Apunte de clase - Instituto de Matemáticas y Física - Universidad de ...

XI Jornadas Nacionales de BioestadísticaIX Seminario Chileno de Estadística BayesianaIV Encuentro Odontológico – EstadísticoBioestadística Básica con RcmdrInstituto de Matemática y FísicaFacultad de Ciencias de la SaludTalca, 12 - 14 de enero de 2011.Universidad de Talca – Campus Lircay – Auditorio FACE – http://inst-mat.utalca.cl/jornadasbioestadistica20111

AUSPICIANOrganizan: Instituto de Matemática y Física, Facultad de Ciencias de la Salud, Universidad de Talca. Patrocinan: TheInternational Biometric Society, International Society for Bayesian Analysis. Auspician: Dirección de Investigación,Universidad de Talca, Sociedad Chilena de Estadística, Universidad Católica del Maule, Universidad de Santiago de Chile,Universidad de Concepción, Pontificia Universidad Católica de Chile, Proyecto MECESUP PUC0802, The University ofAdelaide, Oral-B, Colgate y Dentaid.2

BIOESTADÍSTICA BÁSICA CON R-Commander (Rcmdr)Juan Barrera y Alex Soto. Instituto de Matemática y Física. Universidad de Talca.CONTENIDO– Objetivo– Bibliografía– Introducción– Instalación de R-Commander– La organización de la información– Estadística descriptivaOBJETIVOPresentar los aspectos fundamentales del manejo, análisis y representación gráfica de datos en R a través de lainterfaz R-Commander (Rcmdr).BIBLIOGRAFÍAEstadística Básica con R y R-Commander. A. J. Arriaza Gómez, F. Fernández Palacín, M. A. López Sánchez,M. Muñoz Márquez, S. Pérez Plaza, A. Sánchez Navas. http://knuth.uca.es/moodle/course/view.php?id=37INTRODUCCION¿Qué es R?“R es un lenguaje y ambiente computacional para la realización de gráficos y análisis estadístico”.Usaremos R a través de su interfaz gráfica R-Commander, que se denotará abreviadamente como Rcmdr.– R fue desarrollado por Dr. Ross Ihaka and Dr. Robert Gentleman (Dept. of Stats, Univ. Of Auckland) en1992.– La interfaz gráfica de usuario (GUI) Rcmdr pretende, en primera instancia, facilitar el manejo de R y, ensegundo lugar, servir como generador de instrucciones R.– R-cmdr es uno de los mejores y más poderosos paquetes estadísticos.– R-cmdr es totalmente gratuito.3

¿Cuáles son los grandes atractivos de Rcmdr?– Los gráficos de alta calidad.– La capacidad de combinar, análisis específicos para cada situación.– La capacidad de manipular y modificar datos y funciones.– Las actualizaciones son frecuentes.– En este momento se encuentra disponible la versión R 2.11.1 (29 junio 2010)¿Cuántos usan Rcmdr?No se puede estimar directamente ya que es un software “gratuito” que se baja directamente de varios sitios enInternet.4

¿Qué libros en estadística usan R?¿Donde se encuentra información sobre R?• Los manuales en el directorio de instalación con documentación http://www.cran.r-project.org/ (manuals)- An introduction to R.- The R language definition.- Writing R extensions.- R data import/export.- R installation and administration.- R Internals.- The R Reference Index.• El sitio http://www.r-project.org/•Pueden subscribirse a la lista de correo para actualizaciones de R (no Rcmdr)https://www.stat.math.ethz.ch/mailman/listinfo/r-help.• El Newsletter” de R: “Rnews”.5

INSTALACIÓN DE R-CommanderLa descarga de R en el equipo se efectúa desde: http://knuth.uca.es/R/doku.php. Seleccionar el linkVersión 2.11.1 Paquete R-UCA para Windows. Luego se procede con la ejecución, siguiendo las instrucciones.Si se cierra Rcmdr (sin cerrar R) y requiere volver a cargarlo, se debe ejecutar la instrucción Commander().LA ORGANIZACIÓN DE LA INFORMACIÓN• La estadística y la calidad de los datos (Bioestadística, Erica Taucher)“El estadístico ha dejado de ser un alquimista del cual se espera produzca oro a partir de cualquier materialsin valor. Es más bien un químico capaz de determinar exactamente cuánto contiene de valioso, y capaztambién de extraer esa cantidad y no más… Si es competente en su oficio, el valor de los resultadosdependerá exclusivamente de la calidad del material que se le ha entregado” (R.A. Fisher).• DefinicionesValidez: se dice que una medida tiene validez si es indicativa del estado que se pretende medir. En otraspalabras, debería reflejar la verdad. Ejemplos: la fiebre puede no ser in indicador válido (suficiente) detifoidea; la ausencia de hijos puede no ser un indicador válido de esterilidad.Error: diferencia entre la medida asignada a un objeto y su valor verdadero.Observador: persona que interviene en el proceso de obtención de información desde la inspección,interrogación, examen o medición del objeto, hasta el registro del dato.Objeto o Unidad: es la menor división del material en estudio sometido a observación. Es un objetoindividual que puede ser materia de conocimiento por parte del observador. Recibe diferentesdenominaciones: elemento, individuo, unidad experimental, unidad de observación, caso, objeto, unidadmuestral, etc. Cuando la unidad es una persona, lo referimos como sujeto.Variable: Característica del sujeto que puede tomar distintos valores en cada unidad. Por ejemplo, la estaturade una persona: asignamos un número a cada persona.Dato u Observación: Son los distintos estados en los que se puede encontrar una característica de un sujeto.Estos pueden ser cualitativos (hombre, mujer) o cuantitativos (161cm).6

Instrumento: es el medio utilizado para realizar la observación. Cuanto mayor sea el poder discriminatoriodel instrumento, tanto más precisa será la observación. Hay tres tipos principales de instrumentos:- Aparatos: la medición se hace con un dispositivo mecánico. Ejemplo: básculas, termómetros.- Humano: la medición la hacen las personas, con escasa o nula utilización de aparatos. Ejemplo:auscultación del corazón.- Combinación de humano y aparato: Ejemplo: interpretación de radiografías.• Tipos de VariablesUna variable es una característica que cambia (varía) de unidad en unidad. Existen dos categorías o tipo devariables:Cualitativas: Los valores son identificados con palabras. Es aquella que expresa un atributo o característicacuyos posibles valores se refieren a una cualidad presente o ausente. Los posibles valores son excluyentes.Esta a su vez la podemos subdividir en:◦ Nominal: Permite agrupar observaciones de acuerdo a una cualidad o atributo. No existe una relación deorden.◦ Ordinal: Permite agrupar observaciones de acuerdo a una cualidad o atributo cuyos valores tienen unarelación de orden.Cuantitativas: Es aquella que podemos expresar numéricamente: edad, peso, nº de hijos, etc. Esta a su vez lapodemos subdividir en:◦ Discreta: Es aquella que entre dos valores próximos puede tomar a lo sumo un número finito de valoresenteros.◦ Continua: El número de valores posibles entre dos valores dados es infinito. Son el resultado de medir.7

ACTIVAR R-CommanderInicio > Todos los programas > R > RAl activarse R-Commander mostrará tres ventanas:- Ventana de instrucciones- Ventana de resultados- Mensajes8

• Crear una base de datosDatos > Nuevo conjunto de datos…En ventana: Nuevo conjunto de datos > en Introducir el nombre del conjunto dedatos: “datos”. Solo caracteres (no numérico)En ventana Editor de datos > con el botón izquierdo del mouse seleccione “var1”9

En ventana Editor de variables > en Nombre de variable > “nombrevar1” y seleccionar tipo(numeric ó carácter).10

• Importar una base de datosDatos > Importar datos > desde conjunto de datos Excel, Access o dBase…En ventana: Importar datos desde Excel, Access o dBase > en Introducir elnombre del conjunto de datos: “datos”. Solo caracteres (no numérico)Si desea solo mirar los datos seleccione el botón Visualizar conjunto de datos.11

R-Commander mostrará la plantilla de la siguiente manera:Si desea editar los datos seleccione el botón Editar conjunto de datos.R-Commander mostrará la plantilla de la siguiente manera:Al importar los datos, R-Commander clasifica el tipo de variable automáticamente.12

• La plantilla (matriz) de datosSe define como la manera de organizar la información de un conjunto de n individuos de los cuales se obtienenuna serie de k características (variables) de igual o distinta naturaleza. Es importante tener en cuenta que lacalidad del análisis que se realice, va a depender de la habilidad suficiente para seleccionar las variablesnecesarias del conjunto de individuos.Los datos obtenidos se organizarán en una matriz n×k, donde cada fila representa a un individuo o registro y lascolumnas a las características observadas o variables. Las columnas tendrán naturaleza homogénea, pudiendotratarse de variables nominales, dicotómicas o politómicas, presencias–ausencias, conteos, escalas de intervalo,razones, etc. En ocasiones se añade una columna que se suele colocar en primer lugar y que asigna un nombre acada individuo; dicha columna recibe el nombre de variable etiqueta (Id).• Exportar datos de R a ExcelDatos > Conjunto de datos activo > Exportar el conjunto de datos activo…En ventana: Exportar el conjunto de datos activos > Aceptar13

Inicio > Todos los programas > Excel > Abrir14

ESTADÍSTICA DESCRIPTIVA• Validación de la matriz de datosHay veces en que por distintos motivos la matriz de datos presenta casillas vacías, ello se debe a que no se hapodido medir un dato o a que se ha perdido la observación. En otras ocasiones un dato presente en la matriz hasido depurado por presentar algún tipo de anomalía, como haber sido mal medido, mal transcrito a la matriz dedatos, etc. La identificación de estos elementos anómalos se realiza mediante un proceso de detección deinconsistencias o de evaluación de valores extremos, muy grandes o muy pequeños, que determinará sirazonablemente pueden pertenecer al conjunto de datos. A veces se sustituye el valor depurado de individuo poruno que sea congruente con el resto de caracteres del mismo, mediante técnicas que se conocen como deimputación. Los espacios en blanco que definitivamente queden en la matriz se referirán como valores omitidoso, más comunmente, como valores missing. En R estos valores se representan con NA (Not Available). Enfunción del tipo de análisis que se esté realizando, el procedimiento desestimará sólo el dato o todo el registrocompleto.Estadísticos > Resúmenes > Número de observaciones ausentes17

Estadísticos > Resúmenes > Resúmenes numéricos18

Gráficas > Diagrama de dispersión…19

Datos > Modificar variables del conjunto de datos activo > Calcular unanueva variable…20

Estadísticos > Resúmenes > Resúmenes numéricos21

Datos > Modificar variables del conjunto de datos activo > RecodificardatosNota: el límite inferior corresponde al intervalo abierto y el superior al intervalo cerrado.23

Estadísticos > Resúmenes > Distribución de frecuencias…24

Gráficas > Gráfica de barras…26

Datos > Modificar variables del conjunto de datos activo > Reordenarniveles de factor…31

Gráficas > Gráfica de sectores…33

Datos > Conjunto de datos activo > Filtrar el conjunto de datos activo…Datos > Conjunto de datos activo > Seleccionar el conjunto de datos activo34

Gráficas > Diagrama de caja…36

Gráficas > Gráfica XY…37

Estadísticos > Tablas de contingencia > Tabla de doble entrada…39

Gráficas > Gráfica de barras…40