Ejercicio 0

library(dplyr)
library(lubridate)
library(ggplot2)

En el fichero Datos—Tema 1—ejercicio0, aparecen las fechas de nacimiento de 80 individuos. Calcular su edad con R.

Lectura de datos.

ejercicio0 <- haven::read_sav("~/Master_Bioestadistica/Supervivencia/Tema_01/Datos Ejemplos/ejercicio0.sav")

str(ejercicio0)
## tibble [80 × 2] (S3: tbl_df/tbl/data.frame)
##  $ num_pac : num [1:80] 1 2 3 4 5 6 7 8 9 10 ...
##   ..- attr(*, "format.spss")= chr "F8.0"
##  $ fecha_na: Date[1:80], format: "1973-05-28" "1971-01-21" ...

Cálculo de la variable edad en diferentes formatos.

options(tibble.width = Inf)

ejercicio0 <- ejercicio0 %>%
  mutate(
    edad_anyos = floor(time_length(difftime(today(), fecha_na), "years")),
    edad_anyos_50 = floor(time_length(difftime(today(), fecha_na %m+% years(50)), "years")),
    edad_anyos_dec = round(time_length(difftime(today(), fecha_na), "years"), 2),
    edad_anyos_dec_50 = round(time_length(difftime(today(), fecha_na %m+% years(50)), "years"), 2),
    edad_anyos_meses = paste(
      floor(time_length(difftime(today(), fecha_na), "years")), "años y",
      floor(time_length(difftime(today(), fecha_na), "months")) %% 12, "meses"
    ),
    edad_anyos_dias = paste(
      floor(time_length(difftime(today(), fecha_na), "years")), "años y",
      floor(time_length(difftime(today(), fecha_na), "days")) %% 365, "días"
    ),
    edad_dias = as.numeric(difftime(today(), fecha_na, units = "days")),
    edad_dias_50 = as.numeric(difftime(today(), fecha_na %m+% years(50), units = "days"))
  )

head(ejercicio0)

# A tibble: 6 × 10
  num_pac fecha_na   edad_anyos edad_anyos_50 edad_anyos_dec edad_anyos_dec_50
    <dbl> <date>          <dbl>         <dbl>          <dbl>             <dbl>
1       1 1973-05-28         51             1           51.7              1.71
2       2 1971-01-21         54             4           54.1              4.06
3       3 1970-08-02         54             4           54.5              4.53
4       4 1972-03-30         52             2           52.9              2.87
5       5 1967-03-01         57             7           58.0              7.95
6       6 1969-06-11         55             5           55.7              5.68
  edad_anyos_meses   edad_anyos_dias    edad_dias edad_dias_50
  <chr>              <chr>                  <dbl>        <dbl>
1 51 años y 8 meses  51 años y 273 días     18888          626
2 54 años y 0 meses  54 años y 36 días      19746         1483
3 54 años y 6 meses  54 años y 208 días     19918         1655
4 52 años y 10 meses 52 años y 332 días     19312         1050
5 57 años y 11 meses 57 años y 363 días     21168         2905
6 55 años y 8 meses  55 años y 260 días     20335         2073

test_normalidad <- function(data, variable) {
  # Comprobar que la variable exista en el dataframe
  if (!variable %in% colnames(data)) {
    stop("La variable no existe en el dataframe.")
  }
  
  # Obtener el tamaño de la muestra
  n_muestra <- nrow(data)
  
  # Aplicar el test de normalidad
  if (n_muestra <= 50) {
    test_res <- shapiro.test(data[[variable]])
    test_name <- "Shapiro-Wilk"
  } else {
    test_res <- nortest::lillie.test(data[[variable]])
    test_name <- "Kolmogorov-Smirnov (Lilliefors)"
  }
  
  # Devolver el resultado y el nombre del test
  return(list(test_name = test_name, 
              p_value = round(test_res$p.value, 4), 
              result = test_res))
}

Distribucón de la edad en años:

norm_result <- test_normalidad(ejercicio0, "edad_anyos")

ggplot(ejercicio0, aes(x = edad_anyos)) +
  geom_histogram(bins = 10, fill = "lightblue3", color = "black") +
  labs(title="Distribucón variable edad en años",
       x = "Edad", y = "Frecuencia") +
  theme_minimal() +
  theme(panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        panel.border = element_rect(color = "black", fill = NA, linewidth = 1),
        axis.line = element_blank()) +
  annotate("text", 
           x = max(range(ejercicio0$edad_anyos)) * 0.9,
           y = max(table(ejercicio0$edad_anyos)) * 0.9, 
           label = paste("H0: Distribución Normal\n", norm_result$test_name, "\n p =", norm_result$p_value), 
           size = 3, color = "black", hjust = 0.5)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  51.00   57.00   60.00   60.19   63.00   80.00 

Distribucón de la edad en días:

norm_result <- test_normalidad(ejercicio0, "edad_dias")

ggplot(ejercicio0, aes(x = edad_dias)) +
  geom_histogram(bins = 10, fill = "lightblue3", color = "black") +
  labs(title="Distribucón variable edad en días",
       x = "Edad", y = "Frecuencia") +
  theme_minimal() +
  theme(panel.grid.major = element_blank(),
        panel.grid.minor = element_blank(),
        panel.border = element_rect(color = "black", fill = NA, linewidth = 1),
        axis.line = element_blank()) +
  annotate("text", 
           x = max(range(ejercicio0$edad_dias)) * 0.94,
           y = 15, 
           label = paste("H0: Distribución Normal\n", norm_result$test_name, "\n p =", norm_result$p_value), 
           size = 3, color = "black", hjust = 0.5)

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  18758   21163   22236   22174   23180   29248