ProyectoHT2
Leonora
2024-11-20
Proyecto 2 Herramientas Tecnológicas
Datos: Información sobre personas que asisten a un gimnasion específico
Cegarra, Leonora.
Jimenez, Diego.
Zambrano, Francesca.
Paso 1
Importar los datos
library(readxl)
gym_members_exercise <- read_excel("/Users/leonoracegarra/Desktop/gym_members_exercise.xlsx")Cargar las librerias necesarias
library(dplyr)##
## Attaching package: 'dplyr'## The following objects are masked from 'package:stats':
##
## filter, lag## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, unionlibrary(tidyr)
library(lubridate)##
## Attaching package: 'lubridate'## The following objects are masked from 'package:base':
##
## date, intersect, setdiff, unionlibrary(tidyverse)## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ forcats 1.0.0 ✔ readr 2.1.5
## ✔ ggplot2 3.5.1 ✔ stringr 1.5.1
## ✔ purrr 1.0.2 ✔ tibble 3.2.1## ── 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(kableExtra)##
## Attaching package: 'kableExtra'
##
## The following object is masked from 'package:dplyr':
##
## group_rowslibrary(scales)##
## Attaching package: 'scales'
##
## The following object is masked from 'package:purrr':
##
## discard
##
## The following object is masked from 'package:readr':
##
## col_factorImportar archivo de datos de excel “gym_members_exercise.xlsx”
Verificar valores nulos y eliminar o imputar si es necesario
sapply(gym_members_exercise, function(x) sum(is.na(x))) ## Age Gender
## 0 0
## Weight (kg) Height (m)
## 0 0
## Max_BPM Avg_BPM
## 0 0
## Resting_BPM Session_Duration (hours)
## 0 0
## Calories_Burned Workout_Type
## 0 0
## Fat_Percentage Water_Intake (liters)
## 0 0
## Workout_Frequency (days/week) Experience_Level
## 0 0
## BMI
## 0Mostrar conteo de nulos por columna
Eliminar duplicados si existen
gym_members_exercise <- gym_members_exercise %>%
distinct()Paso 2
Renombrar variables en español
gym_members_exercise <- gym_members_exercise %>%
rename(
edad = Age,
genero = Gender,
peso = `Weight (kg)`,
altura = `Height (m)`,
max_BPM = Max_BPM,
prom_BPM = Avg_BPM,
reposo_BPM = Resting_BPM,
duracion_sesion = `Session_Duration (hours)`,
calorias_quemadas = Calories_Burned,
tipo_ejercicio = Workout_Type,
porcentaje_grasa = Fat_Percentage,
ingesta_agua = `Water_Intake (liters)`,
frecuencia_entrenamiento = `Workout_Frequency (days/week)`,
nivel_experiencia = Experience_Level,
IMC = BMI,
)Preguntas y Respuestas
1. Calcule la media y la desviación estándar de la frecuencia cardíaca máxima (Max_BPM) por género.
pregunta1 <- gym_members_exercise %>%
group_by(genero) %>%
summarise(
media_max_BPM = mean(max_BPM, na.rm = TRUE),
DesviacionEstandar_max_BPM = sd(max_BPM, na.rm = TRUE)
)
print(pregunta1)## # A tibble: 2 × 3
## genero media_max_BPM DesviacionEstandar_max_BPM
## <chr> <dbl> <dbl>
## 1 Female 180. 11.4
## 2 Male 180. 11.7El género no representa una diferencia significativa con respecto a la frecuencia cardiaca, ya que tanto hombres como mujeres tienen una media y desviación similar
2. Agrupe a los miembros por nivel de experiencia y calcula el promedio de porcentaje de grasa corporal por grupo.
Calcular el promedio de porcentaje de grasa corporal por nivel de experiencia
pregunta2 <- gym_members_exercise %>%
group_by(nivel_experiencia) %>%
summarise(
promedio_grasa = mean(porcentaje_grasa, na.rm = TRUE)
)
print(pregunta2)## # A tibble: 3 × 2
## nivel_experiencia promedio_grasa
## <dbl> <dbl>
## 1 1 27.6
## 2 2 27.3
## 3 3 14.8Crear un gráfico de barras para ilustrar los resultados
library(ggplot2)
grafico2 <- ggplot(pregunta2, aes(x = as.factor(nivel_experiencia), y = promedio_grasa)) +
geom_bar(stat = "identity", fill = "skyblue", color = "navyblue")
labs(title = "Promedio de Porcentaje de Grasa Corporal por Nivel de Experiencia",
x = "Nivel de Experiencia", y = "Promedio de Porcentaje de Grasa Corporal") + theme_minimal()## NULLprint(grafico2)
Se puede observar que entre un principiante y un intermedio no existe una diferencia notable en el porcentaje de grasa corporal, sin embargo, la diferencia con los expertos es de 54%.
3. ¿Cuantos participantes tienen un IMC mayor de 25 y cuál es el promedio de calorías quemadas por tipo de entrenamiento?
Contar el número de participantes con un IMC mayor de 25
pregunta3.1 <- gym_members_exercise %>%
filter(IMC > 25) %>%
summarise(num_participantes = n())
print(pregunta3.1)## # A tibble: 1 × 1
## num_participantes
## <int>
## 1 435Calcular el promedio de calorías quemadas por tipo de entrenamiento
pregunta3.2 <- gym_members_exercise %>%
group_by(tipo_ejercicio) %>%
summarise(
promedio_calorias_quemadas = mean(calorias_quemadas, na.rm = TRUE)
)
print(pregunta3.2)## # A tibble: 4 × 2
## tipo_ejercicio promedio_calorias_quemadas
## <chr> <dbl>
## 1 Cardio 885.
## 2 HIIT 926.
## 3 Strength 911.
## 4 Yoga 903.Crear un gráfico de barras para ilustrar los resultados
grafico3 <- ggplot(pregunta3.2, aes(x = tipo_ejercicio, y = promedio_calorias_quemadas)) +
geom_bar(stat = "identity", fill = "pink", color = "red") +
labs(title = "Promedio de Calorías Quemadas por Tipo de Entrenamiento",
x = "Tipo de Entrenamiento",
y = "Promedio de Calorías Quemadas") +
theme_minimal()
print(grafico3)
Las personas con un IMC mayor a 25 suelen quemar entre 885 y 926 calorías por entrenamiento, siendo el cardio el menos efectivo, y el HIIT el más efectivo
4. ¿Cuál es el número total de participantes por grupo de edad (categorías de 10 años) y género?
Crear categorías de edad en intervalos de 10 años
gym_members_exercise <- gym_members_exercise %>%
mutate(categoria_edad = cut(edad, breaks = seq(0, 100, by = 10), right = FALSE))Contar el número total de participantes por grupo de edad y género
pregunta4 <- gym_members_exercise %>%
group_by(categoria_edad, genero) %>%
summarise(num_participantes = n())## `summarise()` has grouped output by 'categoria_edad'. You can override using
## the `.groups` argument.print(pregunta4)## # A tibble: 10 × 3
## # Groups: categoria_edad [5]
## categoria_edad genero num_participantes
## <fct> <chr> <int>
## 1 [10,20) Female 31
## 2 [10,20) Male 22
## 3 [20,30) Female 102
## 4 [20,30) Male 121
## 5 [30,40) Female 102
## 6 [30,40) Male 107
## 7 [40,50) Female 111
## 8 [40,50) Male 134
## 9 [50,60) Female 116
## 10 [50,60) Male 127Crear un gráfico de puntos para el número total de participantes por grupo de edad y género
grafico4 <- ggplot(pregunta4, aes(x = categoria_edad, y = num_participantes, color = genero)) +
geom_point(size = 4) +
labs(title = "Número Total de Participantes por Grupo de Edad y Género",
x = "Grupo de Edad",
y = "Número de Participantes") +
theme_minimal()
print(grafico4)
Con esta data se pueden resaltar varias afirmaciones:
La mayoría de las personas comienzan a ir al gimnasio después de los 20 años.
El rango de edad donde hay más hombres es entre los 40 y los 50, mientras que el de mujeres es entre 50 y 60.
Hay más hombres que mujeres en el gimnasio: 511 hombres y 462 mujeres.
5. ¿Cuáles son los tres tipos de entrenamiento más populares y muestre la distribución de la duración de la sesión para estos tipos?
Calcular la frecuencia de cada tipo de entrenamiento
frecuencia_tipo <- gym_members_exercise %>%
group_by(tipo_ejercicio) %>%
summarise(Frecuencia = sum(frecuencia_entrenamiento, na.rm = TRUE)) %>%
arrange(desc(Frecuencia))Mostrar los tres tipos de entrenamiento más populares
pregunta5 <- head(frecuencia_tipo, 3)
print(pregunta5)## # A tibble: 3 × 2
## tipo_ejercicio Frecuencia
## <chr> <dbl>
## 1 Strength 866
## 2 Cardio 825
## 3 Yoga 801Crear un gráfico de caja para la distribución de la duración de la sesión
grafico5 <- ggplot(gym_members_exercise, aes(x = tipo_ejercicio, y = duracion_sesion, fill = tipo_ejercicio)) +
geom_boxplot() +
labs(title = "Distribución de la Duración de la Sesión para los Tres Tipos de Entrenamiento Más Populares",
x = "Tipo de Entrenamiento",
y = "Duración de la Sesión (horas)") +
theme_minimal() +
theme(legend.position = "none")
print(grafico5)
El entrenamiento de fuerza es el preferido de hacer por los usuarios del gimnasio, seguido del cardio y posteriormente el yoga, por último, el menos realizado es el HIIT
6. Determine la media y la mediana de la frecuencia cardíaca en reposo para cada nivel de experiencia. ¿existen diferencias?
pregunta6 <- gym_members_exercise %>%
group_by(nivel_experiencia) %>%
summarise(
media_reposo_BPM = mean(reposo_BPM, na.rm = TRUE),
mediana_reposo_BPM = median(reposo_BPM, na.rm = TRUE)
)
print(pregunta6)## # A tibble: 3 × 3
## nivel_experiencia media_reposo_BPM mediana_reposo_BPM
## <dbl> <dbl> <dbl>
## 1 1 62.3 63
## 2 2 62.1 62
## 3 3 62.4 62Se puede observar que la frecuencia cardiaca no tiene una variación significativa con respecto al nivel de experiencia en el gimnasio
7. Muestre un perfil de los participantes del gimnasio por tipo de entrenamiento.
pregunta7 <- gym_members_exercise %>%
group_by(tipo_ejercicio) %>%
summarise(
media_edad = mean(edad, na.rm = TRUE),
proporcion_hombres = sum(genero == "Male", na.rm = TRUE) / n(),
proporcion_mujeres = sum(genero == "Female", na.rm = TRUE) / n(),
media_duracion_sesion = mean(duracion_sesion, na.rm = TRUE),
media_IMC = mean(IMC, na.rm = TRUE),
media_reposo_BPM = mean(reposo_BPM, na.rm = TRUE),
media_calorías_quemadas = mean(calorias_quemadas, na.rm = TRUE)
)
print(pregunta7)## # A tibble: 4 × 8
## tipo_ejercicio media_edad proporcion_hombres proporcion_mujeres
## <chr> <dbl> <dbl> <dbl>
## 1 Cardio 37.7 0.506 0.494
## 2 HIIT 38.9 0.516 0.484
## 3 Strength 38.9 0.523 0.477
## 4 Yoga 39.2 0.556 0.444
## # ℹ 4 more variables: media_duracion_sesion <dbl>, media_IMC <dbl>,
## # media_reposo_BPM <dbl>, media_calorías_quemadas <dbl>Analizando un promedio de los datos más relevantes por tipo de entrenamiento en el gimnasio, obtuvimos las siguientes características:
La edad media por entrenamiento mas joven es el cardio, con un promedio de 37.67 años, y el entrenamiento realizado por personas de mayor edad es el yoga con 39.23 de promedio de edad.
Los hombres tienen más participación en los 4 tipos de entrenamiento.
El entrenamiento más duradero es el HIT, mientras que el más corto es el cardio.
El IMC más alto se ve en el cardio, seguido del HIIT, y posteriormente el yoga y el entrenamiento de fuerza.
El entrenamiento que más calorías quema es el HIIT.
8. ¿Cuál es el promedio del IMC para los integrantes que entrenan más de 1.5 horas y que tienen un promedio de BPM mayor de 130
Filtrar los datos
datos_filtrados <- gym_members_exercise %>%
filter(duracion_sesion > 1.5, prom_BPM > 130)
print(datos_filtrados)## # A tibble: 148 × 16
## edad genero peso altura max_BPM prom_BPM reposo_BPM duracion_sesion
## <dbl> <chr> <dbl> <dbl> <dbl> <dbl> <dbl> <dbl>
## 1 56 Male 88.3 1.71 180 157 60 1.69
## 2 56 Female 58 1.68 168 156 74 1.59
## 3 45 Male 84.9 1.86 186 136 66 1.64
## 4 38 Male 81.4 1.71 187 148 58 1.52
## 5 53 Male 84.2 1.76 165 137 69 1.67
## 6 46 Female 61 1.71 181 153 61 1.67
## 7 27 Male 87.5 1.63 183 135 74 1.75
## 8 31 Female 64.4 1.7 160 144 70 1.97
## 9 32 Male 85.9 1.6 176 145 60 1.99
## 10 31 Female 61.1 1.76 189 150 67 1.81
## # ℹ 138 more rows
## # ℹ 8 more variables: calorias_quemadas <dbl>, tipo_ejercicio <chr>,
## # porcentaje_grasa <dbl>, ingesta_agua <dbl>, frecuencia_entrenamiento <dbl>,
## # nivel_experiencia <dbl>, IMC <dbl>, categoria_edad <fct>Calcular el promedio del IMC para estos integrantes
promedio_imc <- datos_filtrados %>%
summarise(promedio_IMC = mean(IMC, na.rm = TRUE))
print(promedio_imc)## # A tibble: 1 × 1
## promedio_IMC
## <dbl>
## 1 24.6Esta pregunta tuvo que ser modificada debido a que ningún usuario del gimnasio superaba las 2 horas de entreno, por lo que la modificamos a 1.5 horas. Una vez modificada la pregunta, obtuvimos que el IMC promedio de las personas que superan las 130 BPM, es de 24.9, siendo 775 personas las que superan estas pulsaciones.
9. Analice la relación entre la frecuencia de entrenamiento y la ingesta diaria de agua.
Calcular el coeficiente de correlación entre frecuencia_entrenamiento y ingesta_agua
correlacion <- cor(gym_members_exercise$frecuencia_entrenamiento, gym_members_exercise$ingesta_agua, use = "complete.obs")
print(correlacion)## [1] 0.2385626Crear un gráfico de línea
grafico9 <- ggplot(gym_members_exercise, aes(x = frecuencia_entrenamiento, y = ingesta_agua)) +
geom_smooth(method = "lm", color = "salmon", se = FALSE) +
labs(title = "Relación entre la Frecuencia de Entrenamiento y la Ingesta Diaria de Agua",
x = "Frecuencia de Entrenamiento (días/semana)",
y = "Ingesta Diaria de Agua (litros)") +
theme_minimal()
print(grafico9)## `geom_smooth()` using formula = 'y ~ x'
El coeficiente de correlacion entre estas dos variables es de 0.23856, lo que indica una relación positiva, aunque débil, entre la frecuencia de entrenamiento y la ingesta diaria de agua.
10. ¿Se observan diferencias entre el índice de masa corporal (IMC) y las calorías quemadas por grupos de edad y género?
Crear categorías de edad en intervalos de 10 años
gym_members_exercise <- gym_members_exercise %>%
mutate(categoria_edad = cut(edad, breaks = seq(0, 100, by = 10), right = FALSE))Calcular la media del IMC y calorías quemadas por grupo de edad y género
pregunta10 <- gym_members_exercise %>%
group_by(categoria_edad, genero) %>%
summarise(
media_IMC = mean(IMC, na.rm = TRUE),
media_calorias_quemadas = mean(calorias_quemadas, na.rm = TRUE)
)## `summarise()` has grouped output by 'categoria_edad'. You can override using
## the `.groups` argument.print(pregunta10)## # A tibble: 10 × 4
## # Groups: categoria_edad [5]
## categoria_edad genero media_IMC media_calorias_quemadas
## <fct> <chr> <dbl> <dbl>
## 1 [10,20) Female 23.2 909.
## 2 [10,20) Male 26.9 1047.
## 3 [20,30) Female 22.7 891.
## 4 [20,30) Male 27.8 994.
## 5 [30,40) Female 22.7 880.
## 6 [30,40) Male 27.5 986.
## 7 [40,50) Female 21.9 856.
## 8 [40,50) Male 25.0 942.
## 9 [50,60) Female 23.3 815.
## 10 [50,60) Male 27.4 847.Para visualizar si hay diferencias, creamos un gráfico de barras para comparar el IMC y las calorías quemadas por grupo de edad y género
Gráfico de barras del IMC por grupo de edad y género
grafico_imc <- ggplot(pregunta10, aes(x = categoria_edad, y = media_IMC, fill = genero)) +
geom_bar(stat = "identity", position = "dodge") +
labs(title = "Media del IMC por Grupo de Edad y Género",
x = "Grupo de Edad",
y = "IMC") +
theme_minimal()
print(grafico_imc)
Si, se observan diferencias, por ejemplo, en el IMC, los hombres tienen un mayor promedio de IMC que las mujeres en todos los grupos de edad, también se observa una disminución del IMC en el grupo de edad de 40 a 50 años en los hombres, en los demás grupos de edad no hay diferencias significativas, son muy pequeñas. En las mujeres, la media del IMC se mantiene bastante constante en los grupos de edad, sin embargo, también en el grupo de 40 a 50 años, se observa una ligera disminución.
Gráfico de barras de las calorías quemadas por grupo de edad y género
grafico_calorias <- ggplot(pregunta10, aes(x = categoria_edad, y = media_calorias_quemadas, fill = genero)) +
geom_bar(stat = "identity", position = "dodge") +
labs(title = "Media de Calorías Quemadas por Grupo de Edad y Género",
x = "Grupo de Edad",
y = "Calorías Quemadas") +
theme_minimal()
print(grafico_calorias)