Un breve análisis descriptivo de variables utilizadas en nuestro modelo

datos_utilizados <- read.csv("nuevos_datos.csv")

Sexo del jefe del hogar:

Sexo_jefe_hogar <- (datos_utilizados$P6020 )

Sexo_jefe_hogar <- factor(Sexo_jefe_hogar, labels= c("Hombre", "Mujer"))

sexo <- table(Sexo_jefe_hogar)
barplot(sexo, main = "Gráfica de Sexo del jefe del hogar",
     xlab = "Sexo del jefe del hogar", ylab = "Frecuencia", 
     col = c("royalblue", "seagreen"))

Podemos ver que hay más hombres que desempeñan la labor de jefe de hogar.

Edad del jefe del hogar

Edad_jefe_hogar <- (datos_utilizados$P6040 )
edad <- table(Edad_jefe_hogar)
plot(edad, main = "Gráfica de Edad del jefe del hogar",
     xlab = "Edad del jefe del hogar", ylab = "Frecuencia")

Podemos notar que la edad del jefe del hogar no tiene un rango de edad muy dominante

Edad del jefe del hogar

Estado_civil <- (datos_utilizados$P5502 )
Estado_civil <- factor(Estado_civil)

estado_civil <- table(Estado_civil)

1 No está casado(a) y vive en pareja hace menos de dos años 2 No está casado(a) y vive en pareja hace dos años o más 3 Está viudo(a) 4 Está separado(a) o divorciado(a) 5 Está soltero(a) 6 Está casado(a)

barplot(estado_civil)

Podemos ver que gran parte de los jefes de hogar viven en unión libre, o casados.

Ingresos del hogar

Ingresos <- (datos_utilizados$I_HOGAR )
Ingresos <- factor(Ingresos)
plot(Ingresos, main = "Gráfica de Ingresos del hogar",
     xlab = "Ingresos del hogar", ylab = "Frecuencia")

Podemos ver que hay tendencia en los ingresos menores a 1.5 millones

Número de cuartos en el hogar

Cuartos <- (datos_utilizados$P5010 )
Cuartos <- factor(Cuartos)
plot(Cuartos, main = "Gráfica de Cuartos para dormir del hogar",
     xlab = "Cuartos del hogar", ylab = "Frecuencia")

Podemos ver que la mayoría de hogares tienen 1 o 2 cuartos para dormir.