Fase 2
Jazmin Padilla
2025-10-06
Comprensión de los datos
library(e1071)## Warning: package 'e1071' was built under R version 4.5.1library(ggplot2)## Warning: package 'ggplot2' was built under R version 4.5.1##
## Adjuntando el paquete: 'ggplot2'## The following object is masked from 'package:e1071':
##
## elementdatos=read.csv("DatosEquipo7.csv")
head(datos)## entidad p5 p11 p17 p34_2 p34_3 p26 p4
## 1 1 0 0 0 2 2 0 0
## 2 1 0 0 0 1 2 0 0
## 3 1 0 0 4 1 2 15 0
## 4 1 0 0 0 1 1 0 0
## 5 1 0 0 0 3 3 0 0
## 6 1 0 4 4 1 1 10 0Descripción de las variables
Tablas de frecuencia
nombres_entidad <- c(
"Aguascalientes", "Baja California", "Baja California Sur", "Campeche",
"Coahuila", "Colima", "Chiapas", "Chihuahua", "Ciudad de México", "Durango",
"Guanajuato", "Guerrero", "Hidalgo", "Jalisco", "Edo México", "Michoacán",
"Morelos", "Nayarit", "Nuevo León", "Oaxaca", "Puebla", "Querétaro",
"Quintana Roo", "San Luis Potosí", "Sinaloa", "Sonora", "Tabasco",
"Tamaulipas", "Tlaxcala", "Veracruz", "Yucatán", "Zacatecas"
)
frecuencias_entidad=table(datos$entidad)
barplot(frecuencias_entidad,
names.arg = nombres_entidad[as.numeric(names(frecuencias_entidad))],
las = 2,
main = "Frecuencia por Estado",
col = "skyblue")
nombres_p5 <- c(
"Blanco por pase",
"Por trabajo",
"Por estudio",
"Por cultura general o por estar al día",
"Por gusto o por entretenimiento",
"Por religión",
"Otro"
)
p5_factor <- factor(
datos$p5,
levels = 0:6,
labels = nombres_p5
)
frecuencias_p5 <- table(p5_factor)
barplot(
frecuencias_p5,
las = 2,
main = "¿Cuál fue el motivo principal por el que usted leyó el (los) libro(s)?",
col = "skyblue"
)
p11_factor <- factor(
datos$p11,
levels = 0:6,
labels = nombres_p5
)
frecuencias_p11 <- table(p11_factor)
barplot(
frecuencias_p11,
las = 2,
main = "¿Cuál fue el motivo principal por el que usted leyó la(s) revista(s)?",
col = "skyblue"
)
p17_factor <- factor(
datos$p17,
levels = 0:6,
labels = nombres_p5
)
frecuencias_p17 <- table(p17_factor)
barplot(
frecuencias_p17,
las = 2,
main = "¿Cuál es el motivo principal por el que usted leyó el (los) periódico(s)?",
col = "skyblue"
)
nombres_p34_2 <- c(
"Blanco por pase",
"Sí", "No", "No recuerda"
)
p34_2_factor <- factor(
datos$p34_2,
levels = 0:3,
labels = nombres_p34_2
)
frecuencias_p34_2 <- table(p34_2_factor)
barplot(
frecuencias_p34_2,
las = 2,
main = "¿Cuándo usted era niño(a) veía a sus padres o tutores leer?",
col = "skyblue"
)
p34_3_factor <- factor(
datos$p34_3,
levels = 0:3,
labels = nombres_p34_2
)
frecuencias_p34_3 <- table(p34_3_factor)
barplot(
frecuencias_p34_3,
las = 2,
main = "¿Cuándo usted era niño(a) sus padres o tutores le leían?",
col = "skyblue"
)
hist(datos$p26, main="Aproximadamente, ¿cuántos minutos continuos lee algún material de lectura?",col="skyblue")
hist(datos$p4,main="¿Cuántos libros leyó en los últimos doce meses?",col="skyblue")
## Boxplot
boxplot(datos$p26, main="Aproximadamente, ¿cuántos minutos continuos lee algún material de lectura?",col="skyblue", horizontal=TRUE)
boxplot(datos$p4,main="¿Cuántos libros leyó en los últimos doce meses?",col="skyblue",horizontal=TRUE)
Medidas estadísticas
P26: Aproximadamente, ¿cuántos minutos continuos lee algún material de lectura?
medidas_p26 = c(as.numeric(summary(datos$p26)),
(max(datos$p26)-min(datos$p26))/2,
sd(datos$p26),
mean(datos$p26)/sd(datos$p26),
skewness(datos$p26),
kurtosis(datos$p26))
m = data.frame(medidas_p26)
row.names(m) = c("Minimo","Q1","Mediana","Media","Q3","Máximo","Rango
Medio", "Desv Est", "CV", "Sesgo", "Curtosis")
round(m,2)## medidas_p26
## Minimo 0.00
## Q1 0.00
## Mediana 20.00
## Media 27.16
## Q3 35.00
## Máximo 360.00
## Rango\nMedio 180.00
## Desv Est 31.76
## CV 0.86
## Sesgo 2.68
## Curtosis 13.99P4: ¿Cuántos libros leyó en los últimos doce meses?
medidas_p4 = c(as.numeric(summary(datos$p4)),
(max(datos$p4)-min(datos$p4))/2,
sd(datos$p4),
mean(datos$p4)/sd(datos$p4),
skewness(datos$p4),
kurtosis(datos$p4))
m = data.frame(medidas_p4)
row.names(m) = c("Minimo","Q1","Mediana","Media","Q3","Máximo","Rango
Medio", "Desv Est", "CV", "Sesgo", "Curtosis")
round(m,2)## medidas_p4
## Minimo 0.00
## Q1 0.00
## Mediana 0.00
## Media 1.30
## Q3 2.00
## Máximo 70.00
## Rango\nMedio 35.00
## Desv Est 3.10
## CV 0.42
## Sesgo 8.30
## Curtosis 118.70Pregunta: ¿Existen diferencias regionales (por entidad federativa) en los hábitos de lectura en México, y cómo se relacionan con los estímulos recibidos en la infancia?
Cantidad de libros por entidad
datos$entidad_nombre <- factor(nombres_entidad[datos$entidad])
ggplot(datos, aes(x = entidad_nombre, y = p4)) +
geom_boxplot(fill = "lightblue") +
coord_flip() +
labs(title = "Libros leídos en los últimos 12 meses",
x = "Entidad",
y = "Número de libros") +
theme(axis.text.y = element_text(size = 6))
medianas_por_entidad_p4 <- tapply(datos$p4, datos$entidad, median, na.rm = TRUE)
medianas_ordenadas_p4 <- sort(medianas_por_entidad_p4, decreasing = TRUE)
names(medianas_ordenadas_p4) <- nombres_entidad[as.numeric(names(medianas_ordenadas_p4))]
print(medianas_ordenadas_p4)## Chiapas Morelos Nayarit Puebla
## 1 1 1 1
## Sonora Tabasco Zacatecas Aguascalientes
## 1 1 1 0
## Baja California Baja California Sur Campeche Coahuila
## 0 0 0 0
## Colima Chihuahua Ciudad de México Durango
## 0 0 0 0
## Guanajuato Guerrero Hidalgo Jalisco
## 0 0 0 0
## Edo México Michoacán Nuevo León Oaxaca
## 0 0 0 0
## Querétaro Quintana Roo San Luis Potosí Sinaloa
## 0 0 0 0
## Tamaulipas Tlaxcala Veracruz Yucatán
## 0 0 0 0medias_por_entidad_p4 <- tapply(datos$p4, datos$entidad, mean, na.rm = TRUE)
medias_ordenadas_p4 <- sort(medias_por_entidad_p4, decreasing = TRUE)
names(medias_ordenadas_p4) <- nombres_entidad[as.numeric(names(medias_ordenadas_p4))]
print(medias_ordenadas_p4)## Oaxaca Zacatecas Sonora Nayarit
## 2.7954545 2.5000000 2.0864198 1.9438202
## Tabasco Morelos Campeche Chiapas
## 1.9333333 1.9277108 1.8450704 1.6904762
## Hidalgo Edo México San Luis Potosí Puebla
## 1.6705882 1.5177994 1.4102564 1.4036697
## Tlaxcala Baja California Jalisco Querétaro
## 1.3333333 1.2800000 1.2522523 1.2068966
## Sinaloa Baja California Sur Chihuahua Yucatán
## 1.2000000 1.1891892 1.1428571 1.1341463
## Coahuila Ciudad de México Guanajuato Nuevo León
## 1.1182796 1.0988506 1.0896552 1.0883721
## Quintana Roo Colima Michoacán Veracruz
## 1.0779221 1.0000000 0.9531250 0.9484536
## Durango Tamaulipas Aguascalientes Guerrero
## 0.9166667 0.8764045 0.6304348 0.3170732Tiempo de lectura por entidad
ggplot(datos, aes(x = entidad_nombre, y = p26)) +
geom_boxplot(fill = "lightblue") +
coord_flip() +
labs(title = "",
x = "Entidad",
y = "Tiempo consecutivo de lectura en minutos") +
theme(axis.text.y = element_text(size = 6))
medianas_por_entidad_p26 <- tapply(datos$p26, datos$entidad, median, na.rm = TRUE)
medianas_ordenadas_p26 <- sort(medianas_por_entidad_p26, decreasing = TRUE)
names(medianas_ordenadas_p26) <- nombres_entidad[as.numeric(names(medianas_ordenadas_p26))]
print(medianas_ordenadas_p26)## Campeche Hidalgo Michoacán Nayarit
## 30.0 30.0 30.0 30.0
## Nuevo León Puebla Sonora Ciudad de México
## 30.0 30.0 30.0 25.0
## Tabasco Baja California Baja California Sur Coahuila
## 25.0 20.0 20.0 20.0
## Colima Chiapas Chihuahua Durango
## 20.0 20.0 20.0 20.0
## Guanajuato Guerrero Edo México Morelos
## 20.0 20.0 20.0 20.0
## Oaxaca Querétaro Quintana Roo San Luis Potosí
## 20.0 20.0 20.0 20.0
## Sinaloa Tamaulipas Veracruz Yucatán
## 20.0 20.0 20.0 20.0
## Zacatecas Jalisco Tlaxcala Aguascalientes
## 20.0 16.5 15.0 10.0medias_por_entidad_p26 <- tapply(datos$p26, datos$entidad, mean, na.rm = TRUE)
medias_ordenadas_p26 <- sort(medias_por_entidad_p26, decreasing = TRUE)
names(medias_ordenadas_p26) <- nombres_entidad[as.numeric(names(medias_ordenadas_p26))]
print(medias_ordenadas_p26)## Campeche Zacatecas Sonora Yucatán
## 40.28169 38.61111 36.41975 32.01220
## Puebla Nuevo León Michoacán Colima
## 31.42202 31.04651 30.70312 30.60440
## Oaxaca Nayarit Baja California Coahuila
## 30.45455 30.07865 29.73333 28.93548
## Hidalgo Ciudad de México Guanajuato Tabasco
## 28.70588 28.21839 27.79310 27.26667
## Veracruz Tlaxcala Chihuahua Chiapas
## 26.98969 26.95652 26.88312 26.58333
## Edo México Morelos Tamaulipas Durango
## 25.87379 25.84337 25.71910 23.69048
## Sinaloa Querétaro Jalisco San Luis Potosí
## 23.64706 23.44828 22.45946 22.05128
## Baja California Sur Quintana Roo Guerrero Aguascalientes
## 20.98649 20.12987 18.53659 12.50000Estímulos en la infancia por estado
datos$p34_2_factor <- factor(
datos$p34_2,
levels = 0:3,
labels = nombres_p34_2
)
library(ggplot2)
ggplot(datos, aes(x = entidad_nombre, fill = p34_2_factor)) +
geom_bar(position = "fill") +
coord_flip() +
labs(x = "Entidad", y = "Proporción",
title = "¿Cuándo usted era niño(a) veía a sus padres o tutores leer?",
fill = "Respuesta")
datos$p34_3_factor <- factor(
datos$p34_3,
levels = 0:3,
labels = nombres_p34_2
)
library(ggplot2)
ggplot(datos, aes(x = entidad_nombre, fill = p34_3_factor)) +
geom_bar(position = "fill") +
coord_flip() +
labs(x = "Entidad", y = "Proporción",
title = "¿Cuándo usted era niño(a) sus padres o tutores le leían?",
fill = "Respuesta")
P34_2: ¿Cuándo usted era niño(a) veía a sus padres o tutores leer?
tabla_p34_2=table(datos$entidad, datos$p34_2)
rownames(tabla_p34_2) <- nombres_entidad
colnames(tabla_p34_2) <- nombres_p34_2
proporciones_p34_2<- prop.table(tabla_p34_2, margin = 1)
ordenadas_p34_2 <- proporciones_p34_2[order(proporciones_p34_2[,"Sí"], decreasing = TRUE), ]
print(round(ordenadas_p34_2, 3)) ##
## Blanco por pase Sí No No recuerda
## Veracruz 0.031 0.629 0.320 0.021
## Zacatecas 0.000 0.583 0.417 0.000
## Campeche 0.014 0.577 0.408 0.000
## San Luis Potosí 0.013 0.577 0.372 0.038
## Nuevo León 0.033 0.560 0.398 0.009
## Chihuahua 0.026 0.558 0.416 0.000
## Coahuila 0.022 0.548 0.430 0.000
## Sonora 0.012 0.543 0.444 0.000
## Puebla 0.018 0.541 0.431 0.009
## Hidalgo 0.035 0.541 0.412 0.012
## Aguascalientes 0.000 0.522 0.446 0.033
## Durango 0.012 0.512 0.476 0.000
## Sinaloa 0.035 0.506 0.435 0.024
## Nayarit 0.011 0.494 0.461 0.034
## Morelos 0.048 0.494 0.446 0.012
## Edo México 0.029 0.492 0.472 0.006
## Quintana Roo 0.026 0.481 0.468 0.026
## Tabasco 0.027 0.467 0.467 0.040
## Oaxaca 0.045 0.466 0.489 0.000
## Guanajuato 0.034 0.462 0.503 0.000
## Colima 0.033 0.462 0.495 0.011
## Jalisco 0.020 0.459 0.511 0.009
## Yucatán 0.024 0.451 0.500 0.024
## Tamaulipas 0.045 0.438 0.494 0.022
## Ciudad de México 0.014 0.437 0.531 0.018
## Michoacán 0.047 0.422 0.531 0.000
## Baja California 0.013 0.413 0.493 0.080
## Tlaxcala 0.029 0.406 0.565 0.000
## Guerrero 0.122 0.390 0.488 0.000
## Chiapas 0.060 0.369 0.571 0.000
## Baja California Sur 0.027 0.351 0.608 0.014
## Querétaro 0.000 0.345 0.655 0.000P34_3: ¿Cuándo usted era niño(a) sus padres o tutores le leían?
tabla_p34_3=table(datos$entidad, datos$p34_3)
rownames(tabla_p34_3) <- nombres_entidad
colnames(tabla_p34_3) <- nombres_p34_2
proporciones_p34_3<- prop.table(tabla_p34_3, margin = 1)
ordenadas_p34_3 <- proporciones_p34_3[order(proporciones_p34_3[,"Sí"], decreasing = TRUE), ]
print(round(ordenadas_p34_3, 3)) ##
## Blanco por pase Sí No No recuerda
## Campeche 0.014 0.451 0.535 0.000
## Zacatecas 0.000 0.444 0.542 0.014
## Morelos 0.048 0.434 0.506 0.012
## Veracruz 0.031 0.433 0.495 0.041
## Coahuila 0.022 0.419 0.559 0.000
## Puebla 0.018 0.404 0.569 0.009
## San Luis Potosí 0.013 0.397 0.551 0.038
## Nuevo León 0.033 0.393 0.565 0.009
## Baja California Sur 0.027 0.392 0.568 0.014
## Guerrero 0.122 0.390 0.488 0.000
## Nayarit 0.011 0.371 0.562 0.056
## Quintana Roo 0.026 0.364 0.597 0.013
## Tabasco 0.027 0.347 0.613 0.013
## Edo México 0.029 0.343 0.618 0.010
## Chihuahua 0.026 0.338 0.623 0.013
## Baja California 0.013 0.333 0.533 0.120
## Hidalgo 0.035 0.329 0.612 0.024
## Yucatán 0.024 0.329 0.622 0.024
## Michoacán 0.047 0.312 0.641 0.000
## Chiapas 0.060 0.310 0.631 0.000
## Aguascalientes 0.000 0.304 0.652 0.043
## Durango 0.012 0.298 0.690 0.000
## Oaxaca 0.045 0.295 0.659 0.000
## Sinaloa 0.035 0.282 0.659 0.024
## Colima 0.033 0.275 0.670 0.022
## Sonora 0.012 0.272 0.704 0.012
## Tlaxcala 0.029 0.261 0.681 0.029
## Jalisco 0.020 0.255 0.714 0.011
## Querétaro 0.000 0.253 0.747 0.000
## Tamaulipas 0.045 0.247 0.685 0.022
## Ciudad de México 0.014 0.246 0.729 0.011
## Guanajuato 0.034 0.166 0.800 0.000Interpretación
Debido a la cantidad de datos atípicos, la mediana representa mejor a la población en ambas variables continuas. Con base a esto, se seleccionaron los 7 Estados que presentaban cierta característica de manera más prominente.
Estados en los que se leen más libros: Chiapas, Morelos, Nayarit, Puebla, Sonora, Tabasco Zacatecas y Aguascalientes.
Estados en los que se lee durante más minutos consecutivos: Campeche, Hidalgo, Michoacán, Nayarit, Nuevo León, Puebla, Sonora y Ciudad de México.
Estados en los que mayor proporción de personas veía a sus padres/tutores leer: Veracruz, Zacatecas, Campeche, San Luis Potosí, Nuevo León, Chihuahua y Coahuila.
Estados en los que a mayor proporción de personas les leían sus padres/tutores: Campeche, Zacatecas, Morelos, Veracruz, Coahuila, Puebla y San Luis Potosí.
No hay muchas coincidencias en los Estados en los que se leen más libros y los hábitos en la infancia estudiados:
Estados que coicidieron con ambos hábitos de la infancia: Zacatecas.
Estados que coincidieron con un sólo hábito: Morelos y Puebla.
Por otro lado, en relación a los minutos consecutivos de lectura:
Estados que coicidieron con ambos hábitos de la infancia: Campeche.
Estados que coincidieron con un sólo hábito: Nuevo León y Puebla.
Veracruz, San Luis Potosí y Coahuila aparecen en las listas de ambos hábitos de la infancia, al revisar sus medidas de libros leídos en los últimos 12 meses y minutos de lectura consecutivos, estos no son particularmente bajos en comparación al resto de los Estados, pero tampoco son excepcionales.
Conclusiones
En algunos Estados de la república, los hábitos en la infancia como ver a sus padres leer y que sus padres les lean coinciden con una cantidad mayor de libros leidos en los últimos 12 meses y con una mayor cantidad de minutos consecutivos de lectura. Sin embargo, también existen Estados en los que esta relación no es clara, por lo que es posible que otros aspectos (culturales, sociales, económicos, etc.) tengan mayor peso. Esta información es útil para poder enfocar las estrategias del fomento de la lectura a regiones en las que son más efectivas, y buscar soluciones diferencias para aquellas en las que no.