R Markdown

# la estadística se divide en dos tipos: descriptiva e inferencial 
# la estadistica descriptiva se compone por:
#variables cualitativas (datos que no son numéricos); se representan a través de gráficas de torta o barras, y tablas
# variables cuantitativas (medibles); y pueden ser de caracter discreto o continuo:
#los datos discretos son aquellos que solo pueden tomar valores específicos (generalmente números enteros).
# los datos continuos pueden tomar cualquier valor dentro de un rango, y pueden ser decimales o fraccionarios.
# en los datos cuantitativos se encuentran las medidas de tendencia central (media, mediana, moda); las medidas de variabilidad (rango, varianza, desviación estandar, coeficiente de variación); medidas de asimetría y curtosis; medidas de posición (cuartiles) 

#adicional a esto, están las escalas de medición estadística: 
#Nominales: clasifican los datos sin un orden específico; solo permiten identificar y contar (ej:colores, estado civil, religión)
#Ordinal: Clasifica datos en categorías con un orden o jerarquía, pero sin indicar la magnitud exacta de las diferencias. (posiciones de una carrera, niveles de satisfacción )
#De intervalo: Los datos tienen orden, las diferencias son medibles, pero no hay un cero absoluto (el cero no significa ausencia). (temperatura, 0°C no significa que no haya temperatura)
#De razón: Igual que la de intervalo, pero con cero absoluto, lo que permite comparaciones de proporción (peso, edad, altura, ingresos)


library(datos)
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, union
datos.c <- datos_credito

set.seed(6094)

datos.a <- sample_n(datos.c,size = 120,replace = FALSE)

tabla_frec1 <- table(datos.a$Vivienda) #TABLA DE FRECUENCIAS PARA VIVIENDA

tabla_frec1
## 
##     ignorar        otra propietario      padres     privado     alquila 
##           0           9          50          20           9          32
barplot(tabla_frec1 , col = c("lightblue","blue1","dodgerblue","blue4", "deepskyblue4"),
        horiz=FALSE, density=NULL,ylab= "Frecuencia absoluta" , border = TRUE,
        ylim=c(0,50),xlab="Categorías de vivienda",main=" Gráfico de barras para vivienda")

#interpretación: 
#La mayoría de las personas tienen vivienda propia o alquilan, lo que sugiere una alta independencia habitacional.
#Un grupo significativo aún vive con sus padres, lo cual puede estar relacionado con factores como:
#Edad (personas jóvenes o estudiantes),Condiciones económicas,Cultura familiar.
# Queremos resaltar que las categorías como "privado" y "otra" son poco frecuentes y podrían requerir una mejor definición para futuras encuestas o estudios.

tabla_frec2 <- table(datos.a$Trabajo) #TABLA DE FRECUENCIAS PARA VIVIENDA

tabla_frec2
## 
##           fijo      freelance          otros tiempo parcial 
##             68             30              6             16
pie(tabla_frec2,labels = names(tabla_frec2),
    density=80,edges = 800, radius = 0.8,
    col=c("lightblue","blue1","dodgerblue","blue4", "deepskyblue4"),
    clockwise = TRUE, main = "Diagrama de torta de trabajo",
    border = "#5D478B")

#interpretación: hay una evidente mayoria de encuestados que expresan tener un trabajo fijo. 
#Esto puede reflejar:Un mercado laboral tradicional,Estabilidad en el empleo,Menor informalidad,
#Aunque las demás categorías "freelance", "otros" y "tiempo parcial" son menores, siguen siendo relevantes y marcan diversidad de modalidades de empleo.


#conclusiones: más allá de una conclusión, podemos realizar hipotesis de la relación entre ambas variables, según lo visto en las gráficas. 
# las personas con un trabajo fijo, tienden a querer tener una vivienda propia o privada
# minetras que los freelancers, al tener mayor libertad laboral, son nomadas y constantemente cambian de ambiente, por ende les resulta más conveniente alquilar.