Medidas de Tendencia Central

“Medical Cost Personal Datasets”https://www.kaggle.com/mirichoi0218/insurance/home.

Dataset insurance

El dataset “insurance” trata de identificar el total de gastos medicos que tienen diferentes tipos de personas, segun sus caracteristicas.

El dataset cuenta con 7 atributos:

• age, edad de la persona a la que se le calcula el total de gastos medicos, es un atributo de tipo cuantitativo, continuo y con una escala ordinal.
• sex, genero del individuo al que pertenece la observacion, atributo de tipo categorico y con una escala nominal.
• bmi, indice de masa corporal, que describe la relacion de peso y estatura, idealmente entre el intervalo de valores 18.5 a 24.9 es de tipo cuantitativo, continuo con una escala de intervalo.
• children, cantidad de hijos cubiertos por el seguro medico, atributo de tipo cuantitativo, continuo de una escala de ordinal. NA
• region, residencia del individuo beneficiario del seguro medico en Estados unidos, atributo categorico en escala nominal.
• charges, costo individual del seguro medico, atributo cuantitativo, continuo y a escala de intervalo.

Los atributos del dataset tienen lo siguientes tipos de valores:

str(dataset.insurance)

'data.frame':   1338 obs. of  7 variables:
 $ age     : int  19 18 28 33 32 31 46 37 37 60 ...
 $ sex     : Factor w/ 2 levels "female","male": 1 2 2 2 2 1 1 1 2 1 ...
 $ bmi     : num  27.9 33.8 33 22.7 28.9 ...
 $ children: int  0 1 3 0 0 0 1 3 2 0 ...
 $ smoker  : Factor w/ 2 levels "no","yes": 2 1 1 1 1 1 1 1 1 1 ...
 $ region  : Factor w/ 4 levels "northeast","northwest",..: 4 3 3 2 2 3 3 2 1 2 ...
 $ charges : num  16885 1726 4449 21984 3867 ...

Warning messages:
1: In native_encode(options$fig.path) :
  some characters may not work under the current locale
2: In native_encode(options$fig.path) :
  some characters may not work under the current locale
3: In native_encode(options$fig.path) :
  some characters may not work under the current locale
4: In native_encode(options$fig.path) :
  some characters may not work under the current locale
5: In native_encode(options$fig.path) :
  some characters may not work under the current locale
6: In native_encode(options$fig.path) :
  some characters may not work under the current locale
7: In native_encode(options$fig.path) :
  some characters may not work under the current locale
8: In native_encode(options$fig.path) :
  some characters may not work under the current locale
9: In native_encode(options$fig.path) :
  some characters may not work under the current locale
10: In native_encode(options$fig.path) :
  some characters may not work under the current locale

Medidas de tendencia central por atributo

Las medidas de tendencia central, minimo, mediana, media, maxico y primero y tercer cuartil por cada uno de los atributos que forman el dataset se presenta a continuacion:

De acuerdo a la columna age los individuos estudiados tienen de 18 hasta 64 anios, siendo la media 39, estos datos y el resultado del primer y tercer cuartil reflejan que las edades de los beneficiarios estan distribuidas, es decir no existe mucha diferencia entre los individuos mayores de 39 a los menores de 39, estan de cierta manera equilibrados.

Los datos obtenidos de las observaciones corresponden a 662 mujeres y 676 hombres, igualmente nos habla de un buen equilibrio sobre las observaciones que tenemos respecto al genero de los beneficiarios.

Tomando en cuenta que el intervalo ideal del indice de masa corporal de una persona relativamente sana es de 18.5 a 24.9, podemos decir por los datos de la tabla que la mayoria de las personas beneficiarias tienen obesidad en algun grado, pues incluso desde el primer cuartil esta sobre pasando el limite mayor del intervalo ideal, ademas la media de indice de masa corporal es 30.66 y un valor maximo de 53.13 muy por encima de los valores ideales.

La cantidad de hijos a los cuales cubre el seguro del beneficiario se mantiene entre 1 o 2, sin embargo hay observaciones con un total de hijos asegurados de 5.

Respecto al consumo de cigarro, contamos con 1064 no fumadores y 274 fumadores.

Entonces, finalmente tenemos el costo por el seguro medico de los individuos, que oscila desde 1122 hasta 63770 dolares, en promedio gastan un total de 13270 dolares por tener seguro medico.

summary(dataset.insurance)

      age            sex           bmi           children     smoker           region   
 Min.   :18.00   female:662   Min.   :15.96   Min.   :0.000   no :1064   northeast:324  
 1st Qu.:27.00   male  :676   1st Qu.:26.30   1st Qu.:0.000   yes: 274   northwest:325  
 Median :39.00                Median :30.40   Median :1.000              southeast:364  
 Mean   :39.21                Mean   :30.66   Mean   :1.095              southwest:325  
 3rd Qu.:51.00                3rd Qu.:34.69   3rd Qu.:2.000                             
 Max.   :64.00                Max.   :53.13   Max.   :5.000                             
    charges     
 Min.   : 1122  
 1st Qu.: 4740  
 Median : 9382  
 Mean   :13270  
 3rd Qu.:16640  
 Max.   :63770  

Boxplots de los atributos del dataset, para la presentacion de las medidas de tendencia central.

NA

boxplot(dataset.insurance$age, data=dataset.insurance, notch=TRUE,
  col=(c("palegreen4")),
  main="Edad de los beneficiarios", xlab="age") 

Warning messages:
1: In native_encode(options$fig.path) :
  some characters may not work under the current locale
2: In native_encode(options$fig.path) :
  some characters may not work under the current locale
3: In native_encode(options$fig.path) :
  some characters may not work under the current locale

boxplot(dataset.insurance$charges, data=dataset.insurance, notch=TRUE,
  col=(c("orange1")),
  main="Costos del seguro", xlab="age") 

Warning messages:
1: In native_encode(options$fig.path) :
  some characters may not work under the current locale
2: In native_encode(options$fig.path) :
  some characters may not work under the current locale
3: In native_encode(options$fig.path) :
  some characters may not work under the current locale
4: In native_encode(options$fig.path) :
  some characters may not work under the current locale
5: In native_encode(options$fig.path) :
  some characters may not work under the current locale
6: In native_encode(options$fig.path) :
  some characters may not work under the current locale
7: In native_encode(options$fig.path) :
  some characters may not work under the current locale

NA

plot(dataset.insurance$age, dataset.insurance$charges, main="Relacion costo-edad", xlab="Edad", ylab="Costo", pch=19, col="olivedrab2", cex=0.5)

There were 34 warnings (use warnings() to see them)

plot(y, main = "Densidad del IMC", xlab = "IMC", ylab = "Densidad", col="midnightblue")

There were 50 or more warnings (use warnings() to see the first 50)

Este dataset es relativamente pequenio, sin embargo para la finalidad de este reporte sobre analizar las medidas de tendencia central y con ello poder tener un panorama un poco mas real de las observaciones que tenemos.

Nota: no logre utilizar acentos y otros caracteres.