1. Análisis de variables cuantitativas (2 a parte)

Transcripción

1 Práctica 3: Análisis descriptivo de variables. Parte II. 1. Análisis de variables cuantitativas (2 a parte) Realizaremos un estudio descriptivo completo de variables cuantitativas. Ilustraremos los conceptos con las variables del fichero galton.rda 1.- Crear la carpeta de trabajo con nombre Practica3 en la que se colocarán los datos galton.rda Arrancar R y cargar el archivo de datos galton.rda 2.- (Práctica 2) Estudio de la distribución de frecuencias: Tablas de frecuencias, histograma, recorrido, percentiles y diagrama de cajas. En los dos siguientes pasos utilizaremos una nueva ruta de menús: Estadísticos resúmenes resúmenes numéricos 3.- Medidas resumen de centralización: Calcula la media y la mediana de la variable peso. Compáralas y saca conclusiones respecto a la localización del centro de los datos. 4.- Medidas resumen de dispersión de los datos: Calcula el rango intercuartílico de la variable peso. Calcula la varianza, la desviación y el coeficiente de variación de la misma variable. Qué conclusión sacarías sobre el grado de variación de esta variable? 5.- Repite los dos pasos anteriores con la variable estatura. 6.- A la vista de los gráficos, qué puede decirse sobre la simetría de las variables peso y estatura? 2. Análisis estadístico para subgrupos. En ocasiones se quieren obtener resúmenes estadísticos y gráficos para un subconjunto de la muestra que queda definido por un valor que toma una de las variables categóricas (un factor). Por ejemplo una estadística de la variable paga sólo para las mujeres. Esto puede hacerse creando un nuevo conjunto de datos sólo para mujeres, las variables que se incluyan pueden ser todas o elegir las que se vayan a estudiar sólo en las mujeres. Ruta de menús: datos Conjunto de datos activo Filtrar el conjunto de datos activo. 1.- Se crea el subgrupo formado por las variables peso kg y estatura cm sólo para los casos que viven en ciudad. Al nuevo conjunto de datos se le denomina galt.ciudad. 1

2 3.- Guarda el nuevo conjunto de datos en la carpeta de trabajo. El subconjunto de la muestra también puede quedar definido por el valor que toma una de las variables numéricas. Por ejemplo, queremos estadísticas de todas las variables pero sólo para los casos en que el peso no supere a 70kg. 1.- Se crea el subgrupo formado por todas las variables pero sólo para los casos que peso kg 70. Al nuevo conjunto de datos se le denomina galt.peso Guarda el nuevo conjunto de datos en la carpeta de trabajo. 2

3 3. Análisis comparativo de una variable cuantitativa en distintos subgrupos. A menudo resulta de interés estudiar el comportamiento de una variable para distintos subgrupos por separado y así poder establecer comparaciones y detectar diferencias en su comportamiento según el grupo. 1.- Volvamos a escoger como conjunto de datos activo galton.rda. Se pretende estudiar el peso según el tipo de residencia; por un lado para los que viven en ciudad, por otro lado para los que viven en el campo y por otro lado para los que viven en suburbios. La variable que clasifica los subgrupos debe ser un factor, en definitiva una variable cualitativa. En R-commander este tipo de estudios es inmediato siguiendo la ruta: estadísticos - resúmenes - resúmenes numéricos-resumir por grupos 2.- En estas comparaciones, es muy apropiado comparar el gráfico de diagrama de cajas y bigotes para los distintos subgrupos. Desde el menú gráficas, el comando diagrama de cajas permite elegir subgrupos de manera análoga a como se ha hecho en resúmenes numéricos. 3

4 4. Análisis para comparar dos variables En ocasiones se quieren obtener resúmenes estadísticos y gráficos para comparar dos variables cuantitativas. Por ejemplo se quiere comparar dos nuevas variable de peso: una variable de ratio de peso sobre la propia estatura en metros y la otra de ratio de peso sobre la estatura media en metros. 1.-Primero creamos las nuevas variables: ratio1 mediante la fórmula 100*peso kg/estatura cm y ratio2 mediante la fórmula 100*peso kg/mean(estatura cm) 2.-Comparación mediante estadísticos: en resúmenes numéricos se eligen la variables a comparar (pueden ser más de dos). 3.- Comparación mediante diagramas de cajas: escribe en la ventana de instrucciones la orden boxplot(galton$ratio1, galton$ratio2) y ejecútala Ejercicios Ejercicio1 En este ejercicio vamos a trabajar con los datos de la encuesta que habéis realizado sobre el consumo de alcohol de una semana concreta. 1.- Carga el fichero encuesta.rda. 2.- Prepara los factores necesarios, pero no modifiques las variables entresem op y finde op(aunque son cualitativas ordinales). Las variables que tienen el siguiente significado: 4

5 sexo edad entresem op finde op consumo consumo L Lu cer Lu vi Lu com Lu chfr Lu lifr Lu chfu Lu lifu Lu ini Lu fin Lu UBEs Idem para + días semana 1:hombre, 6:mujer Edad en años Opinión sobre el consumo entre semana de los demás: -3:mucho menos q yo, -2:bastante menos q yo, -1:algo menos q yo, 0:como yo -1:algo más q yo, -2:bastante más q yo, -3:mucho más q yo Opinión sobre el consumo del fin de semana de los demás: -3:mucho menos q yo, -2:bastante menos q yo, -1:algo menos q yo, 0:como yo -1:algo más q yo, -2:bastante más q yo, -3:mucho más q yo Consumo de la semana pasada 1:No, 6:Sí Consumo del lunes pasado 1:No, 6:Sí Número de cervezas el lunes Número de vinos el lunes Número de combinados el lunes Número de chupitos de licor de fruta el lunes Número de licores de fruta el lunes Número de chupitos de licores fuertes el lunes Número de licores fuertes el lunes hora de inicio hora final Número de unidades de bebida estandar (UBE,s)consumidas 3.- Calcula en una nueva variable, de nombre UBE J, con el número de unidades de bebida estándar(ube) consumidas los jueves. (Esta variable ya está creada, Ju UBEs, se trata de que lo hagas tú). La unidad UBE se calcula así: 1 vaso de vino (100 cc) 1 UBE 1 cerveza (200 cc) 1 UBE 1 copa/ combinado (50cc) 2 UBE 1 chupito licor de frutas (20 cc) 0,5 UBE 1 copa licor de frutas (50 cc) 1 UBE 1 chupito licor fuerte (20 cc) 1 UBE 1 copa licor fuerte (50cc) 2 UBE 4.- Calcula en una nueva variable, de nombre finde UBE, el número de unidades de bebida estándar (UBE) consumidas el fin de semana: viernes, sábado y domingo. 5.- Calcula en una nueva variable, de nombre entre UBE, el número de unidades de bebida estándar (UBE) consumidas entre semana: lunes, martes, miércoles y jueves. 5

6 6.- Calcula en una nueva variable, de nombre semana UBE, el número de unidades de bebida estándar (UBE) consumidas en toda la semana. Guarda los cambios en el archivo de datos. 7.- Cuántas personas han contestado a la encuesta? Cuántos son hombres? Cuántas son mujeres? 8.- De las personas encuestadas, cuántas han consumido alcohol esa semana? Cuántos son en términos relativos? Cuántos son hombres? Cuántas son mujeres? Utiliza tablas de contingencia 9.- De las mujeres encuestadas, cuántas han consumido alcohol esa semana? Cuántas son en términos relativos respecto del total de mujeres? Utiliza tablas de contingencia De los hombres encuestados, cuántos han consumido alcohol esa semana? Cuántos son en términos relativos respecto del total de hombres? Utiliza tablas de contingencia Haz un gráfico de la distribución de la variable sexo Haz un gráfico de la distribución de la variable consumo Haz un gráfico de la distribución de la variable consumo para cada grupo de sexo para comparar. Utiliza esta orden en la ventana de instrucciones: mosaicplot( TILDE fsexo+fconsumo, data=encuesta, col=c( red, green)) 14. Crea un nuevo conjunto de datos, de nombre consumidores, con los estudiantes que consumieron alcohol esa semana. Para esto filtra por la condición -consumo Sí- y tomando sólo las variables: sexo, edad, entresem op, finde op, consumo, entre UBEs, finde UBEs, semana UBEs, Lu horas, Ma horas, Mi horas, Ju horas, Vi horas, Sa horas y Do horas. Guarda los datos en un archivo de nombre consumidores.rda Nota: en lo que sigue, considera sólo a los estudiantes que han consumido algo de alcohol esa semana. 15. Crea una nueva variable, de nombre horas finde, con las horas de consumo en el fin de semana. Para ello suma los valores de Vi horas+ Sa horas+ Do horas. 16. Crea una nueva variable, de nombre horas JuFin, con las horas de consumo en el fin de semana y el jueves, para ello suma los valores de Ju horas+horas finde. Guarda los cambios en el archivo de datos. 17. Haz dos diagramas de cajas de horas de consumo el fin de semana, uno incluyendo el jueves y otro sin incluirlo. Qué observas? 18.- Haz un resumen estadístico del consumo de alcohol semanal en unidades UBE,s: obtén la media, la desviación, los cuartiles y los percentiles 10 y 90. Observa que hay algún dato extremadamente alto Haz un resumen estadístico del consumo de alcohol entre semana en unidades UBE,s: 6

7 obtén la media, la desviación, los cuartiles y los percentiles 10 y 90. Observa que hay algún dato extremadamente alto Haz un resumen estadístico del consumo de alcohol el fin de semana en unidades UBE,s: obtén la media, la desviación, los cuartiles y los percentiles 10 y 90. Observa que hay algún dato extremadamente alto Haz tres diagramas de cajas juntos del consumo en UBE,s del fin de semana, entre semana y el total de la semana. Observa y detecta los datos anómalos. Para ello escribe la orden: boxplot(variable1, variable2, variable3) Puede verse que hay consumos demasiado altos, interpretando que cualquier consumo semanal superior a 50 se debe a un error en el archivo se deberían eliminar esas filas: 22.- Filtra el archivo, creando otro con nombre consumidores 2, por la condición -semana UBE< 50-. Guarda los datos en el archivo consunidres2.rda Repite los puntos 18, 19, 20 y 21 con los nuevos datos Repite los puntos 18, 19, y 20 obteniendo resultados por separado para mujeres y hombres. Existen diferencias? En ese caso, en qué aspectos? 25.- Compara mediante diagramas de cajas el consumo de alcohol semanal en unidades UBE,s entre hombres y mujeres Vuelve a los datos de todos los encuestados, y filtra por la condición -semana UBE< 50-. Guarda el archivo de datos con nombre encuesta2.rda 27.- Haz un resumen estadístico del consumo de alcohol el fin de semana en unidades UBE,s y un histograma. A la vista de los resultados, cómo crees que deber ıa ser la variable opinión del consumo de los demás respecto del de uno mismo Haz un resumen estadístico, incluyendo el percentil 10, de la opinión del consumo el fin de semana de los demás respecto del de uno mismo y un diagrama de cajas. Compáralo con lo dicho en el punto anterior Estudia sólo para los encuestados cuyo consumo a lo largo del fin de semana se sitúa por encima del percentil 80, la variable finde op. 7

8 Ejercicio2 gráficos. 1.- carga el fichero coches.rda con todas las modificaciones de la práctica anterior. 2.- Haz un estudio de la variable consumo, mediante un resumen de sus estadísticos y 2.- Haz un estudio de la variable peso factorizado por el país de origen, mediante un resumen de sus estadísticos y gráficos. 3.- Cuántas coches de EEUU hay en la muestra? Rellena la siguiente la tabla referida a estos coches. Repite el ejercicio sólo para los de Japón. consumo potencia Media Desv. Típica Coef. Variación Mínimo Máximo mediana peso 4.- Realiza un diagrama de cajas de la variable consumo según el país de origen. Existen valores anómalos en alguno de los tipos de centro? En caso afirmativo cuántos y qué valores son? 4.- Realiza un diagrama de cajas de la variable aceleración según el número de cilindros. Existen valores anómalos en alguno de los tipos de centro? En caso afirmativo cuántos y qué valores son? 100km. 5.- El 25 % de los coches que más consumen, gastan más de... litros a los 100km. 6.- El 25 % de los coches de EEUU que menos consumen, gastan menos de... litros a los 8