t-test ponderado por encuesta

Ahora abordemos la pregunta: «¿Hay evidencia de que el promedio de horas de sueño nocturno difiere según el género?» usando una prueba t.

Este ejercicio forma parte del curso

Análisis de datos de encuestas en R

Instrucciones del ejercicio

Ejecuta una prueba t sobre SleepHrsNight y Gender usando svyttest(). ¡Asegúrate de entender la salida!

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Run a survey-weighted t-test
svy___(formula = ___,
       design = NHANES_design)

Editar y ejecutar código

Este ejercicio forma parte del curso

Análisis de datos de encuestas en R

IntermedioNivel de habilidad

4.8+

Empieza el curso gratis

Empezaremos nuestra exploración de datos de encuestas con los pesos muestrales. En este capítulo veremos qué son, y por qué son tan importantes en el análisis de encuestas. Otra característica clave de estos datos es cómo se recogieron mediante conglomerados y estratificación. Practicaremos cómo especificar y explorar estos elementos de muestreo en varios conjuntos de datos de encuestas.

Exercise 1: ¿Qué son los pesos muestrales?Exercise 2: Pesos de encuesta Exercise 3: Visualizar los pesos Exercise 4: Especificar elementos del diseño en R Exercise 5: Diseños en R Exercise 6: Diseños estratificados en R Exercise 7: Diseños por conglomerados en R Exercise 8: Comparando los pesos muestrales de distintos diseños Exercise 9: Visualizar el impacto de los pesos de la encuesta Exercise 10: Pesos de NHANES Exercise 11: ¡Juntándolo todo!

Ahora que entendemos los pesos muestrales, en este capítulo practicaremos cómo incorporarlos al análisis de datos categóricos. Haremos inferencia descriptiva calculando estadísticas resumen, creando tablas de resumen y construyendo gráficos de barras. Para la inferencia analítica, aprenderemos a ejecutar contrastes ji-cuadrado.

Exercise 1: Visualizar una variable categórica Exercise 2: Resumir una variable categórica Exercise 3: Interpretar tablas de frecuencias Exercise 4: Representar una variable categórica Exercise 5: Explorar dos variables categóricas Exercise 6: Creación de tablas de contingencia Exercise 7: Creación de gráficos de barras segmentadas Exercise 8: Resumir con svytotal()Exercise 9: Interpretar svymean()Exercise 10: Inferencia para variables categóricas Exercise 11: Ejecutar una prueba chi-cuadrado Exercise 12: ¡Juntándolo todo!

No todos los datos de encuestas son categóricos, así que en este capítulo veremos cómo analizar datos cuantitativos. Aprenderemos a calcular estadísticas ponderadas por la encuesta, como la media y los cuantiles. Para la visualización, construiremos gráficos de barras, histogramas y curvas de densidad. Cerraremos el capítulo realizando inferencia analítica con pruebas t ponderadas por la encuesta.

Exercise 1: Resumir datos cuantitativos Exercise 2: Estadísticas de la encuesta Exercise 3: Estimación de cuantiles Exercise 4: Visualizar datos cuantitativos Exercise 5: Gráficos de barras de medias ponderadas por encuesta Exercise 6: Salida de svyby()Exercise 7: Gráficos de barras con error Exercise 8: Histogramas ponderados por encuesta Exercise 9: Gráficos de densidad con ponderación de encuestas Exercise 10: Inferencia para datos cuantitativos Exercise 11: t-test ponderado por encuesta

Ejercicio actual

Exercise 12: ¡Juntándolo todo!

Modelar datos de encuestas también exige tener en cuenta con cuidado cómo se recogieron. Empezaremos el capítulo de modelización aprendiendo a incorporar los pesos muestrales en los diagramas de dispersión mediante estéticas como el tamaño, el color y la transparencia. Modelaremos los datos de la encuesta con regresión lineal y veremos cómo incluir predictores categóricos y términos polinomiales en nuestros modelos.

Exercise 1: Visualización con diagramas de dispersión Exercise 2: Gráficos de burbujas Exercise 3: Gráficos de dispersión con ponderación de encuesta Exercise 4: Uso del color en los diagramas de dispersión Exercise 5: Visualizar tendencias Exercise 6: Línea de mejor ajuste Exercise 7: Líneas de tendencia Exercise 8: Modelizar datos de encuestas Exercise 9: Modelo de regresión Exercise 10: Inferencia en regresión Exercise 11: Modelado más complejo Exercise 12: Regresión lineal múltiple Exercise 13: Uniéndolo todo Exercise 14: Resumen