- Introduccion a R y RStudio
- Explorando bases de datos
- Analisis descriptivo
- Analisis inferencial
data <- read.csv(file = "data/data.csv")
data <- read.csv(file = "data/data.csv")
names(data)
## [1] "sexo" "edad" "procedencia" "educacion" "toma_ado" ## [6] "depresion" "hemo_gli" "glucosa" "talla" "peso"
str(data)
## 'data.frame': 59 obs. of 10 variables: ## $ sexo : Factor w/ 2 levels "Femenino","Masculino": 2 1 2 1 2 1 2 1 2 1 ... ## $ edad : int 84 56 73 66 61 60 67 63 73 73 ... ## $ procedencia: Factor w/ 2 levels "Rural","Urbana": 2 2 2 1 1 2 2 1 2 2 ... ## $ educacion : Factor w/ 3 levels "Primaria","Secundaria",..: 3 3 2 1 2 3 1 1 3 1 ... ## $ toma_ado : Factor w/ 2 levels "No","Si": 2 2 2 1 1 2 2 2 2 2 ... ## $ depresion : Factor w/ 2 levels "No","Si": 1 1 2 2 1 1 1 2 2 1 ... ## $ hemo_gli : num 6.5 7.6 7.5 9 7.3 10.4 6 7.9 6.5 5.2 ... ## $ glucosa : num 110 146 250 181 84 265 77 109 115 91 ... ## $ talla : num 158 150 161 155 171 149 168 155 161 152 ... ## $ peso : int 62 68 75 78 81 82 73 60 64 82 ...
Variables categoricas
Frecuencias: table()
1 variable
table(base_de_datos$variable)
Variables categoricas
Frecuencias: table()
1 variable
table(base_de_datos$variable)
Ejemplo:
table(data$sexo)
## ## Femenino Masculino ## 32 27
Variables categoricas Porcentajes: prop.table()
prop.table(table(base_de_datos$variable1))
Variables categoricas Porcentajes: prop.table()
prop.table(table(base_de_datos$variable1))
Ejemplo:
prop.table(table(data$sexo))
## ## Femenino Masculino ## 0.5423729 0.4576271
Variables categoricas
Frecuencias: table()
2 variables
table(base_de_datos$variable1,
base_de_datos$variable2)
Variables categoricas
Frecuencias: table()
2 variables
table(base_de_datos$variable1, base_de_datos$variable2)
Ejemplo:
table(data$sexo, data$procedencia)
## ## Rural Urbana ## Femenino 8 24 ## Masculino 5 22
Variables categoricas Porcentajes: prop.table()
prop.table(table(base_de_datos$variable1,
base_de_datos$variable2))
Variables categoricas Porcentajes: prop.table()
prop.table(table(base_de_datos$variable1,
base_de_datos$variable2))
Ejemplo:
prop.table(table(data$sexo,
data$procedencia))
## ## Rural Urbana ## Femenino 0.13559322 0.40677966 ## Masculino 0.08474576 0.37288136
Variables categoricas Porcentajes: prop.table()
tabla1 <- table(data$sexo, data$procedencia)
Filas suman 1
prop.table(tabla1, 1)
## ## Rural Urbana ## Femenino 0.2500000 0.7500000 ## Masculino 0.1851852 0.8148148
Variables categoricas Porcentajes: prop.table()
Columnas suman 2
prop.table(tabla1, 2)
## ## Rural Urbana ## Femenino 0.6153846 0.5217391 ## Masculino 0.3846154 0.4782609
Variables cuantitativas
summary(data$variable_numerica)
Variables cuantitativas
summary(data$variable_numerica)
Ejemplo
summary(data$edad)
## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's ## 42.00 56.00 64.00 63.61 70.00 84.00 2
Resumiendo toda la base de datos
summary(data[1:5])
## sexo edad procedencia educacion toma_ado ## Femenino :32 Min. :42.00 Rural :13 Primaria :13 No:18 ## Masculino:27 1st Qu.:56.00 Urbana:46 Secundaria:17 Si:41 ## Median :64.00 Superior :29 ## Mean :63.61 ## 3rd Qu.:70.00 ## Max. :84.00 ## NA's :2
Creando la tabla 1. para tu estudio
# Instalando
install.packages("tableone")
Creando la tabla 1. para tu estudio
# Instalando
install.packages("tableone")
# Abriendo library(tableone)
Creando la tabla 1 para tu estudio
Comando: CreateTableOne()
tab_1 <- CreateTableOne(data = data)
Creando la tabla 1 para tu estudio
tab_1
##
## Overall
## n 59
## sexo = Masculino (%) 27 (45.8)
## edad (mean (sd)) 63.61 (9.45)
## procedencia = Urbana (%) 46 (78.0)
## educacion (%)
## Primaria 13 (22.0)
## Secundaria 17 (28.8)
## Superior 29 (49.2)
## toma_ado = Si (%) 41 (69.5)
## depresion = Si (%) 35 (59.3)
## [ reached getOption("max.print") -- omitted 4 rows ]
Creando la tabla 1 para tu estudio
Comando: print()
tab_1 <- print(tab_1, showAllLevels = T)
##
## level Overall
## n 59
## sexo (%) Femenino 32 (54.2)
## Masculino 27 (45.8)
## edad (mean (sd)) 63.61 (9.45)
## procedencia (%) Rural 13 (22.0)
## Urbana 46 (78.0)
## educacion (%) Primaria 13 (22.0)
## Secundaria 17 (28.8)
## [ reached getOption("max.print") -- omitted 9 rows ]
Creando la tabla 2 para tu estudio
Comando: CreateTableOne()
tab_2 <- CreateTableOne(data = data, strata = "depresion")
Creando la tabla 2 para tu estudio
Comando: CreateTableOne()
tab_2 <- CreateTableOne(data = data, strata = "depresion")
tab_2 <- print(tab_2, showAllLevels = T)
Creando la tabla 2 para tu estudio
tab_2
## Stratified by depresion ## No Si p test ## n 24 35 ## sexo = Masculino (%) 13 (54.2) 14 ( 40.0) 0.420 ## edad (mean (sd)) 63.73 (10.82) 63.54 (8.66) 0.944 ## procedencia = Urbana (%) 20 (83.3) 26 ( 74.3) 0.614 ## educacion (%) 0.803 ## Primaria 5 (20.8) 8 ( 22.9) ## Secundaria 6 (25.0) 11 ( 31.4) ## Superior 13 (54.2) 16 ( 45.7) ## toma_ado = Si (%) 17 (70.8) 24 ( 68.6) 1.000 ## depresion = Si (%) 0 ( 0.0) 35 (100.0) <0.001 ## hemo_gli (mean (sd)) 7.71 (2.16) 8.36 (2.12) 0.252 ## glucosa (mean (sd)) 146.65 (58.81) 155.71 (80.52) 0.647 ## talla (mean (sd)) 132.85 (60.33) 139.43 (50.97) 0.653 ## peso (mean (sd)) 70.88 (8.73) 73.03 (14.11) 0.509
Comando: write.csv()
write.csv(tabla_creada , file = "directorio_donde_se_guardara.csv")
Comando: write.csv()
write.csv(tabla_creada , file = "directorio_donde_se_guardara.csv")
Ejemplo
write.csv(tab1 , file = "tablas/tabl1.csv")