29  Creación de tablas con información con estadística descriptiva

Instructora: Evelia Coss

Generar tablas con medidas básicas (media, mediana, desviación estándar) para resumir información.

29.0.1 ¿Qué es la Estadística Descriptiva? 🤔

La estadística descriptiva es el conjunto de técnicas que usamos para resumir, organizar y describir datos de forma clara y comprensible. Es como tomar un dataset enorme y extraer la información más importante.

29.0.2 Conexión con Biología 🧬

En el dataset de Gapminder:

  • Media de esperanza de vida: Refleja la salud promedio global
  • Desviación estándar: Muestra desigualdad en salud entre países
  • Mediana de PIB: Representa el país “típico”
  • Rango de población: Muestra diversidad de tamaños de países

29.1 Cargar el paquete

Código 
pacman::p_load(
  gapminder,         # Datos mundiales
  tidyverse)         # gestión de datos

29.2 Actividad 2

  • Ejercicio 2.1: Resumen estadístico

Calcula la media, mediana, mínimo y máximo de la esperanza de vida.

Pista: Usa summary() o describe()
Código 
summary(gapminder$lifeExp)
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  23.60   48.20   60.71   59.47   70.85   82.60

Interpretación:

Medida Valor Significado
Mínimo 23.6 años El país con menor esperanza de vida
Q1 (25%) 48.2 años 25% de observaciones están por debajo
Mediana 60.71 años Valor central; 50% arriba, 50% abajo
Media 59.47 años Promedio de todas las observaciones
Q3 (75%) 70.85 años 75% de observaciones están por debajo
Máximo 82.6 años El país con mayor esperanza de vida
  • Ejercicio 2.2: Rango de años

¿Cuál es el año más antiguo y el más reciente en el dataset?

Pista: Usa min() y max() en la columna year
Código 
# Encontrar el año mínimo y máximo
min(gapminder$year)
[1] 1952
Código 
max(gapminder$year)
[1] 2007

Interpretación:

Medida Valor Significado
Año más antiguo 1952 Inicio del dataset
Año más reciente 2007 Fin del dataset
Rango temporal 55 años Período de cobertura
Intervalo Cada 5 años Frecuencia de datos
  • Ejercicio 2.3: Población total

¿Cuál es la población total mundial en 2007?

Pista: Filtra year == 2007 y suma la columna pop
Código 
# Opción A. Filtrar datos de 2007 y sumar población
gapminder_2007 <- gapminder %>%
  filter(year == 2007)

sum(gapminder_2007$pop)
[1] 6251013179
Código 
# Opción B. Una forma más elegante:
gapminder %>%
  filter(year == 2007) %>%
  summarize(poblacion_total = sum(pop))
# A tibble: 1 × 1
  poblacion_total
            <dbl>
1      6251013179

Interpretación:

Medida Valor Significado
Población mundial 2007 6.25 billones Total de habitantes
En notación científica 6.25 × 10⁹ 6.25 mil millones
Comparación ~6.3 billones reales El dataset cubre ~99% de la población
  • Ejercicio 2.4: Variabilidad

¿Cuál tiene mayor variabilidad: esperanza de vida o PIB per cápita?

Pista: Compara desviación estándar o coeficiente de variación
Código 
# Calcular desviación estándar
sd(gapminder$lifeExp)
[1] 12.91711
Código 
sd(gapminder$gdpPercap)
[1] 9857.455
Código 
# Esperanza de vida
mean_lifeExp <- mean(gapminder$lifeExp)
sd_lifeExp <- sd(gapminder$lifeExp)
cv_lifeExp <- (sd_lifeExp / mean_lifeExp) * 100
Código 
# PIB per cápita
mean_gdp <- mean(gapminder$gdpPercap)
sd_gdp <- sd(gapminder$gdpPercap)
cv_gdp <- (sd_gdp / mean_gdp) * 100
Código 
# Comparación visual
data.frame(
  Variable = c("Esperanza de Vida", "PIB per Cápita"),
  Media = c(mean_lifeExp, mean_gdp),
  Desv_Est = c(sd_lifeExp, sd_gdp),
  CV_Porcentaje = c(cv_lifeExp, cv_gdp)
)
           Variable      Media   Desv_Est CV_Porcentaje
1 Esperanza de Vida   59.47444   12.91711      21.71875
2    PIB per Cápita 7215.32708 9857.45454     136.61826

Interpretación:

Variable Media Desv. Est. CV (%) Variabilidad
Esperanza de Vida 59.47 años 12.47 20.98% Baja-Media
PIB per Cápita $7,215 $14,222 150.51% Muy Alta
  • Ejercicio 2.5: Valores faltantes

¿Hay valores faltantes (NA) en el dataset? ¿En qué columnas?

Pista: Usa is.na() o sum(is.na())
Código 
# Opción 1: Contar NAs por columna
colSums(is.na(gapminder))
  country continent      year   lifeExp       pop gdpPercap 
        0         0         0         0         0         0
Código 
# Opción 2: Verificar si hay algún NA en todo el dataset
sum(is.na(gapminder))
[1] 0
Código 
# Opción 3: Visualizar con una función más detallada
gapminder %>%
  summarize(across(everything(), ~sum(is.na(.))))
# A tibble: 1 × 6
  country continent  year lifeExp   pop gdpPercap
    <int>     <int> <int>   <int> <int>     <int>
1       0         0     0       0     0         0

Interpretación: El dataset de Gapminder está completamente limpio. No hay valores faltantes en ninguna columna. Esto es excelente para el análisis, ya que no necesitamos imputar datos ni eliminar filas incompletas.

Importante

Nota: En datasets reales, los valores faltantes son comunes y requieren estrategias especiales (eliminar, imputar, etc.).

NotaActividad 3
  • Ejercicio 3.1: Un país específico

Filtra los datos de México y visualiza cómo cambió su esperanza de vida de 1952 a 2007.

Pista: Usa filter() para country == "Mexico"
  • Ejercicio 3.2: Un año específico

¿Cuál es el país con la mayor esperanza de vida en 2007?

Pista: Filtra year == 2007 y usa arrange() o max()
  • Ejercicio 3.3: Un continente

¿Cuál es la esperanza de vida promedio en África en 2007?

Pista: Filtra continent == "Africa" y year == 2007, luego calcula mean()
  • Ejercicio 3.4: Agrupación simple

Calcula la esperanza de vida promedio por continente en 2007.

Pista: Usa group_by(continent) y summarize(mean(lifeExp))
  • Ejercicio 3.5:Agrupación múltiple

¿Cuál es la población promedio por continente en cada década (1952, 1962, 1972, etc.)?

Pista: Usa group_by(continent, year) y summarize(mean(pop))