Ejercicio

A continuación vas a realizar no uno ni dos, sino 3 análisis de correspondencias. No te preocupes es muy fácil. e facilitamos precargadas 3 variables que continen 3 tablas de contingencia.

  • Muj: tabla de frecuencias de color de ojos y pelo de 313 mujeres.
  • Hom: equivalente tabla de contigencia para 279 hombres.
  • MujHom: tabla conjunta de las anteriores, por tanto contiene 592 individuos

Se pretende que hagas un análisis de correspondencia para cada tabla, y evalúes si existe alguna relación entre el color de pelo de de ojos de cada grupo (mujeres, hombres, ambos en conjunto).

Como siempre, intenta hacerlo sin utilizar las ayudas. Emplea éstas solo en caso de desesperación extrema.

set.seed(111)
library( maditr )
data("HairEyeColor")
tmp <- HairEyeColor
Hom <- tmp[ 1:4, 1:4, 1 ]
Muj <- tmp[ 1:4, 1:4, 2 ]
MujHom <- dcast( as.data.frame( tmp ),
                            Hair ~ Eye, fun.aggregate = sum,
                            value.var = "Freq" )

row.names(MujHom) <- MujHom$Hair
MujHom <- MujHom[,-1]
  1. Ejecuta este chuck para ver el comportamiento de la variable Muj

    print( Muj )
  2. Ejecuta este chuck para ver el comportamiento de la variable Hom

    print( Hom )
  3. Ejecuta este chuck para ver el comportamiento de la variable MujHom

    print( MujHom )

El análisis: vamos a por ello


caMuj <- CA( ... , graph = F)
caHom <- CA( ... , graph = F)
caMujHom <- CA( ... , graph = F)

summary( ... )
summary( ... )
summary( ... )

fviz_ca_biplot( ... )
fviz_ca_biplot( ... )
fviz_ca_biplot( ... )
caMuj <- CA(Muj, graph = F)
caHom <- CA(Hom, graph = F)
caMujHom <- CA(MujHom, graph = F)
summary(caMuj)
summary(caHom)
summary(caMujHom)
fviz_ca_biplot(caMuj)
fviz_ca_biplot(caHom)
fviz_ca_biplot(caMujHom)

Algunas cuestiones

Atendiendo a los resultados obtenidos contesta a las siguientes cuestiones.

mamutCola: Módulo 3

00Rteam versión: 18/05/20—19:26:29

Volver: al inicio, al módulo 3