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.
El Corán plantea una relación de asimétrica entre hombres y mujeres que tiñe distintos ámbitos de la vida religiosa y que ahí se traslada a otras esferas de la vida pública y privada. Ya que en el propio relato de la creación recogido en el texto que hace patente la posición subordinada de las mujeres: “Temed a vuestro Señor quien os ha creado a partir de un solo ser, del que creó a su esposa e hizo descender de ambos muchos hombres y mujeres”. Resulta así mismo interesante reparar en la similitud entre este relato coránico sobre la creación de la especie humana y el texto bíblico del Génesis, en el que explica el origen de Adán y Eva, y en el que de la misma forma se le atribuye un valor a Eva por debajo de Adán, que, según la biblia, este fue creado primero, a imagen y semejanza de Dios. Dado esto, encontramos a el rabino ultraortodoxo Daniel Bitton, de origen marroquí. Ante el vapor de una cafetera, en su despacho del Instituto Hamaor de Jerusalén, arranca la entrevista. Lo hace desde lo más básico, su postura sobre la planificación familiar: “Yo no puedo explicar algo que no existe. Para nosotros no existe la planificación familiar, nosotros no decidimos nada, Dios planifica todo y Dios decide todo”. De la negación a la prohibición, la postura de este rabino no es única. Las tres principales religiones monoteístas parten de la misma base: el sexo solo está permitido dentro del matrimonio y su fin último es la reproducción. Bajo esa premisa hay poco espacio para los anticonceptivos y su uso y promoción alientan la promiscuidad y el pecado. En la encíclica Humanae Vitae, del Papa Pablo VI, el uso de anticonceptivos solo lleva al goce egoísta, falta de respeto y abuso de la mujer. El Papa Francisco, en su exhortación apostólica Amoris Laetitia, critica en ese mismo texto las campañas “coercitivas” de fomento del uso de anticonceptivos por parte de los gobiernos, englobadas en una peligrosa “mentalidad antinatalista”. Y carga contra el concepto de sexo seguro: “Como si un posible hijo fuera un enemigo del cual hay que protegerse”. (Belmonte, Gavilanes, Vayo, & Ramírez, 2018)
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.
Después de revisar distintas perspectivas alrededor del islam, sus implicaciones sobre las conductas reproductivas de sus creyentes y de analizar los resultados obtenidos, se encontró que existe una relación entre las variables de “Religión” y “método anticonceptivo empleado” mediante una prueba de ji cuadrado, además se determinó que la relación entre ambas variables resulta ser baja.Tras lo revisado en la discusión podemos darle una explicación a la relación baja que existe entre las variables mediante las prácticas de planeación población que se implementaron durante el mandato del presidente Suharto en Indonesia entre 1960 y 1990 las cuales buscaban reducir el ritmo de reproducción de su población para poder garantizar una mejor calidad de vida por habitante.Sin duda el estribo que pone el islam sobre la educación de la mujer, su trabajo y su decisión de usar anticonceptivos está relacionado, además, es no por lo menos importante mencionar que hay diferentes Estados o partes de ese Estado que aplican la Sharía, lo que mantiene totalmente regulado el comportamiento de la mujer, huelga decir que hay diferencias significativas en un país de Occidente a este caso en la educación sexual, que ha sido promovida parcialmente por la UNESCO en las regiones de Medio Oriente y Asia del Sur, siendo aplicada moderadamente por unos y por otros, totalmente rechazada. Esto ha sido un tema de debate eterno entre los grupos musulmanes tan severos. Así mismo, no hay que quitar el papel que tienen los líderes que se reafirmen o ya sea con un gobierno Occidental o con sus propias pretensiones religiosas para manejar el país.
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 .