Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 27 vistas

    P2 U1 MMIIEMariel Pedroza Guzman

    Cargado por

    mariel pedroza
    Este documento presenta un análisis descriptivo multivariado de 9 indicadores de bienestar de los 32 estados de México utilizando el software R. Se calculan medidas como el centroide, la matriz de covarianzas y se generan gráficos de dispersión y correlación para identificar relaciones lineales y no lineales entre las variables, así como la posible formación de grupos. El análisis muestra relaciones positivas y negativas entre algunos indicadores, y sugiere que los datos podrían agruparse en 2 conjuntos principales.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd

    P2 U1 MMIIEMariel Pedroza Guzman

    Cargado por

    mariel pedroza
    27 vistas9 páginas
    Este documento presenta un análisis descriptivo multivariado de 9 indicadores de bienestar de los 32 estados de México utilizando el software R. Se calculan medidas como el centroide, la matriz de covarianzas y se generan gráficos de dispersión y correlación para identificar relaciones lineales y no lineales entre las variables, así como la posible formación de grupos. El análisis muestra relaciones positivas y negativas entre algunos indicadores, y sugiere que los datos podrían agruparse en 2 conjuntos principales.

    Descripción original:

    Practica de metodos multivariados

    Título original

    P2U1MMIIEMarielPedrozaGuzman

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta un análisis descriptivo multivariado de 9 indicadores de bienestar de los 32 estados de México utilizando el software R. Se calculan medidas como el centroide, la matriz de covarianzas y se generan gráficos de dispersión y correlación para identificar relaciones lineales y no lineales entre las variables, así como la posible formación de grupos. El análisis muestra relaciones positivas y negativas entre algunos indicadores, y sugiere que los datos podrían agruparse en 2 conjuntos principales.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    27 vistas9 páginas

    P2 U1 MMIIEMariel Pedroza Guzman

    Cargado por

    mariel pedroza
    Este documento presenta un análisis descriptivo multivariado de 9 indicadores de bienestar de los 32 estados de México utilizando el software R. Se calculan medidas como el centroide, la matriz de covarianzas y se generan gráficos de dispersión y correlación para identificar relaciones lineales y no lineales entre las variables, así como la posible formación de grupos. El análisis muestra relaciones positivas y negativas entre algunos indicadores, y sugiere que los datos podrían agruparse en 2 conjuntos principales.

    Copyright:

    © All Rights Reserved
    Descargue como PDF, TXT o lea en línea desde Scribd
    Descargar como pdf o txt
    Está en la página 1de 9

    CENTRO DE CIENCIAS BÁSICAS

    INGENIERÍA INDUSTRIAL ESTADÍSTICA

    MÉTODOS MULTIVARIADOS

    Práctica I.2: Análisis Descriptivo Multivariado y


    Matriz de Dispersión
    M. en C. José De Jesús Ruíz Gallegos

    Mariel Pedroza Guzmán


    7to Semestre

    Lunes 12 de septiembre de 2022


    Introducción

    Para esta práctica se creará una base de datos utilizando los porcentajes de
    distintos indicadores de Dimensiones de Bienestar de la página web del INEGI,
    posteriormente se calcularán distintas medidas como el centroide, las matrices de
    covarianzas, correlación y dispersión.

    Objetivos

    • Conocer si las distintas variables (indicadores) se relación entre sí y de qué


    manera lo hacen.
    • Identificar problemas de heteroscedasticidad entre los datos.
    • Identificar la posible formación de grupos entre variables.

    Equipo, Herramientas o Material

    Software R.

    Situación

    Mediante el software R, se obtendrán distintas mediciones de los datos obtenidos


    de la página del INEGI utilizando los porcentajes de distintos indicadores de
    Dimensiones de Bienestar (Anexo 1). Cada renglón representa a un estado de
    México ordenados en orden alfabético (32 en total). Las variables que se utilizaron
    son la siguientes:

    X1= Porcentaje de Población con Acceso a servicios de salud pública.

    X2=Porcentaje de Hogares con acceso a banda ancha

    X3=Porcentaje de Viviendas con acceso a servicios básicos

    X4=Porcentaje de Deserción escolar en educación media superior

    X5=Esperanza de vida al nacer

    X6=Tasa de mortalidad infantil (defunciones de menores de un año por cada mil


    nacidos vivos)

    X7=Tasa de pobreza (porcentaje de población en pobreza)


    X8=Tasa de desempleo

    X9=Percepción de la inseguridad (Porcentaje de la población que se siente


    insegura en su colonia o localidad)

    Procedimiento

    Lo primero que se hizo fue encontrar la media estimada de cada una de las
    variables de la base de datos creada para crear una matriz y así obtener el
    centroide estimado. Después se obtuvo la matriz de covarianzas mediante la
    función “cov” y los gráficos de correlación y dispersión.

    Datos obtenidos
    Gráfica 1

    Gráfica 2
    Análisis

    Al observar los gráficos de dispersión y de correlación podemos ver que si existen


    relaciones lineales, entre ellas podríamos mencionar a las más notorias que se
    observan en la Gráfica 2.
    -Positivas: (x1,x2);( x1, x3); (x1, x5); (x2,x5); (x3, x5); (x5, x8); (x8 , x9).
    -Negativas: (x1,x7); (x2, x7); (x3,x7); (x5,x7)

    Respecto a las relaciones no lineales, no se observa un comportamiento


    exponencial o de algún otro tipo, sin embargo utilizando algún otro método
    podríamos descubrir si es que existen.

    Si buscamos grupos de variables, podemos ir a la gráfica 1, la cual esta ordenada


    en medida que se observen mejor lo grupos formados, y los colores indicarían: rojo
    las correlaciones mayores a 40 aproximadamente, verde mayores a 15 y amarillo
    menor o igual a 15.
    Grupo1: x1,x2,x3,x5 y x7,
    Grupo 2: x8 y x9
    X4 y X6 no se relacionan con ninguna variable.

    Respecto a la heterocedasticidad, se puede observar en la correlación de ( x1,x3),


    ya que al inicio de la gráfica los puntos están muy dispersos pero al ir creciendo
    estos se van acercando, lo que genera una vista como de cono en los puntos.

    Conclusiones

    El uso de gráficos de dispersión, correlación, histogramas, entre otros, es


    sumamente útil en el análisis descriptivo multivariado y gracias al uso de R tenemos
    una variedad muy amplia de estas mismas, con las cuales podemos apreciar los
    tipos de relaciones, la intensidad de estas, e identificar los grupos que se forman
    con mayor facilidad que únicamente observando los coeficientes de correlación.

    Referencias

    R (4.1.1). (2021). [Lenguaje de programación]. https://www.r-project.org/

    Banco de Indicadores - Indicadores de Bienestar por entidad federativa. (s. f.). Recuperado 12 de

    septiembre de 2022, de https://www.inegi.org.mx/app/bienestar/


    Anexos
    Anexo 1

    ## CODIGO MARIEL PEDROZA GUZMÁN ##


    datos=read.table(file.choose(),header=T,sep=",")
    N=nrow(datos)
    names(datos)
    attach(datos)

    xb1=mean(x1)
    xb2=mean(x2)
    xb3=mean(x3)
    xb4=mean(x4)
    xb5=mean(x5)
    xb6=mean(x6)
    xb7=mean(x7)
    xb8=mean(x8)
    xb9=mean(x9)

    ##CENTROÍDE
    centroide=matrix(c(xb1,xb2,xb3,xb4,xb5,xb6,xb7,xb8,xb9))

    ##COVARIANZA
    covarianzas=cov(datos)
    panel.cor <- function(x, y, digits = 2, prefix = "", cex.cor, ...)
    {
    usr <- par("usr"); on.exit(par(usr))
    par(usr = c(0, 1, 0, 1))
    r <- abs(cor(x, y))
    txt <- format(c(r, 0.123456789), digits = digits)[1]
    txt <- paste0(prefix, txt)
    if(missing(cex.cor)) cex.cor <- 0.8/strwidth(txt)
    text(0.5, 0.5, txt, cex = 1+ cex.cor * r)
    }

    ## put histograms on the diagonal


    panel.hist <- function(x, ...)
    {
    usr <- par("usr"); on.exit(par(usr))
    par(usr = c(usr[1:2], 0, 1.5) )
    h <- hist(x, plot = FALSE)
    breaks <- h$breaks; nB <- length(breaks)
    y <- h$counts; y <- y/max(y)
    rect(breaks[-nB], 0, breaks[-1], y, col = "#FFF68F", ...)
    }

    pairs(datos, main = "INDICADORES DE DIMENSIONES DEL BIENESTAR DE LOS


    ESTADOS DE MÉXICO", pch = 21,
    bg = rainbow(32), upper.panel = panel.cor, diag.panel =
    panel.hist,lower.panel=panel.smooth)

    ###### DISPERCIÓN

    pairs(datos, main = "Indicadores", pch = 21,


    bg = rainbow(32))

    ######
    install.packages("gclus")
    library(gclus)
    data <- datos # Variables numéricas
    cpairs(data) # Alternativa a pairs()

    corr <- abs(cor(data)) # Correlación en valor absoluto


    corr
    colors <- dmat.color(corr)
    order <- order.single(corr)

    cpairs(data, order, panel.colors = colors, gap = 0.5,


    main = "INDICADORES DE DIMENSIONES DEL BIENESTAR DE LOS
    ESTADOS DE MÉXICO")
    ######
    panel.cor <- function(x, y, digits = 2, prefix = "", cex.cor, ...)
    {
    usr <- par("usr"); on.exit(par(usr))
    par(usr = c(0, 1, 0, 1))
    r <- abs(cor(x, y))
    txt <- format(c(r, 0.123456789), digits = digits)[1]
    txt <- paste0(prefix, txt)
    if(missing(cex.cor)) cex.cor <- 0.8/strwidth(txt)
    text(0.5, 0.5, txt, cex = 1+ cex.cor * r)
    }

    cpairs(datos, order, panel.colors = colors, gap = 0.5,


    main = "INDICADORES DE DIMENSIONES DEL BIENESTAR DE LOS
    ESTADOS DE MÉXICO")

    Anexo 2

    x1 x2 x3 x4 x5 x6 x7 x8 x9
    79.8 75.6 98.8 11.4 76.2 9.9 27.6 4.1 44.8
    76 84.1 95.7 11.4 76.2 10.9 22.5 2.5 37.7
    82.6 84.2 93.3 9.6 76.1 10.9 27.6 4.1 23.1
    79 69.5 90.7 11.9 75.1 10.9 50.5 3 36.5
    78.4 74.7 97.4 14.2 75.9 11.1 25.6 4.9 30
    81 80.4 98.7 14.1 75.8 10.5 26.7 3.1 41.2
    62.9 39.4 75.9 8.9 74.6 13.4 75.5 3.2 30.3
    82.9 73.4 95.6 13.8 75.7 14.1 25.3 3.4 30.6
    73.3 87.7 97.5 13.4 76.8 12.7 32.6 6.9 53.2
    77.1 60.7 95.1 14.4 75.4 10.1 38.7 4.1 28.7
    75.2 65.4 93.3 12.5 75.5 10.1 42.7 5.2 48.6
    66.5 66.8 71.5 10.5 73.6 7.9 66.4 1.6 29
    73.1 61.5 91.5 10.9 75.4 8.8 50.8 3 39.4
    67.9 74 97.7 1.3 75.8 11 31.4 3.4 42
    65.8 81.3 93.1 11.7 75.7 12.8 48.9 5.8 59.7
    61.3 63.6 90.4 14.2 75.1 7.4 44.5 2.3 35.8
    68.2 76.2 90.1 15 75.5 9 50.9 2.4 54.4
    75.3 68.3 94.1 6.6 75.6 7.9 30.4 2.9 24
    78.5 81.7 98 12.3 76.2 9.1 24.3 4.5 37.8
    63.1 53 72.8 13.3 74.5 9.2 61.7 1.6 29.7
    68 63.6 87.5 11.4 75.1 13.6 62.4 3.9 48.9
    79.1 79.3 94.6 14.1 75.9 9.5 31.3 5.5 48.2
    75.2 83.1 92.7 11.1 75.7 10 47.5 5.9 40.7
    80.2 67.4 82.4 11.7 75.2 8.9 42.8 3.4 43.7
    80.4 82.6 92.8 10.8 75.4 6.9 28.1 2.7 22.2
    79.9 92.6 91.8 9.4 75.7 9.1 29.9 3.8 39.4
    73 61.1 80.8 9.1 75.3 13 54.5 5.8 51.5
    80.4 74.1 93.7 10.6 75.5 10.9 34.9 3.5 28.4
    72.4 60.6 96.9 7.2 75.5 12.2 59.3 5.2 51
    69 58.1 77.8 6.4 74.9 12.7 58.6 3.4 36.1
    75.3 73 92.9 10.3 75 11.4 49.5 2.5 25.6
    76.2 67.4 93.8 11.6 75.3 9.2 45.8 3.5 43.7

    También podría gustarte