Información sobre salud sexual y reproductiva en Ecuador

Información sobre salud sexual y reproductiva en el Ecuador
ESCUELA SUPERIOR POLITECNICA DEL LITORAL
FACULTAD DE CIENCIAS NATURALES Y

MATEMÁTICAS (FCNM)
ESTADÍSTICA - I PAO 2022 PARALELO 4
PROYECTO
Información sobre salud sexual y reproductiva en el
Ecuador
ELABORADO POR
Doris Castillo, Maria Lindao, Aylhin Pulido, Bolívar Pérez
DIRIGIDO POR
Holger Cevallos Valdiviezo
GUAYAQUIL-ECUADOR
Proyecto de Estadística para Licenciaturas

Paralelo 4 2
Índice General
1. Introducción..........................................................................................................................
2. Objetivos................................................................................................................................
2.1. Objetivo General...................................................................................................................
2.2. Objetivos Específicos.........................................................................................................
3. Fuentes...................................................................................................................................
4. Variables Cuantitativas y Cualitativas............................................................................
5. Análisis Descriptivos de Datos.........................................................................................
5.1. Histograma............................................................................................................................
5.2. Diagrama de caja..................................................................................................................
5.3. Medidas descriptivas estadísticas (media, mediana, desviación

estándar, cuartiles, deciles)........................................................................................................................
5.4. Tabla de datos agrupados: transformación de una variable cuantitativa

a cualitativa, cálculo de frecuencias absolutas, relativas, absolutas acumuladas y
relativas acumuladas..................................................................................................................................
5.5. Diagrama de dispersión...................................................................................................
5.6. Coeficiente de correlación...............................................................................................

Paralelo 4 2
6. Análisis descriptivo para la variable cualitativa.........................................................
6.1. Tabla de frecuencias absolutas......................................................................................
6.2. Tabla de frecuencias relativas........................................................................................
6.3. Gráfico de barras...............................................................................................................
7. Análisis inferencial............................................................................................................
7.1. Para una de las variables seleccionadas, defina un parámetro

poblacional y obtenga un intervalo de confianza del 95% para el parámetro definido.
19
7.2. En base a otra variable (diferente a la usada en el ítem anterior), defina

un parámetro poblacional y obtenga un intervalo de confianza del 95% para el
parámetro definido......................................................................................................................................
7.3. En base a su conocimiento de una de las variables seleccionadas,

formule una hipótesis que desee investigar sobre algún parámetro de interés. Lleve a
cabo una prueba estadística para investigar su hipótesis, a un nivel de significancia
del 5% . 22
7.4. En base a su conocimiento de otra de las variables (diferente a la usada

en el ítem anterior), formule una hipótesis que desee investigar sobre algún
parámetro de interés. Lleve a cabo una prueba estadística para investigar su
hipótesis, a un nivel de significancia del 5% .......................................................................................

Paralelo 4 2
1. Introducción
A mano de un estudio de información netamente real obtenida
desde el Instituto Nacional de Estadísticas y Censos – INEC, se
desea presentar los resultados de un análisis estadístico descriptivo
e inferencial sobre la importancia que le da el sexo femenino a su
vida sexual y reproductiva en el lapso de un año.
Mediante este censo realizado a la población ecuatoriana, hemos
tomado una muestra de 150 personas del sexo femenino, del cual
verificaremos sus respuestas desglosándolas por variables o
temas, las cuales han sido estudiadas en R Studio, para obtener
las aproximaciones debidas de cada Medida de Tendencia Central
y de Dispersión, además de sus interpretaciones en Gráficos de
Barras e Histogramas.
2. Objetivos
2.1. Objetivo General

Demostrar de manera cercana, usando R Studio, el valor que
tiene la salud sexual y reproductiva en el Ecuador, mediante los
resultados de un censo del 2019 hecho a la población.
2.2. Objetivos Específicos

- Verificar la variación de resultados dentro de la muestra, a
través de las medidas de tendencia central.
- Determinar si el sexo femenino, le muestra sentido de
importancia a su salud personal.
- Realizar las debidas aproximaciones utilizando los datos
reales, tomados del INEC.

Paralelo 4 2
3. Fuentes
Nuestra fuente de información es el Instituto Nacional de Estadísticas
y Censos – INEC, los resultados fueron obtenidos mediante
encuestas a las mujeres del país ecuatoriano en el 2019. Luego, de
una base de datos almacenada en un archivo de Excel, se extrajo de
manera aleatoria una muestra tamaño 150 de la población de
mujeres que llevan una vida sexual activa.
4. Variables Cuantitativas y Cualitativas
Unidad de
Nombre Definición Tipo
Medida
controles_12meses Variable que mide el Femenino Cuantitativa

total de controles de
embarazo que se
hizo la encuestada
durante los últimos
12 meses
partos Variable que muestra Femenino Cualitativa
si la encuestada tuvo
un parto durante los
últimos 12 meses
gastos_parto Variable que mide el Femenino Cuantitativa
total de gastos que
tuvo la encuestada
durante su parto en
los últimos 12 meses

Paralelo 4 2
5. Análisis Descriptivos de Datos

En esta primera parte del análisis descriptivo de los datos, se va a
utilizar las medidas de tendencia central para establecer puntos de
referencia, para así tener una mejor interpretación de todos nuestros
datos y resultados; cabe destacar que estamos trabajando con una
muestra de 150 personas mujeres de la población total, además
mediante el uso de gráficos de frecuencia como histogramas,
diagramas de cajas, diagrama de barras, entre otros podremos
observar de una manera más dinámica toda nuestra información
obtenida.
5.1. Histograma
Ahora mediante esta gráfica en forma de barras,
representaremos nuestra variable cuantitativa, y así poder
observar y comparar los resultados dado en cada barra que es
proporcional a la frecuencia con los valores que representaremos
a continuación:
5.2. Diagrama de caja

Para poder comparar la distribución y las medidas de tendencia
central en nuestro caso, tenemos que recurrir al diagrama de
cajas, este procedimiento nos permitirá visualizar de forma clara y
precisa los valores numéricos de nuestra variable en cuatros
grupos iguales, es decir por medio de este procedimiento
llegaremos a saber cuál es el valor mínimo y máximo, primer
cuartil, mediana y tercer cuartil de nuestra población a estudiar,
que es lo que observaremos a continuación:
5.3. Medidas descriptivas estadísticas (media, mediana, desviación

estándar, cuartiles, deciles)
Las medidas de tendencia central son la manera de resumir una

Paralelo 4 2
gran cantidad de valores, puede ser de una muestra o la

población total; para un obtener un solo valor. Puede ser para
obtener un promedio general o media, su mediana, etc. Para
calcular las medidas de tendencia central en R, usamos las
funciones:
Funciones
Para calcular media o promedio de un argumento
Mean()
que almacena nuestros datos.
Para calcular mediana de un argumento que
Median()
almacena nuestros datos.
Media
→ promedio_controles=mean(controles_12meses)
→ promedio_gastos=mean(gastos_parto)
Fuente: Elaboración propia, R-studio.
Medianas
→ mediana_controles=median(controles_12meses)
→ mediana_gastos=median(gastos_parto)
Las medidas de dispersión, por otro lado, miden el grado de

dispersión de los datos que tiene la muestra o variable que se

Paralelo 4 2
está evaluando. Podemos decir que los dos tipos de medidas

utilizadas a la vez, nos permiten interpretar la posición o
dispersión de valores se podría decir generalizados de nuestra
información. Para calcular las medidas de dispersión en R,
usamos las funciones:
Funciones
Var() para calcular la varianza de nuestros datos.
Sd() para calcular la desviación estándar de nuestros
datos.
Varianzas
→ varianza_controles=var(controles_12meses)
→ varianza_gastos=var(gastos_parto)
Desviaciones standars
→ desv_controles=sd(controles_12meses)
→ desv_gastos=sd(gastos_parto)
Los cuantiles y deciles, es una forma estadística para separar

nuestra información.

Paralelo 4 2
 Cuartil: nos sirve para separar los valores en cuatro

grupos iguales. Los valores que toman estos
consecutivamente son: 0.25, 0.50, 0.75, 1.00.
 Deciles: Para obtener los deciles, como en los cuartiles,

debemos separar los valores, pero en este caso será en
10 grupos iguales. Los valores que toman
consecutivamente son: 0.10,
0.20,0.30,0.40,0.50,0.60,0.70,0.80,0.90,1.00
Para calcular cuartiles y deciles usamos en R la siguiente función:

Función
Permite obtener cualquier cuantil (cuartiles, deciles y
quantile()
percentiles) de dos parámetros.
Ejemplo quantile(muestra,probs=x).
Los parámetros que se necesitan son la variable de interés en

este caso “controles_12meses” y “probs” en donde se define los
cuartiles y deciles que nos interese calcular.

Cuartiles
Cuartiles de la variable controles de embarazo en los últimos
12 meses
→ cuartil_1=quantile(controles_12meses,probs=0.25)


Paralelo 4 2
Cuartiles de la variable gastos en el parto

→ cuartil_1gastos=quantile(gastos_parto,probs=0.25)

Deciles
Deciles de la variable controles de embarazo en los últimos
12 meses
→ decil_1=quantile(controles_12meses,probs=0.10)

Paralelo 4 2
Deciles de la variable gastos en el parto

→ decil_1gastos=quantile(gastos_parto,probs=0.10)

Paralelo 4 2

Paralelo 4 2
5.4. Tabla de datos agrupados: transformación de una variable cuantitativa

a cualitativa, cálculo de frecuencias absolutas, relativas, absolutas
acumuladas y relativas acumuladas
Para transformar nuestra información cuantitativa a cualitativa,
tenemos que definir cuantos grupos vamos a formar y su longitud,
para eso utilizaremos en R las siguientes funciones:
Funciones
Length() Nos permite obtener la dimensión de nuestros datos.
Min() proporcionan el valor mínimo de nuestros datos.
Max() proporcionan el valor máximo de nuestros datos.
Definimos las clases

→ n=length(controles_12meses)
→ c=log(n)/log(2)
→ c=7.23
Decidir la longitud de los grupos

→ minimo_controles=min(controles_12meses)
→ maximo_controles=max(controles_12meses)
→longitud=(max(controles_12meses)-min(controles_12meses))/c
Ahora que ya tenemos el número de grupos y la longitud de cada

uno, ahora procederemos a crear los cortes o definir los grupos.

Paralelo 4 2
Funciones
Seg() Permite calcular el índice de disimilitud de varios grupos.
permite categorizar los datos de una variable por medio de
Cut()
cortes y así formar o definir los grupos que deseamos.
→ cortes=seq(-1,22,longitud)
→ controles.cortes=cut(controles_12meses,cortes,right=FALSE)
Para mostrar las frecuencias absoluta y relativa utilizaremos en R

la siguiente función:
Función
Esta función nos ayuda a crear una tabla para mostrar
la frecuencia absoluta de nuestros datos, y como
table()
parámetro utilizamos la variable denominada
“controles_12meses”.
Tabla de frecuencia absoluta general

→ controles_tabla=table(controles_12meses)
Tabla de frecuencia absoluta

→ frec_controles=table(controles.cortes)

Paralelo 4 2
Tabla de frecuencia relativa

→ frec_controles_rel=frec_controles/n
Frecuencias relativas en porcentajes

→ frec_controles_rel*100

Las frecuencias acumuladas son categorías ordinales, es decir

conteos acumulados.
En la frecuencia absoluta acumulada, nuestro valor final será el
tamaño de nuestra muestra y para cualcular este valor utilizamos
la siguiente función en R:
Función
Esta función nos proporciona las sumas acumuladas
cumsum() de los datos obtenidos en nuestras tablas de
frecuencias mostradas en los puntos anteriores.
Frecuencia absoluta acumulada

→ f_a_acum_controles=cumsum(frec_controles)


Paralelo 4 2
En la frecuencia relativa acumulada, así mismo es una

acumulación de las proporciones o los porcentajes.
Frecuencia relativa acumulada

→ f_r_acum_controles=cumsum(frec_controles_rel)
→ cumsum(frec_controles_rel*100) # en porcentajes
5.5. Diagrama de dispersión
Función
Esta función crea gráficos en general dependiendo del
tipo de datos de los argumentos que le sea dado para
plot()
el eje x y para el eje y así nos ayudará a obtener un
diagrama de correlación.
Dado que una correlación demuestra la relación entre dos o más

características de una muestra, se utilizaron las dos variables
cuantitativas: cantidad de controles asistidos de las mujeres
embarazadas en los últimos 12 meses y gastos de parto de las
mujeres en embarazo. Sus datos fueron almacenados en las
variables “controles_12meses” y “gastos_partos”,
respectivamente.
→ plot(controles_12meses, gasto_parto, xlab= "Cantidad de

controles en 12 meses (x) ", ylab="Gastos de parto (y)")

Paralelo 4 2
Este gráfico ilustra cómo ciertos puntos se alejan abismalmente

de los demás, aunque no se muestra una relación acentuada
entre las dos variables se puede observar una leve
ascendencia. No obstante, la mayoría de los puntos siguen un
patrón constante en la parte inferior, indicando que la cantidad
de controles que realizan las mujeres en embarazos no influyen
de manera directa al gasto de parto, la cantidad de controles
puede ser mayor a 15 pero los gastos de parto continúan
manteniéndose en 0$.
5.6. Coeficiente de correlación
Función
Esta función calcula el coeficiente de correlación entre
cor() dos variables, “controles_12meses” y “gasto_parto”
que serán los parámetros de la función.

Paralelo 4 2
Aplicando la función cor() se obtuvo el coeficiente de

correlación, el cual es una medida específica que permite
cuantificar la fuerza de relación lineal entre dos variables.
→ cor(controles_12meses, gasto_parto)
El resultado fue de 0.19, lo que significa que hay una relación

creciente débil. Su valor es positivo y cercano a 0, por lo tanto,
no hay una tendencia significativa de que a mayor número de
controles que asista la mujer embarazada en los últimos 12
meses pueda causar un mayor gasto en su parto.
6. Análisis descriptivo para la variable cualitativa
Para la variable cualitativa se escogió de la base de datos los

resultados de si las mujeres encuestadas habían o no tenido un
parto en los últimos 12 meses, esta variable posee 150 datos.
Con el fin de verificar que la variable tuviera la misma cantidad de

datos que la base de datos se utilizó la función length() dentro de la
variable denominada como “n”:
→ n= length(partos)
6.1. Tabla de frecuencias absolutas
Función
table() Esta función nos ayuda a crear una tabla para mostrar

Paralelo 4 2
la frecuencia absoluta de nuestros datos, y como

parámetro utilizamos la variable denominada partos.
La tabla de frecuencia absoluta permite mostrar en conteos la

frecuencia de los datos que contiene la variable “partos”, los cuales
son “Si” y “No”. Para elaborar esta tabla se utilizó la función table()
dentro de una variable denominada como “frec”:
→ frec= table(partos)
Se obtuvo que de las personas encuestadas 104 no tuvieron partos y

46 si lo tuvieron.
6.2. Tabla de frecuencias relativas
En el caso de la tabla de frecuencia relativa muestra las proporciones

de los datos que contiene la variable cualitativa que se escogió, para
su elaboración se realizó una división de la variable “partos” sobre la
variable “n” dentro de la nueva variable denominada “frec.rel”:
→ frec.rel = frec/n

Paralelo 4 2
En la tabla se muestra que para “No” tiene una proporción de 0.104 y

“Si” tiene una proporción de 0.046.
La tabla anterior muestra las proporciones de los datos de nuestra

variable cualitativa así que para mostrar los porcentajes de la misma
se realizó una multiplicación de la variable “frec.rel” por 100:
→ frec.rel * 100
En la tabla se muestra que para “No” tiene un porcentaje de 10.4 y “Si”

tiene un porcentaje de 4.6.
6.3. Gráfico de barras
Función
Esta función nos ayuda a crear un gráfico de barras, y
barplot() como parámetro utilizamos las tablas creadas
anteriormente de las frecuencias absoluta y relativa.
Para obtener el gráfico de barras requerido con los resultados de la

frecuencia absoluta y relativa, se utilizó la función barplot() dos veces,
dentro de la primera se coloca a la variable “frec” y en la segunda se
coloca la variable “frec.rel”, en ambas ocasiones seguido estará “main”
donde se define el título del gráfico, “xlab” donde se define la etiqueta
del eje x, por útlimo “ylab” donde se define la etiqueta del eje y:
→ barplot(frec, main= "Gráfico de barras sobre partos", xlab= "Tuvo

partos en los últimos 12 meses", ylab= "Frecuencias

Paralelo 4 2
absolutas(conteos)")
→ barplot(frec.rel, main= "Gráfico de barras sobre partos", xlab= "Tuvo

partos en los últimos 12 meses", ylab= "Frecuencias relativas (%)")

Paralelo 4 2
7. Análisis inferencial
7.1. Para una de las variables seleccionadas, defina un parámetro

poblacional y obtenga un intervalo de confianza del 95% para el
parámetro definido.
De nuestra variable de controles de embarazo en los últimos meses,

vamos a definir un parámetro en donde vamos a filtrar a las mujeres
que tengan 1 o más controles de embarazo. Y con ese parámetro
trabajaremos:
Variable: controles en los últimos 12 meses

Parámetro poblacional: se han hecho >=1 controles
→ para_controles=controles_12meses[controles_12meses>=1]
→ para_controles_prom=mean(para_controles)
→ desv_para_controles=sd(para_controles)
→ long_para=length(para_controles)

Paralelo 4 2
Intervalo de confianza del 95% para el parámetro definido

→ qnorm(0.95+0.025)
→ error=qnorm(0.95+0.025)*desv_para_controles/sqrt(long_para)
→ left=para_controles_prom-error
→ right=para_controles_prom+error

Left, es nuestro límite inferior: 6.31
Right, es nuestro límite superior: 8.73

Fuente: Grafico obtenido de GeoGebra

Paralelo 4 2
En este gráfico, podemos observar la distribución de nuestros puntos,

donde Li, es nuestro límite inferior; y Ls es nuestro límite superior. Este
es nuestro intervalo de confianza del 95% para la media (u).

7.2. En base a otra variable (diferente a la usada en el ítem anterior), defina

un parámetro poblacional y obtenga un intervalo de confianza del 95%
para el parámetro definido.
De nuestra variable gastos, vamos a definir un parámetro en el cual

solo participaran las mujeres donde hayan gastado más de $0.00
Variable: gastos durante su parto en los últimos 12 meses

Parámetro poblacional: hayan gastado más de $0.00
→ para_gastos=gastos_parto[gastos_parto>0]
→ prom_para_gastos=mean(para_gastos)
→ desv_para_gastos=sd(para_gastos)

Paralelo 4 2
→ long_para_gastos=length(para_gastos)
Intervalo de confianza del 95% para el parámetro definido

→ qnorm(0.95+0.025)
→error2=qnorm(0.95+0.025)*desv_para_gastos/
sqrt(long_para_gastos)
→ left2=prom_para_gastos-error
→ right2=prom_para_gastos+error
Left2, es nuestro límite inferior: 849.86

Right2, es nuestro límite superior: 852.27

Paralelo 4 2
Fuente: Grafico obtenido de GeoGebra
En este gráfico, podemos observar la distribución de nuestros puntos,

donde Li, es nuestro límite inferior; y Ls es nuestro límite superior. Este
es nuestro intervalo de confianza del 95% para la media (u).

7.3. En base a su conocimiento de una de las variables seleccionadas,

formule una hipótesis que desee investigar sobre algún parámetro de
interés. Lleve a cabo una prueba estadística para investigar su
hipótesis, a un nivel de significancia del 5%.
Para la formulación de las hipótesis, se han tomado las proporciones

de nuestras tablas obtenidas en los ítems anteriores.
La proporción de mujeres que tuvieron un parto en los ultimos 12
meses es 0.31
H0: La proporcion de mujeres que tuvieron un parto en los ultimos 12
meses es de p=0.31
H1: La proprcion de mujeres que tuvieron un parto en los ultimos 12
meses es menor a p<0.31

→ frec_partos

Paralelo 4 2
→ tuvieron_parto=frec_partos[2]
→ prop_partos=tuvieron_parto/length(partos)
→ prop_partos
→ v_e_partos=(prop_partos-0.31)/sqrt((0.31*(1-0.31))/length(partos))
→ v_e_partos #valor estadistico

→ pnorm(q=v_e_partos, lower.tail=TRUE) # valor -P

→ alpha=0.05

Como el valor-P obtenido fue mayor que el nivel de significancia 0.05

se concluye que no hay evidencias suficientes para rechazar la

Paralelo 4 2
hipótesis nula.

7.4. En base a su conocimiento de otra de las variables (diferente a la usada

en el ítem anterior), formule una hipótesis que desee investigar sobre
algún parámetro de interés. Lleve a cabo una prueba estadística para
investigar su hipótesis, a un nivel de significancia del 5%.
Para la formulación de las hipótesis, se han tomado las proporciones

de nuestras tablas obtenidas en los ítems anteriores.
La proporción dada de mujeres que tuvieron más de un control en los
ultimos 12 meses es de 0.32
H0: La proporcion de mujeres que tuvieron mas de un control en los
ultimos 12 meses es p=0.32
H1: La proporcion de mujeres que tuvieron mas de un control en los
ultimos 12 meses es menor a p<0.32

→ contr_longitud=length(para_controles)
→ contr_longitud
→ prop_controles=contr_longitud/length(controles_12meses)
→ prop_controles

→v_e_controles=(prop_controles-0.32)/sqrt((0.32*(1-0.32))/
length(controles_12meses))
→ v_e_controles #valor estadistico

Paralelo 4 2
→ pnorm(q=v_e_controles, lower.tail=TRUE) # valor -P

→ alpha=0.05
Como el valor-P obtenido fue mayor que el nivel de significancia 0.05

se concluye que no hay evidencias suficientes para rechazar la
hipótesis nula.

Paralelo 4 2

Información sobre salud sexual y reproductiva en Ecuador

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Información sobre salud sexual y reproductiva en Ecuador

Cargado por

Copyright:

Formatos disponibles

Información sobre salud sexual y reproductiva en el Ecuador

ESCUELA SUPERIOR POLITECNICA DEL LITORAL

FACULTAD DE CIENCIAS NATURALES Y

ESTADÍSTICA - I PAO 2022 PARALELO 4

Proyecto de Estadística para Licenciaturas

2.1. Objetivo General...................................................................................................................

2.2. Objetivos Específicos.........................................................................................................

4. Variables Cuantitativas y Cualitativas............................................................................

5. Análisis Descriptivos de Datos.........................................................................................

5.2. Diagrama de caja..................................................................................................................

5.3. Medidas descriptivas estadísticas (media, mediana, desviación

5.4. Tabla de datos agrupados: transformación de una variable cuantitativa

5.5. Diagrama de dispersión...................................................................................................

5.6. Coeficiente de correlación...............................................................................................

Proyecto de Estadística para Licenciaturas

6. Análisis descriptivo para la variable cualitativa.........................................................

6.1. Tabla de frecuencias absolutas......................................................................................

6.2. Tabla de frecuencias relativas........................................................................................

6.3. Gráfico de barras...............................................................................................................

7.1. Para una de las variables seleccionadas, defina un parámetro

7.2. En base a otra variable (diferente a la usada en el ítem anterior), defina

7.3. En base a su conocimiento de una de las variables seleccionadas,

7.4. En base a su conocimiento de otra de las variables (diferente a la usada

Proyecto de Estadística para Licenciaturas

2.1. Objetivo General

2.2. Objetivos Específicos

Proyecto de Estadística para Licenciaturas

4. Variables Cuantitativas y Cualitativas

controles_12meses Variable que mide el Femenino Cuantitativa

Proyecto de Estadística para Licenciaturas

5. Análisis Descriptivos de Datos

5.2. Diagrama de caja

5.3. Medidas descriptivas estadísticas (media, mediana, desviación

Proyecto de Estadística para Licenciaturas

gran cantidad de valores, puede ser de una muestra o la

Fuente: Elaboración propia, R-studio.

Fuente: Elaboración propia, R-studio.

Las medidas de dispersión, por otro lado, miden el grado de

Proyecto de Estadística para Licenciaturas

está evaluando. Podemos decir que los dos tipos de medidas

Fuente: Elaboración propia, R-studio.

Fuente: Elaboración propia, R-studio.

Los cuantiles y deciles, es una forma estadística para separar

Proyecto de Estadística para Licenciaturas

 Cuartil: nos sirve para separar los valores en cuatro

 Deciles: Para obtener los deciles, como en los cuartiles,

Para calcular cuartiles y deciles usamos en R la siguiente función:

Los parámetros que se necesitan son la variable de interés en

Proyecto de Estadística para Licenciaturas

Fuente: Elaboración propia, R-studio.

Cuartiles de la variable gastos en el parto

Fuente: Elaboración propia, R-studio.

Proyecto de Estadística para Licenciaturas

Fuente: Elaboración propia, R-studio.

Fuente: Elaboración propia, R-studio.

Deciles de la variable gastos en el parto

Proyecto de Estadística para Licenciaturas

Fuente: Elaboración propia, R-studio.

Fuente: Elaboración propia, R-studio.

Proyecto de Estadística para Licenciaturas

5.4. Tabla de datos agrupados: transformación de una variable cuantitativa

Definimos las clases