Análisis de la situación económica y acceso a servicios de salud en jóvenes entre 15 y 25 años

Se tienen datos de 15 jóvenes entre 18 y 25 años con información sobre sus ingresos mensuales, edad, sexo y acceso a servicios de salud. Se requiere organizar estos datos en un data frame para realizar un análisis comparativo entre quienes tienen y no tienen acceso a servicios de salud.

# i. Crear vectores y unirlos en un data frame
numero <- 1:15
nombre <- c("Ana", "Luis", "Marta", "Pedro", "Sofía", "Carlos", "Valeria", "José", "Camila", "Ernesto", "Lucía", "Mario", "Fernanda", "Diego", "Paola")
edad <- c(22, 20, 24, 23, 18, 21, 25, 22, 19, 23, 20, 21, 24, 18, 22)
sexo <- c("F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F")
ingreso <- c(3500, 4200, 5000, 2500, 1800, 3000, 6200, 2900, 2000, 3100, 4000, 2800, 5300, 1500, 3600)
salud <- c("Sí", "Sí", "No", "No", "Sí", "No", "Sí", "Sí", "No", "No", "Sí", "No", "Sí", "No", "Sí")

# Crear data frame
jovenes_df <- data.frame(numero, nombre, edad, sexo, ingreso, salud)
jovenes_df
##    numero   nombre edad sexo ingreso salud
## 1       1      Ana   22    F    3500    Sí
## 2       2     Luis   20    M    4200    Sí
## 3       3    Marta   24    F    5000    No
## 4       4    Pedro   23    M    2500    No
## 5       5    Sofía   18    F    1800    Sí
## 6       6   Carlos   21    M    3000    No
## 7       7  Valeria   25    F    6200    Sí
## 8       8     José   22    M    2900    Sí
## 9       9   Camila   19    F    2000    No
## 10     10  Ernesto   23    M    3100    No
## 11     11    Lucía   20    F    4000    Sí
## 12     12    Mario   21    M    2800    No
## 13     13 Fernanda   24    F    5300    Sí
## 14     14    Diego   18    M    1500    No
## 15     15    Paola   22    F    3600    Sí

Análisis de submuestras

Se requiere separar la muestra en dos grupos: jóvenes con acceso a servicios de salud y jóvenes sin acceso, para comparar sus características económicas.

# Obtener submuestra de jóvenes sin servicios de salud
sin_salud <- jovenes_df[jovenes_df$salud == "No", ]
sin_salud
##    numero  nombre edad sexo ingreso salud
## 3       3   Marta   24    F    5000    No
## 4       4   Pedro   23    M    2500    No
## 6       6  Carlos   21    M    3000    No
## 9       9  Camila   19    F    2000    No
## 10     10 Ernesto   23    M    3100    No
## 12     12   Mario   21    M    2800    No
## 14     14   Diego   18    M    1500    No
# Submuestra de jóvenes con servicios de salud
con_salud <- jovenes_df[jovenes_df$salud == "Sí", ]
con_salud
##    numero   nombre edad sexo ingreso salud
## 1       1      Ana   22    F    3500    Sí
## 2       2     Luis   20    M    4200    Sí
## 5       5    Sofía   18    F    1800    Sí
## 7       7  Valeria   25    F    6200    Sí
## 8       8     José   22    M    2900    Sí
## 11     11    Lucía   20    F    4000    Sí
## 13     13 Fernanda   24    F    5300    Sí
## 15     15    Paola   22    F    3600    Sí

Métricas y comparación

Se calculan las principales métricas estadísticas para ambos grupos con el fin de identificar diferencias significativas en sus situaciones económicas.

# Calcular métricas para la muestra completa y submuestras

# Métricas para muestra completa
cat("--- MUESTRA COMPLETA ---\n")
## --- MUESTRA COMPLETA ---
cat("Promedio de ingresos:", mean(jovenes_df$ingreso), "\n")
## Promedio de ingresos: 3426.667
cat("Mediana de ingresos:", median(jovenes_df$ingreso), "\n")
## Mediana de ingresos: 3100
cat("Desviación estándar:", sd(jovenes_df$ingreso), "\n")
## Desviación estándar: 1332.273
cat("Resumen estadístico:\n")
## Resumen estadístico:
print(summary(jovenes_df$ingreso))
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1500    2650    3100    3427    4100    6200
# Métricas para jóvenes CON salud
cat("\n--- JÓVENES CON SERVICIOS DE SALUD ---\n")
## 
## --- JÓVENES CON SERVICIOS DE SALUD ---
cat("Promedio de ingresos:", mean(con_salud$ingreso), "\n")
## Promedio de ingresos: 3937.5
cat("Mediana de ingresos:", median(con_salud$ingreso), "\n")
## Mediana de ingresos: 3800
cat("Desviación estándar:", sd(con_salud$ingreso), "\n")
## Desviación estándar: 1362.705
cat("Resumen estadístico:\n")
## Resumen estadístico:
print(summary(con_salud$ingreso))
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1800    3350    3800    3938    4475    6200
# Métricas para jóvenes SIN salud
cat("\n--- JÓVENES SIN SERVICIOS DE SALUD ---\n")
## 
## --- JÓVENES SIN SERVICIOS DE SALUD ---
cat("Promedio de ingresos:", mean(sin_salud$ingreso), "\n")
## Promedio de ingresos: 2842.857
cat("Mediana de ingresos:", median(sin_salud$ingreso), "\n")
## Mediana de ingresos: 2800
cat("Desviación estándar:", sd(sin_salud$ingreso), "\n")
## Desviación estándar: 1108.839
cat("Resumen estadístico:\n")
## Resumen estadístico:
print(summary(sin_salud$ingreso))
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1500    2250    2800    2843    3050    5000

Análisis de resultados y preguntas

Con base en las métricas calculadas, se responden las preguntas planteadas sobre las diferencias entre grupos y sus implicaciones sociales.

i. ¿Qué diferencias observa entre los ingresos de quienes tienen y no tienen servicios de salud?

Se observa que los jóvenes con servicios de salud tienen ingresos significativamente más altos en promedio ($3,937.5) comparado a aquellos sin servicios de salud ($2,842.857). La mediana también es más alta en el grupo con salud ($3,800 vs $2,800).

ii. ¿Cuál grupo tiene mayor ingreso promedio?

El grupo con servicios de salud tiene mayor ingreso promedio ($3,937.5) comparado a el grupo sin servicios de salud ($2,842.857).

iii. ¿Qué grupo tiene mayor dispersión?

El grupo con servicios de salud muestra mayor dispersión en sus ingresos (desviación estándar = $1,362.705) comparado a el grupo sin servicios de salud (desviación estándar = $1,108.839).

iv. ¿Qué implicaciones sociales podrían derivarse de estos datos?

Estos datos sugieren una posible correlación entre el nivel de ingresos y el acceso a servicios de salud. Los jóvenes con menores ingresos podrían tener dificultades para afiliarse a sistemas de salud, lo que reflejaría desigualdades económicas en el acceso a servicios básicos. Esto podría indicar la necesidad de políticas públicas que faciliten el acceso a servicios de salud para jóvenes de bajos ingresos.

Conclusión general:

El análisis revela disparidades económicas significativas entre jóvenes con y sin acceso a servicios de salud, sugiriendo que el nivel de ingresos podría ser un factor determinante en el acceso a estos servicios básicos