Propósito

En esta práctica comenzaremos a trabajar con la base de la Encuesta Nacional de Bienestar Autorreportado (ENBIARE) 2025 dentro de RStudio.

En la sesión anterior instalamos R y RStudio, revisamos la documentación de la encuesta e importamos el archivo. Al objeto que contiene los datos le dimos el nombre base_chi.

El objetivo de hoy es familiarizarnos con la estructura de una base real, localizar algunas variables, producir resultados descriptivos sencillos y comenzar a interpretarlos.

Importante: no se trata de memorizar comandos. La idea es comprender qué estamos preguntando a los datos y qué significa el resultado que devuelve R.

1. ¿Está nuestra base en R?

Observe el panel Environment de RStudio. Debe aparecer un objeto llamado base_chi.

Ejecute el siguiente bloque:

library(readr)
setwd("C:/Users/diana/Downloads/enbiare_2025_base_de_datos_csv")
TENBIARE=read_csv("TENBIARE.csv")

## Rows: 31922 Columns: 275
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## chr  (77): LLAVEENB, LLAVEVIV, LLAVEHOG, PA1, PA2, PA3_01, PA3_02, PA3_03, P...
## dbl (198): EDAD, PB1, PB2_1, PB2_2, PB2_3, PB2_4, PB2_5, PB2_6, PB2_7, PB2_8...
## 
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

base_chi=subset(TENBIARE,CVE_ENT=="08")
saveRDS(base_chi,"base_chi.rds")
dim(base_chi)

## [1] 991 275

Pregunta 1. ¿Cuántos casos y cuántas variables contiene la base?

Respuesta:
La base de Chihuahua contiene 991 casos y 275 variables

2. Conocer los nombres de las variables

names(base_chi)

##   [1] "LLAVEENB" "LLAVEVIV" "LLAVEHOG" "EDAD"     "PA1"      "PA2"     
##   [7] "PA3_01"   "PA3_02"   "PA3_03"   "PA3_04"   "PA3_05"   "PA3_06"  
##  [13] "PA3_07"   "PA3_08"   "PA3_09"   "PA3_10"   "PA3_11"   "PA3_12"  
##  [19] "PA3_13"   "PA3_14"   "PA3_15"   "PA3_16"   "PA3_17"   "PA3_18"  
##  [25] "PA4_1"    "PA4_2"    "PA4_3"    "PA4_4"    "PA4_5"    "PA4_6"   
##  [31] "PA5_01"   "PA5_02"   "PA5_03"   "PA5_04"   "PA5_05"   "PA5_06"  
##  [37] "PA5_07"   "PA5_08"   "PA5_09"   "PA5_10"   "PA5_11"   "PA6"     
##  [43] "PA7"      "PB1"      "PB2_1"    "PB2_2"    "PB2_3"    "PB2_4"   
##  [49] "PB2_5"    "PB2_6"    "PB2_7"    "PB2_8"    "PB3_1"    "PB3_2"   
##  [55] "PB3_3"    "PB3_4"    "PB3_5"    "PB4"      "PC1"      "PC2_1"   
##  [61] "PC2_2"    "PC2_3"    "PC2_4"    "PC2_5"    "PC2_6"    "PC3"     
##  [67] "PC4"      "PD1"      "PD2"      "PD3"      "PD4"      "PD5"     
##  [73] "PD6"      "PD7"      "PD8"      "PD9"      "PD10_1"   "PD10_2"  
##  [79] "PD10_3"   "PD10_4"   "PD10_5"   "PD10_6"   "PD10_7"   "PD10_8"  
##  [85] "PD10_9"   "PD11"     "PD12"     "PE1_01_1" "PE1_01_2" "PE2_01"  
##  [91] "PE1_02_1" "PE1_02_2" "PE2_02"   "PE1_03_1" "PE1_03_2" "PE2_03"  
##  [97] "PE1_04_1" "PE1_04_2" "PE2_04"   "PE1_05_1" "PE1_05_2" "PE2_05"  
## [103] "PE1_06_1" "PE1_06_2" "PE2_06"   "PE1_07_1" "PE1_07_2" "PE2_07"  
## [109] "PE1_08_1" "PE1_08_2" "PE2_08"   "PE1_09_1" "PE1_09_2" "PE2_09"  
## [115] "PE1_10_1" "PE1_10_2" "PE2_10"   "PE3_01"   "PE3_02"   "PE3_03"  
## [121] "PE3_04"   "PE3_05"   "PE3_06"   "PE3_07"   "PE3_08"   "PE3_09"  
## [127] "PE3_10"   "PE3_11"   "PF1_1"    "PF1_2"    "PF1_3"    "PF2_1"   
## [133] "PF2_2"    "PF3"      "PG1_1"    "PG1_2"    "PG1_3"    "PH1_01"  
## [139] "PH1_02"   "PH1_03"   "PH1_04"   "PH1_05"   "PH1_06"   "PH1_07"  
## [145] "PH1_08"   "PH1_09"   "PH1_10"   "PH1_11"   "PH2_1"    "PH2_2"   
## [151] "PH2_3"    "PH3_1"    "PH3_2"    "PH3_3"    "PH3_4"    "PH3_5"   
## [157] "PH3_6"    "PH3_7"    "PH3_8"    "PH4_01"   "PH4_02"   "PH4_03"  
## [163] "PH4_04"   "PH4_05"   "PH4_06"   "PH4_07"   "PH4_08"   "PH4_09"  
## [169] "PH4_10"   "PH5_1"    "PH5_2"    "PH5_3"    "PH5_4"    "PH5_5"   
## [175] "PH5_6"    "PH5_7"    "PH5_8"    "PI1_1"    "PI1_2"    "PI1_3"   
## [181] "PI1_4"    "PI2_1"    "PI2_2"    "PI2_3"    "PI3_1"    "PI3_2"   
## [187] "PI3_3"    "PI3_4"    "PI4_1"    "PI4_2"    "PI4_3"    "PI4_4"   
## [193] "PJ1_1"    "PJ1_2"    "PJ1_3"    "PJ1_4"    "PJ2_1"    "PJ2_2"   
## [199] "PJ2_3"    "PJ2_4"    "PJ3_1"    "PJ3_2"    "PJ3_3"    "PJ3_4"   
## [205] "PJ4"      "PJ5_01"   "PJ6_01"   "PJ5_02"   "PJ6_02"   "PJ5_03"  
## [211] "PJ6_03"   "PJ5_04"   "PJ6_04"   "PJ5_05"   "PJ6_05"   "PJ5_06"  
## [217] "PJ6_06"   "PJ5_07"   "PJ6_07"   "PJ5_08"   "PJ6_08"   "PJ5_09"  
## [223] "PJ6_09"   "PJ5_10"   "PJ6_10"   "PJ5_11"   "PJ6_11"   "PJ5_12"  
## [229] "PJ6_12"   "PJ5_13"   "PJ6_13"   "PJ5_14"   "PJ6_14"   "PJ5_15"  
## [235] "PJ6_15"   "PJ5_16"   "PJ6_16"   "PK1"      "PK2_1"    "PK2_2"   
## [241] "PK2_3"    "PK3_1"    "PK3_2"    "PL1"      "PL2"      "PL3"     
## [247] "PL4"      "PL5"      "PL6"      "PL7"      "PL8_1"    "PL8_2"   
## [253] "PL8_3"    "PL8_4"    "PL8_5"    "PL8_6"    "PL8_7"    "PL8_8"   
## [259] "PL9_1"    "PL9_2"    "PL9_3"    "PL9_4"    "PL10"     "PL11"    
## [265] "SEXO"     "CVEGEO"   "CVE_ENT"  "MENOR10"  "UPM_DIS"  "EST_DIS" 
## [271] "FAC_ELE"  "FOLIO"    "VIV_SEL"  "HOGAR"    "N_REN"

Observe la lista. No es necesario conocer todavía todas las variables.

Pregunta 2. ¿Reconoce algunos nombres a partir del cuestionario o del descriptor de ENBIARE?

Respuesta:
Si, por ejemplo: edad, PA1, PA2, sexo, cve_ent

3. Mirar los primeros registros

head(base_chi)

## # A tibble: 6 × 275
##   LLAVEENB     LLAVEVIV  LLAVEHOG   EDAD PA1   PA2   PA3_01 PA3_02 PA3_03 PA3_04
##   <chr>        <chr>     <chr>     <dbl> <chr> <chr> <chr>  <chr>  <chr>  <chr> 
## 1 080014901101 080014901 08001490…    63 09    09    08     08     07     10    
## 2 080014902101 080014902 08001490…    29 08    06    08     05     07     10    
## 3 080014903101 080014903 08001490…    49 10    06    08     07     10     10    
## 4 080014904101 080014904 08001490…    38 08    09    07     10     09     07    
## 5 080014906101 080014906 08001490…    54 08    06    06     05     07     07    
## 6 080014907102 080014907 08001490…    53 10    10    06     05     09     10    
## # ℹ 265 more variables: PA3_05 <chr>, PA3_06 <chr>, PA3_07 <chr>, PA3_08 <chr>,
## #   PA3_09 <chr>, PA3_10 <chr>, PA3_11 <chr>, PA3_12 <chr>, PA3_13 <chr>,
## #   PA3_14 <chr>, PA3_15 <chr>, PA3_16 <chr>, PA3_17 <chr>, PA3_18 <chr>,
## #   PA4_1 <chr>, PA4_2 <chr>, PA4_3 <chr>, PA4_4 <chr>, PA4_5 <chr>,
## #   PA4_6 <chr>, PA5_01 <chr>, PA5_02 <chr>, PA5_03 <chr>, PA5_04 <chr>,
## #   PA5_05 <chr>, PA5_06 <chr>, PA5_07 <chr>, PA5_08 <chr>, PA5_09 <chr>,
## #   PA5_10 <chr>, PA5_11 <chr>, PA6 <chr>, PA7 <chr>, PB1 <dbl>, PB2_1 <dbl>, …

Pregunta 3. ¿Qué representa una fila de la base? ¿Qué representa una columna?

Respuesta:
Los sujetos son representados por los renglones de la muestra, y las columnas representan las variables o las carácterísticas de los individuos.

Ahora observe cómo R reconoce la estructura de los datos:

str(base_chi)

## tibble [991 × 275] (S3: tbl_df/tbl/data.frame)
##  $ LLAVEENB: chr [1:991] "080014901101" "080014902101" "080014903101" "080014904101" ...
##  $ LLAVEVIV: chr [1:991] "080014901" "080014902" "080014903" "080014904" ...
##  $ LLAVEHOG: chr [1:991] "0800149011" "0800149021" "0800149031" "0800149041" ...
##  $ EDAD    : num [1:991] 63 29 49 38 54 53 30 23 71 28 ...
##  $ PA1     : chr [1:991] "09" "08" "10" "08" ...
##  $ PA2     : chr [1:991] "09" "06" "06" "09" ...
##  $ PA3_01  : chr [1:991] "08" "08" "08" "07" ...
##  $ PA3_02  : chr [1:991] "08" "05" "07" "10" ...
##  $ PA3_03  : chr [1:991] "07" "07" "10" "09" ...
##  $ PA3_04  : chr [1:991] "10" "10" "10" "07" ...
##  $ PA3_05  : chr [1:991] "08" "08" "09" "09" ...
##  $ PA3_06  : chr [1:991] "08" "08" "10" "09" ...
##  $ PA3_07  : chr [1:991] "00" "10" "07" "08" ...
##  $ PA3_08  : chr [1:991] "07" "10" "10" "09" ...
##  $ PA3_09  : chr [1:991] "10" "02" "10" "06" ...
##  $ PA3_10  : chr [1:991] "05" "00" "00" "03" ...
##  $ PA3_11  : chr [1:991] "09" "08" "10" "10" ...
##  $ PA3_12  : chr [1:991] "10" "08" "10" "08" ...
##  $ PA3_13  : chr [1:991] "09" "02" "07" "07" ...
##  $ PA3_14  : chr [1:991] "10" "05" "10" "06" ...
##  $ PA3_15  : chr [1:991] "07" "05" "00" "06" ...
##  $ PA3_16  : chr [1:991] "08" "06" "08" "08" ...
##  $ PA3_17  : chr [1:991] "10" "10" "10" "09" ...
##  $ PA3_18  : chr [1:991] "05" "08" "08" "08" ...
##  $ PA4_1   : chr [1:991] "09" "08" "10" "08" ...
##  $ PA4_2   : chr [1:991] "10" "10" "10" "09" ...
##  $ PA4_3   : chr [1:991] "08" "10" "10" "08" ...
##  $ PA4_4   : chr [1:991] "10" "10" "10" "08" ...
##  $ PA4_5   : chr [1:991] "10" "10" "10" "09" ...
##  $ PA4_6   : chr [1:991] "10" "10" "10" "10" ...
##  $ PA5_01  : chr [1:991] "07" "05" "06" "09" ...
##  $ PA5_02  : chr [1:991] "08" "00" "06" "05" ...
##  $ PA5_03  : chr [1:991] "06" "04" "07" "08" ...
##  $ PA5_04  : chr [1:991] "04" "06" "05" "07" ...
##  $ PA5_05  : chr [1:991] "05" "06" "05" "09" ...
##  $ PA5_06  : chr [1:991] "02" "05" "03" "01" ...
##  $ PA5_07  : chr [1:991] "02" "00" "04" "04" ...
##  $ PA5_08  : chr [1:991] "04" "06" "02" "02" ...
##  $ PA5_09  : chr [1:991] "06" "00" "05" "01" ...
##  $ PA5_10  : chr [1:991] "03" "00" "05" "01" ...
##  $ PA5_11  : chr [1:991] "01" "00" "08" "02" ...
##  $ PA6     : chr [1:991] "08" "07" "10" "07" ...
##  $ PA7     : chr [1:991] "07" "10" "08" "09" ...
##  $ PB1     : num [1:991] 4 3 4 4 3 3 3 3 4 4 ...
##  $ PB2_1   : num [1:991] 2 1 2 1 1 1 1 2 1 1 ...
##  $ PB2_2   : num [1:991] 1 1 1 1 1 1 1 1 1 1 ...
##  $ PB2_3   : num [1:991] 2 1 2 1 2 1 1 1 1 1 ...
##  $ PB2_4   : num [1:991] 1 1 3 1 2 1 1 1 1 1 ...
##  $ PB2_5   : num [1:991] 1 1 1 1 2 1 1 1 1 1 ...
##  $ PB2_6   : num [1:991] 1 1 2 1 1 1 1 1 1 1 ...
##  $ PB2_7   : num [1:991] 1 1 1 1 1 1 1 1 1 1 ...
##  $ PB2_8   : num [1:991] 1 1 1 1 1 1 1 1 1 1 ...
##  $ PB3_1   : num [1:991] 1 2 1 1 1 0 0 1 0 1 ...
##  $ PB3_2   : num [1:991] 1 2 1 0 1 1 0 0 0 0 ...
##  $ PB3_3   : num [1:991] 0 0 0 0 1 1 0 1 0 0 ...
##  $ PB3_4   : num [1:991] 0 0 1 0 1 0 0 1 0 0 ...
##  $ PB3_5   : num [1:991] 0 0 1 0 2 0 0 0 0 1 ...
##  $ PB4     : num [1:991] 2 1 1 2 2 4 1 1 1 3 ...
##  $ PC1     : num [1:991] 5 6 6 3 4 5 5 3 5 2 ...
##  $ PC2_1   : num [1:991] 2 2 2 2 2 2 2 2 2 2 ...
##  $ PC2_2   : num [1:991] 2 2 2 2 2 2 2 2 2 2 ...
##  $ PC2_3   : num [1:991] 2 2 2 2 2 2 2 2 2 2 ...
##  $ PC2_4   : num [1:991] 2 2 2 2 2 2 2 2 2 2 ...
##  $ PC2_5   : num [1:991] 2 2 2 2 2 2 2 2 2 2 ...
##  $ PC2_6   : num [1:991] 2 2 2 2 2 2 2 2 2 2 ...
##  $ PC3     : chr [1:991] "0014000" "0020000" "0010000" "0020000" ...
##  $ PC4     : num [1:991] 2 1 1 1 9 2 1 1 1 1 ...
##  $ PD1     : num [1:991] 4 1 1 1 1 4 1 1 4 4 ...
##  $ PD2     : num [1:991] NA 1 1 1 1 NA 1 1 NA NA ...
##  $ PD3     : num [1:991] 8 NA NA NA NA 8 NA NA 8 8 ...
##  $ PD4     : chr [1:991] NA NA NA NA ...
##  $ PD5     : num [1:991] NA NA NA NA NA NA NA NA NA NA ...
##  $ PD6     : num [1:991] NA NA NA NA NA NA NA NA NA NA ...
##  $ PD7     : num [1:991] 4 NA NA NA NA 4 NA NA 4 4 ...
##  $ PD8     : chr [1:991] "10" NA NA NA ...
##  $ PD9     : num [1:991] NA 1 1 1 1 NA 1 1 NA NA ...
##  $ PD10_1  : num [1:991] NA 1 1 1 1 NA 1 1 NA NA ...
##  $ PD10_2  : num [1:991] NA 1 1 1 1 NA 1 1 NA NA ...
##  $ PD10_3  : num [1:991] NA 2 1 1 1 NA 1 1 NA NA ...
##  $ PD10_4  : num [1:991] NA 1 2 2 2 NA 2 1 NA NA ...
##  $ PD10_5  : num [1:991] NA 1 1 2 2 NA 1 1 NA NA ...
##  $ PD10_6  : num [1:991] NA 2 1 2 1 NA 1 1 NA NA ...
##  $ PD10_7  : num [1:991] NA 1 1 2 1 NA 1 1 NA NA ...
##  $ PD10_8  : num [1:991] NA 2 1 1 1 NA 1 1 NA NA ...
##  $ PD10_9  : num [1:991] NA 2 1 1 1 NA 1 1 NA NA ...
##  $ PD11    : num [1:991] NA 1 1 1 1 NA 1 1 NA NA ...
##  $ PD12    : chr [1:991] NA "05" "12" "03" ...
##  $ PE1_01_1: chr [1:991] "00" "00" "00" "02" ...
##  $ PE1_01_2: chr [1:991] "00" "00" "00" "00" ...
##  $ PE2_01  : num [1:991] NA NA NA 2 1 2 1 1 2 3 ...
##  $ PE1_02_1: chr [1:991] "00" "00" "00" "00" ...
##  $ PE1_02_2: chr [1:991] "00" "00" "00" "00" ...
##  $ PE2_02  : num [1:991] NA NA NA NA NA NA 2 NA NA 2 ...
##  $ PE1_03_1: chr [1:991] "00" "12" "08" "08" ...
##  $ PE1_03_2: chr [1:991] "00" "00" "00" "00" ...
##  $ PE2_03  : num [1:991] NA 2 2 2 2 NA 3 NA NA NA ...
##  $ PE1_04_1: chr [1:991] "00" "00" "00" "00" ...
##  $ PE1_04_2: chr [1:991] "00" "00" "00" "00" ...
##  $ PE2_04  : num [1:991] NA NA NA NA NA NA NA NA NA NA ...
##   [list output truncated]

No necesitamos memorizar todos los tipos de variables. Por ahora, observe que R puede reconocerlas como numéricas, caracteres u otros tipos.

4. Del cuestionario a la base

Durante la sesión anterior revisamos la documentación de ENBIARE. Localice en la base estas variables:

SEXO: sexo.
EDAD: edad.
PA1: satisfacción actual con la vida.
PB1: salud autopercibida.
PB4: frecuencia de soledad.
PC1: capacidad del hogar para llegar a fin de mes.
PF1_1: confianza en la mayoría de la gente.

Podemos mirar una variable escribiendo el nombre de la base, el signo $ y el nombre de la variable:

base_chi$SEXO

##   [1] 2 1 1 1 2 2 1 1 2 2 2 1 1 1 1 1 1 2 1 1 1 1 2 1 1 2 2 1 1 1 1 2 1 1 1 2 1
##  [38] 1 2 2 2 2 1 2 2 2 2 2 1 2 2 2 1 1 2 2 2 2 1 2 2 2 2 1 1 2 1 1 1 1 1 2 2 2
##  [75] 1 1 1 1 2 2 2 1 2 2 1 2 1 2 1 1 1 2 2 1 1 1 1 2 2 1 2 2 2 1 2 1 2 1 2 1 1
## [112] 1 1 1 1 1 1 2 2 1 1 2 2 1 2 2 2 1 2 1 1 2 1 2 2 1 1 2 2 1 1 1 1 2 1 2 1 1
## [149] 1 2 1 2 1 2 2 1 2 2 2 2 2 2 1 2 2 2 1 2 2 2 1 2 2 2 1 2 1 1 2 1 1 2 1 2 2
## [186] 1 1 2 1 1 1 1 1 2 1 1 2 2 1 1 2 2 1 2 2 1 1 1 1 2 1 2 2 2 1 1 2 2 1 2 2 2
## [223] 2 1 1 1 2 2 1 1 1 2 2 1 1 1 1 1 2 2 1 2 2 2 1 2 2 2 2 2 2 2 1 2 1 2 1 2 1
## [260] 1 1 2 1 2 1 2 1 1 2 2 2 1 2 2 2 2 2 2 2 2 1 1 2 1 1 1 2 1 2 1 1 2 1 1 1 1
## [297] 1 2 2 1 1 1 1 1 2 2 2 2 2 2 2 2 2 1 2 1 2 2 1 2 1 2 2 1 1 1 2 2 2 2 1 1 1
## [334] 1 2 1 2 1 2 1 2 1 1 2 2 1 1 1 2 1 2 2 1 1 1 2 2 1 2 1 1 1 2 2 1 2 1 2 2 2
## [371] 2 2 1 2 2 1 2 2 2 2 2 1 2 2 1 2 2 1 2 2 1 2 1 2 2 2 2 2 1 1 1 2 2 1 2 1 1
## [408] 2 2 2 2 2 2 2 2 2 2 1 1 1 2 2 1 2 2 2 2 2 2 2 1 1 1 2 1 2 2 2 1 2 2 2 2 1
## [445] 2 2 2 2 1 2 1 2 2 1 1 1 1 2 1 1 2 1 1 1 1 2 1 1 2 1 1 2 2 1 1 2 1 1 2 2 1
## [482] 2 1 2 1 1 1 1 2 1 2 1 1 1 1 2 1 1 2 1 1 2 1 1 2 2 1 1 2 2 2 1 2 2 2 2 1 1
## [519] 1 1 1 2 1 1 2 1 2 1 2 1 2 2 1 1 1 2 1 2 2 1 1 1 1 2 2 2 1 2 2 2 2 2 2 1 1
## [556] 2 1 2 2 1 2 2 1 1 2 2 2 1 2 2 1 2 2 2 2 2 1 1 1 2 2 1 1 1 2 1 2 2 2 2 1 1
## [593] 1 2 1 1 2 2 2 1 1 1 1 2 2 2 2 1 1 1 1 1 1 1 2 2 2 1 2 1 2 2 1 2 1 2 2 2 1
## [630] 2 2 1 2 2 1 2 1 2 1 2 2 2 2 1 2 2 2 1 2 1 2 1 1 2 2 2 1 2 2 2 2 1 2 2 2 2
## [667] 2 1 2 2 1 1 1 2 2 1 1 1 1 1 1 1 1 1 2 2 2 2 2 2 1 1 2 1 2 1 1 1 2 2 2 1 2
## [704] 1 2 1 2 2 1 1 1 1 1 2 1 2 1 2 2 2 2 1 1 2 1 2 1 2 1 1 2 2 2 1 1 2 1 2 2 1
## [741] 1 2 2 1 1 2 1 2 2 1 1 2 2 1 2 1 1 2 1 2 1 2 2 2 2 2 1 2 1 2 2 1 2 1 1 1 1
## [778] 2 1 2 1 2 2 2 1 2 1 1 1 2 1 2 2 1 1 1 1 2 1 2 2 2 1 2 2 2 2 1 2 2 1 2 1 1
## [815] 1 1 2 2 2 2 2 2 1 1 1 2 2 1 1 1 2 2 2 2 1 2 1 1 2 1 1 1 2 1 2 2 1 2 1 2 1
## [852] 1 2 1 1 2 1 2 1 1 2 2 2 1 2 1 1 1 2 2 1 2 2 1 2 2 2 1 1 2 2 2 1 1 2 1 2 2
## [889] 1 2 2 1 2 1 2 2 1 1 2 2 1 1 1 2 1 1 2 2 1 2 2 2 2 2 2 1 1 2 2 2 1 2 2 2 2
## [926] 2 2 1 2 2 2 2 2 2 2 2 2 1 1 1 1 1 1 2 1 2 2 2 2 1 1 2 1 2 2 1 2 1 1 2 2 2
## [963] 1 1 1 2 1 1 1 1 1 1 1 1 1 2 1 1 2 1 2 1 1 2 1 1 1 1 1 1 2

No es necesario revisar en pantalla los 1026 valores. Lo importante es comprender la expresión:

base$SEXO = la variable SEXO que se encuentra dentro del objeto base.

5. Primera distribución de frecuencias

En el cuestionario, SEXO utiliza los códigos 1 = Hombre y 2 = Mujer.

table(base_chi$SEXO)

## 
##   1   2 
## 473 518

Pregunta 4. ¿Cuántos registros corresponden a hombres y cuántos a mujeres?

Respuesta:
Variable 1 equivalente a 462 hombres Variable 2 equivalente a 564 mujeres

6. Explorar la edad

summary(base_chi$EDAD)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   18.00   30.00   42.00   43.59   55.00   92.00

Pregunta 5. Registre el mínimo, la mediana, la media y el máximo.

Respuesta:
La edad mínima es de 18 años La mediana es de 43 años La media es de 44.85 años La máxima es de 96 años

Pregunta 6. Antes de interpretar el valor máximo como una edad real, consulte el cuestionario o el descriptor. ¿Qué descubre?

Respuesta:
La edad máxima si es de 96.

7. Satisfacción con la vida

PA1 corresponde a la satisfacción actual con la vida en una escala de 0 a 10.

Primero observemos cómo fue importada:

str(base_chi$PA1)

##  chr [1:991] "09" "08" "10" "08" "08" "10" "10" "07" "10" "10" "05" "10" ...

base_chi$PA1=as.numeric(base_chi$PA1)
base_chi$satisf_vida=as.numeric(base_chi$PA1)
str(base_chi$PA1)

##  num [1:991] 9 8 10 8 8 10 10 7 10 10 ...

str(base_chi$satisf_vida)

##  num [1:991] 9 8 10 8 8 10 10 7 10 10 ...

Ahora observemos sus respuestas:

table(base_chi$PA1)

## 
##   0   1   2   3   4   5   6   7   8   9  10 
##   4   1   1   3   5  48  33  75 218 205 398

Pregunta 7. ¿R reconoce PA1 como una variable numérica? ¿Qué observa en los valores?

Respuesta:
Si, R reconoce PA1 como una variable numérica. Los valores van de 0 a 10 y se observa una concentración en las puntuaciones altas: 398 personas respondieron 10, 205 respondieron 9 y 218 respondieron 8. En cambio, son muy pocos los casos con puntuaciones bajas.

Vamos a conservar la variable original y crear dentro de base_chi una nueva variable numérica:

base_chi$satisf_vida <- as.numeric(base_chi$PA1)

Compruebe qué cambió:

str(base_chi$PA1)

##  num [1:991] 9 8 10 8 8 10 10 7 10 10 ...

str(base_chi$satisf_vida)

##  num [1:991] 9 8 10 8 8 10 10 7 10 10 ...

Obtenga ahora un resumen:

summary(base_chi$satisf_vida)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.000   8.000   9.000   8.642  10.000  10.000

Pregunta 8. ¿Cuál es la media? ¿Cuál es la mediana? ¿Qué le sugieren estos resultados?

Respuesta:
La media de satisfacción con la vida es de 8.642 y la mediana es de 9. Estos resultados muestran que, en la muestra de Chihuahua, las respuestas se concentran en niveles altos de satisfacción con la vida. La mediana de 9 indica que al menos la mitad de las observaciones se encuentra en 9 o por encima, y al menos la mitad en 9 o por debajo. La media es ligeramente menor que la mediana debido a la presencia de algunos valores bajos, que reducen el promedio. Además, el primer cuartil es 8 y el tercer cuartil es 10, lo cual es consistente con una concentración de las respuestas en la parte alta de la escala.

8. Una primera gráfica

Construiremos un histograma sencillo. Por ahora interesa observar la distribución, no aprender técnicas gráficas avanzadas.

hist(base_chi$satisf_vida,
     main = "Satisfacción con la vida",
     xlab = "Satisfacción (0 a 10)")

Pregunta 9. Describa la gráfica. ¿Dónde se concentran las respuestas? ¿La distribución parece simétrica?

Respuesta:
Las respuestas se concentran principalmente en los valores altos de la escala, especialmente entre 8 y 10. La distribución no parece simétrica: presenta asimetría negativa, porque la mayor parte de los casos se agrupa en los valores altos y se observa una cola hacia los valores bajos.

9. Explore otra variable

Elija una de estas variables:

PB1: salud autopercibida.
PB4: soledad.
PC1: capacidad para llegar a fin de mes.
PF1_1: confianza en la mayoría de la gente.

Variable elegida: PB1

Antes de analizarla, consulte el cuestionario o el descriptor.

¿Qué mide y cómo está codificada?

Pregunta sobre como considera su salud actualmente, La mide en escala likert de 1 a 5, don de 1 es muy mala, y 5 muy buena. Es alfanumérica.

Ahora obtenga su distribución. Sustituya VARIABLE por el nombre elegido.

table(base_chi$PB1)

En el bloque anterior eval=FALSE evita que R intente ejecutar la palabra VARIABLE. Escriba abajo su propio bloque de código con el nombre correcto.

table(base_chi$PB1)

## 
##   1   2   3   4   5 
##  14  39 292 446 200

Pregunta 10. ¿Qué resultado obtuvo? Descríbalo brevemente.

Respuesta:
La categoría más frecuente fue 4, con 446 casos, seguida de la categoría 3, con 292 casos, y de la categoría 5, con 200 casos. Las respuestas se concentran principalmente entre los valores 3 y 5, mientras que son pocos los casos que calificaron su salud con 1 o2.

10. De un resultado a una pregunta antropológica

El objetivo del curso no es aprender comandos de R de manera aislada.

A partir de la variable que acaba de explorar:

Pregunta 11. Formule una pregunta que pudiera tener interés para las ciencias antropológicas.

Mi pregunta:
¿Cómo se relacionan las condiciones sociales, culturales y las experiencias de vida en la manera en que las personas de Chihuahua perciben y califican su propia salud?

Pregunta 12. ¿Con qué otra variable de ENBIARE podría relacionarla o compararla?

Respuesta:
PB4 (soledad). La relacionaría con la salud autopercibida para explorar si existen diferencias en la percepción de la propia salud según el grado de soledad reportado por las personas.

Cierre

Al terminar esta práctica deberá poder:

reconocer el objeto base dentro de RStudio;
distinguir filas, columnas y variables;
utilizar dim(), names(), head(), str(), table() y summary();
comprender el uso de $ para seleccionar una variable;
crear una nueva variable dentro de base;
producir una gráfica sencilla;
relacionar los resultados estadísticos con preguntas sustantivas.

Para guardar su trabajo

Guarde este archivo con un nombre que permita identificarlo, por ejemplo:

Apellido_Nombre_Practica1_ENBIARE.Rmd

En esta primera práctica no es indispensable generar el documento final con Knit. Lo importante es guardar el archivo .Rmd, conservar el código, los resultados y sus interpretaciones.

Nota metodológica: en esta sesión estamos conociendo y describiendo los registros de la base. Más adelante incorporaremos la ponderación y el diseño muestral necesarios para realizar estimaciones de la población.

Práctica 1. Primer contacto con ENBIARE 2025 en R

Nombre: Diana Mendoza Olivares

Fecha: 4 de septiembre de 2026