Reporte descriptivo de dataset Heart Disease UCI

Preliminares

Para este ejercicio, se utilizaron los resultados obtenidos en la Actividad 2, que se enfocaron a corregir los problemas con el dataset Heart Disease UCI, para el cual se realizó lo siguiente:

Exploración inicial: se verificó la estructura (str), resumen estadístico (summary, skim) y duplicados. Se detectaron valores ausentes en algunas variables.
Conversión de tipos de datos: se transformaron variables categóricas y lógicas a factores para su correcta interpretación en R.
Imputación de valores faltantes: Se aplicó imputación múltiple mediante el paquete mice, generando 5 datasets y eligiendo el segundo.
Tratamiento de valores atípicos: se identificaron outliers en variables numéricas y se aplicó winsorización (1% y 99%).
Normalización y consistencia: se estandarizaron los valores de texto, verificaron niveles de factores y creó variable binaria disease.

Estructura del dataframe

A continuación se presenta el detalle de estructura del dataframe Heart Disease UCI, para verificar la asignación correcta del tipo de dato.

str(heart)

## 'data.frame':    920 obs. of  17 variables:
##  $ X       : int  1 2 3 4 5 6 7 8 9 10 ...
##  $ id      : int  1 2 3 4 5 6 7 8 9 10 ...
##  $ age     : int  63 67 67 37 41 56 62 57 63 53 ...
##  $ sex     : chr  "Male" "Male" "Male" "Male" ...
##  $ dataset : chr  "Cleveland" "Cleveland" "Cleveland" "Cleveland" ...
##  $ cp      : chr  "typical angina" "asymptomatic" "asymptomatic" "non-anginal" ...
##  $ trestbps: num  145 160 120 130 130 ...
##  $ chol    : num  233 286 229 250 204 236 268 354 254 203 ...
##  $ fbs     : logi  TRUE FALSE FALSE FALSE FALSE FALSE ...
##  $ restecg : chr  "lv hypertrophy" "lv hypertrophy" "lv hypertrophy" "normal" ...
##  $ thalch  : num  150 108 129 187 172 178 160 163 147 155 ...
##  $ exang   : logi  FALSE TRUE TRUE FALSE FALSE FALSE ...
##  $ oldpeak : num  1.98 1.5 1.98 1.98 1.4 ...
##  $ slope   : chr  "downsloping" "flat" "flat" "downsloping" ...
##  $ ca      : int  0 3 2 0 0 0 2 0 1 0 ...
##  $ thal    : chr  "fixed defect" "normal" "reversable defect" "normal" ...
##  $ num     : int  0 2 1 0 0 0 3 0 2 1 ...

Se obtiene un resumen de las variables que conforman el dataframe:

Variable	Descripcion
id	Identificador único del paciente
age	Edad del paciente en años
sex	Género del paciente (Male/Female)
dataset	Fuente del registro (Cleveland, Hungary, etc.)
cp	Tipo de dolor de pecho
trestbps	Presión arterial en reposo (mm Hg)
chol	Colesterol sérico (mg/dl)
fbs	Azúcar en sangre en ayunas > 120 mg/dl
restecg	Resultado del electrocardiograma en reposo
thalch	Frecuencia cardíaca máxima alcanzada
exang	Angina inducida por ejercicio
oldpeak	Depresión del ST inducida por ejercicio
slope	Pendiente del segmento ST
ca	Número de vasos principales coloreados por fluoroscopia
thal	Resultado de la prueba de talio
num	Diagnóstico de enfermedad cardíaca (0–4)

Se muestran las primeras observaciones de la tabla:

X	id	age	sex	dataset	cp	trestbps	chol	fbs	restecg	thalch	exang	oldpeak	slope	ca	thal	num
1	1	63	Male	Cleveland	typical angina	145.000	233	TRUE	lv hypertrophy	150	FALSE	1.9826	downsloping	0	fixed defect	0
2	2	67	Male	Cleveland	asymptomatic	159.652	286	FALSE	lv hypertrophy	108	TRUE	1.5000	flat	3	normal	2
3	3	67	Male	Cleveland	asymptomatic	120.000	229	FALSE	lv hypertrophy	129	TRUE	1.9826	flat	2	reversable defect	1
4	4	37	Male	Cleveland	non-anginal	130.000	250	FALSE	normal	187	FALSE	1.9826	downsloping	0	normal	0
5	5	41	Female	Cleveland	atypical angina	130.000	204	FALSE	lv hypertrophy	172	FALSE	1.4000	upsloping	0	normal	0
6	6	56	Male	Cleveland	atypical angina	120.000	236	FALSE	normal	178	FALSE	0.8000	upsloping	0	normal	0

Vamos a realizar el resumen numérico de cada variable del dataframe:

## Error in table(names(candidates))[["tested"]]: subíndice fuera de  los límites

Descriptive Statistics

N: 920

	age	chol	oldpeak	thalch	trestbps
Mean	53.51	214.84	0.77	136.81	131.59
Std.Dev	9.42	76.70	0.83	25.41	16.24
Min	28.00	86.60	-0.98	82.66	100.35
Q1	47.00	177.00	0.00	119.00	120.00
Median	54.00	223.00	0.50	139.00	130.00
Q3	60.00	269.00	1.55	156.00	140.00
Max	77.00	359.40	1.98	195.34	159.65
MAD	9.64	68.20	0.74	28.17	14.83
IQR	13.00	92.00	1.52	37.00	20.00
CV	0.18	0.36	1.08	0.19	0.12
Skewness	-0.20	-0.36	0.31	-0.09	0.14
SE.Skewness	0.08	0.08	0.08	0.08	0.08
Kurtosis	-0.39	-0.67	-1.44	-0.72	-0.82
N.Valid	920	920	920	920	920
N	920	920	920	920	920
Pct.Valid	100.00	100.00	100.00	100.00	100.00

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-11

De la tabla anterior, podemos obtener lo siguiente:

Análisis detallado de variables numéricas del dataset heart

Variable	Media_Mediana	Rango_IQR	Variabilidad	Forma_Distribucion	Observaciones
age	Media: 53.51, Mediana: 56 → distribución ligeramente sesgada a la izquierda	Rango: 47–60, IQR: 13 → dispersión moderada	CV: 0.18 → baja variabilidad relativa	Skewness: -0.20, Kurtosis: -0.39 → distribución casi simétrica, menos concentración en la media	Distribución centrada en adultos de edad media. No hay extremos clínicamente preocupantes.
chol	Media: 214.84, Mediana: 223 → leve sesgo negativo	Rango: 177–269, IQR: 92 → alta dispersión con valores extremos	CV: 0.36 → variabilidad alta	Skewness: -0.36, Kurtosis: -0.67 → leve sesgo negativo, distribución más plana	Colesterol moderado en promedio, pero con amplia dispersión. Revisar valores extremos.
oldpeak	Media: 0.77, Mediana: 0.50 → fuerte sesgo positivo	Rango: 0.00–1.55, IQR: 1.52 → dispersión alta con acumulación en cero	CV: 1.08 → variabilidad extrema	Skewness: 0.31, Kurtosis: -1.44 → leve sesgo positivo, distribución muy plana	La mayoría de los pacientes no presenta depresión ST, pero algunos tienen valores elevados.
thalach	Media: 136.81, Mediana: 139 → leve sesgo negativo	Rango: 119–156, IQR: 37 → buena dispersión	CV: 0.19 → variabilidad moderada	Skewness: -0.09, Kurtosis: -0.72 → casi simétrica, leve concentración en la media	Frecuencia cardíaca dentro de rangos funcionales, con algunos pacientes por debajo del promedio.
trestbps	Media: 131.59, Mediana: 130 → leve sesgo positivo	Rango: 120–140, IQR: 20 → dispersión moderada	CV: 0.12 → baja variabilidad	Skewness: 0.14, Kurtosis: -0.82 → leve sesgo positivo, distribución más plana	Presión arterial en reposo ligeramente elevada en promedio, con casos que podrían indicar hipertensión.

Gráficas y análisis por variables

Variable Edad (age)

Se puede observar que hay una distribución centrada en adultos de edad media, con leve sesgo negativo. Dispersión moderada y sin valores extremos clínicamente preocupantes.

Variable: Colesterol (chol)

Se puede observar que la variable Colesterol tiene amplia dispersión y valores extremos con un leve sesgo negativo, pero clínicamente relevante por los valores altos.

Variable: Depresión ST (oldpeak)

Se puede observar que la variable tiene una fuerte dispersión con acumulación en cero, tiene un sesgo positivo y valores clínicamente relevantes en el extremo superior.

Variable Frecuencia cardíaca máxima (thalch)

Se puede observar que la variable tiene una distribución casi simétrica, con buena dispersión. Algunos pacientes presentan valores bajos que podrían indicar baja capacidad funcional.

Variable Presión arterial en reposo (trestbps)

Se puede observar que la variable un leve sesgo positivo, con valores elevados que podrían indicar hipertensión, con dispersión moderada y concentración en la media.

Resumen de variables categóricas

La función dfSummary() del paquete summarytools genera un resumen completo y visualmente atractivo de todas las variables en un data frame, incluyendo estadísticas, tipos de datos, valores únicos, valores faltantes y gráficos embebidos.

Data Frame Summary

heart_limpio

Dimensions: 920 x 15
Duplicates: 0

Variable

Stats / Values

Freqs (% of Valid)

Graph

Missing

age [integer]

Mean (sd) : 53.5 (9.4)

min ≤ med ≤ max:

28 ≤ 54 ≤ 77

IQR (CV) : 13 (0.2)

50 distinct values

0 (0.0%)

sex [factor]

1. Female

2. Male

194	(	21.1%	)
726	(	78.9%	)

0 (0.0%)

dataset [factor]

1. Cleveland

2. Hungary

3. Switzerland

4. VA Long Beach

304	(	33.0%	)
293	(	31.8%	)
123	(	13.4%	)
200	(	21.7%	)

0 (0.0%)

cp [factor]

1. asymptomatic

2. atypical angina

3. non-anginal

4. typical angina

496	(	53.9%	)
174	(	18.9%	)
204	(	22.2%	)
46	(	5.0%	)

0 (0.0%)

trestbps [numeric]

Mean (sd) : 131.6 (16.2)

min ≤ med ≤ max:

100.3 ≤ 130 ≤ 159.7

IQR (CV) : 20 (0.1)

43 distinct values

0 (0.0%)

chol [numeric]

Mean (sd) : 214.8 (76.7)

min ≤ med ≤ max:

86.6 ≤ 223 ≤ 359.4

IQR (CV) : 92 (0.4)

195 distinct values

0 (0.0%)

fbs [factor]

1. FALSE

2. TRUE

769	(	83.6%	)
151	(	16.4%	)

0 (0.0%)

restecg [factor]

1. lv hypertrophy

2. normal

3. st-t abnormality

188	(	20.4%	)
553	(	60.1%	)
179	(	19.5%	)

0 (0.0%)

thalch [numeric]

Mean (sd) : 136.8 (25.4)

min ≤ med ≤ max:

82.7 ≤ 139 ≤ 195.3

IQR (CV) : 37 (0.2)

108 distinct values

0 (0.0%)

exang [factor]

1. FALSE

2. TRUE

548	(	59.6%	)
372	(	40.4%	)

0 (0.0%)

oldpeak [numeric]

Mean (sd) : 0.8 (0.8)

min ≤ med ≤ max:

-1 ≤ 0.5 ≤ 2

IQR (CV) : 1.5 (1.1)

27 distinct values

0 (0.0%)

slope [factor]

1. downsloping

2. flat

3. upsloping

89	(	9.7%	)
502	(	54.6%	)
329	(	35.8%	)

0 (0.0%)

ca [factor]

1. 0

2. 1

3. 2

4. 3

581	(	63.2%	)
102	(	11.1%	)
155	(	16.8%	)
82	(	8.9%	)

0 (0.0%)

thal [factor]

1. fixed defect

2. normal

3. reversable defect

205	(	22.3%	)
316	(	34.3%	)
399	(	43.4%	)

0 (0.0%)

num [factor]

1. 0

2. 1

3. 2

4. 3

5. 4

411	(	44.7%	)
265	(	28.8%	)
109	(	11.8%	)
107	(	11.6%	)
28	(	3.0%	)

0 (0.0%)

Generated by summarytools 1.1.4 (R version 4.5.1)
2025-11-11

De esta tabla, se puede indicar lo siguiente:

Variable	Categorías	Observaciones
sex	Female: 21.1%, Male: 78.9%	Distribución sesgada hacia hombres, importante para análisis por sexo.
dataset	Cleveland: 33%, Hungary: 31.8%, Switzerland: 13.4%, VA: 21.7%	Datos provienen de cuatro fuentes, útil para análisis por centro.
cp	Asymptomatic: 53.9%, Atypical angina: 18.9%, Non-anginal: 22.2%, Typical angina: 5%	Mayoría asintomática, relevante para diagnóstico clínico.
fbs	FALSE: 83.6%, TRUE: 16.4%	La mayoría no tiene azúcar en ayunas elevada.
restecg	Normal: 60.1%, LV hypertrophy: 20.4%, ST-T abnormality: 19.5%	Predominio de ECG normal, pero con presencia de anomalías.
exang	FALSE: 59.6%, TRUE: 40.4%	40% presentan angina inducida por ejercicio.
slope	Flat: 54.6%, Upsloping: 35.8%, Downsloping: 9.7%	Predominio de pendiente plana, relevante para esfuerzo cardíaco.
ca	0: 63.2%, 1: 11.1%, 2: 16.8%, 3: 8.9%	Mayoría sin vasos coloreados, pero presencia de obstrucciones.
thal	Reversable defect: 43.4%, Normal: 34.3%, Fixed defect: 22.3%	Distribución equilibrada entre tipos de defecto.
num	0: 44.7%, 1: 28.8%, 2: 11.8%, 3: 11.6%, 4: 3%	Distribución escalonada de severidad de enfermedad cardíaca.

Vamos ahora a obtener las tablas de frecuencia, para las variables categóricas:

Tablas de frecuencia

Frecuencia de: sex

Frequencies
.y
Type: Factor

	Freq	% Valid	% Valid Cum.	% Total	% Total Cum.
Female	194	21.09	21.09	21.09	21.09
Male	726	78.91	100.00	78.91	100.00
	0			0.00	100.00
Total	920	100.00	100.00	100.00	100.00

Frecuencia de: dataset

Frequencies
.y
Type: Factor

	Freq	% Valid	% Valid Cum.	% Total	% Total Cum.
Cleveland	304	33.04	33.04	33.04	33.04
Hungary	293	31.85	64.89	31.85	64.89
Switzerland	123	13.37	78.26	13.37	78.26
VA Long Beach	200	21.74	100.00	21.74	100.00
	0			0.00	100.00
Total	920	100.00	100.00	100.00	100.00

Frecuencia de: cp

Frequencies
.y
Type: Factor

	Freq	% Valid	% Valid Cum.	% Total	% Total Cum.
asymptomatic	496	53.91	53.91	53.91	53.91
atypical angina	174	18.91	72.83	18.91	72.83
non-anginal	204	22.17	95.00	22.17	95.00
typical angina	46	5.00	100.00	5.00	100.00
	0			0.00	100.00
Total	920	100.00	100.00	100.00	100.00

Frecuencia de: fbs

Frequencies
.y
Type: Factor

	Freq	% Valid	% Valid Cum.	% Total	% Total Cum.
FALSE	769	83.59	83.59	83.59	83.59
TRUE	151	16.41	100.00	16.41	100.00
	0			0.00	100.00
Total	920	100.00	100.00	100.00	100.00

Frecuencia de: restecg

Frequencies
.y
Type: Factor

	Freq	% Valid	% Valid Cum.	% Total	% Total Cum.
lv hypertrophy	188	20.43	20.43	20.43	20.43
normal	553	60.11	80.54	60.11	80.54
st-t abnormality	179	19.46	100.00	19.46	100.00
	0			0.00	100.00
Total	920	100.00	100.00	100.00	100.00

Frecuencia de: exang

Frequencies
.y
Type: Factor

	Freq	% Valid	% Valid Cum.	% Total	% Total Cum.
FALSE	548	59.57	59.57	59.57	59.57
TRUE	372	40.43	100.00	40.43	100.00
	0			0.00	100.00
Total	920	100.00	100.00	100.00	100.00

Frecuencia de: slope

Frequencies
.y
Type: Factor

	Freq	% Valid	% Valid Cum.	% Total	% Total Cum.
downsloping	89	9.67	9.67	9.67	9.67
flat	502	54.57	64.24	54.57	64.24
upsloping	329	35.76	100.00	35.76	100.00
	0			0.00	100.00
Total	920	100.00	100.00	100.00	100.00

Frecuencia de: ca

Frequencies
.y
Type: Factor

	Freq	% Valid	% Valid Cum.	% Total	% Total Cum.
0	581	63.15	63.15	63.15	63.15
1	102	11.09	74.24	11.09	74.24
2	155	16.85	91.09	16.85	91.09
3	82	8.91	100.00	8.91	100.00
	0			0.00	100.00
Total	920	100.00	100.00	100.00	100.00

Frecuencia de: thal

Frequencies
.y
Type: Factor

	Freq	% Valid	% Valid Cum.	% Total	% Total Cum.
fixed defect	205	22.28	22.28	22.28	22.28
normal	316	34.35	56.63	34.35	56.63
reversable defect	399	43.37	100.00	43.37	100.00
	0			0.00	100.00
Total	920	100.00	100.00	100.00	100.00

Frecuencia de: num

Frequencies
.y
Type: Factor

	Freq	% Valid	% Valid Cum.	% Total	% Total Cum.
0	411	44.67	44.67	44.67	44.67
1	265	28.80	73.48	28.80	73.48
2	109	11.85	85.33	11.85	85.33
3	107	11.63	96.96	11.63	96.96
4	28	3.04	100.00	3.04	100.00
	0			0.00	100.00
Total	920	100.00	100.00	100.00	100.00

Comparaciones entre variables, por sexo y diagnóstico

Variable edad

Variable Colesterol (chol)

Variable Depresión ST (oldpeak)

Frecuencia cardíaca máxima (thalch)

Variable Presión arterial en reposo (trestbps)

Agregaciones visuales que revelan comportamientos interesantes en el dataset HEART

**1. Promedios agrupados por sexo y diagnóstico

Interpretación:

Comparación de promedios por sexo
Variable	Mujeres	Hombres	Interpretación
age	Menor promedio	Mayor promedio	Las mujeres tienden a ser diagnosticadas más jóvenes.
chol	Más alto	Más bajo	Mayor colesterol en mujeres, posible riesgo metabólico.
oldpeak	Más bajo	Más alto	Menor isquemia inducida por ejercicio en mujeres.
thalach	Más alto	Más bajo	Mejor capacidad funcional en mujeres.
trestbps	Similar	Ligeramente mayor	Posible mayor prevalencia de hipertensión en hombres.

Comparación de promedios por diagnóstico
Variable	Tendencia	Interpretación
age	Ligeramente creciente	Pacientes más graves tienden a ser mayores.
chol	Irregular, sin patrón claro	El colesterol no discrimina bien entre niveles de diagnóstico.
oldpeak	Aumenta con el diagnóstico	Mayor isquemia en casos más severos.
thalach	Disminuye con el diagnóstico	Menor capacidad funcional en pacientes más graves.
trestbps	Ligeramente creciente	Mayor presión arterial en diagnósticos altos.

2. Boxplots por tipo de dolor de pecho (cp) y angina inducida (exang)

Interpretación:

Frecuencia cardíaca máxima según angina inducida
Grupo	Mediana_thalach	Dispersión	Interpretación
Sin angina inducida (FALSE)	Más alta	Amplia	Mejor capacidad funcional, mayor tolerancia al ejercicio.
Con angina inducida (TRUE)	Más baja	Estrecha	Menor tolerancia al esfuerzo, posible isquemia inducida.

Colesterol según tipo de dolor de pecho
Tipo_dolor	Mediana_chol	Dispersión	Interpretación
Asintomático	Más alta	Muy amplia	Colesterol elevado sin síntomas, posible riesgo silencioso.
Angina atípica	Moderada	Estrecha	Perfil más homogéneo, menos extremos.
No anginoso	Similar a atípica	Estrecha	Colesterol controlado, pero no necesariamente sin riesgo.
Angina típica	Más baja	Estrecha	Menor colesterol, pero con síntomas evidentes de enfermedad cardíaca.

3. Dispersión entre variables numéricas coloreada por diagnóstico

Interpretación:

Relación entre edad y colesterol por diagnóstico
Diagnóstico	Patrón_visual	Interpretación
0 (sin enfermedad)	Dispersos en todo el rango de edad y colesterol	Edad y colesterol no predicen ausencia de enfermedad.
1–2	Agrupados en colesterol medio (200–250)	Zona de transición entre salud y enfermedad.
3–4	Más frecuentes en colesterol alto (>250) y edad mayor	Perfil clínico de mayor riesgo: edad avanzada y colesterol elevado.

Relación entre frecuencia cardíaca y depresión ST por diagnóstico
Diagnóstico	Patrón_visual	Interpretación
0 (sin enfermedad)	Alta thalch, baja oldpeak	Buen rendimiento cardíaco, sin signos de isquemia.
1–2	Distribución intermedia	Posible deterioro funcional incipiente.
3–4	Baja thalch, alta oldpeak	Perfil de alto riesgo: menor capacidad funcional y mayor isquemia.

No hay correlación lineal entre edad y colesterol, pero los pacientes con diagnóstico más severo tienden a tener ambos valores elevados.
Diagnóstico 0 aparece en todos los rangos, lo que indica que ni edad ni colesterol por sí solos son suficientes para descartar enfermedad.
Diagnóstico 4 se concentra en pacientes mayores con colesterol alto, lo que refuerza su valor como marcador de riesgo.
A medida que aumenta la depresión ST (oldpeak), disminuye la frecuencia cardíaca máxima (thalch), especialmente en diagnósticos más severos.
Diagnóstico 0 se concentra en la zona funcionalmente saludable: alta thalch, baja oldpeak.
Diagnóstico 4 se agrupa en la zona de mayor riesgo: baja thalch, alta oldpeak.

Colección de visualizaciones con ggplot para el dataset HEART

DISTRIBUCIONES

Histograma de edad

Interpretación: La mayoría de los pacientes tienen entre 50 y 60 años, lo que indica que la enfermedad cardíaca se concentra en adultos mayores.

Boxplot de colesterol por sexo

Interpretación: Las mujeres presentan una mediana de colesterol más alta y mayor dispersión, lo que puede indicar mayor riesgo metabólico.

RELACIONES

Dispersión: edad vs frecuencia cardíaca máxima

Interpretación: Se observa una ligera tendencia negativa, a mayor edad, menor frecuencia cardíaca máxima alcanzada, lo que refleja deterioro funcional.

Dispersión: colesterol vs oldpeak

Interpretación: No hay una relación clara, pero algunos pacientes con colesterol alto también presentan mayor depresión ST, lo que podría indicar riesgo combinado.

COMPARACIONES

Barras: tipo de dolor de pecho (cp)

Interpretación: La mayoría de los pacientes son asintomáticos, lo que sugiere que muchos casos de enfermedad cardíaca no presentan dolor típico.

Barras: pendiente del segmento ST (slope) por diagnóstico

Interpretación: Los pacientes con pendiente descendente (downsloping) están más asociados a diagnósticos severos, lo que refuerza su valor como indicador clínico.

Conclusiones

El análisis exploratorio del dataset HEART revela patrones clínicamente relevantes que permiten caracterizar perfiles de riesgo cardiovascular en función de diferentes variables:

Edad y sexo muestran diferencias significativas: los hombres tienden a presentar mayor presión arterial y depresión ST (oldpeak), mientras que las mujeres exhiben niveles más altos de colesterol y frecuencia cardíaca máxima (thalach), lo que sugiere distintos mecanismos de riesgo entre géneros.
El diagnóstico (num) se asocia fuertemente con variables funcionales: a mayor severidad, se observa menor thalach y mayor oldpeak, lo que indica deterioro en la capacidad de respuesta al ejercicio y mayor isquemia inducida.
El tipo de dolor de pecho (cp) y la angina inducida (exang) permiten segmentar clínicamente a los pacientes: los asintomáticos presentan colesterol elevado sin síntomas, mientras que quienes desarrollan angina inducida muestran menor frecuencia cardíaca, lo que refuerza la necesidad de pruebas funcionales.
Las relaciones entre variables como edad vs colesterol y thalach vs oldpeak no son lineales, pero sí permiten identificar zonas de riesgo clínico, especialmente en diagnósticos 3 y 4. En conjunto, estos hallazgos respaldan el uso de variables como thalach, oldpeak, cp y exang como indicadores funcionales clave en la evaluación de enfermedad cardíaca, y sugieren que el colesterol, aunque relevante, debe interpretarse en contexto.

Reporte descriptivo de dataset Heart Disease UCI

Gerardo Avilés Rosas

2025-11-11

Preliminares

Estructura del dataframe

Descriptive Statistics

Análisis detallado de variables numéricas del dataset heart

Gráficas y análisis por variables

Variable Edad (age)

Variable: Colesterol (chol)

Variable: Depresión ST (oldpeak)

Variable Frecuencia cardíaca máxima (thalch)

Variable Presión arterial en reposo (trestbps)

Resumen de variables categóricas

Data Frame Summary

heart_limpio

Tablas de frecuencia

Frecuencia de: sex

Frecuencia de: dataset

Frecuencia de: cp

Frecuencia de: fbs

Frecuencia de: restecg

Frecuencia de: exang

Frecuencia de: slope

Frecuencia de: ca

Frecuencia de: thal

Frecuencia de: num

Comparaciones entre variables, por sexo y diagnóstico

Variable edad

Variable Colesterol (chol)

Variable Depresión ST (oldpeak)

Frecuencia cardíaca máxima (thalch)

Variable Presión arterial en reposo (trestbps)

Agregaciones visuales que revelan comportamientos interesantes en el dataset HEART

**1. Promedios agrupados por sexo y diagnóstico

2. Boxplots por tipo de dolor de pecho (cp) y angina inducida (exang)

3. Dispersión entre variables numéricas coloreada por diagnóstico

Colección de visualizaciones con ggplot para el dataset HEART

DISTRIBUCIONES

Histograma de edad

Boxplot de colesterol por sexo

RELACIONES

Dispersión: edad vs frecuencia cardíaca máxima

Dispersión: colesterol vs oldpeak

COMPARACIONES

Barras: tipo de dolor de pecho (cp)

Barras: pendiente del segmento ST (slope) por diagnóstico

Conclusiones