Análisis de datos estadísticos en R

class: center middle main-title section-title-8 top-logo

.small[
# Análisis descriptivo
]

.class-info[
 
**Análisis de datos estadísticos en R**

.pull-right.small[
**Profesora** Valentina Andrade de la Horra 
**Ayudantes** Dafne Jaime y Nicolás Godoy
.tiny[Universidad Alberto Hurtado 
]
]

]

---
class: title title-inv-8

# Contenidos Sesión 7

.box-7.medium.sp-after-half[**Tendencia central**]
.box-7.small.sp-after-half[**Dispersión**]

.box-6.medium.sp-after-half[**Proporciones**]

.box-5.medium.sp-after-half[**Visualización**]

???

- mean
- frq
- plot

---
class: center middle main-title section-title-8 top-logo
name: basics

# 1: Flujo del Rproject

---
class: title title-inv-8

# Etapas del flujo

.center[
![:scale 70%](data:image/png;base64,#https://github.com/learn-R/slides/raw/main/img/01/flow-rproject.png)]

- *Hoy* partimos con análisis descriptivo

---
class: title title-inv-8

# Orden de un script de análisis

```r
# 1. Cargar paquetes

# 2. Cargar datos

# 3. Explorar datos

# 4. Analisis descriptivo

# 5. Output para reporte
```

---
.center[
![](data:image/png;base64,#https://media2.giphy.com/media/ule4vhcY1xEKQ/giphy.gif)]

Figura 1: Estudiantes de Análisis de datos en R haciendo el **paso 1 y 2.**
---
class: center middle main-title section-title-1 top-logo

# Paso 1: Cargar paquetes

---
layout: true
class: title title-8
---
# Paso 1: Cargar paquetes

```r
pacman::p_load(tidyverse, 
               magrittr,
*              sjPlot,
*              sjmisc)
```

# Paso 2: Importar datos

```r
load("output/datos/misdatos.RData")
```

---
layout: false
class: center middle section-title section-title-8 animated fadeIn

# Paso 3: Explorar datos

¿Por qué creen que sería relevante este paso?

.can-edit.key-likes[
1. 
2.
3.
]

---
# Explorar datos para análisis

```r
# 1. Base

dim(datos) # Nos entrega las dimensiones, es decir el numero de observaciones y el número de variables
View(datos) # Visualizar objetos
names(datos) # entrega los nombres de las variables que componen el dataset
head(datos) # muestra las primeras filas presentes en el marco de datos

# 2. sjPlot

sjPlot::view_df(datos) # Encontrar variables
```
---
layout: false
class: center middle main-title section-title-8 top-logo

# Paso 4: ¡Análisis descriptivo!
---

# ¿Dónde?

.box-inv-1[[Descargar el zip del sesión 7 el sitio del curso](https://learn-r-uah.netlify.app/content/06-content/)]

---
class: title title-8

# 1. Recursos de la práctica

- Datos: *Encuesta de Caracterización Socioeconómica (CASEN)* (2020).

- Para ello, deben dirigirse al [siguiente enlace](https://drive.google.com/drive/folders/1Orgb3Qb9LcjTfjYMdIdy7SWd3xDMrTbG?usp=sharing) y descargar los zip.

- [**Libro de códigos**](http://observatorio.ministeriodesarrollosocial.gob.cl/storage/docs/casen/2020/Libro_de_codigos_Base_de_Datos_Casen_en_Pandemia_2020.pdf) antes de trabajar una base de datos.

---
layout: false
class: center middle main-title section-title-7 top-logo

# Algunas recomendaciones para el análisis

---
class: title title-7

# Plan de análisis

- 1. **Objetivo de la investigación o reporte**

- En general, *siempre* deben tener "bajo la manga" un análisis descriptivo de sus datos

- Recomendación: tener un script propio para hacer esos análisis. También sirve un **.Rmd** (mejor, pues tendrán un pre-informe listo)

---
class: title title-7

# Plan de análisis

- **2. Preguntas claves**

- ¿Cuál es el nivel de medición de mis variables?
  - ¿Qué variables quiero relacionar? ¿De qué forma?
  - ¿Qué es lo *relevante* en mi análisis?

---
class: center middle main-title section-title-7 top-logo

# Trade off: los datos y las funciones

---
layout: true
class: title title-7

---
# Tipos de variables

- Las que principalmente nos interesarán son los "vectores"

- En nuestro "idioma", son las **variables**.
--

- En general, una combinación de vectores da origen a una matriz (o **data frame** o "base de datos")

---
# Tipos de datos: columnas

Relación entre clase y nivel de medición de la variable

- `numeric`

- `character`

- `factor`

- hay varios más...

---
# Las funciones

- Existen **muchas funciones** para analizar datos

- Lo más importante es que ustedes se decidan por una que esté ad hoc a sus datos y no produzca conflictos con otros paquetes

- Eviten el "shopping" de paquetes: eso distingue entre buenos usuarios de R y aquellos que no

---

```r
pacman::p_load(todos,
               los,
               paquetes,
               quepillé,
               en,
               internet,
               profenomepongaun1
               )
```

```r
# Error "su código no es eficiente"
```

---

# Las funciones: sjPlot y sjmisc
- Una solución buena y eficiente es **sjPlot** y **sjmisc**.

- Ya sabemos que son "buenos" amigos con otras funciones de tidyverse.

- Además, como verán (y se asombrarán), no solo permiten hacer análisis descriptivo sino que modelamiento.

---
layout: false
class: center section-title section-title-8 animated fadeIn

# En síntesis

.box-7.medium.sp-after-half[**Tendencia central**]
.box-7.small.sp-after-half[**Dispersión**]

.box-6.medium.sp-after-half[**Proporciones**]

.box-5.medium.sp-after-half[**Visualización**]

---
layout: false

.box-1[¿Y eso era?]

.box-1[¡Un segundo! 
- Aprovecha estas semanas para repasar los prácticos
- La sesión N°9 requiere de un manejo avanzado de los prácticos]

.box-2[- Una buena forma de saber "cómo están" para esta segunda parte del curso es tomar nota de **cuánto** les cuesta la tarea]

---
.box-inv-8[¡Ahora si que si! Nos vemos después del receso]

.center[
![](data:image/png;base64,#https://github.com/learn-R/slides/raw/main/img/01/monster-inc-2.gif)]

---

---
layout: false
class: center middle main-title section-title-8 top-logo

.small[
# Análisis descriptivo
]

.class-info[
 
**Sesión N° 7** 
**Análisis de datos estadísticos en R**

.pull-right.small[
**Profesora** Valentina Andrade de la Horra 
**Ayudantes** Dafne Jaime y Nicolás Godoy
.tiny[Universidad Alberto Hurtado 
]
]

]

???
https://c.tenor.com/7mxJp29REVkAAAAC/scaryfeet-monstersinc.gif