R Markdown

This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents. For more details on using R Markdown see http://rmarkdown.rstudio.com.

When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:

summary(cars)
##      speed           dist       
##  Min.   : 4.0   Min.   :  2.00  
##  1st Qu.:12.0   1st Qu.: 26.00  
##  Median :15.0   Median : 36.00  
##  Mean   :15.4   Mean   : 42.98  
##  3rd Qu.:19.0   3rd Qu.: 56.00  
##  Max.   :25.0   Max.   :120.00

Including Plots

You can also embed plots, for example:

Note that the echo = FALSE parameter was added to the code chunk to prevent printing of the R code that generated the plot. x_bar <- mean(datos\(IMC) s <- sd(datos\)IMC) n <- nrow(datos) confianza <- 0.95 z <- qnorm(1 - (1 - confianza)/2) error <- z * (s / sqrt(n)) ic_inferior <- x_bar - error ic_superior <- x_bar + error cat(“Intervalo de confianza para la media IMC (95%): [”, round(ic_inferior,2), ”, ”, round(ic_superior,2), ”]”)

p_hat <- mean(datos$Obesidad) error_p <- z * sqrt((p_hat * (1 - p_hat)) / n) ic_p_inferior <- p_hat - error_p ic_p_superior <- p_hat + error_p cat(“Intervalo de confianza para la proporción de obesidad (95%): [”, round(ic_p_inferior,3), ”, ”, round(ic_p_superior,3), ”]”)

mu_0 <- 25 z_stat <- (x_bar - mu_0) / (s / sqrt(n)) p_value <- 2 * (1 - pnorm(abs(z_stat))) cat(“Estadístico Z:”, round(z_stat,3), “”) cat(“Valor p:”, round(p_value,4), “”) if (p_value < 0.05) { cat(“Rechazamos H0: la media es diferente de 25.”) } else { cat(“No se rechaza H0: no hay evidencia suficiente para decir que la media es diferente de 25.”) }

p_0 <- 0.3 z_stat_p <- (p_hat - p_0) / sqrt((p_0 * (1 - p_0)) / n) p_value_p <- 2 * (1 - pnorm(abs(z_stat_p))) cat(“Estadístico Z:”, round(z_stat_p,3), “”) cat(“Valor p:”, round(p_value_p,4), “”) if (p_value_p < 0.05) { cat(“Rechazamos H0: la proporción es diferente de 0.3.”) } else { cat(“No se rechaza H0: no hay evidencia suficiente para decir que la proporción es diferente de 0.3.”)

Análisis Estadístico de la Encuesta Nacional de Salud y Nutrición 2018” author: “Alba Gualán” date: “r Sys.Date()” output: html_document La Encuesta Nacional de Salud y Nutrición (ENSANUT) 2018 proporciona información relevante sobre el estado nutricional y la salud de la población ecuatoriana. Este informe presenta un análisis estadístico aplicado a variables seleccionadas, utilizando intervalos de confianza y pruebas de hipótesis para estimar parámetros poblacionales y evaluar hipótesis relevantes.

El objetivo fue diseñar y construir intervalos de confianza para medias y proporciones poblacionales, además de realizar pruebas de hipótesis que permitan validar afirmaciones estadísticas con base en los datos de la ENSANUT 2018.

Los datos utilizados provienen de una base simulada representativa de la ENSANUT 2018. Se aplicaron los siguientes métodos estadísticos: construcción de intervalos de confianza para la media del Índice de Masa Corporal (IMC) usando la distribución Z, construcción de intervalos de confianza para la proporción de obesidad, pruebas de hipótesis para determinar si la media del IMC es igual a un valor específico (25) y pruebas de hipótesis para evaluar si la proporción de obesidad es igual a 0.3.

{r Copiar knitr::opts_chunk\(set(echo = TRUE) library(readxl) library(dplyr) {r Copiar ruta_archivo <- "Base_datos_simulada_ENSANUT2018.xlsx" datos <- read_excel(ruta_archivo) summary(datos) {r Copiar x_bar <- mean(datos\)IMC) s <- sd(datos\(IMC) n <- nrow(datos) confianza <- 0.95 z <- qnorm(1 - (1 - confianza)/2) error <- z * (s / sqrt(n)) ic_inferior <- x_bar - error ic_superior <- x_bar + error cat("Intervalo de confianza para la media de IMC al 95%: [", round(ic_inferior,2), ", ", round(ic_superior,2), "]") {r Copiar p_hat <- mean(datos\)Obesidad) error_p <- z * sqrt((p_hat * (1 - p_hat)) / n) ic_p_inferior <- p_hat - error_p ic_p_superior <- p_hat + error_p cat(“Intervalo de confianza para la proporción de obesidad al 95%: [”, round(ic_p_inferior,3), ”, ”, round(ic_p_superior,3), ”]”) {r Copiar mu_0 <- 25 z_stat <- (x_bar - mu_0) / (s / sqrt(n)) p_value <- 2 * (1 - pnorm(abs(z_stat))) cat(“Estadístico Z:”, round(z_stat,3), “”) cat(“Valor p:”, round(p_value,4), “”) if (p_value < 0.05) { cat(“Se rechaza la hipótesis nula: la media del IMC es diferente de 25.”) } else { cat(“No se rechaza la hipótesis nula: no hay evidencia suficiente para afirmar que la media del IMC difiere de 25.”) } {r Copiar p_0 <- 0.3 z_stat_p <- (p_hat - p_0) / sqrt((p_0 * (1 - p_0)) / n) p_value_p <- 2 * (1 - pnorm(abs(z_stat_p))) cat(“Estadístico Z:”, round(z_stat_p,3), “”) cat(“Valor p:”, round(p_value_p,4), “”) if (p_value_p < 0.05) { cat(“Se rechaza la hipótesis nula: la proporción de obesidad es diferente de 0.3.”) } else { cat(“No se rechaza la hipótesis nula: no hay evidencia suficiente para afirmar que la proporción de obesidad difiere de 0.3.”) }