1 Introducción

1.1 Descripción

La estadística descriptiva es una rama de la estadística que se encarga de recopilar, organizar, presentar y analizar un conjunto de datos, con el fin de describir sus características principales mediante medidas numéricas y representaciones gráficas.

En economía, se utiliza para analizar procesos como ingresos, empleo, inflación o desigualdad, y generar diagnósticos que permitan la comprensión integral del sistema productivo.

2 Preparar el ambiente de trabajo

2.1 Limpiar el entorno

# Borra todos los objetos del entorno
rm(list = ls())
# Libera memoria
gc()
##           used (Mb) gc trigger (Mb) limit (Mb) max used (Mb)
## Ncells  618749 33.1    1410030 75.4         NA   715648 38.3
## Vcells 1170120  9.0    8388608 64.0      16384  2010390 15.4
# Muestra en qué carpeta estás trabajando
getwd()
## [1] "/Users/brandonsaidbeltran/Library/Mobile Documents/com~apple~CloudDocs/DESK2025SAID/CLASES 20262/LABORATORIO 2/practica7"
#Ubicar carpeta en la pestaña de Session > Set working > Choose

3 Simulación de datos

3.1 Código para simular datos

Simularemos datos de 500 personas con edades e ingreos aleatorios bajo una distribución normal.

set.seed(123) # Para que todos obtengan el mismo resultado
n <- 500      # Número de registros
edad <- round(rnorm(n, mean = 30, sd = 10))
estatura <- round(rnorm(n, mean = 170, sd = 10),1)
sexo <- sample(c("Hombre","Mujer"), n, replace = TRUE)
datos <- data.frame(
  ID = 1:n,
  Edad = edad,
  Estatura = estatura,
  Sexo = sexo
)

head(datos)
##   ID Edad Estatura   Sexo
## 1  1   24    164.0 Hombre
## 2  2   28    160.1 Hombre
## 3  3   46    180.3 Hombre
## 4  4   31    177.5  Mujer
## 5  5   31    154.9  Mujer
## 6  6   47    169.0 Hombre

4 Resumen de datos

4.1 Estadística Descriptiva

resumen <- summary(datos)
print(resumen)
##        ID             Edad          Estatura         Sexo          
##  Min.   :  1.0   Min.   : 3.00   Min.   :141.9   Length:500        
##  1st Qu.:125.8   1st Qu.:24.00   1st Qu.:163.1   Class :character  
##  Median :250.5   Median :30.00   Median :170.0   Mode  :character  
##  Mean   :250.5   Mean   :30.33   Mean   :170.0                     
##  3rd Qu.:375.2   3rd Qu.:37.00   3rd Qu.:176.4                     
##  Max.   :500.0   Max.   :62.00   Max.   :196.9

4.2 Exportar a excel

if (!require(openxlsx)) install.packages("openxlsx")
library(openxlsx)

wb <- createWorkbook()
addWorksheet(wb, "Resumen")
writeData(wb, "Resumen", as.data.frame(resumen))
saveWorkbook(wb, "resumen_datos.xlsx", overwrite = TRUE)

5 Visualización de datos

5.1 Edad - Histograma

hist(datos$Edad,
     probability = TRUE,
     main = "Histograma de Edad con Curva Normal",
     xlab = "edad",
     col = "skyblue",
     border = "white")
curve(dnorm(x, mean = mean(datos$Edad), sd = sd(datos$Edad)),
      col = "red", lwd = 2, add = TRUE)

5.2 Diagramas de Caja Comparativos

boxplot(datos$Edad, datos$Estatura,
        names = c("Edad", "Estatura"),
        main = "Diagrama de Caja de Edad y Estatura",
        col = c("orange", "darkolivegreen3"),
        horizontal = TRUE)

5.3 Dispersión Edad vs Ingreso

plot(datos$Edad, datos$Estatura,
     main = "Dispersión entre Edad y Estatura",
     xlab = "edad",
     ylab = "estatura",
     pch = 19,
     col = rgb(0.1, 0.2, 0.5, 0.5))
abline(lm(estatura ~ edad, data = datos), col = "red", lwd = 2)

5.4 Gráfico circular - Sexo

tabla_sexo <- table(datos$Sexo)

porcentaje <- round(prop.table(tabla_sexo)*100,1)

etiquetas <- paste(names(tabla_sexo), porcentaje, "%")

pie(tabla_sexo,
    labels = etiquetas,
    col = c("skyblue","pink"),
    main = "Distribución porcentual por sexo")

6 Exportar datos a excel

write.csv(datos, "datos_simulados.csv", row.names = FALSE)