Análisis exploratorio de datos

1. Seminario VI: Análisis
exploratorio de datos.
BEATRIZ ROJAS JIMÉNEZ
1º ENFERMERÍA VIRGEN DEL ROCÍO; SUBGRUPO 16
CURSO: 2015/16

2. Introducción
En este seminario vamos a
trabajar con R Commander la
primera parte de los análisis
estadísticos: los análisis
descriptivos o exploratorios.

3. Primer ejercicio:
Selecciona dos variables
cualitativas-factor del fichero
“activossalud.rdata”, descríbelas
en tablas de frecuencias e
interpreta al menos 3 aspectos
en relación a la distribución de
las mismas.

4. Antes de comenzar con el ejercicio debemos: ABRIR R JUNTO A R
COMMANDER Y ESPECIFICAR EL DIRECTORIO DE TRABAJO.
Fichero  Cambiar directorio de trabajo…  Elegir carpeta

5. CARGAR LOS DATOS CON LOS QUE VAMOS A TRABAJAR:
Datos  Cargar conjunto de datos…  Elegir archivo [activossalud(1)]

6. 1) Comenzamos con el primer ejercicio: primero debemos buscar
las distribuciones de los datos
Estadísticos  Resúmenes  Distribución de frecuencias… elegir
las dos variables que utilizaremos (edad y botellón)

7. 2) Nos aparece la tabla de frecuencias de las variables botellón y
edad, vamos a interpretarlas.
BOTELLÓN EDAD
Beben solo 3
personas a diario
(1,05%).
El 38,41% de las
personas del estudio
tienen 18 años (111
personas).
Solo los fines de
semana beben 90
personas (31,58%).
Entre 21 – 22 años
hay el 21,11% (61
personas).
Nunca beben 51
personas (17,89 %)
El 10,03 % de los
estudiados tenían
más de 25 años (29
personas).

8. Segundo ejercicio:
Selecciona dos variables
numéricas del fichero
“activossalud.rdata”, y mediante
resúmenes numéricos describe e
interpreta la distribución de las
mismas.

9. 1) Buscamos la tabla de
frecuencias de datos
cuantitativos.
Estadística  Resúmenes 
Resúmenes numéricos
2) Elegimos las variables que
queremos describir de la tabla
de frecuencias (altura y peso).
En estadísticos podemos
seleccionar las medidas que
queremos.

10. 3) Describimos las dos variables:
ALTURA (metros) PESO (kg)
La mediana coincide con el segundo cuartil (Q2) y sería 1,655. La mediana coincidirá con Q2 y sería 60.
Sería una distribución asimétrica ya que la media no coincide
con la mediana (1,667 ≠ 1,655).
Es una distribución asimétrica porque la media y la mediana
no coinciden (62,75571 ≠ 60)
Tiene una desviación típica (sd) de 0,0807… Tiene una desviación típica de 12,6598…
La muestra es de 290 individuos de los cuales, solo 1 no ha
contestado.
La muestra consta de 275 individuos de los cuales, 16 no han
constestado.
Rango intercuartílico (IQR) = 0,12
Primer cuartil (Q1) = 1,6
Tercer cuartil (Q3) = 1,72
Altura máxima = 2 metros
Altura mínima = 1,46 metros
Rango intercuartílico (IQR) = 14
Primer cuartil (Q1) = 54
Tercer cuartil (Q3) = 68
Peso Máximo = 130 Kg
Peso Mínimo = 38 Kg

11. Tercer ejercicio:
Realizar al menos un gráfico de
cada tipo con variables
adecuadamente seleccionadas
del fichero “activossalud.rdata”,
describe e interpreta la
distribución los mismos.

12. GRÁFICO DE SECTORES
Gráficas  Gráfica de sectores…  Elegimos la variable (botellón)

13. a diario
solo los fines de semana2 o 3 veces a la semana
2 o 3 veces al mes
Algunas veces anual
Nunca
botellon
De esta muestra podemos sacar varias conclusiones:
• La mayoría de la muestra bebo sólo los fines de
semana.
• Una mínima parte de la muestra bebe todos los
días.
• Existe un gran número de la muestra que no bebe
nunca.

14. DIAGRAMA DE BARRAS
Gráficas  Gráficas de barras  Elegir varible (cerveza)

15. De la variable de cerveza podemos
destacar que:
• El primer hecho más representativo es
que una parte muy representativa de la
muestra nunca bebe cerveza.
• Y el segundo, es que una mínima parte
de la muestra bebe a diario cerveza.
diario 2 o 3 veces semana alguna vez nunca
cerveza
Frequency
020406080100

16. HISTOGRAMA
Gráficas  Histograma  Elegir variable (altura)

17. altura
frequency
1.5 1.6 1.7 1.8 1.9 2.0
010203040506070
De esta variable de dulces podemos sacar varias
conclusiones:
• Es una distribución asimétrica, un poco sesgada
hacia la izquierda.
• La altura más representativa se encuentra entre 1,6
y 1,7 metros.
• Existen pocos individuos que midan menos de 1,5
metros y más de 1,9 metros-

18. DIAGRAMA DE CAJAS
Gráficas  Diagrama de cajas  elegir variable (peso)

19. 406080100120
peso
103152
158
183193
199
259
266
De la variable peso podemos destacar
que:
• El peso máximo está alrededor de 90
Kg y el mínimo en 40 Kg.
• La mediana se encontraría en 60. Esta
correspondería con Q2.
• Q1 = 65
• Q3 = 55
• Las observaciones aberrantes o datos
atípicos serían todos los que se
encuentran fuera de la caja.