Evaluación primera unidad
Métodos supervisados y no supervisados
Método supervisado
Este método resuelve problemas que son conocidos y utiliza un conjunto de datos que están previamente etiquetados para con esta información entrenar al algoritmo gracias a este entrenamiento el algoritmo puede “aprender” y posteriormente aplicar lo anteriormente realizado, pero con nuevos datos para obtener la salida correcta.
Algunos ejemplos son: la regresión lineal, la regresión lógistica, árboles de decisión y bosques aleatorios.
Método no supervisado
En este método los datos introducidos no están previamente etiquetados, el modelo va a a buscar patrones y características para darle un sentido a los datos por sí mismo.
Algunos ejemplos son: agrupamiento jerarquico, k-means
Diferencias
La diferencia más notoria es que los métodos supervisados necesitan ser previamente entrenados con un conjunto de datos de los cuales ya conozcamos el resultado, para posteriormente darle unos datos nuevos y que aplique lo “aprendido”, mientras que a los no supervisados se le puede dar datos de los cuales se desconoce el resultado para que realice el modelo por sí mismo.
Proceso de resolución de problema usando ciencia de datos
1.- Detectar problema
Se debe de establecer un objetivo claro, identificar el problema y formular una hipótesis, de esta forma se tendrá una visión más clara de lo que se debe de realizar a lo largo de la investigación y poder dar una solución al problema planteado.
2.- Preparación de los datos
Se debe de comprender y preparar los datos que van a ser utilizados a lo largo del analisís, estos datos pueden ser proporcionado por un tercero o tener que recabarlos nosotros, en todo momento se debe de tener la certeza de que los datos son confiables y que no presentan inconsistencias. para poder dar una verdadera solución al problema.
3.- Desarrollo del modelo
Se determina los métodos o algoritmos que se van a aplicar a los datos, cuando se tengan el o los distintos modelos se deben de evaluar y se optimizarán los que dieron mejores resultados.
4.- Analisis de resultados
Teniendo ya los modelos, se debe de realizar un analisis de los resultados que se obtuvo en cada uno. Hay distintos tipos de analisis, pero hasta el más básico puede reflejar un resultado que aporte mucho.
5.- Interpretación de resultados
Ya con los resultados analizados, se debe de interpretarlos, para ver si logran resolver el problema que se estaba planteando desde el principio y posteriormente difundir dicho resultado con otras personas, pues nuestro analisis puede ser interesante o de ayuda para alguien más
Librerías usadas
setwd("~/ea1130")
library(pacman)
p_load("xfun", "ggplot2","cluster","datasets","DT","fdth","readr","prettydoc", "dplyr", "psych", "GGally","gridExtra")Pacman: Nos permite consultar tanto la base de datos de los paquetes presentes en el sistema de los paquetes instalados, como las bases de datos de los servidores remotos (de los paquetes alojados en servidores o repositorios) e incluso los archivos presentes en dichas bases de datos para conocer las subopciones respectivas de cada opción.
Prettydoc: Podremos crear viñetas y documentos diminutos pero bonitos a partir de R.
DT: nos permite crear una interfaz para presentar los datos en forma de tablas.
xfun: Son funciones misceláneas comúnmente utilizadas en otros paquetes por “Yihui Xie”
dplyr: Es una herramienta bastante optimizada para trabajar con marcos de datos como objetos y fuera de la memoria.
fdth: contiene un conjunto de funciones que permite al usuario realizar fácilmente tablas de distribución de frecuencias (‘fdt’), sus histogramas asociados y polígonos de frecuencia (absoluta, relativa y acumulativo).
psych: Esta librería incluye una serie de funciones típicamente relacionadas con la psicología.
GGally: El paquete está diseñado para poder graficar en forma de matriz un set de datos con multiples variables previamente elegidas para formar el dataset.
ggplot2: Es un paquete de visualización de datos para el lenguaje R que en otras palabras ns implementa una representación esquematica de dichos graficos.
readr: Nos devuelve un vector de cadenas de texto , donde cada elemento recoge una linea del archivo de datos originales.
gridExtra: Nos deja a nuestro alcance una sere de funciones a nivel de usuario para trabajar con “grid”, con esto organizamos multiples graficos como tablas.
Datos usados
Los datos que van a ser utilizados provienen de una encuesta realizada por alumnos de ITSON en 2021 sobre como afectó la pandemia en el estrés de las personas.
Angustia: en una escala del 1 al 5 que tan angustiado se ha sentido el encuestado con respecto a la pandemia.
Depresion En una escala del 1 al 5 que tan deprimido se sintió a lo largo de la cuarentena.
FaltaSueño: En una escala del 1 al 5 que tan afectado se vio su descanso.
Edad: Rango de edad de los encuestados.
Genero: Genero de los encuestados.
SistemaSalud: En una escala del 1 al 5 que tan posible es que el sistema de salud colapse según los encuestados.
AfectoIngresos: En una escala del 1 al 5 que tanto afectó la pandemia a los ingresos del encuestado.
PosibilidadContagio: En una escala del 1 al 5 los encuestados respondieron que tan propensos creen que están de ser contagiado.
datosEstres <- read_csv("AnalisisEstres2021.csv")## Rows: 56 Columns: 50## -- Column specification --------------------------------------------------------
## Delimiter: ","
## chr (10): Timestamp, Género, ¿Cuál es tu rango de edad?, Estado de la republ...
## dbl (40): De una escala del 1 al 5 ¿Cómo afecto la pandemia a sus ingresos?,...##
## 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.EstresDatos <- data.frame(datosEstres)
datatable(datosEstres)Introducción
A finales del año 2019 en China apareció lo que es llamado SARS-Cov-2 o COVID19 como es más conocido, siendo un virus capaz de provocar un problema respiratorio agudo grave que incluso puede ocasionar la muerte. A medida que la epidemia por el COVID-19 se fue extendiendo por todo el mundo trajo consigo un sinfín de problemas, pero principalmente provocando un considerable número de miedo, nervios, preocupación en las personas a nivel mundial.
Debido al coronaviros SARS-Cosv-2 o bien COVID 19 ha traido consigo problemas tanto en el ámbito social, laboral, económico, etcétera.
Sin embargo dentro de las consecuencias del COVID 19, tenemos la salud mental de los mexicanos(a) pues es importante el saber que tanto afecto a la salud mental de los mexicanos después de esta gran crisis global que se presentó.
cabe mencionar que dentro de la salud mental existen más ramas que ésta abarca. Sin embargo, nos enfocaremos solamente en los niveles de estrés presentados por los mexinacos durante la pandemia COVID 19.
Objetivos
El objetivo principal de la realización del caso de estudio estrés post-covid es conocer como influyó el COvID 19 en los niveles de estrés de los mexicanos, indagar de manera estadística cuanto aumento de estrés se presentó durante la pandemia cOVID 19, debido al cambio tan drastico de vida que se nos presentó en el año 2020, estando en cuarentena, aplicando el uso de cubre bocas, gel antibacterial, sana distancia y presenciando los números tan alarmantes de muertes diarias en México como en el resto del mundo.
Marco teórico
Durante la pandemia los niveles de estrés han aumentado considerablemente, debido a los cambios que las personas han sufrido.
¿Qué es el estrés? El estrés es la respuesta física o mental a una causa externa, como tener muchas tareas o padecer de una enfermedad. Un estresor o factor estresante puede ser algo que ocurre una sola vez o a corto plazo, o puede suceder repentinamente durante mucho tiempo.
El estrés va muy de la mano con la ansiedad, por lo tanto: ¿Qué es la ansiedad? La ansiedad es la reacción del cuerpo al estrés y puede ocurrir incluso si no existe una amenaza real. El estrés puede traer consigo muchos efectos que se presentan en tu cuerpo, estado de ánimo he incluso en el comportamiento de la persona, algunos de estos efectos son:
Dolor de cabeza.
Tensión muscular.
Dolor en el pecho.
Fatiga.
Malestar estomacal.
Problemas de sueño.
Ansiedad.
Inquietud.
Arrebatos de ira.
Entre otros efectos que se pueden presentar.
Métodos
Histograma de frecuencia
A continuación vamos a utilizar la Frecuencia absoluta. La frecuencia absoluta es las veces que aparece un valor o un determinado intervalo y es representado por ‘fi’. La suma de todas las frecuencias absolutas es igual al número total de datos.
pl <- ggplot(datosEstres,aes(x=Angustia))
pl+ geom_histogram(binwidth = 0.3, col='black', fill='red', alpha=0.4)+ xlab('Ha padecido muy seguido de Angustia en una escala del 1 al 5') + ylab('Frecuencia') + ggtitle('Histograma Angustia')
Como se aprecia en el histograma, la mayoria de las personas entrevistadas sufrio de angustia durante el periodo.
pl <- ggplot(datosEstres,aes(x=`De una escala del 1 al 5 ¿Cómo afecto la pandemia a sus ingresos?`))
pl+ geom_histogram(binwidth = 0.3, col='black', fill='red', alpha=0.4)+ xlab('¿Cómo afecto la pandemia a sus ingresos? De una escala del 1 al 5') + ylab('Frecuencia') + ggtitle('Histaograma ¿Cómo afecto la pandemia a sus ingresos?')
Podemos observar que no a todas las personas les afectó demasiado en el ambito economico la pandemia, solo un poco fuera de lo normal.
pl <- ggplot(datosEstres,aes(x=`Depresión`))
pl+ geom_histogram(binwidth = 0.3, col='black', fill='red', alpha=0.4)+ xlab('¿tuviste depresion?') + ylab('Frecuencia') + ggtitle('Histograma Depresión')
Como podemos ver la mayoria de las personas sí tuvieron depresion, pero también hubo un grupo grande que no la tuvo
pl <- ggplot(datosEstres,aes(x=`Falta de sueño`))
pl+ geom_histogram(binwidth = 0.3, col='black', fill='red', alpha=0.4)+ xlab('Ha padecido fuertemente de falta de sueño. De una escala del 1 al 5') + ylab('Frecuencia') + ggtitle('Histograma Falta de sueño')
La mayoria de las personas tenian falta de sueño, solo un poco de personas no tenia la falta de sueño
Método k-means
k-means es un algoritmo no supevisado que nos ayuda a agrupar grupos basandose en las distintas características. La manera en que funciona es minimizando la suma de distancias entre cada objeto y el centroide de su grupo. Tiene tres pasos: una vez escogido el número de grupos, se elige k centroides en el espacio de los datos., después cada objeto es asignado a su centroide más cercano y por ultimo se actualiza el centroide de cada grupo tomando como centroide la posicion del promedio de los objetos pertencientes a dicho grupo
ggplot(datosEstres, aes(datosEstres$`¿Cuál es tu rango de edad?`, datosEstres$`Que nuestro sistema de salud colapse.`)) + geom_point(aes(col=datosEstres$Género), size=4 ) 
set.seed(101)
EstresCluster <- kmeans(datosEstres$`Que nuestro sistema de salud colapse.`, center=5, nstart = 20 )
EstresCluster## K-means clustering with 5 clusters of sizes 34, 1, 14, 6, 1
##
## Cluster means:
## [,1]
## 1 5
## 2 2
## 3 4
## 4 3
## 5 1
##
## Clustering vector:
## [1] 1 1 3 5 1 1 3 4 1 3 1 3 1 1 1 1 1 1 1 4 3 4 1 4 1 1 3 4 3 1 3 1 1 1 1 1 1 3
## [39] 3 1 1 1 3 1 4 2 1 3 1 3 1 1 1 3 1 1
##
## Within cluster sum of squares by cluster:
## [1] 0 0 0 0 0
## (between_SS / total_SS = 100.0 %)
##
## Available components:
##
## [1] "cluster" "centers" "totss" "withinss" "tot.withinss"
## [6] "betweenss" "size" "iter" "ifault"table(EstresCluster$cluster, datosEstres$`Que nuestro sistema de salud colapse.`)##
## 1 2 3 4 5
## 1 0 0 0 0 34
## 2 0 1 0 0 0
## 3 0 0 0 14 0
## 4 0 0 6 0 0
## 5 1 0 0 0 0clusplot(datosEstres, EstresCluster$cluster, color=T, shade=T, lines=0)## Missing values were displaced by the median of the corresponding variable(s)
Método regresión lineal
El analísis de regresión lineal es utilizado para predecir el valor de una variable según el valor de otra Este analisis estima los coeficientes de la ecuación lineal, puede involucrar una o más variables independientes que ayuden a mejorar la predicción de la variable dependiente.
datosRegresion<-read_csv("regresion.csv")## Rows: 56 Columns: 3## -- Column specification --------------------------------------------------------
## Delimiter: ","
## dbl (3): PosibilidadcContagio, CambioRutina, FaltaDinero##
## i Use `spec()` to retrieve the full column specification for this data.
## i Specify the column types or set `show_col_types = FALSE` to quiet this message.pairs(datosRegresion)
regresion <- lm(datosRegresion$PosibilidadcContagio ~ datosRegresion$FaltaDinero, data = datosRegresion )
summary(regresion)##
## Call:
## lm(formula = datosRegresion$PosibilidadcContagio ~ datosRegresion$FaltaDinero,
## data = datosRegresion)
##
## Residuals:
## Min 1Q Median 3Q Max
## -2.8385 -0.6312 0.1615 0.7360 1.5870
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 2.1366 0.4564 4.682 1.95e-05 ***
## datosRegresion$FaltaDinero 0.4255 0.1159 3.670 0.000556 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 1.04 on 54 degrees of freedom
## Multiple R-squared: 0.1997, Adjusted R-squared: 0.1848
## F-statistic: 13.47 on 1 and 54 DF, p-value: 0.0005558Resultados y discusión
clusplot(datosEstres, EstresCluster$cluster, color=T, shade=T, lines=0)## Missing values were displaced by the median of the corresponding variable(s)
Se puede observar que solo el grupo donde hubo una respuesta, es el que k-means identificó mejor, por otro lado se puede ver que los otros datos están más dispersos y es más notorio debido a que los grupos de distintos colores están encimados unos de otros.
datosRegresion<-read_csv("regresion.csv")## Rows: 56 Columns: 3## -- Column specification --------------------------------------------------------
## Delimiter: ","
## dbl (3): PosibilidadcContagio, CambioRutina, FaltaDinero##
## 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.pairs(datosRegresion)
Tomando en cuenta la matriz anteriormente mostrada, se podría decir que no hay una relación entre la posibilidad de contagio y la falta de dinero según los encuestados, pues los datos están muy dispersos
Conclusión personal
La pandemia trajo consigo cambios que afectan en nuestro día a día, por algo se le denomino “Nueva Normalidad” a la etapa siguiente de la cuarentena.
Mientras la contingencia golpeaba a la mayoría de países del mundo, se tomo como medida de seguridad el confinamiento, se creía que solo duraría unas semanas, sin embargo, no podíamos estar más equivocados con referente a la duración del confinamiento, esto no solo trajo repercusiones a la economía y otros sectores y factores de los países y población, sino que también termino afectando nuestra salud.
Yo pertenezco a ese índice de personas que llego a desarrollar ansiedad junto con otros síntomas de trastornos mentales relacionados a esta, producto del confinamiento que tome durante los dos últimos años, así como yo, hay muchas otras personas que desarrollaron trastornos mentales durante la pandemia, así como también hay personas que no lo hicieron, por eso mismo es algo difícil predecir el comportamiento humano, y como recomendación, aunque creamos que estamos bien, la ayuda profesional siempre cae bien.
Bibliografía
Mayo Clinic. (4 de abril de 2019). Síntomas de estrés: consecuencias en tu cuerpo y en tu conducta. Obtenido de https://www.mayoclinic.org/es-es/healthy-lifestyle/stress-management/in-depth/stress-symptoms/art-20050987#:~:text=El%20estr%C3%A9s%20que%20no%20se,la%20obesidad%20y%20la%20diabetes.
National Institute of Mental Health. (s.f.). ¡Estoy tan estresado! hoja informativa. Obtenido de https://www.nimh.nih.gov/health/publications/espanol/estoy-tan-estresado#:~:text=El%20estr%C3%A9s%20es%20la%20respuesta,suceder%20repetidamente%20durante%20mucho%20tiempo.v
TIBCO. (s.f.). ¿Qué es el aprendizaje supervisado? Obtenido de https://www.tibco.com/es/reference-center/what-is-supervised-learning
Descarga los datos utilizados
xfun::embed_file("AnalisisEstres2021.csv")Download AnalisisEstres2021.csv
xfun::embed_file("regresion.csv")