Estadística descriptiva con datos cualitativos
Joan Claverol
2 de marzo de 2019
Dos grandes grupos en estadística
- Análisis exploratorio o análisis descriptivo
- Resumir
- Representar
- Explicar
- Análisis inferencial
datos multidimensionales: series de atributos
Formatos ASCII? isolatin?
Tipos de datos:
- Datos de tipo atributo o cualitativo.
- Expresan cualidad del individuo
- Datos ordinales
- Similares a los cualitativos, pero se pueden ordenar de forma natural (factores ordenados)
- Datos cuantitativos
- Vectores numéricos
Definición dato cualitativo: observaciones osbre las cualidades de un objeto o sobre un individuo.
Pueden ser iguales o diferentes de él pero no admiten ningún otro tipo de comparación significativa. No hay más grandes, más pequeños… . Los niveles son los diferentes valores que pueden tomar estos datos.
Frecuencias absolutas y relativas
- Frecuencia absoluta: de una variable cualitativa podemos contar cuántos datos ha en ese nivel.
- Frecuencia relativa: la fracción del total que representan los datos en cada uno de los niveles.
La moda de esta variable cualitativa es el nivel con más frecuencia.
La función Table
Creemos una muestra aleatoria simple de una variable cualitativa
respuestas <- factor(sample(c('Si','No'),
size = 12, replace = TRUE))
respuestas## [1] No No Si No Si No No Si Si Si No No
## Levels: No SiLa función table es una tabla de contingencia. Nos muestra todas las frecuencas absolutas par cada uno de los niveles, aunque el nivel no tenga ningún valor dentro de él.
table(respuestas)## respuestas
## No Si
## 7 5La función prop.table()nos permite calcular las frecuenias relativas a la table de un dataframe.
prop.table(table(respuestas))## respuestas
## No Si
## 0.5833333 0.4166667Ejercicio para practicas, con un vector que contien dos niveles, “Hombres” y “Mujeres”:
ejercicio <- c(rep("H", 6),rep("M", 14))
# tabla de contingencia o tabla de frecuencas absolutas
table(ejercicio)## ejercicio
## H M
## 6 14# tabla de frecuencias relativas
prop.table(table(ejercicio))## ejercicio
## H M
## 0.3 0.7# la moda
names(which(table(ejercicio) == max(table(ejercicio))))## [1] "M"La función table también nos permite construir tabalas de frecuencias conjuntas de dos o más variables. Veamos un ejemplo:
respuestas <- factor(sample(c('Si','No'), size = 12, replace = TRUE))
sexo <- sample(c("H", "M"), size = length(respuestas), replace = TRUE)
table(respuestas, sexo)## sexo
## respuestas H M
## No 1 6
## Si 4 1# transponer varias tablas
t(respuestas)## [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10] [,11] [,12]
## [1,] No No No No Si No Si Si No No Si Si
## Levels: No SiPara tablas de frecuencia bidimensionales has dos tipos de frecuencias relativas:
- Frecuencias relativas globales
prop.table(table(respuestas, sexo))## sexo
## respuestas H M
## No 0.08333333 0.50000000
## Si 0.33333333 0.08333333- Freciencias relativas marginales
Con el parámetro margin al aplicar la función prop.table() a la table() obtenemos las frecuencas relativas de las filas, y con margin = 2, de las columnas.
prop.table(table(respuestas, sexo), margin = 2)## sexo
## respuestas H M
## No 0.2000000 0.8571429
## Si 0.8000000 0.1428571La función CrossTable()
Usaremos un paquete llamado gmodels()
library("gmodels")
CrossTable(sexo, respuestas, prop.chisq = FALSE)##
##
## Cell Contents
## |-------------------------|
## | N |
## | N / Row Total |
## | N / Col Total |
## | N / Table Total |
## |-------------------------|
##
##
## Total Observations in Table: 12
##
##
## | respuestas
## sexo | No | Si | Row Total |
## -------------|-----------|-----------|-----------|
## H | 1 | 4 | 5 |
## | 0.200 | 0.800 | 0.417 |
## | 0.143 | 0.800 | |
## | 0.083 | 0.333 | |
## -------------|-----------|-----------|-----------|
## M | 6 | 1 | 7 |
## | 0.857 | 0.143 | 0.583 |
## | 0.857 | 0.200 | |
## | 0.500 | 0.083 | |
## -------------|-----------|-----------|-----------|
## Column Total | 7 | 5 | 12 |
## | 0.583 | 0.417 | |
## -------------|-----------|-----------|-----------|
##
## La leyenda cell content nos comenta los contenidos de las celdas de las tablas. Cada telda tiene los siguientes valores:
- Frecuencias absolutas
- Frecuencias relativas en relación a la fila
- Frecuencias relativas en relación a la columna
- Frecuencias relativas globales
Ejemplo de estadística multidimensional
Vamos a hacer una tabla de frecuencias multidimensionales o multivariante. Este ejemplo contendrá tres dimensiones:
ans <- sample(c("Si", "No"), size = 100, replace = TRUE)
sex <- sample(c("H", "M"), size = 100, replace = TRUE)
place <- sample(c("País_A", "País_B", "País_C", "País_D", "País_E"),
size = 100, replace = TRUE)Vamos a crear la tabla:
table(sex, ans, place)## , , place = País_A
##
## ans
## sex No Si
## H 2 2
## M 4 7
##
## , , place = País_B
##
## ans
## sex No Si
## H 2 7
## M 8 6
##
## , , place = País_C
##
## ans
## sex No Si
## H 17 2
## M 5 3
##
## , , place = País_D
##
## ans
## sex No Si
## H 7 4
## M 5 5
##
## , , place = País_E
##
## ans
## sex No Si
## H 4 4
## M 4 2Podemos ver una tabla en formato plano:
ftable(sex, ans, place)## place País_A País_B País_C País_D País_E
## sex ans
## H No 2 2 17 7 4
## Si 2 7 2 4 4
## M No 4 8 5 5 4
## Si 7 6 3 5 2En esta función podemos especificar que variable queremos como columnas y cuáles como filas:
ftable(sex, ans, place, col.vars = c("sex", "ans"))## sex H M
## ans No Si No Si
## place
## País_A 2 2 4 7
## País_B 2 7 8 6
## País_C 17 2 5 3
## País_D 7 4 5 5
## País_E 4 4 4 2I podemos aplicar un filtro en las tablas de contingencia:
table(sex, ans, place)["M", "Si", "País_B"]## [1] 6table(sex, ans, place)["M", "No",]## País_A País_B País_C País_D País_E
## 4 8 5 5 4table(sex, ans, place)[, "Si",]## place
## sex País_A País_B País_C País_D País_E
## H 2 7 2 4 4
## M 7 6 3 5 2E incluso aplicar filtros en tablas de proporción
# Frec. relativas globales
prop.table(table(sex, ans, place))## , , place = País_A
##
## ans
## sex No Si
## H 0.02 0.02
## M 0.04 0.07
##
## , , place = País_B
##
## ans
## sex No Si
## H 0.02 0.07
## M 0.08 0.06
##
## , , place = País_C
##
## ans
## sex No Si
## H 0.17 0.02
## M 0.05 0.03
##
## , , place = País_D
##
## ans
## sex No Si
## H 0.07 0.04
## M 0.05 0.05
##
## , , place = País_E
##
## ans
## sex No Si
## H 0.04 0.04
## M 0.04 0.02# Frecuencia relativa marginal por país
prop.table(table(sex, ans, place), margin = 3)## , , place = País_A
##
## ans
## sex No Si
## H 0.13333333 0.13333333
## M 0.26666667 0.46666667
##
## , , place = País_B
##
## ans
## sex No Si
## H 0.08695652 0.30434783
## M 0.34782609 0.26086957
##
## , , place = País_C
##
## ans
## sex No Si
## H 0.62962963 0.07407407
## M 0.18518519 0.11111111
##
## , , place = País_D
##
## ans
## sex No Si
## H 0.33333333 0.19047619
## M 0.23809524 0.23809524
##
## , , place = País_E
##
## ans
## sex No Si
## H 0.28571429 0.28571429
## M 0.28571429 0.14285714# Frecuencia reltiva marginal por sexo y país
prop.table(table(sex, ans, place), margin = c(1,3))## , , place = País_A
##
## ans
## sex No Si
## H 0.5000000 0.5000000
## M 0.3636364 0.6363636
##
## , , place = País_B
##
## ans
## sex No Si
## H 0.2222222 0.7777778
## M 0.5714286 0.4285714
##
## , , place = País_C
##
## ans
## sex No Si
## H 0.8947368 0.1052632
## M 0.6250000 0.3750000
##
## , , place = País_D
##
## ans
## sex No Si
## H 0.6363636 0.3636364
## M 0.5000000 0.5000000
##
## , , place = País_E
##
## ans
## sex No Si
## H 0.5000000 0.5000000
## M 0.6666667 0.3333333Podemos poner toda la información anterior de forma más compacta con la función ftable():
# frecuencias relativa globales
ftable(prop.table(table(sex, ans, place)))## place País_A País_B País_C País_D País_E
## sex ans
## H No 0.02 0.02 0.17 0.07 0.04
## Si 0.02 0.07 0.02 0.04 0.04
## M No 0.04 0.08 0.05 0.05 0.04
## Si 0.07 0.06 0.03 0.05 0.02Caso real de un caso multidimensional
Podemos ver que aquí ya tendremos los datos agregados:
HairEyeColor## , , Sex = Male
##
## Eye
## Hair Brown Blue Hazel Green
## Black 32 11 10 3
## Brown 53 50 25 15
## Red 10 10 7 7
## Blond 3 30 5 8
##
## , , Sex = Female
##
## Eye
## Hair Brown Blue Hazel Green
## Black 36 9 5 2
## Brown 66 34 29 14
## Red 16 7 7 7
## Blond 4 64 5 8Poodemos realizar operaciones sobre de ella:
# podemos saber el número totaal de individuos de la tabla
sum(HairEyeColor)## [1] 592Podemos preparar una frecuencias margianal:
# frecuencias relativa del color del pelo y de los ojos para cada uno de los sexos:
prop.table(HairEyeColor, margin = 3)## , , Sex = Male
##
## Eye
## Hair Brown Blue Hazel Green
## Black 0.114695341 0.039426523 0.035842294 0.010752688
## Brown 0.189964158 0.179211470 0.089605735 0.053763441
## Red 0.035842294 0.035842294 0.025089606 0.025089606
## Blond 0.010752688 0.107526882 0.017921147 0.028673835
##
## , , Sex = Female
##
## Eye
## Hair Brown Blue Hazel Green
## Black 0.115015974 0.028753994 0.015974441 0.006389776
## Brown 0.210862620 0.108626198 0.092651757 0.044728435
## Red 0.051118211 0.022364217 0.022364217 0.022364217
## Blond 0.012779553 0.204472843 0.015974441 0.025559105Tablas a partir de dataframes de variables cualitativas
Beb_Energ <- read.table(file = "../data/EnergyDrink",
header = TRUE)Visualización rápida de la tabla de frecuencias relativas:
summary(Beb_Energ)## estudio bebe sexo
## Industriales:37 No:97 Hombre:83
## Informatica :53 Si:25 Mujer :39
## Mates :16
## Telematica :16Realizamos la función table para cada una de las columnas:
apply(Beb_Energ, MARGIN = 2, FUN = table)## $estudio
##
## Industriales Informatica Mates Telematica
## 37 53 16 16
##
## $bebe
##
## No Si
## 97 25
##
## $sexo
##
## Hombre Mujer
## 83 39Vemos una la tabla de las frecuencas absolutas con la función table():
table(Beb_Energ)## , , sexo = Hombre
##
## bebe
## estudio No Si
## Industriales 19 6
## Informatica 30 7
## Mates 8 1
## Telematica 10 2
##
## , , sexo = Mujer
##
## bebe
## estudio No Si
## Industriales 10 2
## Informatica 11 5
## Mates 6 1
## Telematica 3 1Podemos hacer una table de solo alguna de las columnas del dataframe:
table(Beb_Energ[,c(1,3)])## sexo
## estudio Hombre Mujer
## Industriales 25 12
## Informatica 37 16
## Mates 9 7
## Telematica 12 4La tercera opción es usar ftable() paraa ver la misma tabla de frecuencias pero en formato plano:
ftable(Beb_Energ)## sexo Hombre Mujer
## estudio bebe
## Industriales No 19 10
## Si 6 2
## Informatica No 30 11
## Si 7 5
## Mates No 8 6
## Si 1 1
## Telematica No 10 3
## Si 2 1Visualización de datos cualitativos
Diagrama de barras
El tipo de gráfico que se utiliza normalment para representar variables cualitativas son los diagramas de barras. Usaremos la función barplot() con una tabla. Veamos un ejemplo:
barplot(table(sexo), col = c("lightblue","pink"),
main = "Diagrama de barras de las frecuencias absolutas\n de la variable \"Sexo\"")
Podemos visualizar las frecuencias relativas de la tabla:
barplot(prop.table(table(sexo)),
main = "Diagrama de barras de\n frecuencias relativas\n de la variable \"Sexo\"")
Podemos mostrar las barras de forma horizontal:
barplot(table(sexo),
horiz = TRUE)
I tambíen podemos mostrar una tabla bidimensional de frecuencias absolutas:
barplot(table(sexo, respuestas),
beside = T,
col = c("yellow", "lightblue"),
names = c("Men", "Women"),
legend.text = c("No", "Yes"))
Diagrama circular o “tarta”
Podemos generar gráficos con forma de pastel de forma ràpida con la función pie() aplicada a la tabla de frecuencias.
pie(table(respuestas),
main = "Diagrama circular de la variable \"respuestas\"")
Diagrama de mosaico
Veamos un ejemplo:
plot(table(sexo, respuestas),
main = "Gráfico de mosaico de las variables\n \"Sexo\" y \"Respuestas\"")
Ejemplo con “HairEyeColor”:
plot(HairEyeColor,
main = "Gráfico de mosaico de la tabla HairEyeColor",
col = c("pink", "lightblue"))
Hay dos paquetes que son muy útiles para este tipo de visualizaciones; vcd y vdcExtra. Sin embargo se puede usar el paquete ggplot para hacer toda visualización que queramos hacer. Ejemplos de visualización:
# vcdExtra::mosaic3d(HairEyeColor)Ejercicio completo de datos cualitativos
Haremos un análisis completo del objeto de datos de HairEyeColor. Este objeto consta de tres variables cualitativas:
- Hair
- Eye
- Sex
Objetivo extraer una tabla bidimensional de frecuencas absolutas de las variables Eye y hair, sin distinguis según el sexo. La manera más fácil de obtener esta tabla es sumando las subtabla de frecuencias para hombres y mujeres, y aplicando as.table() al resultaso para transformarlo en una table por si no lo es.
Primer paso: Juntar color de ojos y pelo sin destingui por sexo
# Subtabla para los hombres
male <- HairEyeColor[, ,"Male"]
# Subtabla para las mujeres
female <- HairEyeColor[, ,"Female"]
data <- as.table(male + female)
data## Eye
## Hair Brown Blue Hazel Green
## Black 68 20 15 5
## Brown 119 84 54 29
## Red 26 17 14 14
## Blond 7 94 10 16# nos queda una tabla agregada, donde estan hombres y mujeres sin distinciónAhora vamos a cambiarlos nombres del inglés al español:
# Vamos a hcer una manipulación de datocambiando los nombres de data
colnames(data) <- c("Marrón","Azul","Avellana", "Verdes")
rownames(data) <- c("Negro","Marrón","Pelirrojo","Rubio")
# otra forma de hacerlos es a través de dimnames
dimnames(data) <- list(
Pelo <- c("Negro","Marrón","Pelirrojo","Rubio"),
Ojos <- c("Marrón","Azul","Avellana", "Verdes")
)
data## Marrón Azul Avellana Verdes
## Negro 68 20 15 5
## Marrón 119 84 54 29
## Pelirrojo 26 17 14 14
## Rubio 7 94 10 16Ahora vamos a crear un diagrama de mosaico para visualizar las entradas de los ojos y del cabello:
plot(data, col = c("lightblue"),
main = "Diagrama de mosaico de la tabla bidimensional de frecuencias\n de colores de cabello y ojos")
Ahora calcular el número total de individuos que hay en esta tabla:
sum(data)## [1] 592Ahora crearemos la tabla de frecuencias absolutas y relativas para cada una de las variables:
# tabla de frecuencias absolutas pelo
rowSums(data)## Negro Marrón Pelirrojo Rubio
## 108 286 71 127# tabla de frecuencias relativas pelo
prop.table(rowSums(data))## Negro Marrón Pelirrojo Rubio
## 0.1824324 0.4831081 0.1199324 0.2145270# tabla de frecuencas absolitas ojos
colSums(data)## Marrón Azul Avellana Verdes
## 220 215 93 64# tabla de frecuencias relativas ojos
prop.table(colSums(data))## Marrón Azul Avellana Verdes
## 0.3716216 0.3631757 0.1570946 0.1081081Representación a través de los barplots():
# ojos
barplot(prop.table(colSums(data)),
main = "Frecuencias relativas\n de colores de ojos",
col = c("burlywood4","lightblue","orange3","lightgreen"),
ylim = c(0,0.4))
# cabello
barplot(prop.table(rowSums(data)),
main = "Frecuencias relativas\n de color de cabello",
col = c("black","burlywood4","red","yellow"),
ylim = c(0,0.4))
Vemos que el color de ojos esta muy repartido entre azul y marrón, y el pelo tiene mayoría marrón.
Vamos a hacer la tabla de relativa global:
round(prop.table(data), 3)## Marrón Azul Avellana Verdes
## Negro 0.115 0.034 0.025 0.008
## Marrón 0.201 0.142 0.091 0.049
## Pelirrojo 0.044 0.029 0.024 0.024
## Rubio 0.012 0.159 0.017 0.027Ahora vamos a hacer la tablla de frecuencias relativa marginal:
round(prop.table(data, margin = 1),3)## Marrón Azul Avellana Verdes
## Negro 0.630 0.185 0.139 0.046
## Marrón 0.416 0.294 0.189 0.101
## Pelirrojo 0.366 0.239 0.197 0.197
## Rubio 0.055 0.740 0.079 0.126round(prop.table(data, margin = 2),3)## Marrón Azul Avellana Verdes
## Negro 0.309 0.093 0.161 0.078
## Marrón 0.541 0.391 0.581 0.453
## Pelirrojo 0.118 0.079 0.151 0.219
## Rubio 0.032 0.437 0.108 0.250Podemos usar la función CrossTable() para ver una visualización de los datos, però la tabla sería demasiado grande.
Ahora vamos a usar las frecuencias marginales para hacer un diagrama de barras una al lado del otro:
barplot(prop.table(data, margin = 1),
beside = TRUE, col = c("black","brown","red","gold"),
legend.text = T, main = "Frecuencias relativas de colores de\n cabello para cada color de ojos",
ylim = c(0,0.8))
barplot(t(prop.table(data, margin = 2)),
beside = TRUE,
col = c("burlywood4","lightblue","gold","lightgreen"),
legend.text = T, main = "Frecuencias relativas de colores de\n ojos para cada color de pelo",
ylim = c(0,0.6))
Tarea 10
Vamos a trabajar con un Data Frame que contiene información sobre bebés recién nacidos e información de sus respectivas madres.
library(MASS)
birthwt## low age lwt race smoke ptl ht ui ftv bwt
## 85 0 19 182 2 0 0 0 1 0 2523
## 86 0 33 155 3 0 0 0 0 3 2551
## 87 0 20 105 1 1 0 0 0 1 2557
## 88 0 21 108 1 1 0 0 1 2 2594
## 89 0 18 107 1 1 0 0 1 0 2600
## 91 0 21 124 3 0 0 0 0 0 2622
## 92 0 22 118 1 0 0 0 0 1 2637
## 93 0 17 103 3 0 0 0 0 1 2637
## 94 0 29 123 1 1 0 0 0 1 2663
## 95 0 26 113 1 1 0 0 0 0 2665
## 96 0 19 95 3 0 0 0 0 0 2722
## 97 0 19 150 3 0 0 0 0 1 2733
## 98 0 22 95 3 0 0 1 0 0 2751
## 99 0 30 107 3 0 1 0 1 2 2750
## 100 0 18 100 1 1 0 0 0 0 2769
## 101 0 18 100 1 1 0 0 0 0 2769
## 102 0 15 98 2 0 0 0 0 0 2778
## 103 0 25 118 1 1 0 0 0 3 2782
## 104 0 20 120 3 0 0 0 1 0 2807
## 105 0 28 120 1 1 0 0 0 1 2821
## 106 0 32 121 3 0 0 0 0 2 2835
## 107 0 31 100 1 0 0 0 1 3 2835
## 108 0 36 202 1 0 0 0 0 1 2836
## 109 0 28 120 3 0 0 0 0 0 2863
## 111 0 25 120 3 0 0 0 1 2 2877
## 112 0 28 167 1 0 0 0 0 0 2877
## 113 0 17 122 1 1 0 0 0 0 2906
## 114 0 29 150 1 0 0 0 0 2 2920
## 115 0 26 168 2 1 0 0 0 0 2920
## 116 0 17 113 2 0 0 0 0 1 2920
## 117 0 17 113 2 0 0 0 0 1 2920
## 118 0 24 90 1 1 1 0 0 1 2948
## 119 0 35 121 2 1 1 0 0 1 2948
## 120 0 25 155 1 0 0 0 0 1 2977
## 121 0 25 125 2 0 0 0 0 0 2977
## 123 0 29 140 1 1 0 0 0 2 2977
## 124 0 19 138 1 1 0 0 0 2 2977
## 125 0 27 124 1 1 0 0 0 0 2922
## 126 0 31 215 1 1 0 0 0 2 3005
## 127 0 33 109 1 1 0 0 0 1 3033
## 128 0 21 185 2 1 0 0 0 2 3042
## 129 0 19 189 1 0 0 0 0 2 3062
## 130 0 23 130 2 0 0 0 0 1 3062
## 131 0 21 160 1 0 0 0 0 0 3062
## 132 0 18 90 1 1 0 0 1 0 3062
## 133 0 18 90 1 1 0 0 1 0 3062
## 134 0 32 132 1 0 0 0 0 4 3080
## 135 0 19 132 3 0 0 0 0 0 3090
## 136 0 24 115 1 0 0 0 0 2 3090
## 137 0 22 85 3 1 0 0 0 0 3090
## 138 0 22 120 1 0 0 1 0 1 3100
## 139 0 23 128 3 0 0 0 0 0 3104
## 140 0 22 130 1 1 0 0 0 0 3132
## 141 0 30 95 1 1 0 0 0 2 3147
## 142 0 19 115 3 0 0 0 0 0 3175
## 143 0 16 110 3 0 0 0 0 0 3175
## 144 0 21 110 3 1 0 0 1 0 3203
## 145 0 30 153 3 0 0 0 0 0 3203
## 146 0 20 103 3 0 0 0 0 0 3203
## 147 0 17 119 3 0 0 0 0 0 3225
## 148 0 17 119 3 0 0 0 0 0 3225
## 149 0 23 119 3 0 0 0 0 2 3232
## 150 0 24 110 3 0 0 0 0 0 3232
## 151 0 28 140 1 0 0 0 0 0 3234
## 154 0 26 133 3 1 2 0 0 0 3260
## 155 0 20 169 3 0 1 0 1 1 3274
## 156 0 24 115 3 0 0 0 0 2 3274
## 159 0 28 250 3 1 0 0 0 6 3303
## 160 0 20 141 1 0 2 0 1 1 3317
## 161 0 22 158 2 0 1 0 0 2 3317
## 162 0 22 112 1 1 2 0 0 0 3317
## 163 0 31 150 3 1 0 0 0 2 3321
## 164 0 23 115 3 1 0 0 0 1 3331
## 166 0 16 112 2 0 0 0 0 0 3374
## 167 0 16 135 1 1 0 0 0 0 3374
## 168 0 18 229 2 0 0 0 0 0 3402
## 169 0 25 140 1 0 0 0 0 1 3416
## 170 0 32 134 1 1 1 0 0 4 3430
## 172 0 20 121 2 1 0 0 0 0 3444
## 173 0 23 190 1 0 0 0 0 0 3459
## 174 0 22 131 1 0 0 0 0 1 3460
## 175 0 32 170 1 0 0 0 0 0 3473
## 176 0 30 110 3 0 0 0 0 0 3544
## 177 0 20 127 3 0 0 0 0 0 3487
## 179 0 23 123 3 0 0 0 0 0 3544
## 180 0 17 120 3 1 0 0 0 0 3572
## 181 0 19 105 3 0 0 0 0 0 3572
## 182 0 23 130 1 0 0 0 0 0 3586
## 183 0 36 175 1 0 0 0 0 0 3600
## 184 0 22 125 1 0 0 0 0 1 3614
## 185 0 24 133 1 0 0 0 0 0 3614
## 186 0 21 134 3 0 0 0 0 2 3629
## 187 0 19 235 1 1 0 1 0 0 3629
## 188 0 25 95 1 1 3 0 1 0 3637
## 189 0 16 135 1 1 0 0 0 0 3643
## 190 0 29 135 1 0 0 0 0 1 3651
## 191 0 29 154 1 0 0 0 0 1 3651
## 192 0 19 147 1 1 0 0 0 0 3651
## 193 0 19 147 1 1 0 0 0 0 3651
## 195 0 30 137 1 0 0 0 0 1 3699
## 196 0 24 110 1 0 0 0 0 1 3728
## 197 0 19 184 1 1 0 1 0 0 3756
## 199 0 24 110 3 0 1 0 0 0 3770
## 200 0 23 110 1 0 0 0 0 1 3770
## 201 0 20 120 3 0 0 0 0 0 3770
## 202 0 25 241 2 0 0 1 0 0 3790
## 203 0 30 112 1 0 0 0 0 1 3799
## 204 0 22 169 1 0 0 0 0 0 3827
## 205 0 18 120 1 1 0 0 0 2 3856
## 206 0 16 170 2 0 0 0 0 4 3860
## 207 0 32 186 1 0 0 0 0 2 3860
## 208 0 18 120 3 0 0 0 0 1 3884
## 209 0 29 130 1 1 0 0 0 2 3884
## 210 0 33 117 1 0 0 0 1 1 3912
## 211 0 20 170 1 1 0 0 0 0 3940
## 212 0 28 134 3 0 0 0 0 1 3941
## 213 0 14 135 1 0 0 0 0 0 3941
## 214 0 28 130 3 0 0 0 0 0 3969
## 215 0 25 120 1 0 0 0 0 2 3983
## 216 0 16 95 3 0 0 0 0 1 3997
## 217 0 20 158 1 0 0 0 0 1 3997
## 218 0 26 160 3 0 0 0 0 0 4054
## 219 0 21 115 1 0 0 0 0 1 4054
## 220 0 22 129 1 0 0 0 0 0 4111
## 221 0 25 130 1 0 0 0 0 2 4153
## 222 0 31 120 1 0 0 0 0 2 4167
## 223 0 35 170 1 0 1 0 0 1 4174
## 224 0 19 120 1 1 0 0 0 0 4238
## 225 0 24 116 1 0 0 0 0 1 4593
## 226 0 45 123 1 0 0 0 0 1 4990
## 4 1 28 120 3 1 1 0 1 0 709
## 10 1 29 130 1 0 0 0 1 2 1021
## 11 1 34 187 2 1 0 1 0 0 1135
## 13 1 25 105 3 0 1 1 0 0 1330
## 15 1 25 85 3 0 0 0 1 0 1474
## 16 1 27 150 3 0 0 0 0 0 1588
## 17 1 23 97 3 0 0 0 1 1 1588
## 18 1 24 128 2 0 1 0 0 1 1701
## 19 1 24 132 3 0 0 1 0 0 1729
## 20 1 21 165 1 1 0 1 0 1 1790
## 22 1 32 105 1 1 0 0 0 0 1818
## 23 1 19 91 1 1 2 0 1 0 1885
## 24 1 25 115 3 0 0 0 0 0 1893
## 25 1 16 130 3 0 0 0 0 1 1899
## 26 1 25 92 1 1 0 0 0 0 1928
## 27 1 20 150 1 1 0 0 0 2 1928
## 28 1 21 200 2 0 0 0 1 2 1928
## 29 1 24 155 1 1 1 0 0 0 1936
## 30 1 21 103 3 0 0 0 0 0 1970
## 31 1 20 125 3 0 0 0 1 0 2055
## 32 1 25 89 3 0 2 0 0 1 2055
## 33 1 19 102 1 0 0 0 0 2 2082
## 34 1 19 112 1 1 0 0 1 0 2084
## 35 1 26 117 1 1 1 0 0 0 2084
## 36 1 24 138 1 0 0 0 0 0 2100
## 37 1 17 130 3 1 1 0 1 0 2125
## 40 1 20 120 2 1 0 0 0 3 2126
## 42 1 22 130 1 1 1 0 1 1 2187
## 43 1 27 130 2 0 0 0 1 0 2187
## 44 1 20 80 3 1 0 0 1 0 2211
## 45 1 17 110 1 1 0 0 0 0 2225
## 46 1 25 105 3 0 1 0 0 1 2240
## 47 1 20 109 3 0 0 0 0 0 2240
## 49 1 18 148 3 0 0 0 0 0 2282
## 50 1 18 110 2 1 1 0 0 0 2296
## 51 1 20 121 1 1 1 0 1 0 2296
## 52 1 21 100 3 0 1 0 0 4 2301
## 54 1 26 96 3 0 0 0 0 0 2325
## 56 1 31 102 1 1 1 0 0 1 2353
## 57 1 15 110 1 0 0 0 0 0 2353
## 59 1 23 187 2 1 0 0 0 1 2367
## 60 1 20 122 2 1 0 0 0 0 2381
## 61 1 24 105 2 1 0 0 0 0 2381
## 62 1 15 115 3 0 0 0 1 0 2381
## 63 1 23 120 3 0 0 0 0 0 2410
## 65 1 30 142 1 1 1 0 0 0 2410
## 67 1 22 130 1 1 0 0 0 1 2410
## 68 1 17 120 1 1 0 0 0 3 2414
## 69 1 23 110 1 1 1 0 0 0 2424
## 71 1 17 120 2 0 0 0 0 2 2438
## 75 1 26 154 3 0 1 1 0 1 2442
## 76 1 20 105 3 0 0 0 0 3 2450
## 77 1 26 190 1 1 0 0 0 0 2466
## 78 1 14 101 3 1 1 0 0 0 2466
## 79 1 28 95 1 1 0 0 0 2 2466
## 81 1 14 100 3 0 0 0 0 2 2495
## 82 1 23 94 3 1 0 0 0 0 2495
## 83 1 17 142 2 0 0 1 0 0 2495
## 84 1 21 130 1 1 0 1 0 3 2495- Utiliza str() y head() para explorar la estructura, y con help(), mirar el significado de cada variable.
str(birthwt)## 'data.frame': 189 obs. of 10 variables:
## $ low : int 0 0 0 0 0 0 0 0 0 0 ...
## $ age : int 19 33 20 21 18 21 22 17 29 26 ...
## $ lwt : int 182 155 105 108 107 124 118 103 123 113 ...
## $ race : int 2 3 1 1 1 3 1 3 1 1 ...
## $ smoke: int 0 0 1 1 1 0 0 0 1 1 ...
## $ ptl : int 0 0 0 0 0 0 0 0 0 0 ...
## $ ht : int 0 0 0 0 0 0 0 0 0 0 ...
## $ ui : int 1 0 0 1 1 0 0 0 0 0 ...
## $ ftv : int 0 3 1 2 0 0 1 1 1 0 ...
## $ bwt : int 2523 2551 2557 2594 2600 2622 2637 2637 2663 2665 ...head(birthwt)## low age lwt race smoke ptl ht ui ftv bwt
## 85 0 19 182 2 0 0 0 1 0 2523
## 86 0 33 155 3 0 0 0 0 3 2551
## 87 0 20 105 1 1 0 0 0 1 2557
## 88 0 21 108 1 1 0 0 1 2 2594
## 89 0 18 107 1 1 0 0 1 0 2600
## 91 0 21 124 3 0 0 0 0 0 2622help("birthwt")## starting httpd help server ... done- Calcula una tabla de frecuencias relativas marginales de los pares (raza de la madre, peso inferior a 2.5 kg o no) que permita ver si la raza de la madre influye en el peso del bebé.
# creating the table
data <- table(birthwt$race,birthwt$low)
# giving names to the table
dimnames(data) <- list(
race <- c("white","black","other"),
birth_weight <- c(">2.5kg","<2.5kg")
)
data## >2.5kg <2.5kg
## white 73 23
## black 15 11
## other 42 25sum(data)## [1] 189- Dibuja un diagrama de mosaico de la tabla del ejercicio anterior.
mosaicplot(data, color = "lightblue")
- Dibuja un diagrama bidimensional de barras, con las barras organizadas en bloques, que permita visualizar la información de los ejercicios anteriores. Aprovecha para nombres adecuados a los bloques, colores a las barras, y añadir una leyenda que explique qué representa cada barra.
barplot(data,
beside = T, legend.text = T,
col = c("lightblue","gold","lightgreen")) 
- ¿Se puede obtener alguna conclusión de la tabla y el diagrama de barras anterior? Argumenta tu respuesta
Las mujeres de raza blanca son las que sus bebes pesan por lo general más de 2.5kg.
- Repite los cuatro ejercicios anteriores para los pares (madre fumadora o no, peso inferior a 2.5 kg o no) y para los pares (madre hipertensa o no, peso inferior a 2.5 kg o no.
# madre fumadora con peso inferior a 2.5kg
smke_low <- table(birthwt$smoke, birthwt$low)
dimnames(smke_low) <- list(
smoke <- c("no","yes"),
birth_weight <- c(">2.5kg","<2.5kg")
)
round(prop.table(smke_low, margin = 1),3)## >2.5kg <2.5kg
## no 0.748 0.252
## yes 0.595 0.405mosaicplot(smke_low)
barplot(smke_low,beside = T, legend.text = T, col = c("lightblue","lightgreen"))
# madre hipertensa o no a 2.5kg
hiper_low <- table(birthwt$ht, birthwt$low)
dimnames(hiper_low) <- list(
hipert. <- c("no","yes"),
birth_weight <- c(">2.5kg","<2.5kg")
)
round(prop.table(hiper_low, margin = 1),3)## >2.5kg <2.5kg
## no 0.706 0.294
## yes 0.417 0.583mosaicplot(hiper_low)
barplot(hiper_low,beside = T, legend.text = T, col = c("gold","brown"))
- Calcula una tabla de frecuencias relativas marginales de las ternas (raza de la madre, madre fumadora o no, peso inferior a 2.5 kg o no) que permita ver si la raza de la madre y su condición de fumadora o no fumadora influyen en el peso del bebé.
# raza
round(prop.table(data, margin = 1),3)## >2.5kg <2.5kg
## white 0.760 0.240
## black 0.577 0.423
## other 0.627 0.373# fumadora
round(prop.table(smke_low, margin = 1),3)## >2.5kg <2.5kg
## no 0.748 0.252
## yes 0.595 0.405# hipertension
round(prop.table(hiper_low, margin = 1),3)## >2.5kg <2.5kg
## no 0.706 0.294
## yes 0.417 0.583- Dibuja un diagrama de mosaico de la tabla del ejercicio anterior.
total_data <- table(birthwt$race, birthwt$smoke, birthwt$ht,birthwt$low)
dimnames(total_data) <- list(
race <- c("white","black","other"),
smoke <- c("no","yes"),
hipert. <- c("no","yes"),
birth_weight <- c(">2.5kg","<2.5kg")
)
mosaicplot(total_data, col = c("lightblue","lightgreen"))