of 14 variables:
## $ age : num 67 67 37 41 56 62 57 63 53 57 ...
## $ sex : num 1 1 1 0 1 0 0 1 1 1 ...
## $ cp : num 4 4 3 2 2 4 4 4 4 4 ...
## $ trestbps: num 160 120 130 130 120 140 120 130 140 140 ...
## $ chol : num 286 229 250 204 236 268 354 254 203 192 ...
## $ fbs : num 0 0 0 0 0 0 0 0 1 0 ...
## $ restecg : num 2 2 0 2 0 2 0 2 2 0 ...
## $ thalach : num 108 129 187 172 178 160 163 147 155 148 ...
## $ exang : num 1 1 0 0 0 0 1 0 1 0 ...
## $ oldpeak : num 1.5 2.6 3.5 1.4 0.8 3.6 0.6 1.4 3.1 0.4 ...
## $ slope : num 2 2 3 1 1 3 1 2 3 2 ...
## $ ca : chr "3.0" "2.0" "0.0" "0.0" ...
## $ thal : chr "3.0" "7.0" "3.0" "3.0" ...
## $ num : int 2 1 0 0 0 3 0 2 1 0 ...glimpse(dat.df)## Rows: 302
## Columns: 14
## $ age <dbl> 67, 67, 37, 41, 56, 62, 57, 63, 53, 57, 56, 56, 44, 52, 57, 4…
## $ sex <dbl> 1, 1, 1, 0, 1, 0, 0, 1, 1, 1, 0, 1, 1, 1, 1, 1, 1, 0, 1, 1, 0…
## $ cp <dbl> 4, 4, 3, 2, 2, 4, 4, 4, 4, 4, 2, 3, 2, 3, 3, 2, 4, 3, 2, 1, 1…
## $ trestbps <dbl> 160, 120, 130, 130, 120, 140, 120, 130, 140, 140, 140, 130, 1…
## $ chol <dbl> 286, 229, 250, 204, 236, 268, 354, 254, 203, 192, 294, 256, 2…
## $ fbs <dbl> 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 1, 0, 1, 0, 0, 0, 0, 0, 0, 1…
## $ restecg <dbl> 2, 2, 0, 2, 0, 2, 0, 2, 2, 0, 2, 2, 0, 0, 0, 0, 0, 0, 0, 2, 2…
## $ thalach <dbl> 108, 129, 187, 172, 178, 160, 163, 147, 155, 148, 153, 142, 1…
## $ exang <dbl> 1, 1, 0, 0, 0, 0, 1, 0, 1, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 1, 0…
## $ oldpeak <dbl> 1.5, 2.6, 3.5, 1.4, 0.8, 3.6, 0.6, 1.4, 3.1, 0.4, 1.3, 0.6, 0…
## $ slope <dbl> 2, 2, 3, 1, 1, 3, 1, 2, 3, 2, 2, 2, 1, 1, 1, 3, 1, 1, 1, 2, 1…
## $ ca <chr> "3.0", "2.0", "0.0", "0.0", "0.0", "2.0", "0.0", "1.0", "0.0"…
## $ thal <chr> "3.0", "7.0", "3.0", "3.0", "3.0", "3.0", "3.0", "7.0", "7.0"…
## $ num <int> 2, 1, 0, 0, 0, 3, 0, 2, 1, 0, 0, 2, 0, 0, 0, 1, 0, 0, 0, 0, 0…# Variable Sex
dat.df$sex[dat.df$sex==1]<- "Masculino" # asigna Masculino a el valor 1 en la columna sex
dat.df$sex[dat.df$sex==0]<- "Femenino" # asigna femenino a el valor 0 en la columna sex
# Variable cp
dat.df$cp[dat.df$cp==1]<- "Angina Típica"
dat.df$cp[dat.df$cp==2]<- "Angina Atípica"
dat.df$cp[dat.df$cp==3]<- "Dolor no Anginal"
dat.df$cp[dat.df$cp==4]<- "Asintomático"
# Variable fbs (azúcar en sangre en ayunas > 120 mg/dl)
dat.df$fbs[dat.df$fbs==0]<- "azúcar en sangre en ayunas ≤ 120 mg/dl"
dat.df$fbs[dat.df$fbs==1]<- "azúcar en sangre en ayunas > 120 mg/dl"
# Variable restecg (Resultados electrocardiográficos en reposo)
dat.df$restecg[dat.df$restecg==0]<- "Normal"
dat.df$restecg[dat.df$restecg==1]<- "Tener anormalidad de onda ST-T (inversiones de onda T y / o elevación o Depresión de ST de > 005 mV)"
dat.df$restecg[dat.df$restecg==2]<- "Muestra hipertrofía ventricular izquierda probable o definitiva según los criterios de Estes."
# Variable exang (Angina inducida por el ejercicio)
dat.df$exang[dat.df$exang==0]<- "No"
dat.df$exang[dat.df$exang==1]<- "Si"
# Variable slope (La pendiente del segmento ST de ejercicio pico)
dat.df$slope[dat.df$slope==1]<- "Ascenso"
dat.df$slope[dat.df$slope==2]<- "Plano"
dat.df$slope[dat.df$slope==3]<- "Descenso"
# Variable thal (El estado del corazón según la prueba de Thallium)
dat.df$thal[dat.df$thal=="3.0"]<- "Normal"
dat.df$thal[dat.df$thal=="6.0"]<- "Defecto Fijo"
dat.df$thal[dat.df$thal=="7.0"]<- "Defecto Reversible"
dat.df$thal[dat.df$thal=="?"]<- "NA"
# Variable num (Presencia de enfermedad cardíaca (estado de enfermedad angiográfica)
dat.df$num[dat.df$num==0]<- "Saludable"
dat.df$num[dat.df$num==1]<- "Etapa 1"
dat.df$num[dat.df$num==2]<- "Etapa 2"
dat.df$num[dat.df$num==3]<- "Etapa 3"
dat.df$num[dat.df$num==4]<- "Etapa 4"
# Cambiando variables de character a factos y numeric a integer.
dat.df$sex <- as.factor(dat.df$sex)
dat.df$cp <- as.factor(dat.df$cp)
dat.df$fbs <- as.factor(dat.df$fbs)
dat.df$restecg <- as.factor(dat.df$restecg)
dat.df$exang <- as.factor(dat.df$exang)
dat.df$slope <- as.factor(dat.df$slope)
dat.df$thal <- as.factor(dat.df$thal)
dat.df$num <- as.factor(dat.df$num)
dat.df$age <- as.integer(dat.df$age)
dat.df$trestbps <- as.integer(dat.df$trestbps)
dat.df$chol <- as.integer(dat.df$chol)
dat.df$thalach <- as.integer(dat.df$thalach)
dat.df$ca <- as.integer(dat.df$ca)
str(dat.df)## 'data.frame': 302 obs. of 14 variables:
## $ age : int 67 67 37 41 56 62 57 63 53 57 ...
## $ sex : Factor w/ 2 levels "Femenino","Masculino": 2 2 2 1 2 1 1 2 2 2 ...
## $ cp : Factor w/ 4 levels "Angina Atípica",..: 3 3 4 1 1 3 3 3 3 3 ...
## $ trestbps: int 160 120 130 130 120 140 120 130 140 140 ...
## $ chol : int 286 229 250 204 236 268 354 254 203 192 ...
## $ fbs : Factor w/ 2 levels "azúcar en sangre en ayunas > 120 mg/dl",..: 2 2 2 2 2 2 2 2 1 2 ...
## $ restecg : Factor w/ 3 levels "Muestra hipertrofía ventricular izquierda probable o definitiva según los criterios de Estes.",..: 1 1 2 1 2 1 2 1 1 2 ...
## $ thalach : int 108 129 187 172 178 160 163 147 155 148 ...
## $ exang : Factor w/ 2 levels "No","Si": 2 2 1 1 1 1 2 1 2 1 ...
## $ oldpeak : num 1.5 2.6 3.5 1.4 0.8 3.6 0.6 1.4 3.1 0.4 ...
## $ slope : Factor w/ 3 levels "Ascenso","Descenso",..: 3 3 2 1 1 2 1 3 2 3 ...
## $ ca : int 3 2 0 0 0 2 0 1 0 0 ...
## $ thal : Factor w/ 4 levels "Defecto Fijo",..: 4 2 4 4 4 4 4 2 2 1 ...
## $ num : Factor w/ 5 levels "Etapa 1","Etapa 2",..: 2 1 5 5 5 3 5 2 1 5 ...glimpse(dat.df)## Rows: 302
## Columns: 14
## $ age <int> 67, 67, 37, 41, 56, 62, 57, 63, 53, 57, 56, 56, 44, 52, 57, 4…
## $ sex <fct> Masculino, Masculino, Masculino, Femenino, Masculino, Femenin…
## $ cp <fct> Asintomático, Asintomático, Dolor no Anginal, Angina Atípica,…
## $ trestbps <int> 160, 120, 130, 130, 120, 140, 120, 130, 140, 140, 140, 130, 1…
## $ chol <int> 286, 229, 250, 204, 236, 268, 354, 254, 203, 192, 294, 256, 2…
## $ fbs <fct> azúcar en sangre en ayunas ≤ 120 mg/dl, azúcar en sangre en a…
## $ restecg <fct> Muestra hipertrofía ventricular izquierda probable o definiti…
## $ thalach <int> 108, 129, 187, 172, 178, 160, 163, 147, 155, 148, 153, 142, 1…
## $ exang <fct> Si, Si, No, No, No, No, Si, No, Si, No, No, Si, No, No, No, N…
## $ oldpeak <dbl> 1.5, 2.6, 3.5, 1.4, 0.8, 3.6, 0.6, 1.4, 3.1, 0.4, 1.3, 0.6, 0…
## $ slope <fct> Plano, Plano, Descenso, Ascenso, Ascenso, Descenso, Ascenso, …
## $ ca <int> 3, 2, 0, 0, 0, 2, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0…
## $ thal <fct> Normal, Defecto Reversible, Normal, Normal, Normal, Normal, N…
## $ num <fct> Etapa 2, Etapa 1, Saludable, Saludable, Saludable, Etapa 3, S…Ejercicio 2.
Con este resumen de los datos, describe cada una de las variables en cuanto a su comportamiento y el sentido de estos valores.
Con respecto a los valores faltantes o no existentes, la función summary() también proporciona un resumen que incluye la cantidad de valores NA por columna. Además, lo podemos hacer de la siguiente manera:
apply(is.na(dat.df), 2, sum)## age sex cp trestbps chol fbs restecg thalach
## 0 0 0 0 0 0 0 0
## exang oldpeak slope ca thal num
## 0 0 0 4 0 0summary(dat.df)## age sex cp trestbps
## Min. :29.00 Femenino : 97 Angina Atípica : 50 Min. : 94.0
## 1st Qu.:48.00 Masculino:205 Angina Típica : 22 1st Qu.:120.0
## Median :55.50 Asintomático :144 Median :130.0
## Mean :54.41 Dolor no Anginal: 86 Mean :131.6
## 3rd Qu.:61.00 3rd Qu.:140.0
## Max. :77.00 Max. :200.0
##
## chol fbs
## Min. :126.0 azúcar en sangre en ayunas > 120 mg/dl: 44
## 1st Qu.:211.0 azúcar en sangre en ayunas ≤ 120 mg/dl:258
## Median :241.5
## Mean :246.7
## 3rd Qu.:275.0
## Max. :564.0
##
## restecg
## Muestra hipertrofía ventricular izquierda probable o definitiva según los criterios de Estes. :147
## Normal :151
## Tener anormalidad de onda ST-T (inversiones de onda T y / o elevación o Depresión de ST de > 005 mV): 4
##
##
##
##
## thalach exang oldpeak slope ca
## Min. : 71.0 No:203 Min. :0.000 Ascenso :142 Min. :0.0000
## 1st Qu.:133.2 Si: 99 1st Qu.:0.000 Descenso: 20 1st Qu.:0.0000
## Median :153.0 Median :0.800 Plano :140 Median :0.0000
## Mean :149.6 Mean :1.035 Mean :0.6745
## 3rd Qu.:166.0 3rd Qu.:1.600 3rd Qu.:1.0000
## Max. :202.0 Max. :6.200 Max. :3.0000
## NA's :4
## thal num
## Defecto Fijo : 17 Etapa 1 : 55
## Defecto Reversible:117 Etapa 2 : 36
## NA : 2 Etapa 3 : 35
## Normal :166 Etapa 4 : 13
## Saludable:163
##
## age: La edad de los pacientes se encuentran entre
los 29 y los 77 años con media de 54 años y mediana de 55 años (una leve
desviación hacia la derecha de los dato.)
sex: El sexo de los pacientes es de 97 participantes
mujeres y 205 hombres.
cp: El tipo de dolor en el pecho de esta población es
predominántemente no anginoso (n = 86)
trestbps: La presión arterial ¿sistólica? en reposo en
mm Hg al ingreso al hospital de los pacientes estuvo entre 94 mmHg y 200
mmHg, con una media de 131 mmHg y mediana de 130 mmHg (Una leve
desviación de los datos hacia la izquierda)
chol: El Colesterol sérico en mg/dl de los
participantes se encontre entre 126 mg/dl y 256 mg/dl con una media de
246 mg/dl y mediana de 241 mg/dl (desviación de los datos hacia la
izquierda)
fbs: El azúcar en sangre en ayunas > 120 mg/dl se
encontró en 44 de de los pacientes.
restecg: Los resultados electrocardiográficos en reposo
de los pacientes de acuerdo con los criterios de Estes, fueron normales
en 151 de los pacientes y s encontró hipertrofia ventricular izquierda
probable o definitiva en 147 de ellos.
thalach: La frecuencia cardiaca máxima alcanzada en los
participantes estuvo entre 71 lpm y 202 lpm, con una media de 149 lpm y
mediana de 153 lmp (con una desviación de los datos hacia la
derecha)
exang: La Angina inducida por el ejercicio se presentó
en 99 de los participantes
oldpeak: La depresión del ST inducida por el ejercicio
en relación con el descanso estuvo entre 0 y 6.2 con media de 1 y
mediana de 0.8
slope: La pendiente del segmento ST de ejercicio pico
fue plana en 140 participantes en descenso en 20 y en ascenso en 142 de
ellos
ca: Los participantes tuvieron entre 1 y 4 3 vasos
principales coloreados por fluoroscopia, con una mediana de 1 vaso
coloredo por fluoroscopia. Adicionalmente no se encontraron datos para 4
de los pacientes
thal: El estado del corazón según la prueba de
Thallium, 166 pacientetuvieron un examen normal, 117 mostraron un
defecto reversible, 17 un defecto fijo y no hubo información en 2
casos.
num: La mayoría de los participantes (n=163) no
presentaron enfermedad cardíaca, los mayormente afectados (n=55) se
encontraban en Etapa 1. En la Etapa 4 de la enfermedad sólo se
encontraron a 13 pacientes.
Ejercicio 3.
Transforme la variable “num” en sus categóricas y describa como puede interpretar el siguiente gráfico.
dat.df$age_group <- cut(dat.df$age, breaks=seq(20, 80, by=5), include.lowest=TRUE)ggplot(dat.df, aes(x=factor(age_group), fill=factor(num))) +
geom_bar(color="black") +
labs(title="Presencia de enfermedad cardiaca (Estado de Enfermedad Angiográfica)", x="Sexo", y="Número de Personas") +
scale_fill_brewer(palette="Set1") + # Aplicar una paleta de colores de RColorBrewer
theme_bw()
#num : Presencia de enfermedad cardíaca (estado de enfermedad angiográfica)
# 0: Saludable
# 1: Diagnosticado como etapa 1
# 2: Diagnosticado como etapa 2
# 3: Diagnosticado como etapa 3
# 4: Diagnosticado como etapa 4La gráfica anterior muestra barras agrupadas por rangos de edades, y en cada barra se representa el estado de la enfermedad angiográfica.
Allí podemos observar que la mayoría de la población es cardiacamente saludable (naranja), y aquella que no lo es se encuentra sobre todo en la Etapa 1 de la enfermedad, seguido de la Etapa 2. Podemos ver que la población más frecuente se encuentra entre los 55 y 60 años. Asi mismo vemos que las edades de la población no se encuentran tan normalmente distribuida, ya que si bien esta se encuentra, principalmente, entre los 50 y 65 años, hay un grupo importante que se encuentra entre los 40 y 45 años.
boxplot(dat.df$age, xlab = "Edades",col = "lightblue",bg = 'transparent',horizontal = T)
¿Qué interpretación le puede dar a la anterior gráfica con respecto a los datos?
El gráfico muestra que la edad mínima de los pacientes es de 27 años, mientras que la edad máxima es de 77 años. El promedio de edad es de 54 años, con una mediana de 56 años, lo que indica una ligera asimetría negativa en la distribución de la edad, ya que la mediana es mayor que la media. Esta asimetría se puede apreciar en el histograma, donde la línea roja marca la media y la línea negra la mediana. La desviación estándar de las edades es de 9.03 años, lo que sugiere una variación moderada respecto a la media. Además, se observa una mayor concentración de pacientes entre los 50 y 60 años. En el diagrama de cajas, se puede ver que el 25% de los pacientes tienen menos de 48 años, el 50% menos de 56 años, y el 75% menos de 61 años.
La siguiente gráfica permite evidenciar la dispersión de los datos en cuanto a la edad y la presión en reposo, junto con una asignación por colores de las categorías para la variable thal (el estado del corazón según la prueba de Thallium).
¿Tiene algún sentido el valor “NA” en la gráfica?
responda: No, ya que hace referencia a los missing values, de manera que no tiene sentido que aparezcan en el gráfico de dispersión. En este caso, lo que habría que hacer es convertir esos NAs en valores de moda para que puedan ingresar dentro del gráfico de dispersión y tenga relevancia.
# Suponiendo que las variables a graficar son thal, age y trestbps (presión sanguínea en reposo)
ggplot(dat.df, aes(x=age, y=trestbps, color=factor(thal))) +
geom_point(size=3) +
labs(title="Relación entre Edad, Presión en Reposo y Thal",
x="Edad", y="Presión Sanguínea en Reposo", color="Thal") +
theme_minimal()
Ejercicio 4.
Complete todo el análisis descriptivo de cada una de las variables junto con la interpretación de las gráficas correspondientes. Para esto, utilice diferentes gráficos y las medidas de variabilidad.
sexh <- ggplot(dat.df, aes(x=age)) +
geom_histogram(color="black") +
labs(title="Histogram", x="Edad", y="Número de Personas") +
scale_fill_brewer(palette="Set1") + # Aplicar una paleta de colores de RColorBrewer
theme_bw()
sexd <- ggplot(dat.df, aes(x=age)) +
geom_density(color="black") +
labs(title="Density Plot", x="Sexo", y="Número de Personas") +
scale_fill_brewer(palette="Set1") + # Aplicar una paleta de colores de RColorBrewer
theme_bw()
sexb <- ggplot(dat.df, aes(x=age)) +
geom_boxplot(color="black") +
labs(title="BoxPlot", x="Sexo", y="Número de Personas") +
scale_fill_brewer(palette="Set1") + # Aplicar una paleta de colores de RColorBrewer
theme_bw()
gridExtra::grid.arrange(
sexh,
sexd,
sexb,
ncol=2, nrow=2,
top = textGrob("Edad (Años)",
gp=gpar(fontsize=15,
font=1)))## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
summary(dat.df$age)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 29.00 48.00 55.50 54.41 61.00 77.00Como podemos ver, la variable edad en esta población tiene una distribución asimétrica con una desviación hacia la izquierda (negativa) donde la mediana es mayor que la media.
ggplot(dat.df, aes(x=sex)) +
geom_bar(color="black") +
labs(title="BarPlot: Sexo", x="Sexo", y="Número de Personas") +
scale_fill_brewer(palette="Set1") + # Aplicar una paleta de colores de RColorBrewer
theme_bw()
summary(dat.df$sex)## Femenino Masculino
## 97 205Como podemos ver, en la variable sexo, es másculino es quien presenta una mayor proporción con respecto al femenino.
ggplot(dat.df, aes(x=cp)) +
geom_bar(color="black") +
labs(title="BarPlot: Tipo de dolor torácico", x="Tipo de dolor", y="Número de Personas") +
scale_fill_brewer(palette="Set1") + # Aplicar una paleta de colores de RColorBrewer
theme_bw()
summary(dat.df$cp)## Angina Atípica Angina Típica Asintomático Dolor no Anginal
## 50 22 144 86Como podemos ver, la gran mayoría de pacientes es asintomático (n=144), seguido del dolor no anginoso (n=86)
tresh <- ggplot(dat.df, aes(x=trestbps)) +
geom_histogram(color="black") +
labs(title="Histogram", x="Presión Arterial Sistólica", y="Número de Personas") +
scale_fill_brewer(palette="Set1") + # Aplicar una paleta de colores de RColorBrewer
theme_bw()
tresd <- ggplot(dat.df, aes(x=trestbps)) +
geom_density(color="black") +
labs(title="Density Plot", x="Presión Arterial Sistólica", y="Número de Personas") +
scale_fill_brewer(palette="Set1") + # Aplicar una paleta de colores de RColorBrewer
theme_bw()
tresb <- ggplot(dat.df, aes(x=trestbps)) +
geom_boxplot(color="black") +
labs(title="BoxPlot", x="Presión Arterial Sistólica", y="Número de Personas") +
scale_fill_brewer(palette="Set1") + # Aplicar una paleta de colores de RColorBrewer
theme_bw()
gridExtra::grid.arrange(
tresh,
tresd,
tresb,
ncol=2, nrow=2,
top = textGrob("Presión Artreial Sistólica (mmHg)",
gp=gpar(fontsize=15,
font=1)))## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
summary(dat.df$trestbps)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 94.0 120.0 130.0 131.6 140.0 200.0Como podemos ver, la presión arterial en esta población se encuentra asimétrica con desviación hacia la derecha (positiva) donde la media es mayor que la mediana, y esto se debe a que como se ve en el boxplot hay presencia de outlieres hacia los valores más altos de presión arterial.
cholh <- ggplot(dat.df, aes(x=chol)) +
geom_histogram(color="black") +
labs(title="Histogram", x="Colesterol", y="Número de Personas") +
scale_fill_brewer(palette="Set1") + # Aplicar una paleta de colores de RColorBrewer
theme_bw()
chold <- ggplot(dat.df, aes(x=chol)) +
geom_density(color="black") +
labs(title="Density Plot", x="Colesterol", y="Número de Personas") +
scale_fill_brewer(palette="Set1") + # Aplicar una paleta de colores de RColorBrewer
theme_bw()
cholb <- ggplot(dat.df, aes(x=chol)) +
geom_boxplot(color="black") +
labs(title="BoxPlot", x="Colesterol (mg/dL)", y="Número de Personas") +
scale_fill_brewer(palette="Set1") + # Aplicar una paleta de colores de RColorBrewer
theme_bw()
gridExtra::grid.arrange(
cholh,
chold,
cholb,
ncol=2, nrow=2,
top = textGrob("Colesterol (mg/dl)",
gp=gpar(fontsize=15,
font=1)))## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.
summary(dat.df$chol)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 126.0 211.0 241.5 246.7 275.0 564.0Como podemos ver, también las cifras de colesterol en estaesta población se encuentra asimétrica con desviación hacia la derecha (positiva) donde la media es mayor que la mediana, y esto se debe a que como se ve en el boxplot hay presencia de outlieres hacia los valores más altos de colesterol.
Ejercicio 5.
Redacte al menos 5 conclusiones. 1. Esta es una población en general libre de enfermedad cardiaca. 2. La población tiene en su mayoría distribuciones no normales. 3. La mayor parte de la población afectada está en los primeros estadios de la enfermedad cardiaca. 4. La población más anciana es quien más tiene enfermedad cardiaca avanzada. 5. Las gráficas permiten visualizar patrones de la distribución de las variables en la población de estudio, apoyados por los valores de las medidas de localización y variabilida.