Trabajo de Estadistica
juan ajiaco y vanesa zarate
2026-04-26
DatasetE <- read.table("C:/Users/Juan David Ajiaco/Downloads/DatasetE.txt",
header = TRUE, stringsAsFactors = TRUE, sep = "\t", na.strings = "NA", dec = ".",
strip.white = TRUE)
library(RcmdrMisc)## Cargando paquete requerido: car## Cargando paquete requerido: carData## Cargando paquete requerido: sandwichlibrary(car)
library(carData)
library(sandwich)
library(effects)## Registered S3 method overwritten by 'lme4':
## method from
## na.action.merMod car## lattice theme set by effectsTheme()
## See ?effectsTheme for details.library(colorspace)
library(colorspace)
library(Rcmdr)## Cargando paquete requerido: splines## The Commander GUI is launched only in interactive sessions##
## Attaching package: 'Rcmdr'## The following object is masked from 'package:base':
##
## errorConditionDatasetE## Genero Edad Peso Historial_familiar_con_sobrepeso FAVC FCVC
## 1 Femenino 21 64.0 Si No A veces
## 2 Femenino 21 56.0 Si No Siempre
## 3 Masculino 23 77.0 Si No A veces
## 4 Masculino 27 87.0 No No Siempre
## 5 Masculino 22 89.8 No No A veces
## 6 Masculino 29 53.0 No Si A veces
## 7 Femenino 23 55.0 Si Si Siempre
## 8 Masculino 22 53.0 No No A veces
## 9 Masculino 24 64.0 Si Si Siempre
## 10 Masculino 22 68.0 Si Si A veces
## 11 Masculino 26 105.0 Si Si Siempre
## 12 Femenino 21 80.0 Si Si A veces
## 13 Masculino 22 56.0 No No Siempre
## 14 Masculino 41 99.0 No Si A veces
## 15 Masculino 23 60.0 Si Si Siempre
## 16 Femenino 22 66.0 Si No Siempre
## 17 Masculino 27 102.0 Si Si A veces
## 18 Femenino 29 78.0 No Si A veces
## 19 Femenino 30 82.0 Si Si Siempre
## 20 Femenino 23 70.0 Si No A veces
## 21 Masculino 22 80.0 Si No A veces
## 22 Femenino 52 87.0 Si Si Siempre
## 23 Femenino 22 60.0 Si Si Siempre
## 24 Femenino 22 82.0 Si Si Nunca
## 25 Masculino 21 68.0 Si Si A veces
## 26 Masculino 20 50.0 Si No A veces
## 27 Masculino 21 65.0 Si Si A veces
## 28 Femenino 23 52.0 No Si A veces
## 29 Masculino 19 76.0 Si Si Siempre
## 30 Masculino 23 70.0 No Si A veces
## 31 Masculino 29 83.0 No Si Nunca
## 32 Femenino 31 68.0 Si No A veces
## 33 Femenino 24 76.0 No No A veces
## 34 Masculino 39 90.0 No No A veces
## 35 Masculino 22 62.0 No Si A veces
## 36 Femenino 21 65.0 Si No A veces
## 37 Femenino 22 49.0 No Si A veces
## 38 Femenino 21 48.0 No Si A veces
## 39 Masculino 23 67.0 Si Si A veces
## 40 Femenino 21 88.0 Si Si A veces
## 41 Femenino 21 75.0 Si Si A veces
## 42 Masculino 23 60.0 No No A veces
## 43 Femenino 21 64.0 Si Si Nunca
## 44 Masculino 21 62.0 Si Si A veces
## 45 Masculino 21 80.0 No No Nunca
## 46 Femenino 21 65.0 Si No A veces
## 47 Masculino 21 72.0 Si Si Nunca
## 48 Masculino 21 72.0 Si Si Nunca
## 49 Femenino 20 60.0 Si No Siempre
## 50 Femenino 21 50.0 No Si A veces
## 51 Femenino 21 54.5 Si Si Siempre
## 52 Femenino 20 44.0 No Si A veces
## 53 Femenino 23 52.0 No Si Siempre
## 54 Femenino 23 55.0 Si No Siempre
## 55 Femenino 22 55.0 No No Siempre
## 56 Masculino 23 62.0 No No A veces
## 57 Masculino 22 70.0 Si Si A veces
## 58 Masculino 21 65.0 Si No A veces
## 59 Femenino 17 67.0 Si Si Siempre
## 60 Masculino 20 55.0 Si Si A veces
## 61 Femenino 21 49.0 Si Si A veces
## 62 Masculino 20 58.0 No Si A veces
## 63 Masculino 22 55.0 Si Si A veces
## 64 Femenino 21 57.0 Si Si A veces
## 65 Femenino 21 69.0 Si Si Nunca
## 66 Masculino 23 90.0 Si Si Nunca
## 67 Masculino 23 95.0 Si Si A veces
## 68 Masculino 30 112.0 Si Si Nunca
## 69 Masculino 23 60.0 Si No A veces
## 70 Femenino 23 80.0 Si Si A veces
## 71 Femenino 22 50.0 Si No Siempre
## 72 Femenino 24 60.0 Si No A veces
## 73 Masculino 19 65.0 Si No A veces
## 74 Masculino 24 85.0 Si Si A veces
## 75 Femenino 23 45.0 Si No Siempre
## 76 Femenino 24 45.0 Si No A veces
## 77 Femenino 24 80.0 Si Si A veces
## 78 Femenino 23 90.0 Si Si A veces
## 79 Masculino 23 60.0 Si No A veces
## 80 Femenino 19 58.0 No No Siempre
## 81 Masculino 30 91.0 Si Si A veces
## 82 Masculino 23 85.5 Si Si A veces
## 83 Femenino 19 45.0 No No Siempre
## 84 Femenino 30 59.0 Si Si Siempre
## 85 Femenino 38 60.0 Si Si A veces
## 86 Masculino 34 84.0 Si No A veces
## 87 Masculino 22 94.0 Si Si A veces
## 88 Femenino 31 63.0 Si Si Siempre
## 89 Femenino 35 45.0 Si No Siempre
## 90 Masculino 21 60.0 Si Si A veces
## 91 Femenino 40 62.0 Si No Siempre
## 92 Masculino 27 78.0 Si Si A veces
## 93 Masculino 20 72.0 Si No Siempre
## 94 Masculino 55 80.0 No Si A veces
## 95 Femenino 21 60.0 Si Si Siempre
## 96 Masculino 25 75.0 No No Siempre
## 97 Masculino 35 85.0 Si No Siempre
## 98 Masculino 30 130.0 Si No A veces
## 99 Femenino 29 72.0 Si No Siempre
## 100 Masculino 20 80.0 Si No A veces
## 101 Femenino 22 79.0 Si Si A veces
## 102 Femenino 45 77.0 Si Si A veces
## 103 Masculino 22 82.0 No Si A veces
## 104 Masculino 18 58.0 Si Si A veces
## NCP CAEC FUMA CH2O SCC FAF TUE
## 1 Tres A veces No Entre 1 y 2L No Ninguna 3-5 horas
## 2 Tres A veces Si Más de 2L Si 4-5 días 0-2 horas
## 3 Tres A veces No Entre 1 y 2L No 2-4 días 3-5 horas
## 4 Tres A veces No Entre 1 y 2L No 2-4 días 0-2 horas
## 5 Entre 1 y 2 A veces No Entre 1 y 2L No Ninguna 0-2 horas
## 6 Tres A veces No Entre 1 y 2L No Ninguna 0-2 horas
## 7 Tres A veces No Entre 1 y 2L No 1-2 días 0-2 horas
## 8 Tres A veces No Entre 1 y 2L No 4-5 días 0-2 horas
## 9 Tres A veces No Entre 1 y 2L No 1-2 días 3-5 horas
## 10 Tres A veces No Entre 1 y 2L No 1-2 días 3-5 horas
## 11 Tres Frecuentemente No Más de 2L No 2-4 días Más de 5 horas
## 12 Tres Frecuentemente No Entre 1 y 2L Si 2-4 días 3-5 horas
## 13 Tres A veces No Más de 2L No 2-4 días 0-2 horas
## 14 Tres A veces No Entre 1 y 2L No 2-4 días 3-5 horas
## 15 Entre 1 y 2 A veces No Menos de 1L No 1-2 días 3-5 horas
## 16 Tres Siempre No Entre 1 y 2L Si 2-4 días 3-5 horas
## 17 Entre 1 y 2 A veces No Menos de 1L No 1-2 días 0-2 horas
## 18 Entre 1 y 2 A veces No Entre 1 y 2L No Ninguna 0-2 horas
## 19 Más de tres Frecuentemente Si Menos de 1L No Ninguna 0-2 horas
## 20 Entre 1 y 2 A veces No Entre 1 y 2L No Ninguna 0-2 horas
## 21 Tres A veces No Entre 1 y 2L No 4-5 días Más de 5 horas
## 22 Entre 1 y 2 A veces Si Entre 1 y 2L No Ninguna 0-2 horas
## 23 Tres A veces No Entre 1 y 2L No 1-2 días 0-2 horas
## 24 Entre 1 y 2 A veces No Entre 1 y 2L No Ninguna Más de 5 horas
## 25 Tres A veces No Entre 1 y 2L No Ninguna 3-5 horas
## 26 Más de tres Frecuentemente Si Entre 1 y 2L No 4-5 días Más de 5 horas
## 27 Entre 1 y 2 Frecuentemente No Entre 1 y 2L No 1-2 días Más de 5 horas
## 28 Más de tres Frecuentemente No Entre 1 y 2L No 2-4 días 3-5 horas
## 29 Tres A veces No Entre 1 y 2L Si 4-5 días 3-5 horas
## 30 Tres A veces No Entre 1 y 2L No 2-4 días Más de 5 horas
## 31 Más de tres Frecuentemente No Más de 2L No Ninguna 3-5 horas
## 32 Entre 1 y 2 A veces No Menos de 1L No 1-2 días 0-2 horas
## 33 Tres A veces No Más de 2L No 1-2 días 3-5 horas
## 34 Entre 1 y 2 A veces No Entre 1 y 2L No Ninguna 0-2 horas
## 35 Más de tres Frecuentemente No Entre 1 y 2L No 2-4 días 0-2 horas
## 36 Tres A veces No Entre 1 y 2L No 2-4 días Más de 5 horas
## 37 Tres A veces No Menos de 1L Si 2-4 días 0-2 horas
## 38 Tres A veces No Menos de 1L No 1-2 días 0-2 horas
## 39 Tres A veces No Entre 1 y 2L No 1-2 días 3-5 horas
## 40 Tres A veces No Más de 2L No 4-5 días 0-2 horas
## 41 Tres A veces No Entre 1 y 2L No 1-2 días 0-2 horas
## 42 Más de tres Frecuentemente No Entre 1 y 2L No Ninguna 0-2 horas
## 43 Tres A veces No Menos de 1L No Ninguna 0-2 horas
## 44 Tres A veces Si Entre 1 y 2L No 1-2 días 3-5 horas
## 45 Tres Nunca No Entre 1 y 2L No 2-4 días 0-2 horas
## 46 Tres A veces No Menos de 1L No Ninguna 3-5 horas
## 47 Tres Frecuentemente No Más de 2L No 2-4 días 0-2 horas
## 48 Tres Frecuentemente No Más de 2L No 2-4 días 0-2 horas
## 49 Tres A veces No Entre 1 y 2L No 1-2 días 0-2 horas
## 50 Tres A veces No Entre 1 y 2L No Ninguna 0-2 horas
## 51 Tres A veces No Más de 2L No Ninguna 3-5 horas
## 52 Tres A veces No Menos de 1L No Ninguna 0-2 horas
## 53 Entre 1 y 2 A veces No Entre 1 y 2L No 2-4 días Más de 5 horas
## 54 Tres Nunca No Entre 1 y 2L Si 2-4 días 3-5 horas
## 55 Más de tres Siempre No Más de 2L No 2-4 días 0-2 horas
## 56 Más de tres Frecuentemente No Entre 1 y 2L No Ninguna 0-2 horas
## 57 Tres A veces No Menos de 1L No Ninguna 3-5 horas
## 58 Tres A veces No Menos de 1L No Ninguna 3-5 horas
## 59 Entre 1 y 2 A veces No Entre 1 y 2L No 1-2 días 3-5 horas
## 60 Más de tres A veces No Más de 2L No 2-4 días Más de 5 horas
## 61 Tres A veces No Más de 2L No 4-5 días 3-5 horas
## 62 Tres A veces No Entre 1 y 2L No 4-5 días 3-5 horas
## 63 Tres A veces No Entre 1 y 2L No Ninguna Más de 5 horas
## 64 Tres Frecuentemente No Menos de 1L No 1-2 días 3-5 horas
## 65 Tres Frecuentemente No Entre 1 y 2L No Ninguna 3-5 horas
## 66 Tres Siempre No Entre 1 y 2L No Ninguna Más de 5 horas
## 67 Tres Siempre No Entre 1 y 2L No Ninguna 3-5 horas
## 68 Tres Nunca Si Entre 1 y 2L Si Ninguna 0-2 horas
## 69 Tres Nunca No Más de 2L No Ninguna 3-5 horas
## 70 Tres Siempre No Entre 1 y 2L No Ninguna Más de 5 horas
## 71 Tres Nunca No Más de 2L Si 2-4 días 3-5 horas
## 72 Tres A veces No Más de 2L Si 1-2 días 0-2 horas
## 73 Tres A veces No Más de 2L No 2-4 días 3-5 horas
## 74 Tres Frecuentemente No Más de 2L No Ninguna 3-5 horas
## 75 Tres A veces No Más de 2L Si 2-4 días 0-2 horas
## 76 Tres Nunca No Entre 1 y 2L No 1-2 días 0-2 horas
## 77 Tres A veces No Más de 2L No Ninguna 0-2 horas
## 78 Tres A veces No Más de 2L No Ninguna 3-5 horas
## 79 Tres A veces No Entre 1 y 2L No Ninguna 0-2 horas
## 80 Tres A veces No Entre 1 y 2L Si Ninguna 0-2 horas
## 81 Tres Frecuentemente No Entre 1 y 2L No Ninguna 0-2 horas
## 82 Tres Siempre No Entre 1 y 2L No Ninguna 3-5 horas
## 83 Tres Nunca No Más de 2L Si 2-4 días 0-2 horas
## 84 Tres A veces No Entre 1 y 2L No 2-4 días 0-2 horas
## 85 Entre 1 y 2 Siempre Si Entre 1 y 2L No Ninguna 0-2 horas
## 86 Tres A veces No Más de 2L No 2-4 días 0-2 horas
## 87 Tres A veces No Entre 1 y 2L No Ninguna 0-2 horas
## 88 Entre 1 y 2 Frecuentemente No Entre 1 y 2L No 1-2 días 3-5 horas
## 89 Tres Frecuentemente No Menos de 1L No Ninguna 3-5 horas
## 90 Tres Frecuentemente No Entre 1 y 2L No 2-4 días 3-5 horas
## 91 Tres A veces No Más de 2L No Ninguna 0-2 horas
## 92 Entre 1 y 2 A veces No Entre 1 y 2L No Ninguna 0-2 horas
## 93 Tres A veces Si Menos de 1L No 2-4 días 3-5 horas
## 94 Tres A veces No Entre 1 y 2L No 1-2 días 0-2 horas
## 95 Tres Siempre Si Entre 1 y 2L No 2-4 días 0-2 horas
## 96 Tres Frecuentemente No Entre 1 y 2L Si 4-5 días 0-2 horas
## 97 Tres Frecuentemente No Más de 2L No 2-4 días 3-5 horas
## 98 Tres A veces Si Menos de 1L No 1-2 días 0-2 horas
## 99 Tres Siempre No Entre 1 y 2L No Ninguna 0-2 horas
## 100 Tres A veces No Entre 1 y 2L No 1-2 días Más de 5 horas
## 101 Entre 1 y 2 A veces No Entre 1 y 2L No 1-2 días 0-2 horas
## 102 Tres Frecuentemente No Menos de 1L No Ninguna 0-2 horas
## 103 Entre 1 y 2 A veces No Entre 1 y 2L No 2-4 días 3-5 horas
## 104 Tres Frecuentemente No Entre 1 y 2L No 1-2 días 0-2 horas
## CALC MTRANS NObeyesdad Altura
## 1 No Transporte público Peso normal 1.62
## 2 A veces Transporte público Peso normal 1.52
## 3 Frecuentemente Transporte público Peso normal 1.80
## 4 Frecuentemente Caminar Sobrepeso I 1.80
## 5 A veces Transporte público Sobrepeso II 1.78
## 6 A veces Automóvil Peso normal 1.62
## 7 A veces Moto Peso normal 1.50
## 8 A veces Transporte público Peso normal 1.64
## 9 Frecuentemente Transporte público Peso normal 1.78
## 10 No Transporte público Peso normal 1.72
## 11 A veces Transporte público Obesidad I 1.85
## 12 A veces Transporte público Sobrepeso II 1.72
## 13 A veces Transporte público Peso normal 1.65
## 14 Frecuentemente Automóvil Obesidad I 1.80
## 15 A veces Transporte público Peso normal 1.77
## 16 A veces Transporte público Peso normal 1.70
## 17 A veces Transporte público Sobrepeso II 1.93
## 18 No Automóvil Obesidad I 1.53
## 19 No Automóvil Sobrepeso II 1.71
## 20 A veces Transporte público Sobrepeso I 1.65
## 21 No Caminar Sobrepeso II 1.65
## 22 No Automóvil Obesidad I 1.69
## 23 A veces Automóvil Peso normal 1.65
## 24 A veces Transporte público Obesidad I 1.60
## 25 A veces Transporte público Peso normal 1.85
## 26 No Transporte público Peso normal 1.60
## 27 Siempre Caminar Peso normal 1.70
## 28 A veces Automóvil Peso normal 1.60
## 29 A veces Transporte público Peso normal 1.75
## 30 Frecuentemente Caminar Peso normal 1.68
## 31 No Moto Sobrepeso I 1.77
## 32 A veces Transporte público Sobrepeso II 1.58
## 33 A veces Caminar Peso normal 1.77
## 34 A veces Transporte público Sobrepeso II 1.79
## 35 A veces Transporte público Peso normal 1.65
## 36 A veces Transporte público Sobrepeso II 1.50
## 37 No Caminar Peso normal 1.56
## 38 A veces Transporte público Peso normal 1.60
## 39 A veces Transporte público Peso normal 1.65
## 40 A veces Transporte público Sobrepeso II 1.75
## 41 A veces Transporte público Sobrepeso I 1.67
## 42 No Caminar Peso normal 1.68
## 43 No Transporte público Peso normal 1.66
## 44 Frecuentemente Transporte público Peso normal 1.66
## 45 No Transporte público Peso normal 1.81
## 46 No Transporte público Sobrepeso II 1.53
## 47 A veces Transporte público Peso normal 1.82
## 48 A veces Transporte público Peso normal 1.75
## 49 A veces Caminar Peso normal 1.66
## 50 A veces Transporte público Peso normal 1.55
## 51 A veces Caminar Peso normal 1.61
## 52 A veces Automóvil Peso normal 1.50
## 53 No Transporte público Peso normal 1.64
## 54 No Transporte público Peso normal 1.63
## 55 No Transporte público Peso normal 1.60
## 56 A veces Automóvil Peso normal 1.68
## 57 A veces Automóvil Peso normal 1.70
## 58 No Transporte público Peso normal 1.64
## 59 No Caminar Peso normal 1.65
## 60 No Transporte público Bajo peso 1.76
## 61 A veces Transporte público Peso normal 1.55
## 62 A veces Transporte público Peso normal 1.65
## 63 A veces Automóvil Peso normal 1.68
## 64 No Transporte público Peso normal 1.66
## 65 No Transporte público Sobrepeso I 1.62
## 66 Frecuentemente Transporte público Sobrepeso II 1.80
## 67 Frecuentemente Automóvil Obesidad I 1.65
## 68 Frecuentemente Automóvil Obesidad II 1.76
## 69 A veces Transporte público Peso normal 1.80
## 70 No Transporte público Sobrepeso II 1.65
## 71 A veces Transporte público Bajo peso 1.67
## 72 No Transporte público Peso normal 1.65
## 73 A veces Bicicleta Peso normal 1.85
## 74 Frecuentemente Transporte público Sobrepeso II 1.70
## 75 No Transporte público Bajo peso 1.63
## 76 No Transporte público Bajo peso 1.60
## 77 No Transporte público Sobrepeso II 1.70
## 78 No Transporte público Obesidad I 1.65
## 79 A veces Transporte público Peso normal 1.65
## 80 No Transporte público Peso normal 1.63
## 81 A veces Transporte público Sobrepeso II 1.80
## 82 No Transporte público Obesidad I 1.67
## 83 No Caminar Bajo peso 1.60
## 84 A veces Automóvil Peso normal 1.62
## 85 A veces Automóvil Sobrepeso I 1.50
## 86 No Automóvil Sobrepeso II 1.69
## 87 A veces Transporte público Obesidad I 1.74
## 88 A veces Automóvil Peso normal 1.68
## 89 No Automóvil Peso normal 1.53
## 90 A veces Transporte público Peso normal 1.67
## 91 A veces Automóvil Sobrepeso I 1.55
## 92 Frecuentemente Automóvil Sobrepeso II 1.64
## 93 A veces Transporte público Peso normal 1.83
## 94 No Automóvil Sobrepeso II 1.65
## 95 A veces Transporte público Peso normal 1.63
## 96 No Transporte público Peso normal 1.89
## 97 A veces Automóvil Sobrepeso II 1.77
## 98 A veces Transporte público Obesidad II 1.92
## 99 A veces Automóvil Peso normal 1.74
## 100 No Caminar Sobrepeso II 1.65
## 101 A veces Transporte público Sobrepeso I 1.73
## 102 No Automóvil Sobrepeso II 1.63
## 103 A veces Transporte público Sobrepeso II 1.72
## 104 A veces Transporte público Peso normal 1.60Introduccion
La obesidad es un problema de salud que ha aumentado bastante en los últimos años, afecta a personas de todas las edades y contextos sociales. Se ha demostrado que factores como los hábitos alimenticios y el estilo de vida influyen directamente en el desarrollo de la obesidad. Este proyecto análiza una muestra de 104 individuos obtenida del DatasetE Estimation of Obesity Levels Based on Eating Habits and Physical Condition. Se examinan variables relacionadas con la alimentación, la actividad física y otros comportamientos, para ver su relación con el nivel de obesidad. El estudio se desarrolla mediante la clasificación y analisis de las variables, lo que permite identificar relaciones relevantes. Se busca aportar una comprensión más clara de los factores asociados a la obesidad.
Pregunta Problema
¿Cómo influyen los hábitos alimenticios y el estilo de vida en el nivel de obesidad de los individuos de la muestra?
Objetivo
Analizar la relación entre los hábitos alimenticios y el estilo de vida con los niveles de obesidad en una muestra de 104 individuos, para identificar factores asociados al desarrollo de sobrepeso y obesidad.
Descripción de variables
- Genero (genero)(no numérico, nominal)
- Edad (edad/años cumplidos)(numérico, continuo)
- Altura (altura/metros)(numérico, continuo)
- Peso (peso/kilogramos)(numérico, continuo)
- Family history with overPeso (no numérico, nominal)
- FAVC (consume comida con altas calorías frecuentemente) (no numérico, nominal)
- FCVC (usualmente consume vegetales en sus comidas) (no numérico, no ordinal)
- NCP (cuantas comidas principales consume a diario) (no numérico, ordinal)
- CAEC (consume alimentos entre comidas) (no numérico, ordinal)
- FUMA (personas que fuman)(no numérico, nominal)
- CH2O (cuanta agua bebe diariamente) (no numérico, ordinal)
- SCC (monitorea las calorías consumidas a diario) (no numérico, nominal)
- FAF (que tan seguido hace actividad física) (no numérico, ordinal)
- TUE (que tan seguido usa aparatos electrónicos) (no numérico, ordinal)
- CALC (que tan seguido toma alcohol) (no numérico, ordinal)
- M trans (que medios de transporte usa) (no numérico, nominal)
- NOBEYESDAD (nivel de obesidad) (no numérico, ordinal)
Resumen de datos
summary(DatasetE)## Genero Edad Peso
## Femenino :50 Min. :17.00 Min. : 44.00
## Masculino:54 1st Qu.:21.00 1st Qu.: 58.00
## Median :22.00 Median : 66.50
## Mean :24.64 Mean : 69.52
## 3rd Qu.:24.25 3rd Qu.: 80.00
## Max. :55.00 Max. :130.00
## Historial_familiar_con_sobrepeso FAVC FCVC NCP
## No:28 No:41 A veces:64 Entre 1 y 2:17
## Si:76 Si:63 Nunca : 9 Más de tres: 9
## Siempre:31 Tres :78
##
##
##
## CAEC FUMA CH2O SCC FAF
## A veces :65 No:94 Entre 1 y 2L:64 No:91 1-2 días:24
## Frecuentemente:23 Si:10 Más de 2L :24 Si:13 2-4 días:30
## Nunca : 7 Menos de 1L :16 4-5 días: 9
## Siempre : 9 Ninguna :41
##
##
## TUE CALC MTRANS
## 0-2 horas :53 A veces :56 Automóvil :24
## 3-5 horas :38 Frecuentemente:11 Bicicleta : 1
## Más de 5 horas:13 No :36 Caminar :12
## Siempre : 1 Moto : 2
## Transporte público:65
##
## NObeyesdad Altura
## Bajo peso : 5 Min. :1.500
## Obesidad I : 9 1st Qu.:1.627
## Obesidad II : 2 Median :1.660
## Peso normal :58 Mean :1.680
## Sobrepeso I : 8 3rd Qu.:1.750
## Sobrepeso II:22 Max. :1.930Edad (Edad) Rango: 17 – 55 años Media: 24.64 años Mediana: 22 años
Altura (Altura) Rango: 1.50 – 1.93 m Media: 1.68 m Mediana: 1.66 m
Peso (Peso) Rango: 44 – 130 Media: 69.52 kg Mediana: 66.5 kg
Genero: moda = masculino (54 casos).
Historial_familiar_con_sobrepeso: moda = si (76).
FAVC: moda = si (63).
FCVC: moda = algunas veces (64).
NCP: moda = tres (78).
CAEC: moda = algunas veces (66).
FUMA: moda = no (94).
CH2O: moda = entre una y dos (64).
SCC: moda = no (91).
FAF: moda = no tengo(41).
TUE: moda = 0–2 horas (53). CALC: moda = algunas veces (56).
MTRANS: moda = transporte público (65).
NObeyesdad: moda = peso normal (58).
Media Recortada
cat("Media recortada y Media (10%) de Edad\n\n")## Media recortada y Media (10%) de Edadmean(DatasetE$Edad, trim = 0.1)## [1] 23.30952mean(DatasetE$Edad)## [1] 24.64423cat("Media recortada y Media (10%) de Peso\n\n")## Media recortada y Media (10%) de Pesomean(DatasetE$Peso, trim = 0.1)## [1] 68.47381mean(DatasetE$Peso)## [1] 69.51731cat("Media recortada y Media (10%) de Altura\n\n")## Media recortada y Media (10%) de Alturamean(DatasetE$Altura, trim = 0.1)## [1] 1.677619mean(DatasetE$Altura)## [1] 1.679615Los resultados muestran que las medias recortadas son menores que la medias en Edad y Peso, lo que muestra la existencia de algunos valores atípicos que influyen en el comportamiento del grupo en conjunto, a diferencia de lo que sucede en la altura, la cual muestra que ambas medidas son muy cercanas entre si.
Gráficos de pastel y barras
Gráficos que muestran el conteo y porcentaje total de hombres y mujeres
with(DatasetE, piechart(Genero, xlab="", ylab="", main="Genero", col=rainbow_hcl(2), scale="percent", ))
with(DatasetE, Barplot(Genero, xlab="Genero", ylab="Frequency",
label.bars=TRUE, axes=FALSE))
Gráfico de, barras: La distribución se preseenta asi: 54 hombres y 50 mujeres.
Gráfico de pastel: Esto corresponde a 52% hombres y 48% mujeres.
Existe una ligera predominancia masculina. La muestra está relativamente balanceada en términos de género.
Gráficos que muestran el conteo y porcentaje total de personas con historial de sobre peso en familiares
with(DatasetE, piechart(Historial_familiar_con_sobrepeso, scale ="percent", main="Historial_familiar_con_sobrepeso"))
with(DatasetE, Barplot(Historial_familiar_con_sobrepeso, xlab="Historial_familiar_con_sobrepeso", ylab="Frequency",
label.bars=TRUE, axes=FALSE))
Gráfico de barras: 76 individuos tienen antecedentes familiares de sobrepeso, mientras que 28 no.
Gráfico de pastel: 73% “sí” frente a 27% “no”.
La mayoría tienen predisposición familiar al sobrepeso, lo cual puede ser relevante en el análisis del estado nutricional.
Gráficos que muestran el conteo y porcentaje total de personas que consumen comidas en altas calorias frecuentemente
with(DatasetE, piechart(FAVC, xlab="", ylab="", main="FAVC",
col=palette()[2:3], scale="percent"))
with(DatasetE, Barplot(FAVC, xlab="FAVC", ylab="Frequency",
label.bars=TRUE, axes=FALSE))
Gráfico de barras: 63 personas consumen frecuentemente alimentos altos en calorías, mientras que 41 no.
Gráfico de pastel: 61% “sí” frente a 39% “no”.
Predomina el hábito de consumir alimentos calóricos, lo que podría influir directamente en el estado nutricional y el riesgo de sobrepeso.
Gráficos que muestran el conteo y porcentaje total de personas que consumen vegetales frecuentemente en sus comidas
with(DatasetE, piechart(FCVC, xlab="", ylab="", main="FCVC",
col=palette()[2:4], scale="percent"))
with(DatasetE, Barplot(FCVC, xlab="FCVC", ylab="Frequency",
label.bars=TRUE, axes=FALSE))
Gráfico de barras: La categoría más frecuente es “algunas veces” con 64 individuos, seguida de “siempre” con 31, y un grupo reducido en “never”.
Gráfico de pastel: 62% “a veces”, 30% “siempre” y 9% “nunca”.
Aunque la mayoría consume vegetales ocasionalmente, no es un hábito en toda la población, siendo un consumo insuficiente para algunos.
Gráficos que muestran el conteo y porcentaje total de cuantas comidas principales come al dia
with(DatasetE, piechart(NCP, xlab="", ylab="", main="NCP",
col=palette()[2:4], scale="percent"))
with(DatasetE, Barplot(NCP, xlab="NCP", ylab="Frequency",
label.bars=TRUE, axes=FALSE))
Gráfico de barras: La mayoría (78 individuos) consume tres comidas principales, seguido de 17 que consumen entre 1 y 2, y unos pocos más de tres.
Gráfico de pastel: Un 75% para “tres”, 16% para “entre 1 y 2” y 9% para “más de tres”.
Lo mas comun son las tres comidas diarias, siendo asi en la mayoria de la muestra.
Gráficos que muestran el conteo y porcentaje de personas que consumen alimentos entre comidas
with(DatasetE, piechart(CAEC, xlab="", ylab="", main="CAEC", col=palette()[2:5],
scale="percent"))
with(DatasetE, Barplot(CAEC, xlab="CAEC", ylab="Frequency",
label.bars=TRUE, axes=FALSE))
Gráfico de barras: La categoría más frecuente es “algunas veces” con 65 individuos, seguida de “frecuentemente” con 23, “siempre” con 9 y “no” con 7.
Gráfico de pastel: Esto corresponde a 62% “a veces”, 22% “frecuentemente”, 9% “siempre” y 7% “no”.
La mayoría de los participantes tienden a comer entre comidas ocasionalmente, lo que indica un hábito moderado de picar alimentos fuera de los horarios principales.
Gráficos que muestran el conteo y porcentaje de personas que fuman
with(DatasetE, piechart(FUMA, xlab="", ylab="", main="FUMA",
col=palette()[2:3], scale="percent"))
with(DatasetE, Barplot(FUMA, xlab="FUMA", ylab="Frequency",
label.bars=TRUE, axes=FALSE))
Gráfico de barras: 94 individuos no fuman, mientras que una minoría sí lo hace.
Gráfico de pastel: 90% “no” frente a 10% “sí”.
Fumar es poco común en la muestra, predominando claramente los no fumadores.
Gráficos que muestran el conteo y porcentaje total de agua que consumen diariamente
with(DatasetE, piechart(CH2O, xlab="", ylab="", main="CH2O", col=palette()[2:4],
scale="percent"))
with(DatasetE, Barplot(CH2O, xlab="CH2O", ylab="Frequency",
label.bars=TRUE, axes=FALSE))
Gráfico de barras: 64 personas consumen entre 1 y 2 litros, 24 más de 2 litros y 16 menos de un litro.
Gráfico de pastel: 62% “entre 1 y 2 L”, 23% “más de 2 L” y 15% “menos de 1 L”.
La mayoría mantiene un consumo moderado, aunque un grupo no tan grande supera los 2 litros, lo cual es positivo para la salud.
Gráficos que muestran el conteo y porcentaje total de personas que monitorean las calorias en sus comidas principales
with(DatasetE, piechart(SCC, xlab="", ylab="", main="SCC", col=palette()[2:3],
scale="percent"))
with(DatasetE, Barplot(SCC, xlab="SCC", ylab="Frequency",
label.bars=TRUE, axes=FALSE))
Gráfico de barras: 91 individuos no monitorean sus calorías, mientras que una minoría sí lo hace.
Gráfico de pastel: 88% “no” frente a 12% “sí”.
El monitoreo de calorías es poco frecuente en la muestra, lo que puede influir en el cuiddao del peso.
Gráficos que muestran el conteo y porcentaje de los intervalos de tiempo en el que realizan actividad fisica
with(DatasetE, piechart(FAF, xlab="", ylab="", main="FAF", col=palette()[2:5],
scale="percent"))
with(DatasetE, Barplot(FAF, xlab="FAF", ylab="Frequency",
label.bars=TRUE, axes=FALSE))
Gráfico de barras: 41 personas no realizan actividad física, 24 lo hacen 1–2 días, 30 lo hacen 2–4 días y 9 lo hacen 4–5 días.
Gráfico de pastel: 39% “no tengo”, 23% “1–2 días”, 29% “2–4 días” y 9% “4–5 días”.
La mayor parte de la muestra no realiza actividad física, aunque también hay un grupo que mantiene cierta actividad.
Gráficos que muestran el conteo y porcentaje de los intervalos de tiempo en el que usan dispositivos tecnologicos
with(DatasetE, piechart(TUE, xlab="", ylab="", main="TUE", col=palette()[2:4],
scale="percent"))
with(DatasetE, Barplot(TUE, xlab="TUE", ylab="Frequency",
label.bars=TRUE, axes=FALSE))
Gráfico de barras: 53 personas usan entre 0–2 horas, 38 entre 3–5 horas y 13 más de 5 horas.
Gráfico de pastel: 51% “0–2 horas”, 37% “3–5 horas” y 12% “más de 5 horas”.
El uso moderado de dispositivos tiene mayor frecuencia, aunque tambien un grupo pasa más de 3 horas al día en ellos.
Gráficos que muestran el conteo y porcentajes totales de la frecuencia con la que consumen alcohol
with(DatasetE, piechart(CALC, xlab="", ylab="", main="CALC", col=palette()[2:5],
scale="percent"))
with(DatasetE, Barplot(CALC, xlab="CALC", ylab="Frequency",
label.bars=TRUE, axes=FALSE))
Gráfico de barras: 56 “algunas veces”, 36 “no”, 11 “frecuentemente” y un valor mínimo en “siempre”.
Gráfico de pastel: 54% “a veces”, 35% “no”, 11% “frecuentemente” y 1% “siempre”.
El consumo ocasional de alcohol es lo más común, mientras que el consumo frecuente o diario es muy poco.
Gráficos que muestran el conteo y porcentajes totales del medio de transporte que utilizan los individuos
with(DatasetE, piechart(MTRANS, xlab="", ylab="", main="MTRANS",
col=palette()[2:6], scale="percent",cex=0.8 ))
legend("topleft",
legend = levels(DatasetE$MTRANS),
fill = palette()[2:6],
cex = 0.8,
bty = "n")
with(DatasetE, Barplot(MTRANS, xlab="MTRANS", ylab="Frequency",
label.bars=TRUE, axes=FALSE))
Gráfico de barras: 65 usan transporte público, 24 automóvil, 13 caminan, y muy pocos usan bicicleta o moto.
Gráfico de pastel: 62% transporte público, 23% automóvil, 12% caminata, 2% moto y 2% bicicleta.
El transporte público es el medio de trasporte mas usado, seguido por el automóvil, hábitos urbanos típicos.
Gráficos que muestran el conteo y porcentajes totales del rango de peso de cada individuo
with(DatasetE, piechart(NObeyesdad, xlab="", ylab="", main="NObeyesdad",
col=palette()[2:6], scale="percent"))
legend("topright", legend=levels(DatasetE$NObeyesdad),
fill=palette()[2:6], cex=0.8, bty="n",)
with(DatasetE, Barplot(NObeyesdad, xlab="NObeyesdad", ylab="Frequency",
label.bars=TRUE, axes=FALSE))
Gráfico de pastel: 56% Peso Normal, 5% Peso Insuficiente, 21% Sobrepeso nivel 2, 8% Sobrepeso nivel 2 y 9% Obesidad tipo 1.
Gráfico de barras: Lo más frecuente es el Peso Normal, seguida de Sobrepeso nivel 2 y Obesidad tipo 1.
Aunque la mayoría presenta peso normal, existe una proporción considerable con sobrepeso y obesidad, lo que muestra la relevancia del estudio.
Tablas cruzadas
Usualmente consume vegetales en sus comidas / Monitorea las calorias consumidas a diario
.Table <- xtabs(~ FCVC + SCC, data = DatasetE)
cat("\nTabla de frecuencias:\n")##
## Tabla de frecuencias:print(.Table)## SCC
## FCVC No Si
## A veces 61 3
## Nunca 8 1
## Siempre 22 9cat("\nPorcentajes por filas:\n")##
## Porcentajes por filas:row_perc <- prop.table(.Table, 1)
print(round(row_perc * 100, 2))## SCC
## FCVC No Si
## A veces 95.31 4.69
## Nunca 88.89 11.11
## Siempre 70.97 29.03cat("\nPorcentajes por columnas:\n")##
## Porcentajes por columnas:col_perc <- prop.table(.Table, 2)
print(round(col_perc * 100, 2))## SCC
## FCVC No Si
## A veces 67.03 23.08
## Nunca 8.79 7.69
## Siempre 24.18 69.23colores <- c("red", "orange", "lightblue", "purple")
par(mar = c(5, 4, 4, 10))
barplot(t(row_perc),
col = colores,
border = "black",
main = "Proporciones por filas (FCVC vs SCC)",
xlab = "FCVC",
ylab = "Proporción")
legend("right",
inset = c(-0.32, 0),
legend = colnames(row_perc),
fill = colores,
bty = "n",
xpd = TRUE)
barplot(col_perc,
col = colores,
border = "black",
main = "Proporciones por columnas (FCVC vs SCC)",
xlab = "SCC",
ylab = "Proporción")
legend("right",
inset = c(-0.32, 0),
legend = rownames(col_perc),
fill = colores,
bty = "n",
xpd = TRUE)
Tabla de frecuencias: Quienes siempre consumen vegetales: 22 no monitorean calorías y 9 sí. Quienes nunca consumen vegetales: 8 no monitorean y 1 sí. Quienes consumen vegetales a veces: 61 no monitorean y 3 sí.
Porcentajes por filas: “Siempre”: 71% no monitorean, 29% sí. “Never”: 89% no, 11% sí. “Algunas veces”: 95% no, 5% sí.
Aunque los que consumen vegetales con mayor frecuencia, en su mayoría monitorear más sus calorías, en general el control calórico es bajo en todos los grupos.
Cuantas comidas principales consume a diario / Consume alimentos entre comidas
.Table <- xtabs(~ NCP + CAEC, data = DatasetE)
cat("\nTabla de frecuencias:\n")##
## Tabla de frecuencias:print(.Table)## CAEC
## NCP A veces Frecuentemente Nunca Siempre
## Entre 1 y 2 14 2 0 1
## Más de tres 1 7 0 1
## Tres 50 14 7 7cat("\nPorcentajes por filas:\n")##
## Porcentajes por filas:row_perc <- prop.table(.Table, 1)
print(round(row_perc * 100, 2))## CAEC
## NCP A veces Frecuentemente Nunca Siempre
## Entre 1 y 2 82.35 11.76 0.00 5.88
## Más de tres 11.11 77.78 0.00 11.11
## Tres 64.10 17.95 8.97 8.97cat("\nPorcentajes por columnas:\n")##
## Porcentajes por columnas:col_perc <- prop.table(.Table, 2)
print(round(col_perc * 100, 2))## CAEC
## NCP A veces Frecuentemente Nunca Siempre
## Entre 1 y 2 21.54 8.70 0.00 11.11
## Más de tres 1.54 30.43 0.00 11.11
## Tres 76.92 60.87 100.00 77.78colores <- c("red", "orange", "lightblue", "purple")
par(mar = c(5, 4, 4, 10))
barplot(t(row_perc),
col = colores,
border = "black",
main = "Proporciones por filas (NCP vs CAEC)",
xlab = "NCP",
ylab = "Proporción")
legend("right",
inset = c(-0.32, 0),
legend = colnames(row_perc),
fill = colores,
bty = "n",
xpd = TRUE)
barplot(col_perc,
col = colores,
border = "black",
main = "Proporciones por columnas (NCP vs CAEC)",
xlab = "CAEC",
ylab = "Proporción")
legend("right",
inset = c(-0.32, 0),
legend = rownames(col_perc),
fill = colores,
bty = "n",
xpd = TRUE)
Tabla de frecuencias: Quienes comen tres comidas: 50 “algunas veces”, 14 “frecuentemente”, 7 “siempre” y 7 “no”. Quienes comen entre 1 y 2 comidas: 14 “algunas veces”, 2 “frecuentemente”, 1 “siempre”.
Porcentajes por filas: “Tres comidas”: 64% a veces comen entre comidas, 18% frecuentemente, 9% siempre, 9% nunca. “Entre 1 y 2”: 82% a veces, 12% frecuentemente, 6% siempre.
Lo más común es comer entre comidas “a veces”, mayormente en quienes mantienen tres comidas principales.
Cuanta agua bebe diariamente / Que tan seguido toma alcohol
.Table <- xtabs(~ CH2O + CALC, data = DatasetE)
cat("\nTabla de frecuencias:\n")##
## Tabla de frecuencias:print(.Table)## CALC
## CH2O A veces Frecuentemente No Siempre
## Entre 1 y 2L 34 10 19 1
## Más de 2L 14 1 9 0
## Menos de 1L 8 0 8 0cat("\nPorcentajes por filas:\n")##
## Porcentajes por filas:row_perc <- prop.table(.Table, 1)
print(round(row_perc * 100, 2))## CALC
## CH2O A veces Frecuentemente No Siempre
## Entre 1 y 2L 53.12 15.62 29.69 1.56
## Más de 2L 58.33 4.17 37.50 0.00
## Menos de 1L 50.00 0.00 50.00 0.00cat("\nPorcentajes por columnas:\n")##
## Porcentajes por columnas:col_perc <- prop.table(.Table, 2)
print(round(col_perc * 100, 2))## CALC
## CH2O A veces Frecuentemente No Siempre
## Entre 1 y 2L 60.71 90.91 52.78 100.00
## Más de 2L 25.00 9.09 25.00 0.00
## Menos de 1L 14.29 0.00 22.22 0.00colores <- c("red", "orange", "lightblue", "purple")
par(mar = c(5, 4, 4, 10))
barplot(t(row_perc),
col = colores,
border = "black",
main = "Proporciones por filas (CH2O vs CALC)",
xlab = "CH2O",
ylab = "Proporción")
legend("right",
inset = c(-0.32, 0),
legend = colnames(row_perc),
fill = colores,
bty = "n",
xpd = TRUE)
barplot(col_perc,
col = colores,
border = "black",
main = "Proporciones por columnas (CH2O vs CALC)",
xlab = "CALC",
ylab = "Proporción")
legend("right",
inset = c(-0.32, 0),
legend = rownames(col_perc),
fill = colores,
bty = "n",
xpd = TRUE)
Tabla de frecuencias: Quienes beben entre 1 y 2 L de agua: 34 “algunas veces” alcohol, 19 “no”, 10 “frecuentemente”, 1 “siempre”. Quienes beben menos de 1 L: mitad “no” y mitad “algunas veces”. Quienes beben más de 2 L: predominan “algunas veces” (14) y “no” (9).
Porcentajes por filas: Entre 1 y 2 L”: 53% alcohol “algunas veces”, 30% “no”. “Menos de 1 L”: 50% “no”, 50% “algunas veces”. “Más de 2 L”: 58% “algunas veces”, 38% “no”.
El consumo ocasional de alcohol es el más frecuente en todos los niveles del consumo de agua, aunque quienes beben menos de 1 L estan entre “no” y “algunas veces”.
Que tan seguido hace actividad fisica / Que tan seguido usa aparatos electronicos
.Table <- xtabs(~ FAF + TUE, data = DatasetE)
cat("\nTabla de frecuencias:\n")##
## Tabla de frecuencias:print(.Table)## TUE
## FAF 0-2 horas 3-5 horas Más de 5 horas
## 1-2 días 13 9 2
## 2-4 días 13 12 5
## 4-5 días 4 3 2
## Ninguna 23 14 4cat("\nPorcentajes por filas:\n")##
## Porcentajes por filas:row_perc <- prop.table(.Table, 1)
print(round(row_perc * 100, 2))## TUE
## FAF 0-2 horas 3-5 horas Más de 5 horas
## 1-2 días 54.17 37.50 8.33
## 2-4 días 43.33 40.00 16.67
## 4-5 días 44.44 33.33 22.22
## Ninguna 56.10 34.15 9.76cat("\nPorcentajes por columnas:\n")##
## Porcentajes por columnas:col_perc <- prop.table(.Table, 2)
print(round(col_perc * 100, 2))## TUE
## FAF 0-2 horas 3-5 horas Más de 5 horas
## 1-2 días 24.53 23.68 15.38
## 2-4 días 24.53 31.58 38.46
## 4-5 días 7.55 7.89 15.38
## Ninguna 43.40 36.84 30.77colores <- c("red", "orange", "lightblue", "purple")
par(mar = c(5, 4, 4, 10))
barplot(t(row_perc),
col = colores,
border = "black",
main = "Proporciones por filas (FAF vs TUE)",
xlab = "FAF",
ylab = "Proporción")
legend("right",
inset = c(-0.32, 0),
legend = colnames(row_perc),
fill = colores,
bty = "n",
xpd = TRUE)
barplot(col_perc,
col = colores,
border = "black",
main = "Proporciones por columnas (FAF vs TUE)",
xlab = "TUE",
ylab = "Proporción")
legend("right",
inset = c(-0.32, 0),
legend = rownames(col_perc),
fill = colores,
bty = "n",
xpd = TRUE)
Tabla de frecuencias: Quienes hacen 1–2 días de actividad física: 13 usan 0–2 horas de tecnología, 9 usan 3–5 horas y 2 más de 5 horas. Quienes hacen 2–4 días: 13 usan 0–2 horas, 12 usan 3–5 horas y 5 más de 5 horas. Quienes hacen 4–5 días: 4 usan 0–2 horas, 3 usan 3–5 horas y 2 más de 5 horas. Quienes no realizan actividad física: 23 usan 0–2 horas, 14 usan 3–5 horas y 4 más de 5 horas.
Porcentajes por filas: “No tengo”: 56% usan 0–2 horas, 34% 3–5 horas, 10% más de 5. “2–4 días”: 43% usan 0–2 horas, 40% 3–5 horas, 17% más de 5. “4–5 días”: 44% usan 0–2 horas, 33% 3–5 horas, 22% más de 5.
La mayoría de los grupos usan moderadamente dispositivos, sin embargo, quienes realizan más actividad física muestran mayor uso, más de 5 horas, lo que sugiere que la práctica de ejercicio no necesariamente reduce el tiempo frente a pantallas.
Consume comidas con altas calorias frecuentemente / Nivel de obesidad
.Table <- xtabs(~ FAVC + NObeyesdad, data = DatasetE)
cat("\nTabla de frecuencias:\n")##
## Tabla de frecuencias:print(.Table)## NObeyesdad
## FAVC Bajo peso Obesidad I Obesidad II Peso normal Sobrepeso I Sobrepeso II
## No 4 0 1 24 3 9
## Si 1 9 1 34 5 13cat("\nPorcentajes por filas:\n")##
## Porcentajes por filas:row_perc <- prop.table(.Table, 1)
print(round(row_perc * 100, 2))## NObeyesdad
## FAVC Bajo peso Obesidad I Obesidad II Peso normal Sobrepeso I Sobrepeso II
## No 9.76 0.00 2.44 58.54 7.32 21.95
## Si 1.59 14.29 1.59 53.97 7.94 20.63cat("\nPorcentajes por columnas:\n")##
## Porcentajes por columnas:col_perc <- prop.table(.Table, 2)
print(round(col_perc * 100, 2))## NObeyesdad
## FAVC Bajo peso Obesidad I Obesidad II Peso normal Sobrepeso I Sobrepeso II
## No 80.00 0.00 50.00 41.38 37.50 40.91
## Si 20.00 100.00 50.00 58.62 62.50 59.09colores <- c("red", "orange", "lightblue", "purple", "pink", "cyan")
par(mar = c(5, 4, 4, 10))
barplot(t(row_perc),
col = colores,
border = "black",
main = "Proporciones por filas (FAVC vs NObeyesdad)",
xlab = "FAVC",
ylab = "Proporción")
legend("right",
inset = c(-0.32, 0),
legend = colnames(row_perc),
fill = colores,
bty = "n",
xpd = TRUE)
barplot(col_perc,
col = colores,
border = "black",
main = "Proporciones por columnas (FAVC vs NObeyesdad)",
xlab = "NObeyesdad",
ylab = "Proporción")
legend("right",
inset = c(-0.32, 0),
legend = rownames(col_perc),
fill = colores,
bty = "n",
xpd = TRUE)
Tabla de frecuencias: Entre quienes no consumen comida calórica frecuente: predominan Peso Normal (24) y Sobrepeso nivel 2 (9), con muy baja obesidad. Entre quienes sí consumen comida calórica frecuente: predominan Peso Normal (34), Obesidad tipo 1 (9) y Sobrepeso nivel 2 (13). Porcentajes por filas: “No”: 59% peso normal, 22% sobrepeso nivel II, 10% insuficiente peso, casi nula obesidad. “si”: 54% peso normal, 14% obesidad tipo I, 21% sobrepeso nivel II.
Porcentajes por columnas: En Peso Normal, 41% provienen de “no” y 59% de “sí”. En Obesidad tipo 1, todos los casos (100%) provienen de quienes consumen comida calórica frecuente. En Sobrepeso nivel 2, 59% provienen de “sí” y 41% de “no”.
El consumo frecuente de comidas calóricas está muy relacionado con la obesidad y sobrepeso. Mientras que quienes no lo hacen mantienen un peso normal, los que sí lo hacen tienen los casos de obesidad tipo I y una mayor frecuencia de sobrepeso nivel II.
Histogramas
Histograma de Edad (Edad)
with(DatasetE, Hist(Edad, scale="frequency", breaks="Sturges",
col="lightblue"))
Histograma de Altura (Altura)
with(DatasetE, Hist(Altura, scale ="frequency", breaks ="Sturges",
col="lightgreen"))
Histograma de Peso (Peso)
with(DatasetE, Hist(Peso, scale ="frequency", breaks = "Sturges", col="lightpink"))
Medidas de forma de los histogramas
numSummary(DatasetE[,c("Edad", "Altura", "Peso"), drop=FALSE],
statistics=c("mean","var", "skewness", "kurtosis"),
quantiles=c(0,.25,.5,.75,1), type="2")## mean var skewness kurtosis n
## Edad 24.644231 43.22171397 2.4816320 7.04438918 104
## Altura 1.679615 0.00882121 0.3441853 -0.05581808 104
## Peso 69.517308 254.66319268 0.8322144 1.07991323 104Edad (Edad)
Media (24.64): La edad promedio de la muestra son jóvenes adultos, lo que coincide con lo que se observa en el histograma, se concentra alrededor de los 20–22 años.
Varianza (43.22): Alta, lo que indica dispersión en los datos: aunque la mayoría son jóvenes, hay casos que llegan hasta los 55 años.
Asimetría (2.48): Positiva, la distribución está hacia la derecha, con mas valores bajos (jóvenes) y pocos casos altos en edades mayores.
Curtosis (7.04): Elevada, la distribución es “picuda”, lo que significa que la mayoría se concentra en un rango de juventud, pero tambien existen valores de edad altos. Presenta una curtosis leptocúrtica.
Altura (Altura)
Media (1.68 m): La altura promedio es típica de adultos jóvenes, lo que coincide con el histograma centrado en 1.60–1.70 m.
Varianza (0.0088): Baja, indica que los valores están muy concentrados alrededor de la media, con poca dispersión.
Asimetría (0.34): Positiva, la distribución es casi simétrica, pero tiene una tendencia a alturas de mayor medida.
Curtosis (-0.05): Cercana a 0, la distribución no muestra picos extremos. Presenta una curtosis platicúrtica.
Peso (Peso)
Media (69.52 kg): En el histograma se muestra concentración entre 50–80 kg, y el promedio se ubica cerca de los 70 kg.
Varianza (254.66): Alta porque deja ver gran dispersión, con individuos que llegan hasta 130 kg.
Asimetría (0.83): Positiva, la distribución está mas hacia la derecha, por algunos casos de peso elevado.
Curtosis (1.08): Moderada, la distribución presenta dispersión y es puntuiagudo . Presenta una curtosis leptocúrtica.
Conclusion
A travez de medidas de tendencia central, gráficos de pastel, gráficos de barras, tablas cruzadas, histogramas y análisis respectivo, los datos muestran principalmente jóvenes adultos, con edades entre 20 y 22 años, con altura no muy relevante en los niveles de obesidad, el peso presenta mayor asimetría, por la presencia de casos de sobrepeso y obesidad mostrada en los datos, los hábitos alimenticios y el estilo de vida muestran patrones que pueden relacionarse con el sobre peso, como, el consumo de alimentos calóricos en alta frecuencia y la poca actividad física, ademas de la combinación de antecedentes familiares con sobre peso, alimentación y estilo de vida son uno de los factores combinados que influyen directamente en el nivel de obesidad.
Con esto se permite concluir que la obesidad no depende de un solo factor, si no de la combinacion de variables como edad, peso y hábitos alimenticios como cotidianos. El análisis muestra como los hábitos pueden convertirse en factores para el desarrollo de obesidad, también se evidencia que la prevención debe enfocarse en mejorar los hábitos alimenticios y promover la actividad física regular.
Bibliografia
El dataset utilizado proviene del UCI Machine Learning Repository, titulado Estimation of Obesity Levels Based on Eating Habits and Physical Condition (2019).