Facultad de Estadística e Informática
Lic.
Estadística
Gráfico 1. Religión de las mujeres casadas
Pecado Islam | islam | Total | |
---|---|---|---|
Sin uso | 75 | 554 | 629 |
Largo Plazo | 76 | 257 | 333 |
Corto plazo | 69 | 442 |
511
|
Totales |
220
|
1253
|
1473
|
Tabla 4
..
Tabla de contingencia de las variables religión y métodos anticonceptivos
En la presente tabla se muestra los datos tabulados de la muestra de mujeres casadas registradas en relación con la practica de la religión islam y el uso de métodos anticonceptivos es decir si no usan, si usan de corto plazo y si usan de largo plazo, siendo que el no usar métodos anticonceptivos de nigua tipo es más frecuente presenta 629, por el contrario, el uso de métodos de largo plazo presenta 333.
Pecado Islam | islam | Total | |
---|---|---|---|
Sin uso | 75 | 554 | 629 |
Largo Plazo | 76 | 257 | 333 |
Corto plazo | 69 | 442 |
511
|
Totales |
220
|
1253
|
1473
|
Tabla 5
.
Tabla de frecuencia esperada obtenida una vez aplicada la formula a cada celda
De la tabla anterior, una vez aplicado el cálculo correspondiente como nos muestra la tabla, los nuevos valores serán las frecuencias esperadas y la suma de sus valores de límite será igual a la suma de la tabla de respaldo original, indicando que el cálculo se realizó correctamente.
A continuación, se plantean las hipótesis a contrastar mediante el chi-cuadrado.
H0: La variable de uso de métodos anticonceptivos es independiente de la variable practicar el islam.
H1: La variable de uso de métodos anticonceptivos es dependiente de la variable practicar el islam.
Luego se aplicó el estadístico de contraste de la fórmula (1) donde nos indica que X ^ 2 experimental es igual a 21.622.
Para obtener el X ^ 2 critico se utilizaron 2 grados de libertad y un p = 0.001, siendo el valor teórico de 13,8150.
Datos de la
prueba Chi-cuadrado de Pearson
: tabla
X-squared = 21.622, df = 2, p-value = 2.018e-05
La decisión es: X ^ 2exp> X ^ 2 (0.05,2) = 21.622> 13.815 hay evidencia suficiente para rechazar la hipótesis nula, es decir mediante el contraste de chi-cuadrado, si existe dependencia entre la variable de práctica del islam y la variable de uso de métodos anticonceptivos.
MEDICIÓN DE LA INTENSIDAD DE LA ASOCIACIÓN
Se utiliza los estadísticos: V de Cramér y Coeficiente de contingencia.
Coeficiente de contingencia: 0,12
V de Cramer:
0.121 La intensidad de la asociación o relación entre las variables es pequeña tanto el Coeficiente de Contingencia y V de Cramér.
Figura 1.
Test de chi-cuadrado realizado en Rstudio donde podemos constatar que si nos coinciden con el cálculo matemático.
Naura Nabila Haryanto, de 26 años, miembro de la organización Rutgers WPF en Indonesia, señaló a la UNESCO que conocía casos en los que la educación integral en sexualidad (EIS) había cambiado la vida de algunas personas, al generar comportamientos más sanos y repercutir sobre el bienestar de los jóvenes.
De esta forma, no todo se reduce a la simple explicación de una religión sino, a un conjunto de factores que van más allá y que en definitiva tienen el control de lo que derive de sus decisiones.
En los países asiáticos, como es nuestro caso tenemos a
Otros dos países del Asia sudoriental, Indonesia y Tailandia, les siguen a corta distancia.
En este periodo de 30 años, la tasa de fecundidad en Asia oriental ha descendido de 6 a 3 hijos por mujer ”.
P (1-7)
(Giannini, 2021)
El veto de la religión al uso de anticonceptivos no solo se manifiesta en las ideas de los líderes religiosos y cómo las decisiones personales de los creyentes, sino también en grandes políticas, como el veto de Trump a organizaciones que practiquen o defiendan el aborto;
o en pequeñas acciones cotidianas, como las vallas morales que se imponen a otros.
DaVanzo, J., & Adamson, DM (2000)
: “A nivel macroeconómico, the descenso de la fecundidad ha contribuido a crear unas condiciones favorables para el desarrollo socioeconómico en varios países.
El “milagro asiático” constituye un buen ejemplo de esta conexión.
Entre 1960 y 1990, los cinco países que han experimentado un mayor crecimiento económico se encuentran en Asia oriental: Corea del Sur, Singapur, Hong Kong, Taiwán y Japón.
Scrip en R
library (tidyverse)
library (DT)
library (kableExtra)
Variable = c ("Edad de la esposa", "Educación de la esposa",
"Educación del esposo", "Numero de hijos nacidos", "Religión de la esposa "," ¿La esposa esta trabajando ahora? ",
" Ocupación del marido "," Índice del nivel de vida "," Exposición a los medios "," Método anticonceptivo utilizado ")
Valores = c (" Varia ")
" 1 = Baja, 2,3,4 = alta ",
" 1 = Baja, 2,3,4 = alta ",
" varia ",
" 0 = No Islam, 1 = Islam ",
" 0 = Si, 1 = No " ,
"1,2,3,4",
"1 = Bajo, 2,3,4 = Alto",
"0 = Bueno, 1 = No bueno",
"1 = Sin uso, 2 = Largo plazo, 3 = Corto plazo")
No. = c ("1", "2", "3", "4", "5", "6", "7", "8", "9", "10")
Tipo = c ("(Numérica)", "(Categórica)", "(Categórica)", "(Numérica)"
, "(Binaria)", "(Binaria) "," (Categórica) "," (Categórica) "," (Binaria) "," (Atributo de clase) ")
dm = cbind.data.frame (No., Variable, Tipo, Valores)
# Estilo documento de Latex para PDF.
dm%>%
kbl (caption = "Variables del subconjunto de datos")%>%
kable_classic (full_width = F, html_font = "Times New Roman"
head (datos, 10)
#Limpieza de la base de datos.
colnames (datos) = c ("EdadEspa", "EducacionEspa",
"EducacionEspo", "No.Hijos", "ReligiónEspa", "TrbEspa",
"TrbEspo", "NivEco", "Medios", "Anticonceptivo")
# 1.- Edad de la esposa
datos $ EdadEspa = as.numeric (datos $ EdadEspa)
# 2.
Educación de la esposa (Categórica) 1 = baja, 2, 3, 4 = alta
datos $ EducacionEspa = as.factor (datos $ EducacionEspa)
niveles (datos $ EducacionEspa) = c ("baja", "suciente", "media" , "alta")
# 3.
Educación del esposo (Categórica) 1 = baja, 2, 3, 4 = alta
datos $ EducacionEspo = as.
# 4.
Numero de hijos
datos $ No.Hijos = as.numeric (datos $ No.Hijos)
# 5.
Religión de la esposa (binaria) 0 = No Islam, 1 = Islam
datos $ ReligiónEspa = as.factor (datos $ ReligiónEspa)
niveles (datos $ ReligiónEspa) = c ("No Islam", "Islam")
## 6.
¿La esposa trabaja ahora?
(binario) 0 = Si, 1 = No
datos $ TrbEspa = as.factor (datos $ TrbEspa)
niveles (datos $ TrbEspa) = c ("Si trabaja", "No trabaja")
# 7.
Ocupación del marido (Categórica) 1, 2, 3, 4
datos $ TrbEspo = as.factor (datos $ TrbEspo)
niveles (datos $ TrbEspo) = c ("Profesional, tecnico y clerical", "Ventas y servicios",
"Trabajo manual "," Agricultura ")
# 8.
datos $ NivEco = as.factor (datos $ NivEco)
niveles (datos $ NivEco) = c ("bajo", "suciente", "medio", "alto")
# 9.
Exposición a los medios (binario) 0 = Bueno, 1 = No bueno
datos $ Medios = as.factor (datos $ Medios)
levels (datos $ Medios) = c ("Bueno", "No bueno")
# 10.
Método anticonceptivo utilizado (atributo de clase) 1 = Sin uso, 2 = A largo plazo, 3 = A corto plazo
datos $ Anticonceptivo = as.factor (datos $ Anticonceptivo)
niveles (datos $ Anticonceptivo) = c ("Sin uso", "Largo plazo", "Corto plazo")
str (datos)
# 2.
Educación de la esposa (categórica) 1 = baja, 2, 3, 4 = alta
datos $ EducacionEspa = as.factor (datos $ EducacionEspa)
niveles (datos $ EducacionEspa) = c ("
ct = table (c)
ctd = as.data.frame (ct)
colnames (ctd) = c ("Eduespa", "Mujeres")
#Busco hacer un Gráfico agradable
ggplot (data = ctd, aes (x = Eduespa, y = Mujeres, fill = Eduespa)) +
geom_bar (stat = "identity") +
geom_text (aes (label = Mujeres), vjust = 1.8, color = "black", size = 4) +
theme_minimal () +
ggtitle ("Gráfico de barras \ npara la variable educación de la esposa ") +
labs (x =" Educación de la esposa ", y =" Mujeres ") +
theme (axis.text.x = element_text (color =" black ", size = rel (1)),
axis.text.y = element_text (color = "black", size = rel (1), angle = 90, hjust = 0.5)) +
theme (axis.title.x = element_text (face = "bold ", vjust = -0,5,color = "negro", tamaño = rel (1))) +
theme (axis.title.y = element_text (face = "bold", vjust = 1.5, color = "black", size = rel (1)))
# 3.
Educación del esposo (categórica) 1 = baja, 2, 3, 4 = alta
datos $ EducacionEspo = as.factor (datos $ EducacionEspo)
niveles (datos $ EducacionEspo) = c ("baja", "suciente", "media", "alta")
d = datos $ EducacionEspo
dt = table (d)
dtd = as.data.frame (dt)
colnames (dtd) = c ("Eduespo", "Hombres")
#Busco hacer un Gráfico decente
ggplot (data = dtd, aes (x = Eduespo, y = Hombres, fill = Eduespo)) +
geom_bar (stat = "identity") +
geom_text (aes (label = Hombres), vjust = 1.8, color = "black", size = 4) +
theme_minimal () +
ggtitle ("
labs (x = "Educación del esposo", y = "Hombres") +
theme (axis.text.x = element_text (color = "black", size = rel (1)),
axis.text.y = element_text (color = "negro", tamaño = rel (1), ángulo = 90, hjust = 0.5)) +
tema (axis.title.x = element_text (face = "negrita", vjust = -0.5, color = "negro", tamaño = rel (1))) +
tema (axis.title.y = element_text (face = "bold", vjust = 1.5, color = "black", size = rel (1)))
# 4.
Número de hijos nacidos (numérico)
#Proceso de generar los intervalos
rango = max (datos $ No.Hijos) - min (datos $ No.Hijos)
AP = 1 + 3.322 * log10 (nrow (datos))
intervalos = 11
Amplitud = rango / intervalos
L = 0 + 3 * (0: 6)
x = datos $ No.
htab = table (Hijos)
dh = as.data.frame (htab)
colnames (dh) = c ("Hijos", "Cantidad")
#Busco hacer un Gráfico decente
ggplot (data = dh, aes (x = Hijos, y = Cantidad, fill = Hijos)) +
geom_bar (stat = "identity") +
geom_text (aes (label = Cantidad), vjust = 1.8, color = "black", size = 4) +
theme_minimal () +
ggtitle ("Gráfico de barras \ npara la variable numero de hijos nacidos ") +
labs (x =" Hijos ", y =" Cantidad de hijos ") +
theme (axis.text.x = element_text (color =" black ", size = rel ( 1)),
axis.text.y = element_text (color = "black", size = rel (1), angle = 90, hjust = 0.5)) +
theme (axis.title.x = element_text (face = "negrita" , vjust = -0,5,color = "negro", tamaño = rel (1))) +
theme (axis.title.y = element_text (face = "bold", vjust = 1.5, color = "black", size = rel (1)))
# 5.
Religión de la esposa (binaria) 0 = No Islam, 1 = Islam
datos $ ReligiónEspa = as.factor (datos $ ReligiónEspa)
levels (datos $ ReligiónEspa) = c ("No Islam", "Islam")
e = datos $ ReligiónEspa
et = table (e)
etd = as.data.frame (et)
colnames (etd) = c ("Religión", "Mujeres")
#Busco hacer un Gráfico decente
ggplot (data = etd, aes (x = Religión, y = Mujeres, fill = Religión)) +
geom_bar (stat = "identity") +
geom_text (aes (label = Mujeres), vjust = 1.8, color = "black", size = 4) +
theme_minimal () +
ggtitle ("Gráfico de barras \ npara la religión variable "
tema (axis.text.x = element_text (color = "negro", tamaño = rel (1)),
axis.text.y = element_text (color = "negro", tamaño = rel (1), ángulo = 90, hjust = 0.5)) +
tema (axis.title.x = element_text (face = "negrita", vjust = -0.5, color = "negro", tamaño = rel (1))) +
tema (axis.title.y = element_text (cara = "negrita", vjust = 1.5, color = "negro", tamaño = rel (1)))
## 6.
¿La esposa trabaja ahora?
(binario) 0 = Si, 1 = No
datos $ TrbEspa = as.factor (datos $ TrbEspa)
niveles (datos $ TrbEspa) = c ("Si trabaja", "No trabaja")
f = datos $ TrbEspa
ft = table ( f)
ftd = as.data.frame (ft)
colnames (ftd) = c ("Trabaja", "Mujeres"
geom_bar (stat = "identity") +
geom_text (aes (label = Mujeres), vjust = 1.8, color = "black", size = 4) +
theme_minimal () +
ggtitle ("Gráfico de barras \ npara la variable trabajo de la esposa ") +
labs (x =" Trabaja ", y =" Mujeres ")
# 7.
Ocupación del marido (categórica) 1, 2, 3, 4
datos $ TrbEspo = as.factor (datos $ TrbEspo)
niveles (datos $ TrbEspo) = c ("Profesional, tecnico y clerical", "Ventas y servicios",
"Trabajo manual "," Agricultura ")
g = datos $ TrbEspo
gt = tabla (g)
gtd = as.data.frame (gt)
colnames (gtd) = c (" Trabajo "," Hombres "
geom_bar (stat = "identity") +
geom_text (aes (label = Hombres), vjust = 1.8, color = "black", size = 4) +
theme_minimal () +
ggtitle ("Gráfico de barras \ npara la variable trabajo del esposo ") +
labs (x =" Trabajo ", y =" Hombres ") +
tema (axis.text.x = element_text (color =" negro ", tamaño = rel (1)),
axis.text.y = element_text ( color = "negro", tamaño = rel (1), ángulo = 90, hjust = 0.5)) +
tema (axis.title.x = element_text (face = "negrita", vjust = -0.5, color = "negro", size = rel (1))) +
theme (axis.title.y = element_text (face = "bold", vjust = 1.5, color = "black", size = rel (1)))
# 8.
Índice de nivel de vida (categórico) 1 = bajo, 2, 3,
niveles (datos $ NivEco) = c ("bajo", "aceptable", "medio", "alto")
h = datos $ NivEco
ht = tabla (h)
htd = as.data.frame (ht)
colnames (htd) = c ("Indice", "Mujeres")
#Busco hacer un Gráfico decente
ggplot (data = htd, aes (x = Indice, y = Mujeres, fill = Indice)) +
geom_bar (stat = "identity") +
geom_text ( aes (label = Mujeres), vjust = 1.8, color = "black", size = 4) +
theme_minimal () +
ggtitle ("Gráfico de barras \ npara la variable Indice de nivel de vida") +
labs (x = "Indice ", y =" Mujeres ") +
tema (axis.text.x = element_text (color =" negro ", tamaño = rel (1)),
axis.text.y = element_text (color =" negro ",tamaño = rel (1), ángulo = 90, hjust = 0.5)) +
theme (axis.title.x = element_text (face = "bold", vjust = -0.5, color = "black", size = rel (1))) +
theme (axis.title.y = element_text (face = "negrita ", vjust = 1.5, color =" negro ", tamaño = rel (1)))
# 9.
Exposición a los medios (binario) 0 = Bueno, 1 = No bueno
datos $ Medios = as.factor (datos $ Medios)
levels (datos $ Medios) = c ("No bueno", "Bueno")
j = datos $ Medios
jt = table (j)
jtd = as.data.frame (jt)
colnames (jtd) = c ("Exposicion", "Mujeres")
#Busco hacer un Gráfico decente
ggplot (data = jtd, aes (x = Exposicion, y = Mujeres, fill = Exposicion)) +
geom_bar (stat = "identity") +
geom_text (aes (label = Mujeres), vjust = 1.8, color = "black",
ggtitle ("Gráfico de barras \ npara la variable Exposición a los medios") +
labs (x = "Exposicion", y = "Mujeres") +
theme (axis.text.x = element_text (color = "black", size = rel (1)),
axis.text.y = element_text (color = "black", size = rel (1), angle = 90, hjust = 0.5)) +
theme (axis.title.x = element_text (face = " negrita ", vjust = -0.5, color =" negro ", tamaño = rel (1))) +
tema (axis.title.y = element_text (face =" negrita ", vjust = 1.5, color =" negro ", tamaño = rel (1)))
# 10.
Método anticonceptivo utilizado (atributo de clase) 1 = Sin uso, 2 = A largo plazo, 3 = A corto plazo
datos $ Anticonceptivo = as.factor (datos $ Anticonceptivo)
niveles (datos $ Anticonceptivo) = c ("Sin uso", "
ktd = as.data.frame (kt)
colnames (ktd) = c ("Anticonceptivo", "Mujeres")
#Busco hacer un Gráfico decente
ggplot (data = ktd, aes (x = Anticonceptivo, y = Mujeres, fill = Anticonceptivo )) +
geom_bar (stat = "identity") +
geom_text (aes (label = Mujeres), vjust = 1.8, color = "black", size = 4) +
theme_minimal () +
ggtitle ("Gráfico de barras \ npara la variable anticonceptivo ") +
labs (x =" Metodo anticonceptivo ", y =" Mujeres ") +
tema (axis.text.x = element_text (color =" black ", size = rel (1)),
axis.text.y = element_text (color = "black", size = rel (1), angle = 90, hjust = 0.5)) +
theme (axis.title.x = element_text (face = "bold", vjust = -0.5, color = "negro ", tamaño = rel (1))) +
theme(axis.title.y = element_text(face="bold", vjust=1.5, colour="black", size=rel(1)))
# Primero, preparamos los datos para el análisis.
levels(datos$ReligiónEspa) #Ver niveles de variable
levels(datos$Anticonceptivo) #Ver niveles de variable
tabla <- table(datos$Anticonceptivo, datos$ReligiónEspa)
chi <-chisq.test(tabla)
#Para analizar de qué manera se asocian ambas variables
#Tabla cruzada con porcentajes
tabla2 <- prop.table(tabla,2)*100 #Distribución condicionada por columnas
#Agregar las distribuciones marginales hace más fácil de leer la tabla
Total <- prop.table(margin.table(tabla,1))*100 #Filas
tabla2 <- cbind(tabla2, Total)
Total <- c(100,100,100)
tabla2 <- rbind(tabla2, Total)
round(chi$expected, 3)
library(vcd)
assocstats(tabla)
created with
Website Builder Software .