¡Juntándolo todo!

Ahora vamos a cambiar a una nueva pregunta para practicar algunas de las habilidades que aprendiste en este capítulo. Vamos a investigar si el colesterol total varía, en promedio, entre personas estadounidenses físicamente activas e inactivas.

Este ejercicio forma parte del curso

Análisis de datos de encuestas en R

ejercicio interactivo práctico

Prueba este ejercicio completando este código de ejemplo.

# Find means of total cholesterol by whether or not active 
out <- ___(formula = ___,
           by = ___, 
           design = NHANES_design,
           FUN = ___, 
           na.rm = TRUE, 
           keep.names = FALSE)

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 Exercise 12: ¡Juntándolo todo!

Ejercicio actual

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