1 Razones, proporciones y tasas
Daniel Garavito
10 de agosto de 2018
Razon
- Es un cociente en el que el numerador no está incluido en el denominador.
- A menudo las cantidades se miden en las mismas unidades, pero no es esencial.
- El rango oscila entre 0 e infinito.
- La manera correcta de expresar el resultado del cálculo de una razón es sealar el número de elementos del numerador que existen por cada elemento del denominador.
Ejemplo
si tenemos una clínica con 500 camas en hospitalización y en esta misma clínica tenemos 83 médicos generales de piso, la razón cama/médico será: \[ \dfrac{500 \ camas}{83 \ medicos} = 6.02\]
6 camas tendrá a su cargo cada médico.
Pero, es invertible \[ \dfrac{83 \ medicos}{500 \ camas} = 0.166\]
Podemos ver la ravón como una Razón de cambio (de una variable respecto a otra) es la magnitud del cambio de una variable por unidad de cambio de la otra.
par(mgp=c(2,1,0), mar=c(3,3,1,1))
# Fit regression line
require(stats)
reg<-lm(dist ~ speed, data = cars)
coeff=coefficients(reg)
# equation of the line :
eq = paste0("y = ", round(coeff[2],1), "*x ", round(coeff[1],1))
# plot
plot(cars, main=eq)
abline(reg, col="blue")
Proporción
- Es un cociente en el que el numerador está incluido en el denominador. (Relación parte a total)
- Una proporción no es más que la expresión de la probabilidad de que un suceso ocurra. (en un campo laplaciano de probabilidad!)
- El rango esta comprendido entre 0 y 1 o bien en términos porcentuales de 0% a 100%, y no tiene dimensión.
Ejemplo
Por ejemplo si en una población de 32.000 habitantes se diagnostican 1789 pacientes con infarto agudo del miocardio, la proporción de infarto agudo del miocardio en esta población es:
1789/32000## [1] 0.05590625\[ \dfrac{1789 \ Diagnosticados}{32000 \ habitantes} = 0.05590625\]
es posible espresarlo en porcentaje, o en millardo, o por 10.000 para facilitar la lectura
100*(1789/32000)## [1] 5.5906251000*(1789/32000)## [1] 55.906251000*(1789/32000)## [1] 55.9062510000*(1789/32000)## [1] 559.0625⊙﹏⊙
100000*(1789/32000)## [1] 5590.625•_•)
1000000*(1789/32000)## [1] 55906.25Mini - Regla de Laplace
Lo veremos en detalle posteriormente
\[P(A)= \dfrac{Casos \ Favorables}{Casos \ Posibles}\] Queremos calcular la probabilidad del suceso \(A\)“ser atropellado por un tranvía”. Sólo hay dos casos posibles, “ser atropellado” y “no ser atropellado”. Hay un caso favorable, “ser atropellado”. Por tanto, la probabilidad es de \(1/2\).
Esto significaría que cada vez que saliéramos a la calle, tendríamos el \(50\%\) de probabilidad de ser atropellados. El error está, por supuesto, en que los dos sucesos no tienen la misma probabilidad. https://www.sangakoo.com/es/temas/regla-de-laplace
Tasa
- La tasa es una forma especial de proporción o de razón que tiene en cuenta el tiempo y lugar.
- Es una medida que relaciona el cambio de una magnitud por unidad de cambio en otra magnitud (por regla general, tiempo).
- La utilización de las tasas es esencial para comparar experiencias entre poblaciones en diferentes tiempos, diferentes lugares o entre diferentes tipos de personas. Su rango oscila entre 0 e infinito y su medida es tiempo.
- Las tasas representan la fuerza con que se produce un hecho determinado en una población, y esto es igual a riesgo. - Se pueden hacer prosnósticos en base a tasas calculadas en podo inmediatamente anteriores. (Ceteris Paribus)
*http://stickfigureeconomics.blogspot.com/2012/05/ceteris-paribus-fairy.html
Las Tasas pueden ser generales, específicas y particulares
Generales: toman todos los casos, por ejemplo, de muerte o todos los casos de muerte por una causa, con respecto a la población total de un lugar y período determinado: Tasa de mortalidad
Tasa general de mortalidad por una causa
Específicas: son las tasas que se construyen relacionando el fenómeno a un sector de la población (por edad por sexo etc)
Tasa de mortalidad infantil
Tasa de mortalidad menores de 1 año
Tasa de mortalidad materna
Tasa de mortalidad (para 60-64 años)
Tasa de natalidad
Tasa de fecundidad
Práctica
En esta sección emplearemos los datos de estadísticas vitales del DANE, disponibles en http://microdatos.dane.gov.co/index.php/catalog/475/get_microdata
Estadísticas Vitales está orientado a recoger información sobre algunos hechos que ocurren a lo largo de la vida de las personas, tales como nacimiento, matrimonio, divorcio, anulación, adopción, legitimación, reconocimiento y defunción. Dentro de este sistema se identifican dos subsistemas, registro civil y estadísticas vitales. El primero, en esencia, es una institución pública cuyo objetivo es registrar y almacenar información sobre el acaecimiento de hechos vitales y sus características con fines jurídicos, administrativos y de otra índole; y el segundo, es un proceso que acopia información de los hechos vitales, las características pertinentes a los propios sucesos, para luego compilar, sistematizar, analizar, evaluar, presentar y difundir esos datos. Actualmente, el Sistema de Estadísticas Vitales en Colombia sólo incluye registros de nacimientos y defunciones fetales y no fetales.
Otro de los usos de las estadísticas vitales es el análisis demográfico, requisito para la planificación del desarrollo económico y social. A nivel internacional, facilita las bases para la comparación y apreciación de las diferencias entre países, subregiones y regiones y para trazar, a lo largo del tiempo, las fases demográficas que deben cumplir.
library(foreign)
defun<-read.spss("Defun_2015.sav", to.data.frame = TRUE,reencode = "latin1",use.value.labels = FALSE)## re-encoding from latin1names(defun)## [1] "COD_DPTO" "COD_MUNIC" "A_DEFUN" "SIT_DEFUN" "OTRSITIODE"
## [6] "COD_INST" "NOM_INST" "TIPO_DEFUN" "ANO" "MES"
## [11] "HORA" "MINUTOS" "SEXO" "EST_CIVIL" "GRU_ED1"
## [16] "GRU_ED2" "NIVEL_EDU" "ULTCURFAL" "MUERTEPORO" "SIMUERTEPO"
## [21] "OCUPACION" "IDPERTET" "CODPRES" "CODPTORE" "CODMUNRE"
## [26] "AREA_RES" "SEG_SOCIAL" "IDADMISALU" "IDCLASADMI" "PMAN_MUER"
## [31] "CONS_EXP" "MU_PARTO" "T_PARTO" "TIPO_EMB" "T_GES"
## [36] "PESO_NAC" "EDAD_MADRE" "N_HIJOSV" "N_HIJOSM" "EST_CIVM"
## [41] "NIV_EDUM" "ULTCURMAD" "EMB_FAL" "EMB_SEM" "EMB_MES"
## [46] "MAN_MUER" "CODOCUR" "CODMUNOC" "C_MUERTE" "C_MUERTEB"
## [51] "C_MUERTEC" "C_MUERTED" "C_MUERTEE" "ASIS_MED" "C_DIR1"
## [56] "C_DIR12" "C_ANT1" "C_ANT12" "C_ANT2" "C_ANT22"
## [61] "C_ANT3" "C_ANT32" "C_PAT1" "C_PAT2" "C_BAS1"
## [66] "C_MCM1" "IDPROFCER" "CAUSA_666" "CAU_HOMOL"str(defun)## 'data.frame': 219472 obs. of 69 variables:
## $ COD_DPTO : Factor w/ 33 levels "05","08","11",..: 5 5 8 8 2 27 6 8 13 27 ...
## $ COD_MUNIC : Factor w/ 574 levels "001","002","003",..: 1 1 170 366 1 212 317 170 504 1 ...
## $ A_DEFUN : Factor w/ 4 levels "1","2","3","9": 1 1 2 1 1 3 1 2 2 1 ...
## $ SIT_DEFUN : Factor w/ 7 levels "1","2","3","4",..: 1 1 1 5 1 5 5 6 5 1 ...
## $ OTRSITIODE: Factor w/ 2272 levels " ",..: 1 1 1 1 1 1 1 1481 1 1 ...
## $ COD_INST : Factor w/ 2208 levels " ",..: 649 649 892 910 233 2176 830 892 1266 2173 ...
## $ NOM_INST : Factor w/ 2469 levels " ",..: 578 578 1180 1270 2013 839 1338 1180 973 1195 ...
## $ TIPO_DEFUN: Factor w/ 1 level "2": 1 1 1 1 1 1 1 1 1 1 ...
## $ ANO : Factor w/ 1 level "2015": 1 1 1 1 1 1 1 1 1 1 ...
## $ MES : Factor w/ 12 levels "01","02","03",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ HORA : Factor w/ 26 levels "00","01","02",..: 12 2 6 3 13 1 1 8 2 9 ...
## $ MINUTOS : Factor w/ 63 levels " ","00","01",..: 2 17 47 2 17 2 2 2 32 19 ...
## $ SEXO : Factor w/ 3 levels "1","2","3": 1 2 1 1 1 1 1 1 1 1 ...
## $ EST_CIVIL : Factor w/ 7 levels "1","2","3","4",..: 5 5 5 5 7 1 1 1 5 5 ...
## $ GRU_ED1 : Factor w/ 30 levels "00","01","02",..: 3 2 12 13 19 15 16 14 13 14 ...
## $ GRU_ED2 : Factor w/ 7 levels "01","02","03",..: 1 1 4 4 5 4 4 4 4 4 ...
## $ NIVEL_EDU : Factor w/ 14 levels "1 ","10","11",..: 5 5 8 8 14 8 7 6 6 14 ...
## $ ULTCURFAL : num NA NA 10 11 99 11 8 5 5 99 ...
## $ MUERTEPORO: Factor w/ 4 levels " ","1","2","9": 1 1 3 3 3 3 3 3 3 3 ...
## $ SIMUERTEPO: Factor w/ 4 levels " ","1","2","9": 1 1 1 1 1 1 1 1 1 1 ...
## $ OCUPACION : Factor w/ 1675 levels " "| __truncated__,..: 1 1 690 89 150 1667 785 72 545 1410 ...
## $ IDPERTET : Factor w/ 7 levels "1","2","3","4",..: 6 6 6 6 6 6 6 6 6 6 ...
## $ CODPRES : Factor w/ 46 levels "032","052","076",..: 7 7 7 7 7 7 7 7 7 7 ...
## $ CODPTORE : Factor w/ 35 levels "01","05","08",..: 6 6 9 9 5 4 7 9 14 29 ...
## $ CODMUNRE : Factor w/ 593 levels "001","002","003",..: 1 1 176 378 420 1 255 176 519 579 ...
## $ AREA_RES : Factor w/ 5 levels " ","1","2","3",..: 2 4 3 2 2 2 2 3 3 2 ...
## $ SEG_SOCIAL: Factor w/ 6 levels "1","2","3","4",..: 2 2 3 2 2 1 2 2 2 2 ...
## $ IDADMISALU: Factor w/ 7 levels " ","1","2","3",..: 3 3 6 3 3 2 3 3 3 3 ...
## $ IDCLASADMI: Factor w/ 201 levels " ",..: 89 74 136 11 89 132 11 174 51 51 ...
## $ PMAN_MUER : Factor w/ 3 levels "1","2","3": 1 1 2 2 1 2 2 2 2 2 ...
## $ CONS_EXP : Factor w/ 5 levels "1","2","3","4",..: 2 1 3 3 4 3 3 3 3 3 ...
## $ MU_PARTO : Factor w/ 2 levels " ","3": 2 2 1 1 1 1 1 1 1 1 ...
## $ T_PARTO : Factor w/ 6 levels " ","1","2","3",..: 3 3 1 1 1 1 1 1 1 1 ...
## $ TIPO_EMB : Factor w/ 7 levels " ","1","2","3",..: 2 2 1 1 1 1 1 1 1 1 ...
## $ T_GES : Factor w/ 8 levels " ","1","2","3",..: 4 4 1 1 1 1 1 1 1 1 ...
## $ PESO_NAC : num 5 2 NA NA NA NA NA NA NA NA ...
## ..- attr(*, "value.labels")= Named chr "9" "8" "7" "6" ...
## .. ..- attr(*, "names")= chr "Sin información" "4.000 y más" "3.500 - 3.999" "3.000 - 3499 " ...
## $ EDAD_MADRE: num 5 5 NA NA NA NA NA NA NA NA ...
## ..- attr(*, "value.labels")= Named chr "99" "9" "8" "7" ...
## .. ..- attr(*, "names")= chr " Sin información" " De 50 a 54 años " "De 45 a 49 años " "De 40 a 44 años" ...
## $ N_HIJOSV : num 2 5 NA NA NA NA NA NA NA NA ...
## ..- attr(*, "value.labels")= Named chr "99" "0"
## .. ..- attr(*, "names")= chr " Sin información." " Número de hijos nacidos vivos "
## $ N_HIJOSM : num 1 1 NA NA NA NA NA NA NA NA ...
## ..- attr(*, "value.labels")= Named chr "99" "1"
## .. ..- attr(*, "names")= chr " Sin información" " Número de hijos nacidos muertos"
## $ EST_CIVM : Factor w/ 8 levels " ","1","2","3",..: 8 2 1 1 1 1 1 1 1 1 ...
## $ NIV_EDUM : Factor w/ 15 levels " ","1 ","10",..: 6 15 1 1 1 1 1 1 1 1 ...
## $ ULTCURMAD : num NA 99 NA NA NA NA NA NA NA NA ...
## ..- attr(*, "value.labels")= Named chr "99"
## .. ..- attr(*, "names")= chr "Sin información"
## $ EMB_FAL : Factor w/ 4 levels " ","1","2","9": 1 1 1 1 1 1 1 1 1 1 ...
## $ EMB_SEM : Factor w/ 4 levels " ","1","2","9": 1 1 1 1 1 1 1 1 1 1 ...
## $ EMB_MES : Factor w/ 4 levels " ","1","2","9": 1 1 1 1 1 1 1 1 1 1 ...
## $ MAN_MUER : Factor w/ 7 levels " ","1","2","3",..: 1 1 3 3 1 4 3 4 3 3 ...
## $ CODOCUR : Factor w/ 35 levels " ","01","05",..: 1 1 10 10 1 29 8 10 15 29 ...
## $ CODMUNOC : Factor w/ 556 levels " ","001","002",..: 1 1 166 355 1 208 309 166 489 545 ...
## $ C_MUERTE : Factor w/ 2 levels " ","1": 1 1 2 2 1 2 2 2 2 2 ...
## $ C_MUERTEB : Factor w/ 2 levels " ","1": 2 2 1 1 2 1 1 1 1 1 ...
## $ C_MUERTEC : Factor w/ 2 levels " ","1": 1 1 1 1 1 1 1 1 1 1 ...
## $ C_MUERTED : Factor w/ 2 levels " ","1": 1 1 1 1 1 1 1 1 1 1 ...
## $ C_MUERTEE : Factor w/ 2 levels " ","1": 1 1 1 1 1 1 1 1 1 1 ...
## $ ASIS_MED : Factor w/ 4 levels "1","2","3","9": 1 1 2 2 1 2 2 2 2 1 ...
## $ C_DIR1 : Factor w/ 1570 levels " ","A010",..: 1215 1083 1459 1459 1 1312 1459 1459 1459 1347 ...
## $ C_DIR12 : Factor w/ 435 levels " ","A021",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ C_ANT1 : Factor w/ 2512 levels " ","A020",..: 1735 1558 1975 1971 1 1904 1971 1922 1975 2211 ...
## $ C_ANT12 : Factor w/ 748 levels " ","A020",..: 1 1 579 583 1 1 1 1 1 1 ...
## $ C_ANT2 : Factor w/ 2846 levels " ","A010",..: 1872 1706 2252 2252 1 2060 2124 2491 2124 2126 ...
## $ C_ANT22 : Factor w/ 808 levels " ","A029",..: 331 1 1 1 1 1 1 1 1 1 ...
## $ C_ANT3 : Factor w/ 2271 levels " ","A010",..: 1510 1379 1 1 1 1680 1 1 2163 1698 ...
## $ C_ANT32 : Factor w/ 562 levels " ","A022",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ C_PAT1 : Factor w/ 2001 levels " ","A010",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ C_PAT2 : Factor w/ 1067 levels " ","A047",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ C_BAS1 : Factor w/ 2886 levels "A010","A020",..: 1991 1725 2699 2675 64 2069 2695 2186 2695 2696 ...
## $ C_MCM1 : Factor w/ 136 levels " ","A090",..: 1 1 1 1 5 1 1 1 1 1 ...
## $ IDPROFCER : Factor w/ 7 levels "1","2","3","4",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ CAUSA_666 : Factor w/ 70 levels "101","102","103",..: 68 34 51 51 6 40 51 40 51 51 ...
## $ CAU_HOMOL : Factor w/ 105 levels "001","002","003",..: 88 80 101 101 5 90 101 90 101 101 ...
## - attr(*, "variable.labels")= Named chr "Departamento donde ocurrió la defunción" "Municipio donde ocurrió la defunción" "Área donde ocurrió la defunción" "Sitio donde ocurrió la defunción" ...
## ..- attr(*, "names")= chr "COD_DPTO" "COD_MUNIC" "A_DEFUN" "SIT_DEFUN" ...summary(defun)## COD_DPTO COD_MUNIC A_DEFUN SIT_DEFUN
## 11 :35619 001 :140478 1:199276 1:145042
## 05 :30234 276 : 2115 2: 5134 2: 896
## 76 :27133 520 : 1903 3: 14930 3: 55438
## 08 :12852 307 : 1698 9: 132 4: 868
## 68 :10856 754 : 1652 5: 11011
## 25 : 9667 834 : 1592 6: 4839
## (Other):93111 (Other): 70034 9: 1378
## OTRSITIODE
## :214659
## ANCIANATO : 188
## AMBULANCIA : 174
## FINCA : 122
## DESPOBLADO : 97
## HOGAR GERIATRICO : 97
## (Other) : 4135
## COD_INST
## : 27124
## 050010217808: 2412
## 110011864201: 2191
## 050010590903: 1946
## 760010287001: 1789
## 760010379901: 1754
## (Other) :182256
## NOM_INST
## : 26987
## CORPORACI?N HOSPITALARIA JUAN CIUDAD : 2435
## UNIDAD HOSPITALARIA DE CASTILLA JAIME TOBON ARBELAEZ : 2412
## CLINICA LEON XIII : 1946
## FUNDACION VALLE DEL LILI : 1789
## E.S.E. HOSPITAL UNIVERSITARIO DEL VALLE EVARISTO GARCIA EMPRESA SOCIAL DEL ESTADO : 1746
## (Other) :182157
## TIPO_DEFUN ANO MES HORA
## 2:219472 2015:219472 01 : 19717 00 : 10049
## 12 : 19463 06 : 10032
## 05 : 18516 10 : 9974
## 11 : 18425 05 : 9963
## 07 : 18413 09 : 9528
## 03 : 18378 11 : 9173
## (Other):106560 (Other):160753
## MINUTOS SEXO EST_CIVIL GRU_ED1 GRU_ED2
## 00 :49958 1:121395 1:25099 24 :27154 01: 7244
## 30 :34165 2: 98037 2: 2408 23 :25095 02: 1502
## 20 :14004 3: 40 3: 8469 25 :24907 03: 2059
## 15 :13340 4:51282 22 :19987 04: 30758
## 45 :13124 5:50604 21 :16913 05: 41754
## 40 :12541 6:53954 26 :14727 06:135893
## (Other):82340 9:27656 (Other):90689 07: 262
## NIVEL_EDU ULTCURFAL MUERTEPORO SIMUERTEPO
## 2 :84974 Min. : 1.00 : 8746 :218211
## 99 :49544 1st Qu.: 5.00 1: 1261 1: 915
## 13 :36837 Median : 5.00 2:207207 2: 220
## 3 :20404 Mean :32.21 9: 2258 9: 126
## 4 :11561 3rd Qu.:99.00
## 9 : 6836 Max. :99.00
## (Other): 9316 NA's :36837
## OCUPACION
## HOGAR :91871
## SIN INFORMACION :27954
## :24139
## AGRICULTORES DE CULTIVOS TRANSITORIOS :14891
## PENSIONADO :10630
## AGRICULTORES DE CULTIVOS PERMANENTES (PLANTACIONES DE ?RBOLES Y ARBUSTOS) : 3588
## (Other) :46399
## IDPERTET CODPRES CODPTORE CODMUNRE AREA_RES
## 1: 3248 170 :218970 11 :30850 001 :109396 : 502
## 2: 87 999 : 242 05 :29813 520 : 2214 1:177609
## 3: 192 862 : 76 76 :26449 088 : 2001 2: 12541
## 4: 74 533 : 24 25 :12343 758 : 1884 3: 27287
## 5: 11944 218 : 22 08 :11775 754 : 1814 9: 1533
## 6:201708 840 : 21 68 :10558 307 : 1458
## 9: 2219 (Other): 117 (Other):97684 (Other):100705
## SEG_SOCIAL IDADMISALU
## 1: 82206 : 11796
## 2:113037 1: 81372
## 3: 7321 2:113037
## 4: 617 3: 813
## 5: 11796 4: 617
## 9: 4495 5: 7321
## 9: 4516
## IDCLASADMI
## NUEVA EPS SA : 26555
## CAPRECOM - CAJA DE PREVISION SOCIAL DE COMUNICACIONES : 15094
## E.P.S. SALUDCOOP : 12305
## : 11796
## COMFAMA ANTIOQUIA- CAJA DE COMPENSACION FAMILIAR DE ANTIOQUIA : 9782
## EMSSANAR ESS - ASOCIACION MUTUAL EMPRESA SOLIDARIA DE SALUD : 9157
## (Other) :134783
## PMAN_MUER CONS_EXP MU_PARTO T_PARTO TIPO_EMB T_GES
## 1:189855 1: 66606 :212228 :212228 :212228 :212228
## 2: 28217 2:119341 3: 7244 1: 3081 1: 6475 3 : 2934
## 3: 1400 3: 32936 2: 3752 2: 503 4 : 2017
## 4: 564 3: 39 3: 31 2 : 1441
## 5: 25 4: 291 4: 11 9 : 718
## 9: 81 5: 144 1 : 69
## 9: 80 (Other): 65
## PESO_NAC EDAD_MADRE N_HIJOSV N_HIJOSM
## Min. :1.00 Min. : 1.0 Min. : 1.00 Min. : 1.00
## 1st Qu.:2.00 1st Qu.: 3.0 1st Qu.: 1.00 1st Qu.: 1.00
## Median :4.00 Median : 3.0 Median : 2.00 Median : 1.00
## Mean :4.05 Mean : 6.5 Mean : 5.27 Mean :32.68
## 3rd Qu.:6.00 3rd Qu.: 5.0 3rd Qu.: 3.00 3rd Qu.:99.00
## Max. :9.00 Max. :99.0 Max. :99.00 Max. :99.00
## NA's :212228 NA's :212228 NA's :212229 NA's :217061
## EST_CIVM NIV_EDUM ULTCURMAD EMB_FAL EMB_SEM
## :212228 :212228 Min. : 1.0 :204447 :204602
## 1 : 2480 99 : 1964 1st Qu.: 5.0 1: 155 1: 257
## 9 : 1565 3 : 1705 Median : 9.0 2: 13712 2: 12782
## 2 : 1240 4 : 1273 Mean :33.2 9: 1158 9: 1831
## 5 : 1040 2 : 1099 3rd Qu.:99.0
## 6 : 867 9 : 395 Max. :99.0
## (Other): 52 (Other): 808 NA's :212429
## EMB_MES MAN_MUER CODOCUR CODMUNOC C_MUERTE
## :204859 :191255 :191255 :191255 :185888
## 1: 148 1: 2348 76 : 4114 001 : 10543 1: 33584
## 2: 12247 2: 12499 05 : 4051 999 : 2242
## 9: 2218 3: 7270 11 : 2562 520 : 337
## 4: 4127 01 : 2176 754 : 271
## 5: 688 25 : 1185 088 : 230
## 9: 1285 (Other): 14129 (Other): 14594
## C_MUERTEB C_MUERTEC C_MUERTED C_MUERTEE ASIS_MED C_DIR1
## : 66132 :199385 :160199 :219401 1:169316 I469 : 20870
## 1:153340 1: 20087 1: 59273 1: 71 2: 47784 I219 : 20102
## 3: 357 R570 : 17026
## 9: 2015 J960 : 14711
## J969 : 14072
## R572 : 12400
## (Other):120291
## C_DIR12 C_ANT1 C_ANT12 C_ANT2
## :216425 : 18164 :212608 : 75689
## R572 : 182 I219 : 14005 Y95 : 456 I10 : 14439
## T794 : 129 J189 : 11624 S273 : 358 J189 : 5687
## R090 : 126 I10 : 9759 C780 : 227 J449 : 4773
## R570 : 116 I509 : 4752 T145 : 155 I219 : 3128
## J189 : 78 J449 : 4414 C787 : 150 N390 : 2352
## (Other): 2416 (Other):156754 (Other): 5518 (Other):113404
## C_ANT22 C_ANT3 C_ANT32 C_PAT1
## :214829 :164547 :217570 :150908
## Y95 : 242 I10 : 7290 Z491 : 67 I10 : 12196
## C780 : 181 J449 : 1826 Y95 : 62 J449 : 4532
## Z491 : 148 E149 : 1536 C780 : 57 E149 : 3969
## S273 : 128 J189 : 1194 C787 : 55 N189 : 2797
## Z988 : 91 N189 : 970 I10 : 54 E46 : 1742
## (Other): 3853 (Other): 42109 (Other): 1607 (Other): 43328
## C_PAT2 C_BAS1 C_MCM1 IDPROFCER
## :204054 I219 : 32612 :218883 1:218841
## I10 : 2056 J449 : 5913 R98 : 129 2: 109
## E149 : 1097 J189 : 5893 R99 : 76 3: 206
## J449 : 875 J440 : 5427 I219 : 56 4: 122
## N189 : 612 C169 : 4869 I10 : 36 5: 21
## E46 : 386 C349 : 4571 C169 : 25 6: 169
## (Other): 10392 (Other):160187 (Other): 267 9: 4
## CAUSA_666 CAU_HOMOL
## 303 : 36197 051 : 36197
## 307 : 15129 055 : 15129
## 605 : 13413 060 : 13413
## 512 : 12378 101 : 12378
## 109 : 8797 050 : 8715
## 302 : 8715 059 : 8534
## (Other):124843 (Other):125106En todas las preguntas incluir la interpretación, lo importante :)
- Calcule la razón de hombres fallecidos respecto a las mujeres
- Calcule la proporción de hombres fallecidos respecto al total de fallecidos
- Calcule la tasa de mortalidad de hombres y mujeres
- Elija una causa de muerte de su interés y calcule 1, 2 y 3.
- Calcule 1, 2 y tres para Bogotá y el Choco.
- Use su intuición para seleccionar una causa de muerte que crea que tenga diferencias geográficas, calcule 1,2 y 3 e interprete. Comparta con la clase sus hallazgos
names(defun)<-tolower(names(defun))
table(defun$sexo)##
## 1 2 3
## 121395 98037 40dim(defun)## [1] 219472 6998037/121395## [1] 0.8075868121395/98037## [1] 1.238257121395/40## [1] 3034.87598037/40## [1] 2450.925#porcentaje
1000*(121395/219472)## [1] 553.1229# Total
10000*(219472/48203405)## [1] 45.53039#Hombres
10000*(121395/48203405)## [1] 25.18391#Mujeres
10000*(98037/48203405)## [1] 20.33819