IDH

Prueba U de Mann Whitney

# 1. Crear y mostrar la tabla de datos original (2013 - 2023)
tabla_idh <- data.frame(
  Anio = 2023:2013,
  IDH_El_Salvador = c(0.678, 0.674, 0.669, 0.666, 0.676, 0.673, 0.667, 0.664, 0.663, 0.663, 0.664),
  IDH_Nicaragua   = c(0.706, 0.669, 0.665, 0.652, 0.661, 0.658, 0.656, 0.650, 0.644, 0.638, 0.631)
)

cat("--- Tabla de Datos Históricos de IDH ---\n")
## --- Tabla de Datos Históricos de IDH ---
print(tabla_idh, row.names = FALSE)
##  Anio IDH_El_Salvador IDH_Nicaragua
##  2023           0.678         0.706
##  2022           0.674         0.669
##  2021           0.669         0.665
##  2020           0.666         0.652
##  2019           0.676         0.661
##  2018           0.673         0.658
##  2017           0.667         0.656
##  2016           0.664         0.650
##  2015           0.663         0.644
##  2014           0.663         0.638
##  2013           0.664         0.631
cat("\n")
# 2. Ejecutar la prueba U de Mann-Whitney (Wilcoxon)
resultado <- wilcox.test(tabla_idh$IDH_El_Salvador, tabla_idh$IDH_Nicaragua, 
                         alternative = "two.sided", exact = FALSE)

# Mostrar resultados de la prueba en la consola
cat("--- Resultados de la Prueba U de Mann-Whitney ---\n")
## --- Resultados de la Prueba U de Mann-Whitney ---
print(resultado)
## 
##  Wilcoxon rank sum test with continuity correction
## 
## data:  tabla_idh$IDH_El_Salvador and tabla_idh$IDH_Nicaragua
## W = 99.5, p-value = 0.0114
## alternative hypothesis: true location shift is not equal to 0
# Interpretación automática (alpha = 0.05)
alpha <- 0.05
cat("\nInterpretación:\n")
## 
## Interpretación:
if (resultado$p.value < alpha) {
  cat("Como el valor p es menor que", alpha, ", se rechaza la hipótesis nula.\n")
  cat("Existe una diferencia estadísticamente significativa entre el IDH de El Salvador y el de Nicaragua.\n")
} else {
  cat("Como el valor p es mayor o igual que", alpha, ", no se rechaza la hipótesis nula.\n")
  cat("No hay evidencia suficiente para afirmar que existe una diferencia significativa entre ambos países.\n")
}
## Como el valor p es menor que 0.05 , se rechaza la hipótesis nula.
## Existe una diferencia estadísticamente significativa entre el IDH de El Salvador y el de Nicaragua.
# 3. Representación Gráfica (Boxplot con puntos de datos)
# Reestructurar los datos para el formato que requiere el gráfico
datos_grafico <- data.frame(
  IDH = c(tabla_idh$IDH_El_Salvador, tabla_idh$IDH_Nicaragua),
  Pais = rep(c("El Salvador", "Nicaragua"), each = nrow(tabla_idh))
)

# Generar el gráfico en la pestaña 'Plots'
boxplot(IDH ~ Pais, data = datos_grafico,
        main = "Comparación del IDH (2013 - 2023)",
        xlab = "País",
        ylab = "Índice de Desarrollo Humano (IDH)",
        col = c("#69b3a2", "#404080"), # Colores para El Salvador y Nicaragua
        border = "black",
        las = 1)

# Añadir los puntos individuales sobre el boxplot para observar la dispersión
stripchart(IDH ~ Pais, data = datos_grafico,
           vertical = TRUE,
           method = "jitter",
           add = TRUE,
           pch = 19,
           col = "darkred",
           jitter = 0.1)

Área de salud

Prueba de Prueba U de Mann-Whitney

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

# 2. Crear el dataset (Actualizado con los datos exactos de la imagen 2013-2023)
# El orden va cronológico desde el año más antiguo (2013) al más reciente (2023)
datos_salud <- data.frame(
  anio = rep(2013:2023, 2), # Periodo 2013 a 2023 (11 años en total)
  pais = c(rep("El Salvador", 11), rep("Nicaragua", 11)),
  gasto_pct = c(
    # Datos El Salvador (% Gasto Público) de 2013 a 2023
    16.72, 16.98, 17.74, 17.65, 16.31, 16.46, 16.97, 17.72, 20.65, 21.44, 18.51,
    # Datos Nicaragua (% Gasto Público) de 2013 a 2023
    15.99, 16.91, 17.55, 17.33, 17.79, 18.70, 18.93, 18.30, 20.18, 18.10, 18.29
  )
)

# 3. VISUALIZAR LA TABLA DE DATOS (Interactiva)
datatable(datos_salud, 
          colnames = c("Año", "País", "Gasto en Salud (%)"),
          options = list(pageLength = 11, autoWidth = TRUE),
          caption = "Tabla de Datos: Gasto en Salud como % del Gasto Público Total (2013-2023)")
# 4. Visualización de los datos (Gráfico de Cajas)
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 (2013-2023)",
    subtitle = "Variable: Gasto en Salud como % del Gasto Público Total",
    x = "País",
    y = "Porcentaje (%)",
    fill = "País"
  ) +
  theme_minimal()

# 5. PRUEBA DE HIPÓTESIS: Wilcoxon-Mann-Whitney
prueba <- wilcox.test(gasto_pct ~ pais, data = datos_salud, conf.int = TRUE)

# 6. 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 = 49, p-value = 0.4779
## alternative hypothesis: true location shift is not equal to 0
## 95 percent confidence interval:
##  -1.33  0.83
## sample estimates:
## difference in location 
##                  -0.45
# 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.