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:

SEXO
EDAD
satisf_vida
PB1 (salud autopercibida)

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_tbc

load("C:/Users/HP Envy/Desktop/Tanya María/1 ENAH 2026/Maestría/materias/Metodologia cuanti/base_tbc.RData")

dim(base_tbc)

## [1] 1029  276

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

Entidad: Tabasco

Número de casos: 1029

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_tbc$satisf_vida)

##  num [1:1029] 8 10 10 10 6 8 10 9 10 10 ...

summary(base_tbc$satisf_vida)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.000   8.000   9.000   8.325  10.000  10.000

Si no aparece en la base, vuelva a crearla:

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

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

Media: 8.32

Mediana: 9

3. Tipos de variables

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

Ejecute:

str(base_tbc$SEXO)

##  num [1:1029] 2 2 2 2 2 1 2 2 2 1 ...

str(base_tbc$EDAD)

##  num [1:1029] 29 76 78 42 65 43 47 52 32 18 ...

str(base_tbc$satisf_vida)

##  num [1:1029] 8 10 10 10 6 8 10 9 10 10 ...

str(base_tbc$PB1)

##  num [1:1029] 2 3 3 5 3 3 4 4 5 5 ...

Complete:

Variable	¿Qué representa?	Tipo de variable
`SEXO`	sexo del participante (1=hombre, 2=mujer)	numérica
`EDAD`	# edad del participante	numérica
`satisf_vida`	nivel de satisfacción de vida del participante	numérica
`PB1`	salud autopercibida de cada participante	numérica

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_tbc$SEXO)

## 
##   1   2 
## 478 551

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

tapply(base_tbc$satisf_vida,
       base_tbc$SEXO,
       mean,
       na.rm = TRUE)

##        1        2 
## 8.430962 8.232305

Calcule también la mediana:

tapply(base_tbc$satisf_vida,
       base_tbc$SEXO,
       median,
       na.rm = TRUE)

## 1 2 
## 9 9

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

Respuesta:
Hombres

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

Respuesta:
Pequeña (0.20)

5. Una gráfica comparativa: boxplot

Construya un diagrama de caja:

boxplot(satisf_vida ~ SEXO,
        data = base_tbc,
        xlab = "Sexo",
        ylab = "Satisfacción con la vida",
        main = "Diagrama 1. 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:
Permite ver la disperción de los datos con mayor detalle. de lo que podemos concluir que, ambos grupos tienen una media y datos atípicos muy similares. Lo mismo para el nivel de dispersión, se comportan de un modo muy semejante

6. Trabajar con la edad

Observe primero la distribución general de la edad:

summary(base_tbc$EDAD)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   18.00   31.00   43.00   45.23   59.00   99.00

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

base_tbc$grupo_edad <- cut(
  base_tbc$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_tbc$grupo_edad)

## 
## 18-29 30-44 45-59 60-74   75+ 
##   218   336   229   183    63

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

Respuesta:
Personas de 30 a 44, con un número de 336

7. Satisfacción con la vida según grupo de edad

Calcule la media por grupo de edad:

tapply(base_tbc$satisf_vida,
       base_tbc$grupo_edad,
       mean,
       na.rm = TRUE)

##    18-29    30-44    45-59    60-74      75+ 
## 8.500000 8.401786 8.192140 8.185792 8.190476

Calcule también la mediana:

tapply(base_tbc$satisf_vida,
       base_tbc$grupo_edad,
       median,
       na.rm = TRUE)

## 18-29 30-44 45-59 60-74   75+ 
##     9     9     8     9     9

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

Respuesta:
Las personas de 18 a 29 años

Pregunta 8. ¿Cuál presenta la más baja?

Respuesta:
Las personas de 60 a 74 años

Construya ahora un boxplot:

boxplot(satisf_vida ~ grupo_edad,
        data = base_tbc,
        xlab = "Grupo de edad",
        ylab = "Satisfacción con la vida",
        main = "Diagrama 2. Satisfacción con la vida según grupo de edad")

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

Respuesta:
A grandes rasgos, el grado de satisfacción con la vida va disminuyendo a partir de los 60 años

8. Comparar dos variables categóricas

Ahora trabajaremos con SEXO y PB1 (salud autopercibida).

Antes de analizarla, recuerde cómo está codificada PB1.

table(base_tbc$PB1)

## 
##   1   2   3   4   5 
##  10  46 392 414 167

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 categoría “regular”

Construya una tabla de contingencia:

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

tabla_salud

##    
##       1   2   3   4   5
##   1   3  17 163 200  95
##   2   7  29 229 214  72

La tabla anterior muestra frecuencias absolutas. Para facilitar la comparación entre los grupos, obtenga porcentajes por fila (1=filas; 2=columnas):

prop.table(tabla_salud, 1) * 100

##    
##              1          2          3          4          5
##   1  0.6276151  3.5564854 34.1004184 41.8410042 19.8744770
##   2  1.2704174  5.2631579 41.5607985 38.8384755 13.0671506

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

Respuesta:
Ambos sexos tienen un mayor número de aciertos en la categoría de buena y regular. Sin embargo, en el nivel “buena” los hombres alcanzan un mayor número. Lo cual se puede interpretar, como que los hombres se perciben myormente saludables que 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:

PB4: frecuencia de soledad.
PC1: capacidad del hogar para llegar a fin de mes.
PF1_1: confianza en la mayoría de la gente.

Variable elegida: Confianza en la mayoría de la gente

¿Qué mide? Nivel de confianza que se le tiene a la mayoría de la gente

Formule una pregunta comparativa.

Ejemplos:

¿La frecuencia de soledad cambia según sexo?
¿La capacidad para llegar a fin de mes varía entre grupos de edad?
¿La confianza en otras personas presenta diferencias según sexo?

Mi pregunta:
¿La confianza reportada en la mayoría de la gente presenta diferencias según el sexo?

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

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

tabla_confianza

##    
##      00  01  02  03  04  05  06  07  08  09  10
##   1  61  18  23  42  30 102  68  57  48  15  14
##   2  94  22  45  47  50 112  58  56  46   9  12

Pregunta 12. ¿Qué encontró?

Respuesta:
Los hombres tienen mayor confianza reportada en la mayoría de la gente

10. Interpretación antropológica

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

Incluya:

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

Interpretación final:

Los resultados muestran una diferencia por sexo: las mujeres presentan mayor desconfianza total (94 casos en 0) que los hombres (61), mientras que ellos alcanzan más la confianza plena (14 en 10 frente a 12). Por grupos de edad, aunque la tabla no los desglosa, se observa que la mayoría de los sujetos —hombres y mujeres— se concentra en el valor 5, propio de adultos jóvenes y de mediana edad, con pocos casos en los extremos, lo que sugiere que la confianza se estabiliza con la experiencia social.

Una posible explicación antropológica es que las mujeres, debido a patrones culturales de socialización y mayor exposición a riesgos interpersonales, desarrollan una actitud más cautelosa hacia los desconocidos, mientras los hombres suelen recibir mensajes que fomentan la interacción abierta. Sin embargo, estos resultados no permiten afirmar relaciones de causa-efecto ni generalizar a toda la población, ya que no se controlaron variables como edad exacta, contexto socioeconómico o experiencia previa.

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:

Entidad: Tabasco
Media de satisfacción en hombres: 8.43
Media de satisfacción en mujeres: 8.23
Grupo de edad con mayor satisfacción media: el 10, completamente

tabla_satisf_vida <- table(base_tbc$SEXO, base_tbc$satisf_vida)

tabla_satisf_vida

##    
##       0   1   2   3   4   5   6   7   8   9  10
##   1   4   2   1   3   4  23  16  46 119  84 176
##   2   4   1   3   9   6  41  18  47 130 124 168

prop.table(tabla_satisf_vida, 1) * 100

##    
##              0          1          2          3          4          5
##   1  0.8368201  0.4184100  0.2092050  0.6276151  0.8368201  4.8117155
##   2  0.7259528  0.1814882  0.5444646  1.6333938  1.0889292  7.4410163
##    
##              6          7          8          9         10
##   1  3.3472803  9.6234310 24.8953975 17.5732218 36.8200837
##   2  3.2667877  8.5299456 23.5934664 22.5045372 30.4900181

tapply(base_tbc$satisf_vida,
       base_tbc$SEXO,
       mean,
       na.rm = TRUE)

##        1        2 
## 8.430962 8.232305

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:

distinguir entre variables categóricas y cuantitativas;
calcular estadísticas descriptivas por grupos;
comparar satisfacción con la vida según sexo;
construir grupos de edad;
comparar satisfacción entre grupos de edad;
interpretar un boxplot;
construir una tabla de contingencia;
calcular porcentajes por fila;
formular una comparación relacionada con una pregunta antropológica;
integrar código, resultados e interpretación en un documento R Markdown.

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.

Práctica 2. Comparación de grupos con ENBIARE 2025

Nombre: Tanya María Fragoso López

Fecha:11-09-26