Clase teórica Semana 12

chi2cuadrado

Autor/a

Marylia Cruz

Fecha de publicación

9 de junio de 2025

library(rio)
data=import("data/Data_ejemplo_comunica.xlsx")

names(data)

[1] "N"                               "Nivel de procastinacion"        
[3] "RedSocial"                       "Tiempo en redes sociales"       
[5] "Le gusta Leer"                   "Numero de interacciones diarias"
[7] "Numero de Seguidores"

tabla1=table(data$`Nivel de procastinacion`,data$RedSocial)
print(tabla1)

       
        Instagram Tiktok Twitter
  Alto         20     33      15
  Bajo         20     15      30
  Medio        22     20      25

chisq.test(table(data$`Nivel de procastinacion`,data$RedSocial))$expected

       
        Instagram Tiktok Twitter
  Alto      21.08  23.12   23.80
  Bajo      20.15  22.10   22.75
  Medio     20.77  22.78   23.45

chisq.test(tabla1)$expected

       
        Instagram Tiktok Twitter
  Alto      21.08  23.12   23.80
  Bajo      20.15  22.10   22.75
  Medio     20.77  22.78   23.45

chisq.test(tabla1)


    Pearson's Chi-squared test

data:  tabla1
X-squared = 12.638, df = 4, p-value = 0.01319

Hipotesis nula: No hay asociación entre el nivel de procastinacion y la red social más consumida. Dado que el p-valor es menor que 0.05, rechazo la Hipótesis nula.

En conclusión a un 95% de nivel de confianza,si está asociados el nivel de procastinación con la red social más consumida.

addmargins(prop.table(tabla1,2)*100)

       
        Instagram    Tiktok   Twitter       Sum
  Alto   32.25806  48.52941  21.42857 102.21605
  Bajo   32.25806  22.05882  42.85714  97.17403
  Medio  35.48387  29.41176  35.71429 100.60992
  Sum   100.00000 100.00000 100.00000 300.00000

library(dplyr)

tabla2 = tabla1 %>%
  prop.table(2)%>%
  round(3)*100 
tabla2

       
        Instagram Tiktok Twitter
  Alto       32.3   48.5    21.4
  Bajo       32.3   22.1    42.9
  Medio      35.5   29.4    35.7

tabla3=as.data.frame(tabla2)

library(forcats)
tabla3$Var1 <- fct_relevel(tabla3$Var1, "Alto", "Medio", "Bajo")

library(ggplot2)
ggplot(data=tabla3, aes(x=Var2,y=Freq,fill=Var1))+
  geom_bar(position = "stack",stat = "identity")+
  geom_text(aes(label=paste(round(Freq,0), "%", sep="")), 
            position = position_stack(), vjust=1, size = 3)+
  labs(x="Red Social", y="Porcentaje", fill="Nivel de procastinación")+
  scale_fill_manual(values = c("#CD3333","pink", "bisque"))