Introducción

Este informe realiza un análisis del conjunto de datos ElPulso.txt que utilizamos en clase de Fundamentos del Aprendizaje Estadístico. Este archivo contiene información fisiológica y de estilo de vida de estudiantes, incluyendo medidas de pulso, hábitos deportivos, tabaquismo, sexo, altura y peso.

El objetivo es explorar y transformar variables, realizar cálculos estadísticos y visualizar datos relevantes. A continuación se incluyen:

Carga y preparación de datos

# Lectura de datos desde archivo
df <- read.csv("ElPulso.txt", header = TRUE, sep = "")
head(df)
##   Pulse1 Pulse2 Ran Smokes Sex Height Weight Activity
## 1     64     88   1      2   1   66.0    140        2
## 2     58     70   1      2   1   72.0    145        2
## 3     62     76   1      1   1   73.5    160        3
## 4     66     78   1      1   1   73.0    190        1
## 5     64     80   1      2   1   69.0    155        2
## 6     74     84   1      2   1   73.0    165        1

Tabla: Primeras filas del conjunto

knitr::kable(head(df), caption = "Primeras filas del conjunto de datos")
Primeras filas del conjunto de datos
Pulse1 Pulse2 Ran Smokes Sex Height Weight Activity
64 88 1 2 1 66.0 140 2
58 70 1 2 1 72.0 145 2
62 76 1 1 1 73.5 160 3
66 78 1 1 1 73.0 190 1
64 80 1 2 1 69.0 155 2
74 84 1 2 1 73.0 165 1

Renombrar variables

names(df) <- c("pulso1", "pulso2", "correr", "fumar", "sexo", "altura", "peso", "actividad")
head(df)
##   pulso1 pulso2 correr fumar sexo altura peso actividad
## 1     64     88      1     2    1   66.0  140         2
## 2     58     70      1     2    1   72.0  145         2
## 3     62     76      1     1    1   73.5  160         3
## 4     66     78      1     1    1   73.0  190         1
## 5     64     80      1     2    1   69.0  155         2
## 6     74     84      1     2    1   73.0  165         1

Transformación de unidades

  • Altura: medida en centímetros (originalmente en pulgadas)
  • Peso: medido en kilogramos (originalmente en libras)
df$altura <- df$altura * 2.54
df$peso <- df$peso * 0.454

Nuevas variables categóricas

# Variable 'correr2'
df$correr2 <- ifelse(df$correr == 1, "sí", "no")

# Variable 'sexo_f' como factor
df$sexo_f <- factor(ifelse(df$sexo == 1, "hombre", "mujer"))

# Clasificación del peso en tres grupos
df$peso2 <- cut(df$peso, breaks = c(0, 50, 80, Inf),
                labels = c("bajo", "medio", "alto"))

Análisis exploratorio

Diferencia de pulso

Creamos una variable con la diferencia entre pulso2 y pulso1:

df$difer_pulso <- df$pulso2 - df$pulso1
head(df)
##   pulso1 pulso2 correr fumar sexo altura  peso actividad correr2 sexo_f peso2
## 1     64     88      1     2    1 167.64 63.56         2      sí hombre medio
## 2     58     70      1     2    1 182.88 65.83         2      sí hombre medio
## 3     62     76      1     1    1 186.69 72.64         3      sí hombre medio
## 4     66     78      1     1    1 185.42 86.26         1      sí hombre  alto
## 5     64     80      1     2    1 175.26 70.37         2      sí hombre medio
## 6     74     84      1     2    1 185.42 74.91         1      sí hombre medio
##   difer_pulso
## 1          24
## 2          12
## 3          14
## 4          12
## 5          16
## 6          10

La diferencia de pulso se calcula mediante la siguiente fórmula:

\[ \text{difer\_pulso} = pulso2 - pulso1 \]

Número de personas con aumento del pulso > 15:

sum(df$difer_pulso > 15)
## [1] 19

Distribución del pulso

hist(df$difer_pulso,
     col = "skyblue",
     border = "gray30",
     main = "Diferencia entre Pulso 2 y Pulso 1",
     xlab = "Diferencia de Pulso")

Comparación por sexo

boxplot(df$difer_pulso ~ df$sexo_f,
        col = c("lightblue", "lightpink"),
        main = "Diferencia de pulso por sexo",
        xlab = "Sexo",
        ylab = "Diferencia de Pulso")

Conclusión

Este documento ha mostrado cómo realizar un análisis descriptivo básico con R utilizando un conjunto de datos real. Hemos limpiado, transformado y visualizado datos, además de crear nuevas variables útiles para análisis posteriores. También hemos utilizado fórmulas matemáticas, tablas y texto con formato para una mejor presentación del informe.

Logo de R