Analizando univariadamente en R

layout: true
class: animated, fadeIn

---
class: inverse, left, middle

# _Analizando univariadamente en R 🧐_

Martín Venegas Márquez

***
[Doctorado en Psicología UDP - Seminario Metodológico Disciplinario: Metodologías Cuantitativas - Otoño 2025]()

#### Mayo, 2025

---
![](input/images/Diapositiva1.PNG)
---
![](input/images/Diapositiva2.PNG)
---
![](input/images/Diapositiva3.PNG)
---
class: inverse, left, middle

# Contenidos de la sesión

**0. Recordando...**

**1. Funciones para el análisis univariado**

**2. Una intro a la visualización**

**3. Manos a la obra**

---

class: middle, center, inverse

# _0. Recordando..._

---
# Recordando el flujo de trabajo

(1) Crear una carpeta dónde alojaremos todos los archivos relacionados a nuestro proyecto. Por ejemplo: `enssex`.

(2) A modo de recomendación, crear tres carpetas: `input`, `processing`y `output`. Dentro de `input` crear la carpeta `original` y `proc`.

(3) Alojar el set de datos que utilizaremos para nuestros análisis en la `input/original`.

(4) Abrir RStudio. Dirigir el cursor a la esquina superior derecha y hacer click en _Project: (None)_.

(5) En la ventana emergente, hacer click en _New project..._. Luego, hacer click en _Existing directory_. En la siguiente ventana, hacer click en _Browse_ y escoger la carpeta creada. Finalmente, hacer click en _**Create project**_.

---
# Recordando el flujo de trabajo

(6) En RStudio, estando en nuestro proyecto, abrir un nuevo script: ir a esquina superior izquierda y _File > New file > RScript_ o `Ctrl + Shift + n`. Guardar haciendo click en el icono de disquete o `Ctrl + s`. Recomendación, guardar en carpeta `processing` con un nombre que haga alusión al procesamiento de datos.

(7) En nuestro script, partir con información de identificación del script: título, nombre de quien lo realiza, fecha, institución, resumen de que hace. Recomendación, separar el código por secciones. Usar `Ctrl + Shift + R`.

(8) Luego, seguir con una sección dónde se instalen los paquetes (si es necesario) y se carguen. Recomendación, utilizar `pacman::p_load()`.

(9) Luego, seguir con una sección dónde se realice el procesamiento de datos necesario.

(10) Por último, terminar con una sección dónde se guarde el dataset procesado. Recomendación, guardar en `input/proc`.

---
class: middle, center

# Recordemos cómo leer R...
---

.center[![:scale 80%](input/recordando/Diapositiva1.PNG)]

R, quiero que...

---

.center[![:scale 80%](input/recordando/Diapositiva2.PNG)]

R, quiero que **crees un objeto llamado enssex4_proc**...

---

.center[![:scale 80%](input/recordando/Diapositiva3.PNG)]

R, quiero que **crees un objeto llamado enssex4_proc** **al cual asignale el siguiente procedimiento:**...

---

.center[![:scale 80%](input/recordando/Diapositiva4.PNG)]

---
.center[![:scale 80%](input/recordando/Diapositiva5.PNG)]

---
.center[![:scale 80%](input/recordando/Diapositiva6.PNG)]

R, quiero que **crees un objeto llamado enssex4_proc** **al cual asignale el siguiente procedimiento:** **accede al data.frame enssex4** **y luego ** **selecciona las columnas p1, p4, region, p8 y p10**...
---
.center[![:scale 80%](input/recordando/Diapositiva7.PNG)]

R, quiero que **crees un objeto llamado enssex4_proc** **al cual asignale el siguiente procedimiento:** **accede al data.frame enssex4** **y luego ** **selecciona las columnas p1, p4, region, p8 y p10** **y luego **...
---
.center[![:scale 80%](input/recordando/Diapositiva8.PNG)]

R, quiero que **crees un objeto llamado enssex4_proc** **al cual asignale el siguiente procedimiento:** **accede al data.frame enssex4** **y luego ** **selecciona las columnas p1, p4, region, p8 y p10** **y luego ** ** renombra la columna p1 por sexo y la columna p4 por edad**.

---
# Glosario

| Concepto      | Definición                                                                 |
|---------------|----------------------------------------------------------------------------|
| Base de datos | Conjunto de tablas de datos interrelacionadas lógicamente.    |
| Dataset o tabla de datos      | Conjunto de datos, generalmente en forma tabular, usado para análisis.     |
| data.frame    | Tabla de datos en R; colección de columnas (vectores) del mismo largo.     |
| Variable      | Concepto más sustantivo. Característica o atributo medido sobre cada unidad de análisis; corresponde a una columna. |
| Columna       | Vector dentro de un `data.frame`; representa una variable.                |
| Vector        | Estructura básica que almacena datos del mismo tipo en una dimensión. Puede ser utilizado solo o dentro de un data.frame (columna)   |
| Fila          | Observación individual en un `data.frame`.                                |

---
# Glosario

| Concepto | Definición |
|---------------|----------------------------------------------------------------------------------|
| Objeto | Cualquier entidad almacenada en R: puede ser un vector, función, dataframe, etc. |
| Asignador | Operador que asigna valores a objetos. En R se usa `<-` o `=`. |
| Operador | Símbolo que realiza una operación. Ej.: `+`, `==`, `%in%`, &#124;, etc. |
| Función | Conjunto de instrucciones que realiza una tarea. Se llama con `()`. |
| Paquete | Colección de funciones, datos y documentación. Ej.: `dplyr`, `ggplot2`. |

---
# Funciones esenciales de dplyr

| Función      | Descripción                                                                 |
|--------------|------------------------------------------------------------------------------|
| `select()`   | Selecciona columnas del dataframe. Permite elegir variables específicas.     |
| `rename()`   | Cambia el nombre de una o más columnas.                                      |
| `filter()`   | Filtra filas según condiciones lógicas.                                      |
| `case_when()`| Recodifica variables con condiciones múltiples. Alternativa elegante a `ifelse()`. |
| `mutate()`   | Crea nuevas columnas o modifica columnas existentes.                         |
| `group_by()` | Agrupa los datos por una o más variables para realizar resúmenes posteriores.|
| `summarise()`| Resume datos por grupos: medias, conteos, proporciones, etc.                 |
| `distinct()` | Devuelve solo las filas únicas según una o más columnas.                     |
| `arrange()`  | Ordena las filas por una o más variables (ascendente o descendente).         |
---
class: middle, center, inverse

# _1. Funciones para la visualización_

---
# ¿Qué es el análisis univariado? 🧐

.large[Se refiere al análisis de **una sola variable** a la vez.]

.large[Su objetivo es **describir** y resumir el comportamiento o la distribución de esa variable.]

.large[Es el **paso inicial** en el análisis de datos y permite armar un panorama de este.]

---
# ¿Y en el contexto de la investigación?

El análisis univariado cumple un rol fundamental en las primeras etapas de una investigación cuantitativa, ya que permite:

- 🧹 **Evaluar la calidad de los datos: ** detectar errores o inconsistencias (ej. valores extremos o codificaciones incorrectas) o revisar supuestos (ej. normalidad).

- 🔍 **Caracterizar la muestra: ** entregar una descripción del perfil de los encuestados. Por ejemplo, ver la composición sociodemográfica: edad, género, nivel educativo, etc.

- 🧭 **Tomar decisiones analíticas informadas:** ¿Se justifica categorizar una variable? ¿Cuál es la mejor forma de agrupar respuestas? ¿Qué medidas de tendencia central y dispersión tienen sentido?

- 🗺️** Contextualizar hallazgos posteriores:** ayuda a interpretar resultados más complejos (ej. bi o multivariados) entendiendo primero la distribución simple de cada variable.

---
# ¿Y qué herramientas tenemos?

.large[Las 💫**funciones**💫, pero...]

---
# ¿Y qué herramientas tenemos?

.large[Las 💫**funciones**💫, pero... hay muchas funciones]

.large[Las funciones que utilizaremos dependerán de...]

- .large[Los tipos de variables que tengamos]

- .large[Lo que queramos hacer]

---
# Tipos de variables

## 🔡Categóricas

- **Nominales:** no tienen orden (ej. sexo, país).

- **Ordinales:** tienen orden (ej. nivel educacional, satisfacción).

## 🔢Cuantitativas

- **Discretas:** toman valores enteros (ej. número de hijos).

- **Continuas:** pueden tomar cualquier valor en un rango (ej. ingreso, altura).

---
# ¿Y qué queremos/podemos hacer?

.large[Dependiendo del tipo de variables que tengamos, podemos analizar distrubuciones, frecuencias, medidas de tendencia central, medidas de dispersión y medidas de posición.]

.large[Veamos...]

---
# Retomemos los datos de ejemplo...

```r
datos <- data.frame(
 persona = c("Juan", "Matias", "Ana", "Leonor", "Sebastian"),
 edad = c(24, 35, 45, 65, 12),
 sexo = c("Hombre", "Hombre", "Mujer", "Mujer", "Hombre"),
 ingresos = c(1000000, 800000, 1300000, 1500000, 0),
 region = c("Metropolitana", "Metropolitana", "Valparaiso", "Valparaiso", "Antofagasta")
)
```

---
# Frecuencias

| Función             | Descripción                                     | Tipo de variable     |
|---------------------|-------------------------------------------------|-----------------------|
| `table()`           | Crea una tabla de frecuencias absolutas         | Categórica            |
| `prop.table()`      | Devuelve proporciones a partir de `table()`     | Categórica            |
| `count()` (dplyr)   | Cuenta frecuencias por categoría                 | Categórica            |

---
# Frecuencias

```r
tabla_region <- table(datos$region)
tabla_region
```

```
## 
##   Antofagasta Metropolitana    Valparaiso 
##             1             2             2
```

```r
prop.table(tabla_region)
```

```
## 
##   Antofagasta Metropolitana    Valparaiso 
##           0.2           0.4           0.4
```
---
# Frecuencias
## Con dplyr 🔧

```r
datos %>% count(region) # Versión simplificada
```

```
##          region n
## 1   Antofagasta 1
## 2 Metropolitana 2
## 3    Valparaiso 2
```

```r
datos %>% group_by(region) %>% summarise(n = n()) # Versión larga
```

```
## # A tibble: 3 × 2
## region n
## <chr> <int>
## 1 Antofagasta 1
## 2 Metropolitana 2
## 3 Valparaiso 2
```