1 Propósito

En las prácticas anteriores conocimos la base de la ENBIARE 2025 y comenzamos a comparar grupos.

En esta práctica construiremos y organizaremos distintas variables que podrían estar relacionadas con la satisfacción con la vida.

La pregunta que guiará el trabajo será:

¿Qué características y condiciones de las personas podrían estar relacionadas con su satisfacción con la vida?

Para cada variable seguiremos una misma secuencia:

identificar qué mide y cómo está codificada;
construir o etiquetar la variable;
obtener frecuencias absolutas y relativas;
calcular la satisfacción media para sus categorías;
obtener un intervalo de confianza del 95% (IC95%);
representar gráficamente la media y su IC95%;
interpretar descriptivamente el patrón observado.

Importante: todavía no utilizaremos pruebas de significancia estadística. Los intervalos de confianza se introducirán de manera gráfica y descriptiva. Más adelante estudiaremos formalmente su interpretación.

2 1. Preparar el directorio de trabajo

Comience revisando el directorio actual.

getwd()

## [1] "C:/Users/Karla Suauste/Downloads/enbiare_2025_base_de_datos_csv"

Defina ahora la carpeta en la que guardó la base correspondiente a su entidad.

setwd("C:/Users/Karla Suauste/Downloads/enbiare_2025_base_de_datos_csv")

Compruebe qué archivos se encuentran en esa carpeta.

list.files()

##  [1] "Actividad 1 R.R"                                   
##  [2] "Ambiente reciente.RData"                           
##  [3] "base_veracruz.rds"                                 
##  [4] "enbiare_2025_fd (1).xlsx"                          
##  [5] "nota_base_datos_enbiare_2025.txt"                  
##  [6] "Práctica 1 04-09-10.RData"                         
##  [7] "Practica_1_ENAH_ENBIARE.html"                      
##  [8] "Practica_1_ENAH_ENBIARE.Rmd"                       
##  [9] "Practica_1_ENAH_ENBIARE.tex"                       
## [10] "Practica_2_ENAH_ENBIARE.html"                      
## [11] "Practica_2_ENAH_ENBIARE.Rmd"                       
## [12] "Practica_3-FINAL.Rmd"                              
## [13] "Practica_3 FINAL.Rmd"                              
## [14] "Practica_3_ENAH_ENBIARE_construccion_variables.Rmd"
## [15] "rsconnect"                                         
## [16] "TENBIARE.csv"                                      
## [17] "THOGAR.csv"                                        
## [18] "TSDEM.csv"                                         
## [19] "TVIVIENDA.csv"

Pregunta 1. ¿Cuál es su directorio de trabajo?

“C:/Users/Karla Suauste/Downloads/enbiare_2025_base_de_datos_csv”

3 2. Leer la base de la entidad

Cada estudiante utilizará el archivo .rds correspondiente a la entidad seleccionada.

A partir de esta práctica, independientemente del nombre del archivo, llamaremos base al objeto con el que trabajaremos.

Modifique el nombre del archivo en el siguiente código.

base_veracruz <- readRDS("base_veracruz.rds")

Una vez leído el archivo, compruebe sus dimensiones.

Pregunta 2.

**Entidad:Veracruz
**Nombre del archivo:base_veracruz
**Número de casos:961
**Número de variables:276

4 3. Nuestra variable principal: satisfacción con la vida

#La variable PA1 registra la satisfacción actual con la vida en una escala de 0 a 10.

Primero revise cómo se encuentra almacenada.

str(base_veracruz$PA1)

##  num [1:961] 7 8 9 7 8 7 10 3 9 10 ...

table(base_veracruz$PA1, useNA = "ifany")

## 
##   0   1   2   3   4   5   6   7   8   9  10 
##   6   2   4   6   7  58  30  87 211 199 351

Construya una variable numérica llamada satisf_vida.

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

summary(base_veracruz$satisf_vida)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.000   8.000   9.000   8.454  10.000  10.000

Pregunta 3. Registre:

Media: 8.454
**Mediana:9.000
**Mínimo:0.000
**Máximo:10.000

En esta práctica consideraremos satisf_vida como la variable que queremos comprender o explicar.

5 4. Una función que utilizaremos durante toda la práctica

Vamos a construir una función para calcular:

número de casos;
media;
límite inferior del IC95%;
límite superior del IC95%.

Por ahora utilizaremos el IC95% principalmente para visualizar la precisión de las medias. Su interpretación estadística formal se revisará posteriormente.

IC_media <- function(x){
  x <- x[!is.na(x)]
  n <- length(x)
  media <- mean(x)
  error <- qt(0.975, df = n - 1) * sd(x) / sqrt(n)

  c(
    n = n,
    media = media,
    LI = media - error,
    LS = media + error
  )
}

Compruebe la función con satisfacción con la vida.

IC_media(base_veracruz$satisf_vida)

##          n      media         LI         LS 
## 961.000000   8.453694   8.341373   8.566015

6 5. Sexo y satisfacción con la vida

6.1 5.1 Revisar la variable original

table(base_veracruz$SEXO, useNA = "ifany")

## 
##   1   2 
## 416 545

Aunque R almacene SEXO mediante números, esos números representan categorías, no cantidades.

6.2 5.2 Construir la variable

base_veracruz$sexo_f <- factor(
  base_veracruz$SEXO,
  levels = c(1, 2),
  labels = c("Hombre", "Mujer")
)

table(base_veracruz$sexo_f)

## 
## Hombre  Mujer 
##    416    545

6.3 5.3 Frecuencias absolutas y relativas

freq_sexo <- table(base_veracruz$sexo_f)

freq_sexo

## 
## Hombre  Mujer 
##    416    545

round(prop.table(freq_sexo) * 100, 1)

## 
## Hombre  Mujer 
##   43.3   56.7

Complete:

Sexo	n	%
Hombre	416	43.3
Mujer		545
Total	961	100

6.4 5.4 Satisfacción con la vida según sexo

tapply(
  base_veracruz$satisf_vida,
  base_veracruz$sexo_f,
  mean,
  na.rm = TRUE
)

##   Hombre    Mujer 
## 8.454327 8.453211

Obtenga ahora media e IC95%.

grupos <- split(base_veracruz$satisf_vida, base_veracruz$sexo_f)
res <- t(sapply(grupos, IC_media))
round(res, 2)

##          n media   LI   LS
## Hombre 416  8.45 8.29 8.62
## Mujer  545  8.45 8.30 8.60

6.5 5.5 Gráfica de media e IC95%

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(7, 9),
  xaxt = "n",
  xlab = "Sexo",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 1.Satisfacción con la vida según sexo,veracruz 2025",
  pch = 19
)

axis(1, at = 1:nrow(res), labels = rownames(res))

arrows(
  1:nrow(res),
  res[, "LI"],
  1:nrow(res),
  res[, "LS"],
  angle = 90,
  code = 3,
  length = 0.05
)

Pregunta 4. ¿Qué observa? ¿Las medias son semejantes o diferentes? Observe también la amplitud de los intervalos.

Respuesta: Son valores semejantes, las medias son cercanas y los intervalos están muy pequeños. Los intervalos se cruzan lo cual indica que no hay diferencias significativas de las medias de satisfacción de la vida entre hombres y mujeres

7 6. Edad: de una variable cuantitativa a grupos de edad

EDAD es una variable cuantitativa. Revise primero su distribución.

summary(base_veracruz$EDAD)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   18.00   34.00   48.00   48.21   62.00   99.00

table(base_veracruz$EDAD)

## 
## 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 
##  9 15 10 14 18  8 12 13 14 18 14 11 15 22 20 15 17 16 28 21 17 25 26 10 22 12 
## 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 
## 22  7 16  7 14 12 29 17 17 13 18 17 15 21 20 13 15 21 25 21 19 13  8 10 11 18 
## 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 92 95 99 
## 16  7  9 11  6  9  9  5  9  3  6  3  5  2  4  3  1  2  2  3  1  1  1  2

Ahora construiremos grupos de edad.

base_veracruz$grupo_edad <- cut(
  base_veracruz$EDAD,
  breaks = c(17, 29, 44, 59, 74, 95),
  labels = c("18-29", "30-44", "45-59", "60-74", "75+")
)

7.1 6.1 Frecuencias

freq_edad <- table(base_veracruz$grupo_edad)

freq_edad

## 
## 18-29 30-44 45-59 60-74   75+ 
##   156   288   236   210    69

round(prop.table(freq_edad) * 100, 1)

## 
## 18-29 30-44 45-59 60-74   75+ 
##  16.3  30.0  24.6  21.9   7.2

Pregunta 5. ¿Cuál es el grupo más numeroso? ¿Cuál es el menos numeroso?

Respuesta:30 a 44 años con 30.0% el menos numeroso es el de 75+ años con 7.2%

Pregunta 6. ¿Qué ganamos y qué información perdemos al transformar la edad exacta en grupos de edad?

Respuesta:Podemos comparar la edad exacta y observarlo en porcentajes. Perdemos los valores que no estaban definidos y también la variable cuantitativa y ahora es una variable categórica ordinal

7.2 6.2 Satisfacción según grupos de edad

grupos <- split(base_veracruz$satisf_vida, base_veracruz$grupo_edad)
res <- t(sapply(grupos, IC_media))

round(res, 2)

##         n media   LI   LS
## 18-29 156  8.59 8.33 8.85
## 30-44 288  8.67 8.49 8.85
## 45-59 236  8.22 7.96 8.49
## 60-74 210  8.38 8.14 8.61
## 75+    69  8.25 7.79 8.70

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(7, 10),
  xaxt = "n",
  xlab = "Grupo de edad",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 2. Satisfacción con la vida según grupo de edad, veracruz 2025",
  pch = 19
)

axis(1, at = 1:nrow(res), labels = rownames(res))

arrows(
  1:nrow(res),
  res[, "LI"],
  1:nrow(res),
  res[, "LS"],
  angle = 90,
  code = 3,
  length = 0.05
)

Pregunta 7. ¿Se observa algún patrón entre edad y satisfacción con la vida? ¿Algún grupo tiene un intervalo considerablemente más amplio? ¿Qué podría explicar esa mayor amplitud?

Respuesta: los valores más altos se concentran en los grupos de menor edad y van disminuyendo a medida que se acercan a la mediana y tercera edad.

8 7. Salud autopercibida

PB1 corresponde a salud autopercibida.

Primero revise las categorías originales.

table(base_veracruz$PB1, useNA = "ifany")

## 
##   1   2   3   4   5 
##  14  44 376 386 141

Construya una variable con etiquetas.

base_veracruz$salud_f <- factor(
  base_veracruz$PB1,
  levels = 1:5,
  labels = c(
    "Muy mala",
    "Mala",
    "Regular",
    "Buena",
    "Muy buena"
  ),
  ordered = TRUE
)

base_veracruz$salud_4 <- factor(

  ifelse(base_veracruz$PB1 %in% c(1, 2), "Mala",

         ifelse(base_veracruz$PB1 == 3, "Regular",

                ifelse(base_veracruz$PB1 == 4, "Buena", "Muy buena"))),

  levels = c("Mala", "Regular", "Buena", "Muy buena"),

  ordered = TRUE

)

8.1 7.1 Frecuencias

freq_salud <- table(base_veracruz$salud_4)

freq_salud

## 
##      Mala   Regular     Buena Muy buena 
##        58       376       386       141

round(prop.table(freq_salud) * 100, 1)

## 
##      Mala   Regular     Buena Muy buena 
##       6.0      39.1      40.2      14.7

Pregunta 8. ¿Cuál es la categoría de salud más frecuente?

Respuesta: Buena es la más frecuente con 40.2

8.2 7.2 Salud y satisfacción con la vida

grupos <- split(base_veracruz$satisf_vida, base_veracruz$salud_4)
res <- t(sapply(grupos, IC_media))

round(res, 2)

##             n media   LI   LS
## Mala       58  7.07 6.39 7.75
## Regular   376  8.14 7.95 8.32
## Buena     386  8.75 8.62 8.89
## Muy buena 141  9.04 8.76 9.33

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(6, 10),
  xaxt = "n",
  xlab = "Salud autopercibida",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 3. Satisfacción con la vida según salud autopercibida, Veracruz 2025",
  pch = 19
)

axis(1, at = 1:nrow(res), labels = rownames(res))

arrows(
  1:nrow(res),
  res[, "LI"],
  1:nrow(res),
  res[, "LS"],
  angle = 90,
  code = 3,
  length = 0.05
)

Pregunta 9. ¿Parece existir un gradiente entre salud autopercibida y satisfacción con la vida?

Respuesta: A mejor salud percibida hay mayor satisfacción con la vida

9 8. Soledad

Trabajaremos ahora con PB4, frecuencia con que la persona reporta haberse sentido sola.

Antes de construir la variable, observe los códigos.

table(base_veracruz$PB4, useNA = "ifany")

## 
##   1   2   3   4   5 
## 537 220 135  39  30

Construya la variable etiquetada.

base_veracruz$soledad_f <- factor(
  base_veracruz$PB4,
  levels = 1:5,
  labels = c(
    "Nunca",
    "Pocas veces",
    "Algunas veces",
    "La mayor parte del tiempo",
    "Todo el tiempo"
  ),
  ordered = TRUE
)

9.1 8.1 Frecuencias

freq_soledad <- table(base_veracruz$soledad_f)

freq_soledad

## 
##                     Nunca               Pocas veces             Algunas veces 
##                       537                       220                       135 
## La mayor parte del tiempo            Todo el tiempo 
##                        39                        30

round(prop.table(freq_soledad) * 100, 1)

## 
##                     Nunca               Pocas veces             Algunas veces 
##                      55.9                      22.9                      14.0 
## La mayor parte del tiempo            Todo el tiempo 
##                       4.1                       3.1

9.2 8.2 Soledad y satisfacción

grupos <- split(base_veracruz$satisf_vida, base_veracruz$soledad_f)
res <- t(sapply(grupos, IC_media))

round(res, 2)

##                             n media   LI   LS
## Nunca                     537  8.86 8.74 8.99
## Pocas veces               220  8.25 8.02 8.47
## Algunas veces             135  7.96 7.66 8.27
## La mayor parte del tiempo  39  7.23 6.50 7.96
## Todo el tiempo             30  6.43 5.29 7.58

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(5, 10),
  xaxt = "n",
  xlab = "Frecuencia de soledad",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 4. Satisfacción con la vida según frecuencia de soledad, Veracruz 2025",
  pch = 19
)

axis(1, at = 1:nrow(res), labels = rownames(res), las = 2)

arrows(
  1:nrow(res),
  res[, "LI"],
  1:nrow(res),
  res[, "LS"],
  angle = 90,
  code = 3,
  length = 0.05
)

Pregunta 10. Conforme aumenta la frecuencia de soledad, ¿qué sucede descriptivamente con la satisfacción con la vida?

Respuesta: A mayor percepción de soledad la media de satisfacción con la vida disminuye

10 9. Capacidad económica

Trabajaremos con PC1, relacionada con la capacidad del hogar para llegar a fin de mes.

Antes de etiquetar sus categorías, consulte el descriptor de ENBIARE y escriba exactamente qué significa cada código.

table(base_veracruz$PC1, useNA = "ifany")

## 
##   1   2   3   4   5   6 
##  81 144 211 162 270  93

Pregunta 11. Escriba el significado de las categorías de PC1.

Respuesta:

Construya ahora una variable factor utilizando las etiquetas verificadas en el descriptor.

base_veracruz$fin_mes_f <- factor(
  base_veracruz$PC1,
  levels = c(1,2,3,4,5,6),
  labels = c("Mucha dificultad","Dificultad","Poca dificultad","Facilidad","Poca facilidad", "Mucha facilidad"),
  ordered = TRUE
)

Obtenga frecuencias absolutas y relativas.

freq_economia <- table(base$fin_mes_f)

freq_economia
round(prop.table(freq_economia) * 100, 1)

Calcule la satisfacción media y los IC95%.

grupos <- split(base_veracruz$satisf_vida, base_veracruz$fin_mes_f)
res <- t(sapply(grupos, IC_media))

round(res, 2)

Utilice el mismo procedimiento de las secciones anteriores para construir una gráfica de media e IC95%.

plot(
  1:nrow(res),
  res[, "media"],
  ylim = c(5, 10),
  xaxt = "n",
  xlab = "Capacidad del hogar para llegar a fin de mes",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 5. Satisfacción con la vida según capacidad del hogar para llegar a fin de mes, Veracruz 2025",
  pch = 19
)

axis(1, at = 1:nrow(res), labels = rownames(res), las = 2)

arrows(
  1:nrow(res),
  res[, "LI"],
  1:nrow(res),
  res[, "LS"],
  angle = 90,
  code = 3,
  length = 0.05
)

Pregunta 12. ¿Observa algún patrón entre la capacidad económica y la satisfacción con la vida?

Respuesta: Los que tienen más dificultad en su capacidad económica se sientes menos satisfechos con la vida. El aspecto económico es importante para la satisfacción de la vida en Veracruz

11 10. Confianza interpersonal

PF1_1 se refiere a la confianza en la mayoría de la gente.

Revise primero la variable.

str(base_veracruz$PF1_1)

##  chr [1:961] "04" "05" "08" "03" "05" "05" "05" "08" "08" "00" "08" "07" ...

table(base_veracruz$PF1_1, useNA = "ifany")

## 
##  00  01  02  03  04  05  06  07  08  09  10 
## 130  52  71  86  59 220  95  98  92  31  27

saveRDS(base, “base_veracruz.rds”)

Pregunta 13. De acuerdo con el descriptor, ¿cómo está medida PF1_1?

Respuesta:Es una variable cuantitativa pero R la tiene como una variable de caracter

Antes de modificarla, piense:

¿Conviene conservar todos sus valores o agruparlos?

Si decide agruparla, deberá justificar los puntos de corte. Un agrupamiento simplifica la interpretación, pero también implica pérdida de información.

Decisión tomada: Todos los valores son importantes, entonces por eso es importante conservarlos.

Justificación:

Construya la variable que utilizará, obtenga sus frecuencias absolutas y relativas y posteriormente calcule la satisfacción media y su IC95%.

base_veracruz$confianza <- as.numeric(base_veracruz$PF1_1)

freq_confianza <- table(base_veracruz$confianza)

freq_confianza

## 
##   0   1   2   3   4   5   6   7   8   9  10 
## 130  52  71  86  59 220  95  98  92  31  27

round(prop.table(freq_confianza) * 100, 1)

## 
##    0    1    2    3    4    5    6    7    8    9   10 
## 13.5  5.4  7.4  8.9  6.1 22.9  9.9 10.2  9.6  3.2  2.8

grupos <- split(base_veracruz$satisf_vida, base_veracruz$confianza)
res <- t(sapply(grupos, IC_media))

round(res, 2)

##      n media   LI   LS
## 0  130  8.23 7.83 8.64
## 1   52  7.60 6.93 8.26
## 2   71  8.38 7.98 8.78
## 3   86  8.23 7.90 8.57
## 4   59  8.37 7.93 8.82
## 5  220  8.76 8.57 8.95
## 6   95  8.32 7.96 8.67
## 7   98  8.79 8.52 9.05
## 8   92  8.46 8.11 8.80
## 9   31  8.74 8.17 9.32
## 10  27  8.67 7.78 9.56

Construya también la gráfica correspondiente.

plot(
  0:10,
  res[, "media"],
  ylim = c(6, 10),
  xaxt = "n",
  xlab = "Nivel de confianza interpersonal",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 6.Satisfacción con la vida según confianza interpersonal. Veracruz 2025",
  pch = 19
)

axis(1, at = 0:10, labels = 0:10)

arrows(
  0:10,
  res[, "LI"],
  0:10,
  res[, "LS"],
  angle = 90,
  code = 3,
  length = 0.05
)

Pregunta 14. ¿Qué relación descriptiva observa entre confianza interpersonal y satisfacción con la vida?

Respuesta: Mientras aumenta el nivel de confianza interpersonal, también tiende a incrementarse la satifacción con la vida

12 11. Una variable adicional

Seleccione una variable adicional de ENBIARE que considere que podría estar relacionada con la satisfacción con la vida.

Antes de analizarla complete:

**Variable original:PL10
**¿Qué mide?:La frecuencia de viajes en avión
Tipo de variable:
¿Cómo está codificada?:
¿Necesita recodificación o agrupamiento?:
¿Por qué podría relacionarse con satisfacción con la vida?:

Ahora siga la misma secuencia utilizada durante la práctica:

construya o etiquete la variable;
obtenga frecuencias absolutas;
obtenga frecuencias relativas;
calcule satisfacción media por categoría;
calcule IC95%;
construya la gráfica de media e IC95%.

base_veracruz$freq_viajes <- factor(
  base_veracruz$PL10,
  levels = c("1", "2"),
  labels = c("Si", "No")
)

freq_viajes <- table(base_veracruz$freq_viajes)
freq_viajes

## 
##  Si  No 
## 225 736

round(prop.table(freq_viajes) * 100, 1)

## 
##   Si   No 
## 23.4 76.6

grupos <- split(base_veracruz$satisf_vida, base_veracruz$freq_viajes)

res <- t(sapply(grupos, function(x) {
  x <- x[!is.na(x)]
  n <- length(x)
  media <- mean(x)
  error <- qt(0.975, df = n - 1) * sd(x) / sqrt(n)
  c(n = n, media = media, LI = media - error, LS = media + error)
}))

round(res, 2)

##      n media   LI   LS
## Si 225  8.68 8.46 8.90
## No 736  8.38 8.25 8.51

plot(
  1:2, res[, "media"],
  ylim = range(res[, c("LI", "LS")]),
  xaxt = "n",
  xlab = "Frecuencia de viajes en avión",
  ylab = "Satisfacción con la vida",
  main = "Gráfica 7. Satisfacción con la vida según viajes en avión. Veracruz 2025",
  pch = 19
)

axis(
  1, at = 1:2,
  labels = rownames(res)
)

arrows(
  1:2, res[, "LI"],
  1:2, res[, "LS"],
  angle = 90,
  code = 3,
  length = 0.05
)

Pregunta 15. ¿Qué patrón encontró?

Respuesta: Las persoas que viajan en avión reportan una mayor satisfacción con la vida. Los valores más altos del grupo que no viaja en avión coinciden con los más bajos valores del grupo que sí viaja.

13 12. Integración de resultados

Hasta ahora hemos examinado posibles relaciones entre satisfacción con la vida y:

sexo;
edad;
salud autopercibida;
soledad;
capacidad económica;
confianza interpersonal;
¿Ha viajado en avión alguna vez en su vida?

Complete la siguiente tabla.

Posible factor	Variable utilizada	¿Qué patrón descriptivo observó?
Sexo	`sexo_f`	Son valores semejantes, las medias son cercanas y los intervalos están muy pequeños. Los intervalos se cruzan lo cual indica que no hay diferencias significativas de las medias de satisfacción de la vida entre hombres y mujeres
Curso de vida	`grupo_edad`	30 a 44 años con 30.0% el menos numeroso es el de 75+ años con 7.2%. Se puede comparar la edad exacta y observarlo en porcentajes. Se pierden los valores que no estaban definidos y también la variable cuantitativa y ahora es una variable categórica ordinal
Salud	`salud_f`	A mejor salud percibida hay mayor satisfacción con la vida. Los valores van desde 7.1 y casi 9.2
Soledad	`soledad_f`	A mayor percepción de soledad la media de satisfacción con la vida disminuye
Capacidad económica	`fin_mes_f`	Los que tienen más dificultad en su capacidad económica se sienten menos satisfechos con la vida. El aspecto económico es importante para la satisfacción de la vida en Veracruz
Confianza interpersonal	PF1_1	Mientras aumenta el nivel de confianza interpersonal, también tiende a incrementarse la satifacción con la vida
¿Ha viajado en avión alguna vez en su vida?	PL10	Las personas que viajan en avión reportan una mayor satisfacción con la vida. Los valores más altos del grupo que no viaja en avión coinciden con los más bajos valores del grupo que sí viaja

14 13. Interpretación antropológica

Observe conjuntamente sus resultados y gráficas.

Redacte un comentario de 200 a 250 palabras que responda:

¿Qué variables parecen mostrar diferencias más claras en satisfacción con la vida?
¿En cuáles las medias parecen muy semejantes?
¿En alguna observa un posible gradiente?
¿Qué explicaciones sociales, culturales o demográficas podrían plantearse como hipótesis?
¿Qué aspectos importantes para comprender la satisfacción con la vida no pueden conocerse solamente mediante estas variables?
¿Qué podría aportar una aproximación cualitativa o etnográfica?

Interpretación final: Las variables que se ven notablemente más diferentes respecto a la satisfacción con la vida es la capacidad económica del hogar para llegar al final del mes, la satisfación con la vida de acuerdo con la pecepción de soledad. Las medias más semejantes son aquellas que se encuentran en el apartado de satisfación de la vida según la edad. Ya que sus valores se encuentran entre 8.2 y 8.6 entonces solo se diferencian entre unos pocos decimales. La satisfacción con la vida depende de las circunstancias que se presentan de acuerdo con los niveles socioeconómicos y comunitarios. Porque dentro del sistema capitalista en el que vivimos el dinero está relacionado con la felicidad y tranquilidad de una vida estable, entonces tanto los lujos como viajar en avión y también la capacidad del hogar para llegar al final de mes, están relacionadas directamente con circunstancias financieras. Y por el lado de la unidad comunitaria esta se ve reflejada en la percepción de la soledad de algunas personas, que también se puede relacionar con la vida capitalista aunado a la globalización, ya que al estar tan inmersos en estudiar, trabajar o estar conectados mediaante las tecnologías, nos olvidamos de otras personas y la vida se individualiza, entonces dejamos a un lado la parte comunitaria. Las particulares experiencias de las personas entrevistadas no podrían conocerse únicamente explorando los datos que arrojan estas variables. Porque ya se necesitaría de los datos cualitativos obtenidos a partir de la etnografía, solo así se puede saber de los diferentes modos de vida de las personas y cómo estos repercuten en la sociedad.

15 14. Para discutir en clase

Seleccione una gráfica que considere especialmente interesante.

Prepare para compartir:

**Entidad:Veracruz
**Variable seleccionada:PL10
**Patrón observado:Quienes viajan en avión muestran niveles de satisfacción con la vida sensiblemente superiores. De hecho, los valores más altos alcanzados por las personas que no utilizan este medio de transporte apenas igualan a los más bajos registrados entre quienes sí lo hacen.
**Una posible interpretación antropológica:Es bien sabido que desde la antigüedad los viajes han sido de suma relevancia para el bienestar y la trascendencia humana, porque los viajes te invitan a conocer nuevos espacios y a entender a mayor profundidad lo que respecta al ser humano, es entender diferentes maneras de vivir y de concebir el tiempo y espacio. Entonces, es evidente que al viajar constantemente en avión, las personas se van a sentir más santisfechas con la vida, porque el viaje por avión te da cierto estatus en la sociedad, no solo por lo ya mencionado sino también por los costos que implica viajar en este transporte aereo.

Finalmente responda:

¿Que dos intervalos de confianza se superpongan significa necesariamente que no existe una diferencia entre los grupos?

Por ahora no es necesario resolver formalmente esta pregunta. La retomaremos cuando estudiemos inferencia estadística.

16 Cierre

Al terminar esta práctica deberá poder:

iniciar un análisis desde la lectura del archivo de datos;
distinguir entre códigos numéricos y variables cuantitativas;
construir y etiquetar variables;
agrupar una variable cuando exista una justificación;
obtener frecuencias absolutas y relativas;
calcular medias por grupos;
representar medias mediante intervalos de confianza del 95%;
identificar descriptivamente patrones y gradientes;
distinguir entre un resultado observado y una posible explicación;
relacionar decisiones estadísticas con preguntas antropológicas.

Nota metodológica: continuamos trabajando descriptivamente con los registros de la muestra de ENBIARE correspondientes a cada entidad. Los intervalos de confianza utilizados en esta práctica tienen una finalidad introductoria. Posteriormente incorporaremos el factor de expansión y el diseño complejo de la encuesta para realizar estimaciones poblacionales y estudiaremos formalmente la inferencia estadística.

Práctica 3. Construcción de variables relacionadas con la satisfacción con la vida

ENBIARE 2025

Nombre: Karla Yareli Suaste Barajas

Fecha:18-09-26