library(rio)
linkGIT="https://github.com/JoseManuelMagallanes/Estadistica_Para_AnalisisPolitico/raw/master/hsb.sav"
A=import(linkGIT)str(A)## 'data.frame': 600 obs. of 15 variables:
## $ ID : num 1 2 3 4 5 6 7 8 9 10 ...
## ..- attr(*, "format.spss")= chr "F5.0"
## $ SEX : num 2 1 2 2 2 1 1 2 1 2 ...
## ..- attr(*, "format.spss")= chr "F5.0"
## $ RACE : num 2 2 2 2 2 2 2 2 2 2 ...
## ..- attr(*, "format.spss")= chr "F5.0"
## $ SES : num 1 1 1 2 2 2 1 1 2 1 ...
## ..- attr(*, "format.spss")= chr "F5.0"
## $ SCTYP : num 1 1 1 1 1 1 1 1 1 1 ...
## ..- attr(*, "format.spss")= chr "F5.0"
## $ HSP : num 3 2 2 3 3 2 1 1 1 1 ...
## ..- attr(*, "format.spss")= chr "F5.0"
## $ LOCUS : num 0.29 -0.42 0.71 0.06 0.22 0.46 0.44 0.68 0.06 0.05 ...
## ..- attr(*, "format.spss")= chr "F5.2"
## $ CONCPT: num 0.88 0.03 0.03 0.03 -0.28 0.03 -0.47 0.25 0.56 0.15 ...
## ..- attr(*, "format.spss")= chr "F5.2"
## $ MOT : num 0.67 0.33 0.67 0 0 0 0.33 1 0.33 1 ...
## ..- attr(*, "format.spss")= chr "F5.2"
## $ CAR : num 10 2 9 15 1 11 10 9 9 11 ...
## ..- attr(*, "format.spss")= chr "F5.0"
## $ RDG : num 33.6 46.9 41.6 38.9 36.3 49.5 62.7 44.2 46.9 44.2 ...
## ..- attr(*, "format.spss")= chr "F5.2"
## $ WRTG : num 43.7 35.9 59.3 41.1 48.9 46.3 64.5 51.5 41.1 49.5 ...
## ..- attr(*, "format.spss")= chr "F5.2"
## $ MATH : num 40.2 41.9 41.9 32.7 39.5 46.2 48 36.9 45.3 40.5 ...
## ..- attr(*, "format.spss")= chr "F5.2"
## $ SCI : num 39 36.3 44.4 41.7 41.7 41.7 63.4 49.8 47.1 39 ...
## ..- attr(*, "format.spss")= chr "F5.2"
## $ CIV : num 40.6 45.6 45.6 40.6 45.6 35.6 55.6 55.6 55.6 50.6 ...
## ..- attr(*, "format.spss")= chr "F5.2"reviso metadata y formateo:
A$ID=as.character(A$ID)
A[,c(2,3,5,6,10)]=lapply(A[,c(2,3,5,6,10)],as.factor)
A$SES=as.ordered(A$SES)str(A)## 'data.frame': 600 obs. of 15 variables:
## $ ID : chr "1" "2" "3" "4" ...
## $ SEX : Factor w/ 2 levels "1","2": 2 1 2 2 2 1 1 2 1 2 ...
## $ RACE : Factor w/ 4 levels "1","2","3","4": 2 2 2 2 2 2 2 2 2 2 ...
## $ SES : Ord.factor w/ 3 levels "1"<"2"<"3": 1 1 1 2 2 2 1 1 2 1 ...
## $ SCTYP : Factor w/ 2 levels "1","2": 1 1 1 1 1 1 1 1 1 1 ...
## $ HSP : Factor w/ 3 levels "1","2","3": 3 2 2 3 3 2 1 1 1 1 ...
## $ LOCUS : num 0.29 -0.42 0.71 0.06 0.22 0.46 0.44 0.68 0.06 0.05 ...
## ..- attr(*, "format.spss")= chr "F5.2"
## $ CONCPT: num 0.88 0.03 0.03 0.03 -0.28 0.03 -0.47 0.25 0.56 0.15 ...
## ..- attr(*, "format.spss")= chr "F5.2"
## $ MOT : num 0.67 0.33 0.67 0 0 0 0.33 1 0.33 1 ...
## ..- attr(*, "format.spss")= chr "F5.2"
## $ CAR : Factor w/ 17 levels "1","2","3","4",..: 10 2 9 15 1 11 10 9 9 11 ...
## $ RDG : num 33.6 46.9 41.6 38.9 36.3 49.5 62.7 44.2 46.9 44.2 ...
## ..- attr(*, "format.spss")= chr "F5.2"
## $ WRTG : num 43.7 35.9 59.3 41.1 48.9 46.3 64.5 51.5 41.1 49.5 ...
## ..- attr(*, "format.spss")= chr "F5.2"
## $ MATH : num 40.2 41.9 41.9 32.7 39.5 46.2 48 36.9 45.3 40.5 ...
## ..- attr(*, "format.spss")= chr "F5.2"
## $ SCI : num 39 36.3 44.4 41.7 41.7 41.7 63.4 49.8 47.1 39 ...
## ..- attr(*, "format.spss")= chr "F5.2"
## $ CIV : num 40.6 45.6 45.6 40.6 45.6 35.6 55.6 55.6 55.6 50.6 ...
## ..- attr(*, "format.spss")= chr "F5.2"PREGUNTAS: Analizar WRITING, por sexo y nivel socioeconómico. Escribir conclusiones
WRTG,SEX NUMERICO ,CATEGÓRICO
f1=formula(WRTG~SEX)
aggregate(f1,A,mean)## SEX WRTG
## 1 1 49.78608
## 2 2 54.55443hipótesis DEL CASO:Hay mayor cantidad de mujeres que tienen mejor puntuación en el writing que los hombres. Hipótesis general: Entonces hay diferencia entre medias. comprobación:
gráficos
library(ggplot2)
ggplot(A,aes(x=WRTG)) + geom_histogram(aes(y = ..density..),bins = 20, fill='green') +
stat_function(fun = dnorm, colour = "red",
args = list(mean = mean(A$WRTG, na.rm = TRUE),
sd = sd(A$WRTG, na.rm = TRUE))) + facet_grid(~SEX) + coord_flip()
se comprueba que no existe una normalidad ya que no hay curva normal ,por tanto, es no parametrico …donde hay diferencias de media
library(ggpubr)## Loading required package: magrittrggqqplot(data=A,x="WRTG") + facet_grid(. ~ SEX)
SE DESVIAN De la diagonal ,por tanto no hay normalidad y se comprueba de nuevo en N.C
2PROBABILIDAD Shapiro wilk
normalidadTest=function(x) {y =shapiro.test(x);
c(y$statistic, y$p.value)}
resultado= aggregate(f1, A,
FUN = normalidadTest)
library(knitr)
shapiroTest=as.data.frame(resultado[,2])
names(shapiroTest)=c("SW_Statistic","Probabilidad")
kable(cbind(resultado[1],shapiroTest))| SEX | SW_Statistic | Probabilidad |
|---|---|---|
| 1 | 0.9643550 | 2.8e-06 |
| 2 | 0.9445193 | 0.0e+00 |
ES MENOR A 0.05 ENTONCES HAY UNA PROBABILIDAD MUY BAJA QUE SEA CURVA NORMAL.En consecuencia es SIGNIFICATIVO ,es decir,hay mucha diferencia entre las nota de writing entre mujeres y hombres.
4.opción NO parametrico para dicotómicas
wilcox.test(f1,A)##
## Wilcoxon rank sum test with continuity correction
##
## data: WRTG by SEX
## W = 32624, p-value = 1.255e-08
## alternative hypothesis: true location shift is not equal to 0conclusión:
WRTG,SES NUMERICO,CATEGÓRICO
f2=formula(WRTG~SES)
aggregate(f2,A,mean)## SES WRTG
## 1 1 48.70288
## 2 2 52.35853
## 3 3 55.59259hipótesis del caso:se observa que hay más estatus socioeconómico alto que tienen mejor promedio en el writing. hipótesis general:Hay diferencias entre las medias.
comprobación: grafico
library(ggplot2)
ggplot(A,aes(x=WRTG)) + geom_histogram(aes(y = ..density..),bins = 20, fill='green') +
stat_function(fun = dnorm, colour = "red",
args = list(mean = mean(A$WRTG, na.rm = TRUE),
sd = sd(A$WRTG, na.rm = TRUE))) + facet_grid(~SES) + coord_flip()
SE OBSERVA no existe una normalidad ya que no hay curva normal ,por tanto, es no parametrico …donde hay diferencias de media.
OTRO GRÁFICO:
library(ggpubr)ggqqplot(data=A,x="WRTG") + facet_grid(. ~ SES)
los puntos se alejan mucho de la diagonal, se alejan de la normalidad.
2.probabilidad:Shapiro Wilk
normalidadTest=function(x) {y =shapiro.test(x);
c(y$statistic, y$p.value)}
resultado= aggregate(f2, A,
FUN = normalidadTest)
library(knitr)
shapiroTest=as.data.frame(resultado[,2])
names(shapiroTest)=c("SW_Statistic","Probabilidad")
kable(cbind(resultado[1],shapiroTest))| SES | SW_Statistic | Probabilidad |
|---|---|---|
| 1 | 0.9673549 | 0.0020755 |
| 2 | 0.9517413 | 0.0000000 |
| 3 | 0.9249929 | 0.0000002 |
ES MENOR QUE 0.05 , en consecuencia ,porbabilidad muy baja que sea curva normal.En otras palabras, es SIGNIFICATIVO ya que hay tanta diferencia entre los tres status socioneconmicos:alto,medio y baja .
4.opción NO paramétricas para politomicas
kruskal.test(f2,A)##
## Kruskal-Wallis rank sum test
##
## data: WRTG by SES
## Kruskal-Wallis chi-squared = 37.037, df = 2, p-value = 9.069e-09ggplot(data=A, aes(x=SES, y=WRTG)) + geom_boxplot(notch = T)
los notches NO se intersectan,entoces no hay igualdad de mediANAS? conclusión: