library(readxl)
library(table1)
library(ggplot2)

Introducción

Base de datos

library(readxl)
Base_de_datos_ejercicio <- read_excel("C:/Users/Claudia/Downloads/Base de datos ejercicio.xlsx", 
    col_types = c("numeric", "numeric", "numeric", 
        "numeric", "text", "text", "numeric"))
head(Base_de_datos_ejercicio)

Hipótesis

H1: Se esperan mayor porcentaje de hembras con satelites que las que no lo tienen

require(table1)
table1(~Satellites>0,data=Base_de_datos_ejercicio)
Overall
(N=173)
Satellites > 0
Yes 111 (64.2%)
No 62 (35.8%)

Al analizar los datos presentados en la tabla, los resultados respaldan claramente la Hipótesis 1, ya que se observa que el 64.2% de los individuos poseen satélites, en contraste con solo el 35.8% que carece de ellos. Esta distribución desigual sugiere una prevalencia significativa de satélites en la población estudiada. Además, este patrón refuerza la tendencia observada en las hembras, las cuales muestran una mayor asociación con la presencia de satélites en comparación con aquellos individuos que no los tienen. Por lo tanto, los datos confirman que las hembras tienen una mayor probabilidad de presentar satélites, respaldando así la hipótesis planteada.

H2: Se espera que el porcentaje de hembras con satelites esta relacionada con la condición de las espinas (mejor calidad mas satelites)

require(table1)

table1(~Satellites>0 |Spine, data=Base_de_datos_ejercicio)
1
(N=37)
2
(N=15)
3
(N=121)
Overall
(N=173)
Satellites > 0
Yes 26 (70.3%) 7 (46.7%) 78 (64.5%) 111 (64.2%)
No 11 (29.7%) 8 (53.3%) 43 (35.5%) 62 (35.8%)
table1(~Satellites | Spine, data = Base_de_datos_ejercicio)
1
(N=37)
2
(N=15)
3
(N=121)
Overall
(N=173)
Satellites
Mean (SD) 3.65 (3.39) 2.00 (2.36) 2.81 (3.13) 2.92 (3.15)
Median [Min, Max] 4.00 [0, 14.0] 0 [0, 6.00] 2.00 [0, 15.0] 2.00 [0, 15.0]

El análisis de los datos presentados en la tabla permite aceptar parcialmente la Hipótesis 2, aunque la evidencia no resulta concluyente. En primer lugar, se observa una disminución notable en la cantidad de satélites del Grupo 1 (70.3%) al Grupo 2 (46.7%), lo que sugiere una posible correlación entre la reducción de satélites y la calidad de las espinas. No obstante, esta tendencia a la baja se ve interrumpida en el último grupo, donde se registra un aumento inesperado en la media de satélites. Este comportamiento irregular impide establecer una relación clara y consistente, por lo que, aunque los datos iniciales apoyan parcialmente la hipótesis, la tendencia final no permite confirmarla de manera definitiva.

H3. Se espera que el porcentaje de hembras con satellites esta relacionada con el color(mas oscura mas satelites)

Base_de_datos_ejercicio$Color_recode <- factor(Base_de_datos_ejercicio$Color,
                                               labels=c("muy claro","claro", "oscuro", "muy oscuro"),
                                               levels=c("1", "2", "3", "4"))
table1(~Satellites | Color_recode, data=Base_de_datos_ejercicio)
muy claro
(N=12)
claro
(N=95)
oscuro
(N=44)
muy oscuro
(N=22)
Overall
(N=173)
Satellites
Mean (SD) 4.08 (3.12) 3.29 (3.21) 2.23 (2.60) 2.05 (3.62) 2.92 (3.15)
Median [Min, Max] 4.50 [0, 9.00] 3.00 [0, 15.0] 1.00 [0, 10.0] 0 [0, 12.0] 2.00 [0, 15.0]

Tras analizar la variación en la presencia de satélites según el color, no es posible aceptar la Hipótesis 3. Contrario a lo esperado, los individuos con tonos más claros presentan una mayor cantidad de satélites, mientras que aquellos con tonalidades más oscuras muestran una menor frecuencia de estos. Esta tendencia indica una relación lineal negativa entre la intensidad del color y la presencia de satélites, es decir, a medida que el color se oscurece, disminuye la cantidad de satélites. Por lo tanto, los resultados no respaldan la hipótesis inicial, que sugería que los colores más oscuros estarían asociados con una mayor presencia de satélites.

H4. Se espera una relación entre la cantidad de satelites y el peso (mas peso mas satelites)

require(ggplot2)
g1=ggplot(aes(x=Weight, y=Satellites, colour = Satellites),
data=Base_de_datos_ejercicio)+ geom_point()+geom_smooth(method = "lm")+ theme_bw()

cor(Base_de_datos_ejercicio$Satellites,Base_de_datos_ejercicio$Weight)
## [1] 0.3692474
require(plotly)
ggplotly(g1)

Al analizar los datos presentados en la gráfica y la tabla, se confirma que los resultados respaldan la Hipótesis 4. Se observa una relación positiva entre el peso de los objetos y la cantidad de satélites asociados a ellos, lo que sugiere que, en general, a mayor peso, mayor es la cantidad de satélites que los acompañan. Esta tendencia indica que el peso podría ser un factor influyente en la presencia de satélites, apoyando así la hipótesis planteada. Por lo tanto, los datos proporcionan evidencia suficiente para afirmar que existe una correlación directa entre ambas variables.

H5: Se espera una relación entre la presencia o no de sátelites con las cangrejas con un tamaño (ancho) mayor a la mediana

V1= Binaria: tiene o no satelites.

V2= Binaria: Es mayor o no de la media del tamaño.

tiene_satelites=Base_de_datos_ejercicio$Satellites>0
tamaño_mayor_mediana=Base_de_datos_ejercicio$Width>median(Base_de_datos_ejercicio$Width)

Base_de_datos_ejercicio2=data.frame(tiene_satelites, tamaño_mayor_mediana)
table1(~tiene_satelites | tamaño_mayor_mediana, data=Base_de_datos_ejercicio2)
FALSE
(N=87)
TRUE
(N=86)
Overall
(N=173)
tiene_satelites
Yes 43 (49.4%) 68 (79.1%) 111 (64.2%)
No 44 (50.6%) 18 (20.9%) 62 (35.8%)

Al analizar los datos presentados en la tabla, se identifica una relación altamente significativa entre la presencia de satélites y el tamaño corporal en las cangrejas. Los resultados muestran que las cangrejas con un tamaño (ancho) superior a la mediana tienen aproximadamente 1.4 veces más probabilidades de presentar satélites en comparación con aquellas de menor tamaño. Esto indica que el tamaño corporal es un factor influyente en la presencia de satélites, respaldando así la Hipótesis 5. Por lo tanto, se puede concluir que existe una correlación positiva entre un mayor tamaño corporal y la presencia de satélites en las cangrejas.