Esta práctica tiene la finalidad de realizar operaciones relacionadas con estadística descriptiva

Las librerias

library(readr) # para utilizar read, importar datos
library(dplyr) # para operaciones con datos,select, filter, pipes...

library(knitr) # para ver conjunto de datos mas amigable
library(modeest)

Los datos

datos <- read.csv("../Datos/covid-19_general_MX.csv")

kable(head(datos,10))
X SECTOR ENTIDAD_UM SEXO ENTIDAD_RES TIPO_PACIENTE FECHA_INGRESO FECHA_SINTOMAS FECHA_DEF INTUBADO NEUMONIA EDAD NACIONALIDAD DIABETES EPOC ASMA INMUSUPR HIPERTENSION OTRA_CON CARDIOVASCULAR OBESIDAD RENAL_CRONICA TABAQUISMO OTRO_CASO RESULTADO UCI
0 9 15 1 15 2 2020-04-09 2020-03-28 9999-99-99 2 1 75 1 1 2 2 2 2 2 2 2 2 2 2 1 1
1 12 9 1 9 1 2020-04-16 2020-04-02 9999-99-99 97 2 31 1 2 2 2 2 2 2 2 1 2 2 2 2 97
2 12 14 2 14 1 2020-04-28 2020-04-23 9999-99-99 97 1 64 1 2 2 2 2 2 2 2 2 2 2 1 3 97
3 9 28 2 28 1 2020-04-06 2020-04-04 9999-99-99 97 2 22 1 2 2 2 2 2 2 2 2 2 2 1 1 97
4 3 15 2 15 1 2020-04-16 2020-04-14 9999-99-99 97 2 26 1 2 2 2 2 2 2 2 1 2 2 1 3 97
5 12 15 2 15 2 2020-04-06 2020-04-04 9999-99-99 2 1 50 1 2 2 2 2 2 2 2 2 2 2 2 2 2
6 12 9 1 9 1 2020-04-20 2020-04-20 9999-99-99 97 2 55 1 2 2 2 2 2 2 2 2 2 2 1 2 97
7 4 15 1 15 1 2020-04-23 2020-04-23 9999-99-99 97 2 58 1 1 2 2 2 2 2 2 2 2 2 99 2 97
8 12 14 1 14 1 2020-04-23 2020-04-22 9999-99-99 97 2 31 1 2 2 2 2 2 2 2 1 2 2 2 2 97
9 4 9 1 9 2 2020-04-14 2020-04-14 9999-99-99 2 1 54 1 2 2 2 2 1 2 2 2 2 2 99 2 2 
kable(tail(datos,10))
X SECTOR ENTIDAD_UM SEXO ENTIDAD_RES TIPO_PACIENTE FECHA_INGRESO FECHA_SINTOMAS FECHA_DEF INTUBADO NEUMONIA EDAD NACIONALIDAD DIABETES EPOC ASMA INMUSUPR HIPERTENSION OTRA_CON CARDIOVASCULAR OBESIDAD RENAL_CRONICA TABAQUISMO OTRO_CASO RESULTADO UCI
87363 87362 12 9 1 9 1 2020-04-08 2020-04-01 9999-99-99 97 2 38 1 2 2 2 2 2 2 2 1 2 2 2 2 97
87364 87363 12 28 2 28 1 2020-04-14 2020-04-12 9999-99-99 97 2 28 1 2 2 2 2 2 2 2 2 2 2 99 2 97
87365 87364 8 30 2 30 2 2020-04-29 2020-04-28 9999-99-99 2 1 48 1 2 2 2 2 1 2 2 1 2 1 1 3 2
87366 87365 4 9 1 15 2 2020-04-07 2020-04-07 9999-99-99 2 1 62 1 2 2 2 2 2 2 2 2 2 2 99 1 2
87367 87366 4 21 1 21 2 2020-03-25 2020-03-25 9999-99-99 2 2 36 1 2 2 2 2 2 2 2 2 2 2 99 2 2
87368 87367 12 5 2 5 1 2020-04-21 2020-04-18 9999-99-99 97 2 40 1 2 2 2 2 1 2 2 2 2 2 1 2 97
87369 87368 12 9 1 9 1 2020-04-13 2020-04-13 9999-99-99 97 2 42 1 2 2 2 2 2 2 2 1 2 2 1 2 97
87370 87369 12 9 2 15 1 2020-04-21 2020-04-19 9999-99-99 97 2 67 1 2 2 2 2 2 2 2 2 2 2 1 2 97
87371 87370 12 9 2 9 1 2020-04-25 2020-04-25 9999-99-99 97 2 31 1 2 2 2 2 2 2 2 2 2 2 1 3 97
87372 87371 12 1 2 1 1 2020-04-28 2020-04-25 9999-99-99 97 2 27 1 2 2 2 2 2 2 2 2 2 2 1 3 97

Estrutura de los datos

str(datos)
## 'data.frame':    87372 obs. of  26 variables:
##  $ X             : int  0 1 2 3 4 5 6 7 8 9 ...
##  $ SECTOR        : int  9 12 12 9 3 12 12 4 12 4 ...
##  $ ENTIDAD_UM    : int  15 9 14 28 15 15 9 15 14 9 ...
##  $ SEXO          : int  1 1 2 2 2 2 1 1 1 1 ...
##  $ ENTIDAD_RES   : int  15 9 14 28 15 15 9 15 14 9 ...
##  $ TIPO_PACIENTE : int  2 1 1 1 1 2 1 1 1 2 ...
##  $ FECHA_INGRESO : chr  "2020-04-09" "2020-04-16" "2020-04-28" "2020-04-06" ...
##  $ FECHA_SINTOMAS: chr  "2020-03-28" "2020-04-02" "2020-04-23" "2020-04-04" ...
##  $ FECHA_DEF     : chr  "9999-99-99" "9999-99-99" "9999-99-99" "9999-99-99" ...
##  $ INTUBADO      : int  2 97 97 97 97 2 97 97 97 2 ...
##  $ NEUMONIA      : int  1 2 1 2 2 1 2 2 2 1 ...
##  $ EDAD          : int  75 31 64 22 26 50 55 58 31 54 ...
##  $ NACIONALIDAD  : int  1 1 1 1 1 1 1 1 1 1 ...
##  $ DIABETES      : int  1 2 2 2 2 2 2 1 2 2 ...
##  $ EPOC          : int  2 2 2 2 2 2 2 2 2 2 ...
##  $ ASMA          : int  2 2 2 2 2 2 2 2 2 2 ...
##  $ INMUSUPR      : int  2 2 2 2 2 2 2 2 2 2 ...
##  $ HIPERTENSION  : int  2 2 2 2 2 2 2 2 2 1 ...
##  $ OTRA_CON      : int  2 2 2 2 2 2 2 2 2 2 ...
##  $ CARDIOVASCULAR: int  2 2 2 2 2 2 2 2 2 2 ...
##  $ OBESIDAD      : int  2 1 2 2 1 2 2 2 1 2 ...
##  $ RENAL_CRONICA : int  2 2 2 2 2 2 2 2 2 2 ...
##  $ TABAQUISMO    : int  2 2 2 2 2 2 2 2 2 2 ...
##  $ OTRO_CASO     : int  2 2 1 1 1 2 1 99 2 99 ...
##  $ RESULTADO     : int  1 2 3 1 3 2 2 2 2 2 ...
##  $ UCI           : int  1 97 97 97 97 2 97 97 97 2 ...

Resumen de los datos

summary(datos)
##        X             SECTOR         ENTIDAD_UM         SEXO      
##  Min.   :    0   Min.   : 1.000   Min.   : 1.00   Min.   :1.000  
##  1st Qu.:21843   1st Qu.: 4.000   1st Qu.: 9.00   1st Qu.:1.000  
##  Median :43686   Median :12.000   Median :14.00   Median :2.000  
##  Mean   :43686   Mean   : 9.338   Mean   :14.65   Mean   :1.505  
##  3rd Qu.:65528   3rd Qu.:12.000   3rd Qu.:20.00   3rd Qu.:2.000  
##  Max.   :87371   Max.   :99.000   Max.   :32.00   Max.   :2.000  
##   ENTIDAD_RES    TIPO_PACIENTE   FECHA_INGRESO      FECHA_SINTOMAS    
##  Min.   : 1.00   Min.   :1.000   Length:87372       Length:87372      
##  1st Qu.: 9.00   1st Qu.:1.000   Class :character   Class :character  
##  Median :14.00   Median :1.000   Mode  :character   Mode  :character  
##  Mean   :14.89   Mean   :1.265                                        
##  3rd Qu.:20.00   3rd Qu.:2.000                                        
##  Max.   :32.00   Max.   :2.000                                        
##   FECHA_DEF            INTUBADO        NEUMONIA           EDAD       
##  Length:87372       Min.   : 1.00   Min.   : 1.000   Min.   :  0.00  
##  Class :character   1st Qu.: 2.00   1st Qu.: 2.000   1st Qu.: 30.00  
##  Mode  :character   Median :97.00   Median : 2.000   Median : 40.00  
##                     Mean   :71.81   Mean   : 1.826   Mean   : 41.88  
##                     3rd Qu.:97.00   3rd Qu.: 2.000   3rd Qu.: 53.00  
##                     Max.   :99.00   Max.   :99.000   Max.   :113.00  
##   NACIONALIDAD      DIABETES           EPOC             ASMA       
##  Min.   :1.000   Min.   : 1.000   Min.   : 1.000   Min.   : 1.000  
##  1st Qu.:1.000   1st Qu.: 2.000   1st Qu.: 2.000   1st Qu.: 2.000  
##  Median :1.000   Median : 2.000   Median : 2.000   Median : 2.000  
##  Mean   :1.013   Mean   : 2.302   Mean   : 2.392   Mean   : 2.379  
##  3rd Qu.:1.000   3rd Qu.: 2.000   3rd Qu.: 2.000   3rd Qu.: 2.000  
##  Max.   :2.000   Max.   :98.000   Max.   :98.000   Max.   :98.000  
##     INMUSUPR       HIPERTENSION       OTRA_CON      CARDIOVASCULAR  
##  Min.   : 1.000   Min.   : 1.000   Min.   : 1.000   Min.   : 1.000  
##  1st Qu.: 2.000   1st Qu.: 2.000   1st Qu.: 2.000   1st Qu.: 2.000  
##  Median : 2.000   Median : 2.000   Median : 2.000   Median : 2.000  
##  Mean   : 2.416   Mean   : 2.245   Mean   : 2.505   Mean   : 2.399  
##  3rd Qu.: 2.000   3rd Qu.: 2.000   3rd Qu.: 2.000   3rd Qu.: 2.000  
##  Max.   :98.000   Max.   :98.000   Max.   :98.000   Max.   :98.000  
##     OBESIDAD      RENAL_CRONICA    TABAQUISMO       OTRO_CASO    
##  Min.   : 1.000   Min.   : 1.0   Min.   : 1.000   Min.   : 1.00  
##  1st Qu.: 2.000   1st Qu.: 2.0   1st Qu.: 2.000   1st Qu.: 1.00  
##  Median : 2.000   Median : 2.0   Median : 2.000   Median : 2.00  
##  Mean   : 2.237   Mean   : 2.4   Mean   : 2.322   Mean   :38.12  
##  3rd Qu.: 2.000   3rd Qu.: 2.0   3rd Qu.: 2.000   3rd Qu.:99.00  
##  Max.   :98.000   Max.   :98.0   Max.   :98.000   Max.   :99.00  
##    RESULTADO          UCI       
##  Min.   :1.000   Min.   : 1.00  
##  1st Qu.:2.000   1st Qu.: 2.00  
##  Median :2.000   Median :97.00  
##  Mean   :1.958   Mean   :71.81  
##  3rd Qu.:2.000   3rd Qu.:97.00  
##  Max.   :3.000   Max.   :99.00

La media

La media de localizacion mas importante es la media, o valor promedio, de una variable. La media proporciona una medida de localizacion central de los datos. Si los datos son datos de una muestra, la media se denota como \(\bar{x}\)

\[\bar{x} = \sum_{x=}^N{/N} \] Ejemplo de media con datos aleatorios * Genera datos aleatorios con sample()

set.seed(2020)
edades <- sample(x = 20:100,size = 100, replace = TRUE)
edades
##   [1]  47  41  84  36  55  61  89  68  75  91  61  99  48  22  85  23  97  97
##  [19]  95  67  66  97  26  37  71  67  63  29  89  62  96  51  32  85  99  96
##  [37]  20  57  22  48  44  64  62  88  77  85  44  54  43  69  52  26  27  75
##  [55]  32  88  87  38  42  87  61  20  66  50  79  35  89  74  45  29  47  84
##  [73]  36  59  34  63  69  96  24  67  39  71  33  32  47 100  60  79  59  46
##  [91]  78  54  21  96  27  80  51  87  58  65
mean(edades)
## [1] 60.48

La media de los datos de COVID

mean(datos$EDAD)
## [1] 41.88436

Mediana

La mediana es otra medida de localizacion central. Es el valor de enmedio de los datos ordenados de menor a mayor (en forma ascendente).

Si el numero de observaciones es impar, la mediana es el valor de enmedio.

Si el numero de observaciones es par, la mediana es el promedio de las dos observaciones de enmedio.

Ejemplo de mediana con edades.

edades
##   [1]  47  41  84  36  55  61  89  68  75  91  61  99  48  22  85  23  97  97
##  [19]  95  67  66  97  26  37  71  67  63  29  89  62  96  51  32  85  99  96
##  [37]  20  57  22  48  44  64  62  88  77  85  44  54  43  69  52  26  27  75
##  [55]  32  88  87  38  42  87  61  20  66  50  79  35  89  74  45  29  47  84
##  [73]  36  59  34  63  69  96  24  67  39  71  33  32  47 100  60  79  59  46
##  [91]  78  54  21  96  27  80  51  87  58  65
median(edades)
## [1] 61

mediana de la edad de los datos COVID19

median(datos$EDAD)
## [1] 40

La moda

La moda es el valor que se presenta con mayor frecuencia.

Ejemplo de edades, la moda

sort(edades)
##   [1]  20  20  21  22  22  23  24  26  26  27  27  29  29  32  32  32  33  34
##  [19]  35  36  36  37  38  39  41  42  43  44  44  45  46  47  47  47  48  48
##  [37]  50  51  51  52  54  54  55  57  58  59  59  60  61  61  61  62  62  63
##  [55]  63  64  65  66  66  67  67  67  68  69  69  71  71  74  75  75  77  78
##  [73]  79  79  80  84  84  85  85  85  87  87  87  88  88  89  89  89  91  95
##  [91]  96  96  96  96  97  97  97  99  99 100
table(edades)  # Genera una tabla de frecuencias
## edades
##  20  21  22  23  24  26  27  29  32  33  34  35  36  37  38  39  41  42  43  44 
##   2   1   2   1   1   2   2   2   3   1   1   1   2   1   1   1   1   1   1   2 
##  45  46  47  48  50  51  52  54  55  57  58  59  60  61  62  63  64  65  66  67 
##   1   1   3   2   1   2   1   2   1   1   1   2   1   3   2   2   1   1   2   3 
##  68  69  71  74  75  77  78  79  80  84  85  87  88  89  91  95  96  97  99 100 
##   1   2   2   1   2   1   1   2   1   2   3   3   2   3   1   1   4   3   2   1
frecuencias <- sort(table(edades), decreasing = TRUE)
frecuencias
## edades
##  96  32  47  61  67  85  87  89  97  20  22  26  27  29  36  44  48  51  54  59 
##   4   3   3   3   3   3   3   3   3   2   2   2   2   2   2   2   2   2   2   2 
##  62  63  66  69  71  75  79  84  88  99  21  23  24  33  34  35  37  38  39  41 
##   2   2   2   2   2   2   2   2   2   2   1   1   1   1   1   1   1   1   1   1 
##  42  43  45  46  50  52  55  57  58  60  64  65  68  74  77  78  80  91  95 100 
##   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1   1
moda <- frecuencias[1]
moda
## 96 
##  4
moda2 <- mlv(edades)
moda2
## [1] 96

Generando la moda de EDAD de COVID19

moda <- mlv(datos$EDAD)
moda
## [1] 30

Graficar

edades
##   [1]  47  41  84  36  55  61  89  68  75  91  61  99  48  22  85  23  97  97
##  [19]  95  67  66  97  26  37  71  67  63  29  89  62  96  51  32  85  99  96
##  [37]  20  57  22  48  44  64  62  88  77  85  44  54  43  69  52  26  27  75
##  [55]  32  88  87  38  42  87  61  20  66  50  79  35  89  74  45  29  47  84
##  [73]  36  59  34  63  69  96  24  67  39  71  33  32  47 100  60  79  59  46
##  [91]  78  54  21  96  27  80  51  87  58  65
min(edades)
## [1] 20
max(edades)
## [1] 100
boxplot(edades)

Graficar boxplot de EDAD de COVID19

boxplot(datos$EDAD)

min(datos$EDAD)
## [1] 0
max(datos$EDAD)
## [1] 113

Cuartiles

  • Valores que estan en un porcentaje de los datos
  • 25%
  • 50% = mediana
  • 75%
sort(edades)
##   [1]  20  20  21  22  22  23  24  26  26  27  27  29  29  32  32  32  33  34
##  [19]  35  36  36  37  38  39  41  42  43  44  44  45  46  47  47  47  48  48
##  [37]  50  51  51  52  54  54  55  57  58  59  59  60  61  61  61  62  62  63
##  [55]  63  64  65  66  66  67  67  67  68  69  69  71  71  74  75  75  77  78
##  [73]  79  79  80  84  84  85  85  85  87  87  87  88  88  89  89  89  91  95
##  [91]  96  96  96  96  97  97  97  99  99 100
cuartile50 <- quantile(edades,0.50)
cuartile50
## 50% 
##  61
cuartile25 <- quantile(edades,0.25)
cuartile25
##   25% 
## 41.75
cuartile75 <- quantile(edades,0.75)
cuartile75
## 75% 
##  81
boxplot(edades)