Curso en ciencia de datos en salud pública y modelamiento de enfermedades infecciosas: Todas las imágenes

Introducción a R y Rstudio

Figura 1

Figura 2

Figura 3

Figura 4

Figura 5

Figura 6

Figura 7

Figura 8

En la ventana con encabezado New Project Wizard:Project Type, se debe seleccionar New Project

Figura 9

En la ventana con encabezado New Project Wizard:Create New Project. En la casilla Directory Name (Nombre del Directorio) coloque el nombre deseado para su proyecto (e.g. “IntroR”).

Figura 10

Hacemos clic en el botón Browse…. Para buscar la ubicación dentro del computador donde deseamos guardar el proyecto

Figura 11

Figura 12

Se abra creado un objeto en el ambiente global (ubiquelo en la sección lateral derecha superior):

Figura 13

Figura 14

Figura 15

Figura 16

Figura 17

Ahora se ha creado un objeto tipo data.frame.

Figura 18

Figura 19

Figura 20

Introduccion a la visualizacion de datos en R con ggplot2.

Figura 1

Figura 2

Figura 3

Figura 4

Figura 5

Figura 6

Figura 7

Figura 8

Figura 9

Figura 10

Figura 11

Figura 12

Figura 13

Figura 14

Figura 15

Figura 16

Reporte e informes tecnicos en R Markdown

Figura 1

Figura 2

Figura 3

Figura 4

Figura 5

Figura 6

Figura 7

Figura 8

Limpieza de datos epidemiológicos

Figura 1

Figura 2

Figura 3

Figura 4

2.2.6. Exploración de variables cualitativas

Ahondemos un poco más en la exploración de variables cualitativas. Cuando usamos summary, al inicio de esta sección, pudimos ver que sucedía con algunas variables cualitativas. Ahora observaremos lo que pasa con la variable nombre_del_pais.

⚠️ Instrucción: Seleccione la variable nombre_del_pais empleando la función select y emplee la función summary para ver el resumen de esta variable.

R

covid %>% 
  dplyr::select(sintomas) %>% 
  base::summary()

Resultado esperado: Al usar el anterior código con el mismo dataset se obtiene el siguiente resultado:

SALIDA

   sintomas
 Length:79200
 Class :character
 Mode  :character

¿Qué puede observar?

Para obtener detalles sobre las categorías de las variables, podemos usar otras opciones como tablas, tablas de proporciones, extracción de valores únicos y creación de gráficos. Veamos cada uno:

⚠️ Instrucción: Emplee la función table para generar una tabla de la variable sintomas :

R

covid %>% 
  dplyr::pull(sintomas) %>% 
  base::table()

Resultado esperado: Al usar el anterior código con el mismo dataset debió obtener los siguientes resultados:

SALIDA

.
     Critico        Grave         Leve     Moderado Sin sintomas
        1781            1        76976           13          429

¿Qué puede observar?

En caso que deseemos observar una tabla con los porcentajes de cada elemento al interior de la variable podemos recurrir a la función prop.table.

⚠️ Instrucción: Emplee la función prop.table para generar una tabla con porcentajes de la variable sintomas:

R

covid %>%
  dplyr::pull(sintomas) %>%
  base::table() %>%
  base::prop.table()*100 #si desea las propociones puede eliminar el "*100"

Resultado esperado: Al usar el anterior código con el mismo dataset se obtiene el siguiente resultado:

SALIDA

.
     Critico        Grave         Leve     Moderado Sin sintomas
 2.248737374  0.001262626 97.191919192  0.016414141  0.541666667

Como puede observar ahora podemos ver cada categoría con su respectivo porcentaje. En caso de que sólo deseemos ver los objetos contenidos sin otros datos podemos emplear la función unique.

⚠️ Instrucción: Emplee la función unique para extraer los valores únicos de la variable sintomas:

R

covid %>%
  dplyr::pull(sintomas) %>%
  base::unique()

Resultado esperado: Al usar el anterior código con el mismo dataset se obtiene el siguiente resultado:

SALIDA

[1] "Leve"         "Critico"      "Moderado"     "Sin sintomas" "Grave"

Con esto pudimos obtener los diferentes valores de la variable sintomas. Además, las variables cualitativas pueden ser examinadas mediante gráficos de barras o de torta.

⚠️ Instrucción: Emplee la función barplot a compañado de la función tablepara generar un gráfico de barras del contenido de la variable sexo:

R

covid %>%
  dplyr::pull(sintomas) %>%
  base::table() %>%
  graphics::barplot()

Resultado esperado: Al usar el anterior código con el mismo dataset se obtiene el siguiente resultado:

Figura 5

Figura 6

Figura 7

Figura 8

Figura 9

Figura 10

Construyendo un modelo deterministico simple

Figura 1

Figura 2

Figura 3

Figura 4

Figura 5

Figura 6

Figura 7

Figura 8

Figura 9

Figura 10

Figura 11

Figura 12

Unidad de Estadística y probabilidad

Figura 1

Figura 2

Figura 3

Figura 4

Figura 5

Figura 6

Figura 7

Figura 8

Figura 9

Figura 10

Figura 11

Figura 12

Figura 13

Figura 14

Figura 15

Figura 16

Figura 17

Figura 18

Figura 19

Figura 20

Figura 21

Banco de preguntas y errores frecuentes

Figura 1

Figura 2

Figura 3

Figura 4

Figura 5

Figura 6

Figura 7