Estado nutricional y rendimiento académico de los estudiantes de sexto grado de educación primaria en el distrito de “Las Flores” -2018

CASO: Estado nutricional y rendimiento académico de los estudiantes de sexto grado de educación primaria en el distrito de “Las Flores” -2018

Se desea realizar un estudio sobre el nivel nutricional de alumnos de sexto grado de educación primaria en el distrito “las Flores”. El distrito tiene 15 colegios y en cada colegio se tienen 3 salones de sexto grado; cada uno con 40 alumnos.

De los 15 colegios, 3 de ellos están en zona de nivel socio económico A, 5 en zona de nivel socio económico B y  el resto en zonas de nivel socio económico C.

Para la evaluación nutricional se usó una tabla que clasificaba el nivel nutricional del niño(a) según talla, peso, sexo en: desnutrido, normal, exceso

PROBLEMÁTICA: Según el último censo escolar del MINEDU, se ha observado malos hábitos alimenticios en escolares, podría ser un factor importante del inadecuado aprendizaje escolar.

Esto es un resumen, el desagregado tendría información estadística que sustenta lo anterior, así como estudios previos que sustenten lo anterior

FORMULACION DEL PROBLEMA DE INVESTIGACION: ¿Qué relación existe entre el estado nutricional y el rendimiento académico  de los estudiantes de sexto grado de educación primaria en el distrito de “Las Flores?

V.D: Rendimiento académico

V.I: El estado nutricional

El estado nutricional se define como la condición corporal resultante del balance entre la ingestión de alimentos, su utilización por parte del organismo en relación a su educación y hábitos alimenticios.

REALIZAR UN ANALISIS DESCRIPTIVO DE LOS DATOS

1. Leer los datos

• COMANDOS A INGRESAR:

datos<-read.delim('clipboard')        <---- copiar esto al Rstudio y no poner ENTER

attach(datos) # sirve para descomponer los datos en columnas

View(datos) # sirve para mostrar los datos.

Summary(datos)

Nota: luego copiar celdas de Excel a medir (A1:H94), recién dar ENTER en Rstudio, después poner attach(datos) luego ENTER (no va a salir nada), luego poner View(datos) en Rstudio y ENTER se mostrará los datos de Excel en la parte superior izquierda, después poner summary(datos) y luego ENTER (Se observará la base de datos en la parte superior izquierda del programa.

[pic 1]

1. Calcular: media, coeficiente de variabilidad de las tallas

• DEFINICIONES:

• cv=sd *100/mean ; el coeficiente de variabilidad indica que tan heterogéneo es un conjunto de datos; si cv>25% se considera muy variable o heterogéneo el conjunto de datos.
• Desviación estándar: es una medida de variabilidad que muestra que tan dispersos están los datos, respecto a la media.

• EJEMPLO 1:

1,3,2 promedio=2                Desviación estándar=1

• La variabilidad promedio de los datos respecto a su media es 1.

Operarios A    Operarios B

Prom.=10        prom=11

sd= 1                 sd=4

• Coeficiente de variabilidad: mide el grado de dispersión de los datos. A diferencia de la desviación estándar, este coeficiente se aplica a CUALQUIER CASO.

• EJEMPLO 2:

Grupo A                 Grupo B     en ambos grupos se mide el peso y talla respectivamente.

Prom=67 kg        prom= 169 cm

Sd=4 kg                    sd=1.5 cm

¿Cuál de los grupos es más variable?

• NO se puede aplicar la desviación estándar.
• ¡Se de usar el Coeficiente de variabilidad!!

Cv=sd*100/mean

Cva=5.97%   cvb=0.8875%

Conclusión:  El grupo B al que se le midió la estatura, tiene menor variabilidad; sin embargo, ambos grupos tienen poca variabilidad.

• Nota importante:

• 0
• 10
• 15
• cv>25 mucha variabilidad

• COMANDOS ESCRITOS en Rstudio para la respectiva medición de datos:

mean(TALLA)

sd(TALLA)

cv<-sd(TALLA)*100/mean(TALLA): así se obtiene el Coef. de    Variabilidad

cv →Poner esto si en caso no se muestra el valor en la hoja, muchas veces se  muestra el valor en la parte superior derecha.[pic 2]

[pic 3]

INTERPRETACIÓN: La estatura promedio de los niños encuestados es 146.63 cm, y de acuerdo al cv, se puede decir que hay bastante homogeneidad en la distribución de los datos.

1. Determine el coeficiente de asimetría de Pearson.

• DEFINICIÓN: Este coeficiente indica si la distribución es simétrica, asimétrica a la izquierda o asimétrica a la derecha; Si fuera Asimétrica a la izquierda, indica valores extremos bajos; Asimétrica a la derecha, indica valores extremos altos. Si el SKp está entre -0.3 y 0.3, se dice que la distribución es ligeramente asimétrica Y Si SKp es cero, se dice que la distribución es simétrica.

Skp=3(promedio – mediana) /desviación estándar

Este coeficiente necesita que la distribución de los datos sea unimodal (una sola moda), en caso no lo sea, NO es posible determinar su valor. La Moda es el valor que ocurre con mayor frecuencia.

• EJEMPLO 1:

2,3,2,4,3,4,20         🡺 El 20 es un valor extremo alto

20,22,25,31,3,32           🡺 El 3 es un valor extremo bajo.

NOTA: Es importante saber si una distribución tiene valores extremos altos o bajo, porque de tenerlo, el promedio deja de ser representativo

• EJEMPLO 2:

1,2,3,2,50   promedio=58/5=11.6              → El promedio Si se ve afectado

por el valor extremo!!

🡺Entonces ¿Qué hacer?

👍 Para ello hay medidas estadísticas más adecuadas, como la moda, la mediana que no se ven influenciadas por los valores extremos.

1. Determinar e interpretar la moda

table(TALLA)          → Contabiliza la frecuencia de ocurrencia de cada

     valor de TALLA

[pic 4]

☞Mo=156

INTERPRETACIÓN: Por lo tanto, la estatura más frecuente en los alumnos es de 156 cm

1. Determinar SKp e interpretar

Skp<-3*(mean(TALLA)-median(TALLA))/sd(TALLA)

[pic 5]

• INTERPRETACIÓN: La distribución es ligeramente asimétrica (-0.3 < Skp < +0.3), La distribución de las tallas es ligeramente asimétrica a la izquierda por lo que no podemos decir que hay valores extremos bajo que sean influyentes.

1. SUMMARY:

• Utilice la función summary() para obtener algunas estadística descriptivas.

• COMANDO

summary(datos)

[pic 6]

• INTERPRETACIÓN:

• La mayoría de los niños están desnutridos.
• La amplitud del ingreso familiar es de 2979-1235 =1744 es alto.
• La mayoría de los encuestados es de sexo femenino.
• Lo más frecuente es que los niños pertenezcan al NSE C (Mo=NSE C )

1. Determine e interprete los cuartiles de la talla.

• DEFINICIÓN: Un cuartil Q es un valor que divide a un conjunto de datos en dos partes.

• Q1 indica que el 25% de los datos es menor a Q1
• Q2, también llamado mediana, indica que el 50% de los datos es menor a Q2.
• Q3, indica que el 75% de los datos es menor a Q3.

• COMANDO A INGRESAR:

quantile(TALLA)  

[pic 7]

• INTERPRETACIÓN:

• Q1=141                        →El 25% de los niños mide a lo más 141 cm.
• Q2=Mediana=147        →El 50% de los niños mide a lo más 147 cm.
• Q3=152;                         →El 75% de los niños mide a lo más 152 cm.

1. Determine: talla promedio por género.

• COMANDO A INGRESAR:

aggregate(TALLA,by=list(GENERO),mean)

[pic 8]

• INTERPRETACIÓN: Las mujeres miden más que los hombres.

• ¿Y si quiero sacar la mediana por género??

aggregate(TALLA,by=list(GENERO),median)

[pic 9]

1. Determina el promedio, mediana, desviación estándar, etc. por género.

• Para tener varios indicadores simultáneamente, se tiene que usar la libreria psych.

• Click en "Packages" y luego en "Install"
• Se busca la opción "psych", se marca el check de todas las dependencias y se pone instalar.
• Una vez instalado, buscamos el paquete y lo activamos (Poner check en el cuadradito)

• COMANDO A INGRESAR:

describeBy(TALLA,GENERO)

[pic 10]

• ¿y si quiero las estadísticas del PESO por nivel nutricional (NIVEL_N)?

describeBy(PESO,NIVEL_N)

[pic 11]

• ¿Qué pasaría si se desea determinar el peso promedio solamente de Desnutridos y Exceso?

• Usar función filter!!

1. Mostrar el promedio recortando cierto porcentaje de los extremos del total de datos

• COMANDO A INGRESAR:

mean(TALLA,trim=5/100)

• El rojo significa el porcentaje de extremos a reducir[pic 12]

• Vemos que sale 146.6471

1. Realice una tabla donde se muestre la frecuencia por género.

• COMANDO A INGRESAR:

table(GENERO)[pic 13]

• INTERPRETACIÓN: La mayoría de los encuestados son mujeres.

1. Realice una tabla de doble entrada de GENERO CON NIVEL NUTRICIONAL.

• COMANDO A INGRESAR:

table(GENERO, NIVEL_N)        
[pic 14]

1. Realice una tabla de doble entrada de GENERO CON NIVEL NUTRICIONAL que muestre las proporciones.

• COMANDO A INGRESAR:

table(GENERO, NIVEL_N)                        → Aquí observamos simplemente los datos en    

bruto.

tablegn<-table(GENERO, NIVEL_N)        → Luego rotulamos esta data con el nombre "tablegn".

...