Los análisis se hacen sobre el año 2015.

1 Educación versus decil autónomo del ingreso.

2 Ingreso autónomo familiar versus etnia.

3 Pobreza multidimensional versus ingreso autónomo familiar

4 Alfabetismo versus ingreso autónomo familiar

5 Jornadas escolares de asistencia versus ingreso autónomo familiar

6 Becas escolares versus IAF

7 Crédito universitario versus IAF

8 Trabajo versus IAF

#El análisis de correspondencia se puede utilizar para resumir y visualizar la información contenida en una gran tabla de contingencia formada por dos variables categóricas.

Vemos que la etnia Mapuche está muy cerca del DAU I y la categoria no pertenece a ningún pueblo al 10

Cruzamos las variables DAU con pobreza. Los deciles 1 y 2 con las categorias de pobre difieren notablemente de los demas

El gráfico tiene el siguiente sentido: el decil DAU mas rico se asocia con la actividad “patrón o empleador” mientras que los más pobres 1 y 2 se asocian al familiar no remunerado y al trabajador por cuenta propia

Observamos una correlación no lineal casi perfecta entre el tipo de educación recibida y el decil del DAU al cual se pertenece.

Vemos que el decil más pobre de la sociedad se asocia al hecho de que durante la mayor parte de su vida no ha vivido con sus padres.

Sorprendentemente nos encontramos de nuevo con una asociación no lineal casi perfecta entre el nivel educacional alcanzado por la madre y el decil del DAU al que se perrtenece.

Las categorías bi y gay se relacionan a los deciles más ricos de la sociedad.

Quizás la relación no lineal de la que hemos hablado entre educación y decil del DAU sea en éste ejemplo la más perfecta y asocia años de estudios con pertenencia al decil.

La variable construída dependencia de la Casen, que indica el tipo de establecimiento educacional al que se asiste también posee una relación no lineal muy marcada con el DAU.

La dificultad psiquiátrica y mental se orienta en la misma dirección que los deciles más pobres del DAU.

Las dificultades para desempeñarse en los estudios o en el trabajp se asocia a más pobreza.

Ésta función dibuja una matriz gráfica donde cada celda contiene un punto cuyo tamaño refleja la magnitud relativa del componente correspondiente.

“La semana pasada, ¿trabajó al menos una hora, sin considerar los quehaceres del hogar?”

El chi-cuadrado nos da una medida de la correlación entre las variables.

## 
##  Pearson's Chi-squared test
## 
## data:  u
## X-squared = 18348, df = 9, p-value < 2.2e-16

Si el chi-cuadrado en menor a 0.05, hay correlación significativa al 95% de confianza.

Si le ofrecieran un trabajo, ¿estaría disponible para comenzar a trabajar?

Oficio u ocupación

¿Cuál es el estado nutricional de [NIÑO/A]

En los últimos tres años, ¿se ha hecho una mamografía?

## 
##  Pearson's Chi-squared test
## 
## data:  u
## X-squared = 1547.9, df = 36, p-value < 2.2e-16

Su núcleo, ¿tiene en uso y en funcionamiento: Smart TV o Televisión con internet?

## 
##  Pearson's Chi-squared test
## 
## data:  u
## X-squared = 10915, df = 18, p-value < 2.2e-16

## 
##  Pearson's Chi-squared test
## 
## data:  u
## X-squared = 17592, df = 135, p-value < 2.2e-16

## 
##  Pearson's Chi-squared test
## 
## data:  u
## X-squared = NaN, df = 36, p-value = NA

Algunos de los indicadores de carencias con los que se amplían los conceptos de pobreza hacia una multi dimensional se vuelven difíciles de interpretar porque plantean una doble negación, como el caso de carencia en malnutición, en rigor el concepto se traduciría en buena nutrición pero tal como esta planteada en la casen esa carencia mas bien indica la presencia de la mal nutrición en los niños.

0 indica buena nutrición 1 indica mal nutrición

## 
##  Pearson's Chi-squared test
## 
## data:  u
## X-squared = 3404.4, df = 9, p-value < 2.2e-16

También es posible visualizar una tabla de contingencia como un diagrama de mosaico.

El color azul indica que el valor observado es mayor que el valor esperado si los datos fueran aleatorios El color rojo especifica que el valor observado es menor que el valor esperado si los datos fueran aleatorios.

type: especifica el tipo de residuo que queremos representar

######—2

El color azul indica que el valor observado es mayor que el valor esperado si los datos fueran aleatorios El color rojo especifica que el valor observado es menor que el valor esperado si los datos fueran aleatorios.

######—3

El color azul indica que el valor observado es mayor que el valor esperado si los datos fueran aleatorios El color rojo especifica que el valor observado es menor que el valor esperado si los datos fueran aleatorios.

######—4

El color azul indica que el valor observado es mayor que el valor esperado si los datos fueran aleatorios El color rojo especifica que el valor observado es menor que el valor esperado si los datos fueran aleatorios.

######—5

El color azul indica que el valor observado es mayor que el valor esperado si los datos fueran aleatorios El color rojo especifica que el valor observado es menor que el valor esperado si los datos fueran aleatorios.