Propósito

En la Práctica 1 comenzamos a trabajar con la base de la Encuesta Nacional de Bienestar Autorreportado (ENBIARE) 2025 correspondiente a la entidad seleccionada por cada estudiante.

En esta segunda práctica continuaremos trabajando con la misma entidad y la misma base. El objetivo será dar un paso adicional: pasar de describir una sola variable a comparar grupos de población.

Trabajaremos principalmente con:

Importante: todavía no realizaremos pruebas de significancia estadística. Primero aprenderemos a describir y comparar resultados de manera correcta.

1. Recuperar nuestra base

Confirme que el objeto que contiene los datos de su entidad se llama base_tlax.

base_tlax <- readRDS("base_tlax.rds")
dim(base_tlax)
## [1] 1032  277

Pregunta 1. ¿Qué entidad está analizando y cuántos casos contiene su base?

Entidad: Tlaxcala

Número de casos: 1032 personas

2. Recordar nuestra variable de satisfacción con la vida

En la práctica anterior generamos la variable numérica satisf_vida a partir de PA1.

Compruebe que sigue disponible:

str(base_tlax$satisf_vida)
##  num [1:1032] 8 10 9 9 9 7 10 8 10 9 ...
summary(base_tlax$satisf_vida)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.000   8.000   9.000   8.463  10.000  10.000

Si no aparece en la base, vuelva a crearla:

Pregunta 2. Registre nuevamente la media y la mediana de satisfacción con la vida en su entidad.

Media: 8.46

Mediana: 9.0

3. Tipos de variables

Antes de comparar grupos, identifique la naturaleza de las variables que utilizaremos.

Ejecute:

str(base_tlax$SEXO)
##  num [1:1032] 2 1 2 2 1 2 2 2 2 1 ...
str(base_tlax$EDAD)
##  num [1:1032] 33 74 43 47 24 50 79 81 37 50 ...
str(base_tlax$satisf_vida)
##  num [1:1032] 8 10 9 9 9 7 10 8 10 9 ...
str(base_tlax$PB1)
##  num [1:1032] 3 5 4 3 3 3 3 4 4 4 ...

Complete:

Variable ¿Qué representa? Tipo de variable
SEXO sexo de las personas (1=hombre, 2=mujer) numérica
EDAD la edad de la persona numérica
satisf_vida qué tan satisfecha (o) se encuentra actualmente con su vida? númerica
PB1 cómo considera su salud actualmente? númerica

Para esta práctica basta distinguir entre variables categóricas y cuantitativas. Más adelante revisaremos con mayor detalle las escalas de medición.

4. Satisfacción con la vida según sexo

Primero observe cuántos registros existen en cada categoría de SEXO.

table(base_tlax$SEXO)
## 
##   1   2 
## 443 589

Ahora calcule la media de satisfacción con la vida para cada grupo:

tapply(base_tlax$satisf_vida,
       base_tlax$SEXO,
       mean,
       na.rm = TRUE)
##        1        2 
## 8.584650 8.371817

Calcule también la mediana:

tapply(base_tlax$satisf_vida,
       base_tlax$SEXO,
       median,
       na.rm = TRUE)
## 1 2 
## 9 9

Pregunta 3. ¿Qué grupo presenta la media más alta de satisfacción con la vida?

Respuesta:
los hombres tiene más satisfacción con la vida.

Pregunta 4. ¿La diferencia entre los grupos parece grande o pequeña? Descríbala sin hablar todavía de significancia estadística.

Respuesta:
es pequeña, se observa que de satisfaccion con la vida es por veinte centecimas

5. Una gráfica comparativa: boxplot

Construya un diagrama de caja:

boxplot(satisf_vida ~ SEXO,
        data = base_tlax,
        xlab = "Sexo",
        ylab = "Satisfacción con la vida",
        main = "Satisfacción con la vida según sexo")

Pregunta 5. Observe la posición de las medianas, la dispersión y los valores extremos. ¿Qué información aporta el boxplot que no se aprecia únicamente comparando las medias?

Respuesta:
El comportamiento de los valores entre ambos grupos entre las medianas y la dispersión es similar, se observa que en los valores extremos las mujeres respondieron la satisfacción de vida los valores de 0 a 5 y los hombres respondieron tomando en consideracion los valores 0,3 y 4. La gráfica me permite ver la dispersión de los datos, y los valores extremos, que con solo el valor de la media no se veía

6. Trabajar con la edad

Observe primero la distribución general de la edad:

summary(base_tlax$EDAD)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   18.00   31.00   42.00   44.57   57.25   95.00

En lugar de trabajar únicamente con la edad exacta, construiremos grupos.

base_tlax$grupo_edad <- cut(
  base_tlax$EDAD,
  breaks = c(17, 29, 44, 59, 74, Inf),
  labels = c("18-29", "30-44", "45-59", "60-74", "75+")
)

Compruebe cuántos casos quedaron en cada grupo:

table(base_tlax$grupo_edad)
## 
## 18-29 30-44 45-59 60-74   75+ 
##   231   337   236   166    62

Pregunta 6. ¿Cuál es el grupo de edad con mayor número de casos en su entidad?

Respuesta:
de 30 a 44 con 337 personas.

7. Satisfacción con la vida según grupo de edad

Calcule la media por grupo de edad:

tapply(base_tlax$satisf_vida,
       base_tlax$grupo_edad,
       mean,
       na.rm = TRUE)
##    18-29    30-44    45-59    60-74      75+ 
## 8.757576 8.620178 8.271186 8.168675 8.032258

Calcule también la mediana:

tapply(base_tlax$satisf_vida,
       base_tlax$grupo_edad,
       median,
       na.rm = TRUE)
## 18-29 30-44 45-59 60-74   75+ 
##     9     9     9     8     9

Pregunta 7. ¿Qué grupo presenta la media de satisfacción con la vida más alta?

Respuesta:
los más jovenes con edad de entre 18-29 con un valor de (8.75).

Pregunta 8. ¿Cuál presenta la más baja?

Respuesta:
las personas con una edad de 75 o más años presentan una media de satisfacción más baja con un valor de (8.03).

Construya ahora un boxplot:

boxplot(satisf_vida ~ grupo_edad,
        data = base_tlax,
        xlab = "Grupo de edad",
        ylab = "Satisfacción con la vida",
        main = "Satisfacción con la vida según grupo de edad")

Pregunta 9. Describa el patrón general que observa entre edad y satisfacción con la vida.

Respuesta:
En la table de ‘satisfacción con la vida según el grupo de edad’ se observa que todos los patrones tienen variacion de datos, la media oscila entre 3 y 5 siendo la edad de 18 4 59 donde la media ronda en 5 y las personas entre 60 y 75 años o más se mantiene en 3. Los grupos de edad de 45 a 59 años son los que seleccionarón las diversas unidades de analisis en el rango de 0 a 5 respecto a como se sienten la vida, en el resto se presentan variaciones y no se seleccionaron todas las catgorias de analisis.

8. Comparar dos variables categóricas

Ahora trabajaremos con SEXO y PB1 (salud autopercibida).

Antes de analizarla, recuerde cómo está codificada PB1.

table(base_tlax$PB1)
## 
##   1   2   3   4   5 
##  12  20 350 497 153

Pregunta 10. ¿Qué significan las categorías de PB1?

Respuesta:
1 - muy mala 2 - mala 3 - regular
4 - buena
5 - muy buena * Lo que más se repite es la categoria muy buena con (497) y muy mala con (12)

Construya una tabla de contingencia:

tabla_salud <- table(base_tlax$SEXO, base_tlax$PB1)

tabla_salud
##    
##       1   2   3   4   5
##   1   2   8 130 222  81
##   2  10  12 220 275  72

La tabla anterior muestra frecuencias absolutas. Para facilitar la comparación entre los grupos, obtenga porcentajes por fila:

prop.table(tabla_salud, 1) * 100
##    
##              1          2          3          4          5
##   1  0.4514673  1.8058691 29.3453725 50.1128668 18.2844244
##   2  1.6977929  2.0373514 37.3514431 46.6893039 12.2241087

Pregunta 11. ¿Qué diferencias observa en la salud autopercibida según sexo?

Respuesta:
Se percibe que los hombres consideran un estado de salud buena (50.11) a diferencia de las mujeres (46.68). En general los hx perciben una salud más buena a diferencia de las mujeres.

9. Elegir una comparación propia

Seleccione ahora una variable adicional de ENBIARE que considere interesante para su proyecto o para una pregunta antropológica.

Puede utilizar, por ejemplo:

Variable elegida: PF1_1

¿Qué mide? confianza en la mayoria de la gente

Formule una pregunta comparativa.

Ejemplos:

Mi pregunta:
¿De qué manera las intersecciones entre sexo, edad y percepción de la salud propia (buena o mala) configuran los criterios y los niveles de confianza interpersonal en las redes de apoyo dentro de una comunidad?

Obtenga una tabla o un resumen adecuado. Escriba su código en el siguiente bloque:

tabla_confianza <- table(base_tlax$SEXO, base_tlax$PF1_1)

tabla_confianza
##    
##      00  01  02  03  04  05  06  07  08  09  10
##   1  42  13  40  31  30 111  45  61  47  16   7
##   2  82  27  47  52  41 129  60  69  47  17  18

Pregunta 12. ¿Qué encontró?

Respuesta:
En general las mujeres confian más en la gente que los hombres, donde 129 mujeres encuestadas consideran un nivel de confianza medio y 111 hombres con el mismo nivel.

10. Interpretación antropológica

Con base en los resultados obtenidos en esta práctica, redacte un comentario breve de 150 a 200 palabras.

Incluya:

  1. una diferencia observada por sexo;
  2. una diferencia observada por grupos de edad;
  3. una posible explicación antropológica o social;
  4. una aclaración sobre lo que estos resultados todavía no permiten afirmar.

Interpretación final:

Desde una perspectiva antropológica, la disparidad en los niveles de confianza y satisfacción vital entre hombres y mujeres refleja cómo las estructuras de género moldean la experiencia colectiva. La mayor propensión femenina hacia la confianza con la gente, evidenciada en los resultados de la encuesta realizada en el año 2025, de las 129 mujeres en el nivel medio frente a 111 hombres, se puede vincular estrechamente con roles tradicionales de cuidado quizá o en la construcción de redes de reciprocidad comunitaria. Para las mujeres, la confianza opera como un mecanismo estratégico de cohesión social y supervivencia compartida dentro de la vida cotidiana. Históricamente, de acuerdo a los resultados, podemos considerar que el acceso diferenciado a espacios públicos, la autonomía económica y una menor exposición sistemática a la vulnerabilidad o al riesgo permiten a los hombres experimentar un mayor bienestar de satisfacción con la vida percibido, aun cuando sus índices de confianza interpersonal resulten menores. Así, estos datos no solo cuantifican percepciones individuales, sino que exponen cómo el género condiciona la manera en que los sujetos habitan el tejido social, negocian la seguridad y significan su propia existencia.

11. Comparación entre entidades durante la sesión

Al final de la práctica compartiremos algunos resultados en el grupo.

Prepare tres datos para comunicar en la sesión:

Observe qué tan similares o diferentes son los resultados entre entidades.

Pregunta para discusión: si diferentes entidades muestran patrones distintos, ¿qué factores sociales, culturales, económicos o demográficos podrían estar relacionados con esas diferencias?

Cierre

Al terminar esta práctica deberá poder:

Para guardar su trabajo

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

Apellido_Nombre_Practica2_ENBIARE.Rmd

En esta práctica puede intentar generar el documento final con Knit → HTML.

Si al generar el documento aparece algún error, no borre el código ni empiece de nuevo. Revise el mensaje de error y consérvelo para comentarlo durante la sesión.

Nota metodológica: en esta práctica seguimos trabajando con los registros de la muestra de ENBIARE correspondientes a cada entidad. Las medias y porcentajes calculados aquí son descriptivos de esos registros. Más adelante incorporaremos el factor de expansión y el diseño muestral para producir estimaciones poblacionales.