Este documento resume el análisis de variables cualitativas y cuantitativas utilizando el programa R Commander. Se analizan tres variables cualitativas (botellón, dulces, padres sanitarios) utilizando diagramas de barras y de sectores. También se analizan tres variables cuantitativas (altura, medicalización, peso) calculando estadísticos como la media, desviación estándar, y rango intercuartílico, y representándolas en diagramas de caja, q-q y de histograma.

1. Análisis de
variables
cuantitativas y
cualitativas.
Marta Torreño Gil.
Grupo 4. Subgrupo 19
SEMINARIO 6

2. – En primer lugar, utilizaremos el R commander para
analizar tanto las variables cualitativas como las variables
cuantitativas.
– Cargaremos el conjunto de datos de activosensalud, a
partir de este seleccionaremos nuestras variables.
– Para analizar las variables cualitativas nos tendremos que
ir a "estadísticos", "resúmenes" , "distribución de
frencuencias".
– Para analizar las variables cuantitativas tendremos que
clicar "estadísticos", "resúmenes", "resúmenes
numéricos".

3. Analizaremos ahora las
varibales cualitativas.

4. 1ª Variable: botellón

5. Análisis de la variable: botellón.
– Tras ver los resultados que nos ofrece R Commander obtenemos:
– Solo 3 personas realizan botellón a diario, es decir solo lo realizan a diario el 1.05% de las personas
de nuestra muestra.
– 90 personas realizan botellón solo los fines de semana, es decir lo realizan solo los fines de semana
el 31.58% de las personas de nuestra muestra.
– Solo 6 personas realizan el botellón 2 o 3 veces a la semana, es decir solo lo realizan 2 o 3 veces a la
semana el 2.11% de las personas de nuestra muestra.
– 73 personas realizan el botellón 2 o 3 veces al mes, es decir solo lo realizan 2 o 3 veces al mes el
25.61% de las personas de nuestra muestra.
– 62 personas realizan el botellón algunas veces anual, es decir, lo realizan algunas veces anual el
21.75% de las personas de nuestra muestra.
– 51 personas no realizan nunca el botellón, es decir, no lo realizan el 17.89% de las personas de
nuestra muestra.

6. Como la variable, tiene varias categorías
utilizaremos para representarala el diagrama
de barras.

7. 2ª Variable: dulces

8. Análisis de la variable: dulces.
– 20 de las personas comen dulces a diario, es decir, el 6.90% de las personas de nuestra muestra
comen dulces a diario.
– 49 de las personas comen duces 3 o más veces a la semana, es decir, el 16.9% de las personas de
nuestra muestra comen dulces 3 o más veces a la semana.
– 87 personas comen dulces 1 o 2 veces a la semana, es decir, el 30 % de las personas de nuestra
muestra comen dulces 1 o 2 veces a la semana.
– 92 personas comen dulces menos de una vez a la semana, es decir, el 31.72% de las personas solo
toman dulces menos de una vez a la semana.
– 42 personas nunca comen dulces, es decir, el 14.48% de las personas de nuestra muestra nunca
comen dulces.

9. Al igual que la variable
anterior deberemos usar
un gráfico de barras, ya
que tiene varias categorías,
y si usamos un
gráfico de sectores no se
diferenciarían bien.

10. 3ª Variable: padres sanitarios.

11. Análisis de la variable: padre
sanitario
– 265 personas dicen que no tienen padres sanitarios, es decir, el 91.07% de las personas no tienen
padre sanitario. Por lo que la mayor parte de las personas de nuestras muestras no tienen padres
sanitario.
– 26 personas de nuestra muestra dicen que si tienen padres sanitarios, es decir, el 8.93% de las
personas de nuestra muestra si tienen padres sanitarios.

12. Esta variable solo tiene dos categorías, por lo que
a este tipo de variable si se le puede aplicar el
diagrama de sectores.

13. Ahora analizaremos las
variables cuantitativas.
– Para ello es necesario saber el significado de algunos términos:
-Mean: media.
-Sd: desviación típica.
-IQR: rango intercuartílico,
-Cuartil (Q): Q1(25%), Q2(50%), Q3(100%)
-N: población.
-NA: datos que no están disponibles, debido a que no han sido preguntados
a las personas.

14. 1ª Variable: altura

15. Análisis de la variable: altura
– Analizamos una población de 290 personas, de la cual sólo no tenemos la altura de 1 persona.
(NA=1)
– La media de la altura es de 1.667, si observamos todos los datos podemos ver que este
resultado se acerca mucho al percentil 50, es decir, podemos interpretar que se acerca a la
mediana.
– Observando los cuartiles, descubrimos que son muy similares, por lo que podemos deducir que
esta variable presente cierta simetría.
– La desviación típica es próxima a la homogeneidad ya que esta se acerca mucho al valor de 0.
– El rango intercuartílico es la diferencia que hay entre el cuartil 1 y el cuartil 3. Es decir el rango
intercuartílico es de 0.12.

16. Aquí utilizaremos el diagrama de caja para
representar nuestra variable.

17. 2º Variable: medicalización

18. Análisis de la variable:
medicalización
– Analizamos una población de 251 personas, de la cual no tenemos la medicalización de 40
persona. (NA=40)
– La media de la medicalización es de 9.91, si observamos todos los datos podemos ver que este
resultado se acerca mucho al percentil 50, es decir, podemos interpretar que se acerca a la
mediana.
– Observando los cuartiles, descubrimos que no son muy similares, por lo que podemos deducir
que esta variable no presente simetría.
– La desviación típica no es próxima a la homogeneidad ya que esta no se acerca mucho al valor de
0.
– El rango intercuartílico es la diferencia que hay entre el cuartil 1 y el cuartil 3. Es decir el rango
intercuartílico es de 2.

19. En esta caso, vamos a utilizar un gráfica q-q

20. 3ª Variable: peso

21. Análisis de la variable: peso
– Analizamos una población de 275 personas, de la cual no tenemos el peso de 16 personas.
(NA=16)
– La media del peso es de 62.755.
– Observando los cuartiles, descubrimos que no son muy similares, por lo que podemos deducir
que esta variable no presenta simetría.
– La desviación típica no es próxima a la homogeneidad ya que esta no se acerca al valor de 0.
– El rango intercuartílico es la diferencia que hay entre el cuartil 1 y el cuartil 3. Es decir el rango
intercuartílico es de 14.

22. Ahora, vamos a utilizar un histiograma
para representar nuestra variable.

23. Y... ¡fin del trabajo!