R Notebook

Datos equipo Jessica y Paola

Crear entorno

library(tidyverse)
library(readxl)

Cargando los datos

la_union = 1

san_luis = 2

Rows: 152 Columns: 11
── Column specification ──────────────────────────────────────────────────────────────────────
Delimiter: ","
chr  (1): municipio
dbl (10): codigo, edad, n_hijos, a_escolar, brif_p, upnt3_2, upnt3_3, upnt5_3, upnt5_4, ti...

ℹ Use `spec()` to retrieve the full column specification for this data.
ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.

0 7 - nada autorregulado 8 15 - medianamente autorregulado 16 - Autorregulado

Análisis descriptivo

Análisis demográfico

Edad

hijos

Escolaridad

Autorregulación

brif-p = autorregulación

A menor valor mayor autorregulación

Boxplot

Si hay diferencias significativas?

t.test(brif_p ~ municipio, datos_jess_pao)

    Welch Two Sample t-test

data:  brif_p by municipio
t = 1.8442, df = 125.51, p-value = 0.06752
alternative hypothesis: true difference in means between group La Union and group San Luis is not equal to 0
95 percent confidence interval:
 -0.3989971 11.3087431
sample estimates:
mean in group La Union mean in group San Luis 
              40.21311               34.75824 

Dado que p-value (0.06752) es mayor que alpha (0.05) , no se dispone de evidencia suficiente para considerar que existe una diferencia entre el peso promedio de niños nacidos de madres fumadores y el de madres no fumadoras.

Consumo

Internet

upnt3_2 = uso del Internet horas a la semana upnt3_3 = uso del Internet horas al día

Teléfono móvil

upnt5_3 = uso del teléfono móvil horas a la semana upnt5_4 = uso del teléfono móvil horas al día

Tiendas

Análisis inferencial

H1

H1: a mayor consumo de internet en horas a la semana por parte de los cuidadores menor capacidad de autorregulación de los niños.

Agrupado

Correlación de Pearson

cor.test(datos_jess_pao$brif_p, datos_jess_pao$upnt3_3) 

    Pearson's product-moment correlation

data:  datos_jess_pao$brif_p and datos_jess_pao$upnt3_3
t = 2.5545, df = 150, p-value = 0.01163
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 0.0464880 0.3519385
sample estimates:
      cor 
0.2041776 

Por municipio

La union

datos_jess_pao_la_union <- 
  datos_jess_pao %>% 
  filter(municipio == "La Union")
  
cor.test(datos_jess_pao_la_union$brif_p, 
         datos_jess_pao_la_union$upnt3_3) 

    Pearson's product-moment correlation

data:  datos_jess_pao_la_union$brif_p and datos_jess_pao_la_union$upnt3_3
t = 1.937, df = 59, p-value = 0.05754
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 -0.007777789  0.467552735
sample estimates:
      cor 
0.2445219 

La union

cor.test(datos_jess_pao_san_luis$brif_p, 
         datos_jess_pao_san_luis$upnt3_3) 

    Pearson's product-moment correlation

data:  datos_jess_pao_san_luis$brif_p and datos_jess_pao_san_luis$upnt3_3
t = 2.4612, df = 89, p-value = 0.01578
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 0.04903748 0.43572566
sample estimates:
     cor 
0.252433 

H2

H2: a mayor consumo del celular en horas a la semana por parte de los cuidadores menor capacidad de autorregulación de los niños.

summary(lm(brif_p ~ upnt3_3 , datos_jess_pao))

Agrupado

Correlación de Pearson

cor.test(datos_jess_pao$brif_p, datos_jess_pao$upnt5_3) 

    Pearson's product-moment correlation

data:  datos_jess_pao$brif_p and datos_jess_pao$upnt5_3
t = 2.0259, df = 150, p-value = 0.04455
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 0.004102685 0.314233386
sample estimates:
      cor 
0.1631968 

Por municipio

La union

datos_jess_pao_la_union <- 
  datos_jess_pao %>% 
  filter(municipio == "La Union")
  
cor.test(datos_jess_pao_la_union$brif_p, 
         datos_jess_pao_la_union$upnt5_3) 

    Pearson's product-moment correlation

data:  datos_jess_pao_la_union$brif_p and datos_jess_pao_la_union$upnt5_3
t = 2.3117, df = 59, p-value = 0.0243
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 0.03922012 0.50347630
sample estimates:
      cor 
0.2881945 

La union

datos_jess_pao_san_luis <- 
  datos_jess_pao %>% 
  filter(municipio == "San Luis")
  
cor.test(datos_jess_pao_san_luis$brif_p, 
         datos_jess_pao_san_luis$upnt5_3) 

    Pearson's product-moment correlation

data:  datos_jess_pao_san_luis$brif_p and datos_jess_pao_san_luis$upnt5_3
t = 1.1877, df = 89, p-value = 0.2381
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 -0.08317493  0.32255679
sample estimates:
      cor 
0.1249096