Prueba de hipoetsis

Prueba de Prueba U de Mann-Whitney

Propuesta 1 % del gasto publico

# 1. Cargar librerías
if(!require(tidyverse)) install.packages("tidyverse")
library(tidyverse)

# 2. Crear el dataset (Basado en tus imágenes)
# Se usa el formato "Largo": una columna para el país y otra para el valor
datos_salud <- data.frame(
  anio = rep(2014:2023, 2),
  pais = c(rep("El Salvador", 10), rep("Nicaragua", 10)),
  gasto_pct = c(
    # Datos El Salvador (% Gasto Público)
    16.98, 17.74, 17.65, 16.31, 16.46, 16.97, 17.72, 20.65, 21.44, 18.51,
    # Datos Nicaragua (% Gasto Público)
    16.91, 17.55, 17.33, 17.79, 18.70, 18.93, 18.30, 20.18, 18.10, 18.29
  )
)

# 3. Visualización de los datos (Gráfico de Cajas)
# El gráfico ayuda a ver quién tiene la mediana más alta y si hay mucha variabilidad
ggplot(datos_salud, aes(x = pais, y = gasto_pct, fill = pais)) +
  geom_boxplot(alpha = 0.5, outlier.shape = NA) +
  geom_jitter(width = 0.15, size = 2, color = "black") +
  labs(
    title = "Comparativa de Prioridad Presupuestaria (2014-2023)",
    subtitle = "Variable: Gasto en Salud como % del Gasto Público Total",
    x = "País",
    y = "Porcentaje (%)",
    fill = "País"
  ) +
  theme_minimal()

# 4. PRUEBA DE HIPÓTESIS: Wilcoxon-Mann-Whitney
# Compara si las distribuciones de ambos países son iguales o diferentes
prueba <- wilcox.test(gasto_pct ~ pais, data = datos_salud, conf.int = TRUE)

# 5. RESULTADOS EN CONSOLA
cat("\n--- RESULTADOS DE LA PRUEBA ESTADÍSTICA ---\n")

## 
## --- RESULTADOS DE LA PRUEBA ESTADÍSTICA ---

print(prueba)

## 
##  Wilcoxon rank sum exact test
## 
## data:  gasto_pct by pais
## W = 38, p-value = 0.393
## alternative hypothesis: true location shift is not equal to 0
## 95 percent confidence interval:
##  -1.33  0.81
## sample estimates:
## difference in location 
##                 -0.555

# Interpretación automática
cat("\n--- CONCLUSIÓN EN ESPAÑOL ---\n")

## 
## --- CONCLUSIÓN EN ESPAÑOL ---

if(prueba$p.value < 0.05) {
  cat("Resultado: Existe una diferencia significativa (p < 0.05).\n")
  cat("Análisis: Los países muestran prioridades políticas distintas en salud.")
} else {
  cat("Resultado: No existe diferencia significativa (p > 0.05).\n")
  cat("Análisis: Estadísticamente, ambos países priorizan la salud de forma similar en su presupuesto.")
}

## Resultado: No existe diferencia significativa (p > 0.05).
## Análisis: Estadísticamente, ambos países priorizan la salud de forma similar en su presupuesto.

Propuesta 2 per capita

# 1. Cargar librería
if(!require(tidyverse)) install.packages("tidyverse")
library(tidyverse)

# 2. Crear el dataset basado en tu imagen (Gasto Per Cápita)
# Nota: He limpiado los símbolos de '$' y comas para que R los lea como números
datos_per_capita <- data.frame(
  anio = rep(2014:2023, 2),
  pais = c(rep("El Salvador", 10), rep("Nicaragua", 10)),
  gasto_usd = c(
    # El Salvador: Gasto Salud Per Cápita
    172, 182, 189, 184, 190, 204, 232, 298, 312, 303,
    # Nicaragua: Gasto Salud Per Cápita
    81, 93, 99, 106, 105, 103, 103, 129, 120, 124
  )
)

# 3. Visualización (Gráfico de Barras por año para comparar la brecha real)
ggplot(datos_per_capita, aes(x = anio, y = gasto_usd, fill = pais)) +
  geom_col(position = "dodge") +
  labs(
    title = "Comparativa: Gasto Salud Per Cápita (USD)",
    subtitle = "El Salvador vs Nicaragua (2014-2023)",
    x = "Año",
    y = "Dólares (USD)",
    fill = "País"
  ) +
  scale_x_continuous(breaks = 2014:2023) +
  theme_minimal()

# 4. PRUEBA DE HIPÓTESIS: U de Mann-Whitney (Wilcoxon)
# H0: No hay diferencia en el gasto per cápita entre ambos países.
# H1: El gasto per cápita es significativamente distinto.
prueba_per_capita <- wilcox.test(gasto_usd ~ pais, data = datos_per_capita, conf.int = TRUE)

# 5. Resultados e Interpretación en Español
cat("\n--- RESULTADOS DE LA PRUEBA PARA GASTO PER CÁPITA ---\n")

## 
## --- RESULTADOS DE LA PRUEBA PARA GASTO PER CÁPITA ---

print(prueba_per_capita)

## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  gasto_usd by pais
## W = 100, p-value = 0.0001817
## alternative hypothesis: true location shift is not equal to 0
## 95 percent confidence interval:
##   78.00005 183.00008
## sample estimates:
## difference in location 
##               98.66494

cat("\n--- CONCLUSIÓN FINAL ---\n")

## 
## --- CONCLUSIÓN FINAL ---

if(prueba_per_capita$p.value < 0.05) {
  cat("Resultado: p-valor < 0.05. RECHAZAMOS la Hipótesis Nula.\n")
  cat("Análisis: Existe una diferencia abismal y estadísticamente significativa en el\n")
  cat("gasto por persona. El Salvador invierte considerablemente más dólares por habitante\n")
  cat("que Nicaragua de manera sostenida durante la última década.")
} else {
  cat("Resultado: p-valor > 0.05. No se puede rechazar la Hipótesis Nula.\n")
  cat("Análisis: No hay suficiente evidencia para decir que el gasto por persona es distinto.")
}

## Resultado: p-valor < 0.05. RECHAZAMOS la Hipótesis Nula.
## Análisis: Existe una diferencia abismal y estadísticamente significativa en el
## gasto por persona. El Salvador invierte considerablemente más dólares por habitante
## que Nicaragua de manera sostenida durante la última década.