Pràctica 2 - Solucions

CRIMINOLOGIA.
ANÀLISI DE DADES CURS 2017-2018

BLOC 2 PRÀCTIQUES EN DEDUCER. PRÀCTICA 2: SOLUCIONS
Pràctica 2. Solucions als exercicis proposats1
a) Dos dels Ajuntaments de la Comunidad de Madrid, Alcalá de Henares i Alcorcón, estan

preocupats per què darrerament els ha arribat que la Policia Municipal tenia molt mala
premsa en el seu municipi. Per comprovar-ho volen comparar la popularitat de la seva
Policia Municipal amb la dels altres dos cossos de seguretat, la Policia Nacional i la Guàrdia
Civil. El seu objectiu és esbrinar si la puntuació que la població del seu municipi atorga a la
Policia Municipal és significativament més baixa que la mitjana atorgada conjuntament als
altres dos cossos de seguretat. Ajuda’ls a trobar una resposta amb un 95% de confiança
(municipio, P12PM, P12CNP i P12GC).
En primer lloc hem de construir una variable que sigui la mitjana de la puntuació atorgada,
conjuntament, a la Policia Nacional i a la Guàrdia Civil. Per fer-ho utilitzem la següent sintaxi:
DadesCAM$P12CNP_GC<-(DadesCAM$P12CNP+DadesCAM$P12GC)/2
Com que probablement haurem de comprovar les condicions d’aplicació, fem també la
variable diferència entre aquesta que acabem de construir i la variable P12PM:
DadesCAM$resta<-DadesCAM$P12CNP_GC-DadesCAM$P12PM
Per avaluar si el nombre de casos supera els 30 creuem (demanant-ne, per exemple,
descriptius) la variable “resta” amb el municipi, de manera que obtenim:
$`municipio: Mun < 100.000 hab `
Mean.resta St. Deviation.resta Valid N.resta
0.4213115 1.5422893 305.0000000
$`municipio: Alcala de Henares `

0.6052632 1.2536496 19.0000000
$`municipio: Alcobendas `
-0.03333333 1.77750494 15.00000000
$`municipio: Alcorcon `
0.1666667 1.2478553 36.0000000
$`municipio: Fuenlabrada `
0.6184211 1.4162866 38.0000000
$`municipio: Getafe `
0.00000 1.91345 32.00000
$`municipio: Leganes `
0.6636364 1.6751300 55.0000000
$`municipio: Madrid capital `

0.7082192 1.5323895 730.0000000
1
Ajenjo Cosp, Marc (2018) Pràctiques en Deducer d’inferència estadística aplicada al grau de
Criminologia. Departament de Sociologia, UAB, pp: 43-49.
43
CRIMINOLOGIA. ANÀLISI DE DADES CURS 2017-2018
$`municipio: Mostoles `
0.312500 1.078267 40.000000
$`municipio: Torrejon de Ardoz `

0.5322581 2.7626542 31.0000000
Veiem que en el cas d’Alcalá de Henares (n=19) ens caldrà comprovar la normalitat, però no
així per a Alcorcón (n=36).
Alcalá de Henares
Per avaluar la normalitat d’un subcol·lectiu, recordem que així li hem d’indicar en la finestra on
fem l’anàlisi:
En la taula de sota comprovem la normalitat i veiem que podem assumir que la variable
diferència és normal (p-valor=0,349); de manera que podrem fer el test paramètric.
Shapiro-Wilk normality test
W p-value
resta 0.9468827 0.3492825
Ara bé, aquest test paramètric no l’hem de fer al conjunt de la base de dades, sinó només als
residents al municipi d’Alcalà. Per fer-ho la millor manera és crear prèviament un subfitxer a
partir del menú Data: Subset, i dient-li:
44
La sintaxi que això genera és la següent (després podrem modificar aquesta sintaxi per repetir
el procediment en altres municipis):
ALCALA<-subset(DadesCAM,municipio=="Alcala de Henares")
Un cop fet això, ja li fem el test paramètric, que ens dóna el següent resultat:
Paired t-test
data: ALCALA$P12PM and ALCALA$P12CNP_GC

t = -2.1045, df = 18, p-value = 0.04965
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
-1.209502944 -0.001023372
sample estimates:
mean of the differences
-0.6052632
Tot i que ens trobem en el límit, podem acceptar amb un 95% de confiança (p-valor<0,050)
que a Alcalá de Henares la valoració que es fa a la Policia Municipal és diferent de la que es fa
al conjunt dels altres cossos de seguretat. A més, podem assegurar que la valoració de la
Policia Municipal és inferior.
Alcorcón
Tal i com hem vist, ara no és estrictament necessari comprovar la normalitat (n>30), de
manera que farem directament el test paramètric. Si que ens cal, però, generar un subfitxer
només amb els residents a Alcorcón. L’alternativa de fer-ho directament per la consola seria:
ALCORCON<-subset(DadesCAM,municipio=="Alcorcon")
I fent el test paramètric corresponent obtindrem:
45
Paired t-test
data: ALCORCON$P12PM and ALCORCON$P12CNP_GC

t = -0.8014, df = 35, p-value = 0.4283
-0.5888802 0.2555468
sample estimates:
-0.1666667
De manera que no podem acceptar amb un 95% de confiança (p-valor=0,428) que a Alcorcón
la valoració que es fa a la Policia Municipal sigui diferent de la que es fa al conjunt dels altres
cossos de seguretat.
b) Fes el mateix per a tots els municipis que hi ha representats a l’enquesta.
Per fer-ho el millor és seleccionar-ne cadascun per separat i fer-los un a un. En aquest cas no
té massa sentit fer-ho pel conjunt de municipis menors de 100.000 habitants, en tant que el
cos de Policia Municipal és diferent en cadascun dels municipis englobats sota l’epígraf
<100.000 habitants.
Alcobendas
En tant que la mostra és petita (n=15) abans de fer el test hem de mirar la normalitat. En la
taula de sota comprovem que podem assumir que la variable diferència és normal (p-
valor=0,464); de manera que podrem fer el test paramètric.
Shapiro-Wilk normality test
W p-value
resta 0.9460368 0.464328
Directament des de la consola crem un fitxer amb només els casos d’Alcobendas:
ALCOBENDAS<-subset(DadesCAM,municipio=="Alcobendas")

Paired t-test
data: ALCOBENDAS$P12PM and ALCOBENDAS$P12CNP_GC

t = 0.0726, df = 14, p-value = 0.9431
-0.9510161 1.0176828
sample estimates:
0.03333333
De manera que no podem acceptar amb un 95% de confiança (p-valor=0,943) que a

Alcobendas la valoració que es fa a la Policia Municipal sigui diferent de la que es fa al conjunt
dels altres cossos de seguretat.
Fuenlabrada
Tampoc cal comprovar la normalitat (n>30), de manera que farem directament el test
paramètric. Si que ens cal, però, generar un subfitxer només amb els residents a Fuenlabrada.
Des de la consola li direm:
FUENLABRADA<-subset(DadesCAM,municipio=="Fuenlabrada")
46
Paired t-test
data: FUENLABRADA$P12PM and FUENLABRADA$P12CNP_GC

t = -2.6917, df = 37, p-value = 0.01061
-1.0839429 -0.1528992
sample estimates:
-0.6184211
De manera que podem acceptar amb un 95% de confiança (p-valor=0,011) que a Fuenlabrada
la valoració que es fa a la Policia Municipal és diferent de la que es fa al conjunt dels altres
cossos de seguretat. A més, podem assegurar que la valoració de la Policia Municipal és
inferior.
Getafe
Tampoc cal comprovar la normalitat (n>30), de manera que farem directament el test
paramètric. Des de la consola, creem, en primer lloc, el subfitxer només amb els residents a
Getafe:
GETAFE<-subset(DadesCAM,municipio=="Getafe")

Paired t-test
data: GETAFE$P12PM and GETAFE$P12CNP_GC

t = 0, df = 31, p-value = 1
-0.6898722 0.6898722
sample estimates:
0
No podem acceptar amb un 95% de confiança (p-valor=1,000) que a Getafe la valoració que es
fa a la Policia Municipal sigui diferent de la que es fa al conjunt dels altres cossos de seguretat.
Leganés
La mostra és de 55 casos, de manera que tampoc cal comprovar la normalitat. Des de la

consola, creem, en primer lloc, el subfitxer només amb els residents a Leganés:
LEGANES<-subset(DadesCAM,municipio=="Leganes")

Paired t-test
data: LEGANES$P12PM and LEGANES$P12CNP_GC

t = -2.9381, df = 54, p-value = 0.004848
-1.1164874 -0.2107853
sample estimates:
-0.6636364
Podem acceptar amb un 95% de confiança (p-valor=0,005) que a Leganés la valoració que es fa
a la Policia Municipal és diferent de la que es fa al conjunt dels altres cossos de seguretat. A
més, podem assegurar que la valoració de la policia municipal és inferior.
47
Madrid capital
La mostra és molt gran, de 730 casos, de manera que passem directament a fer el test
paramètric. Des de la consola, creem, en primer lloc, el subfitxer només amb els residents a la
ciutat de Madrid:
MADRID<-subset(DadesCAM,municipio=="Madrid capital")

Paired t-test
data: MADRID$P12PM and MADRID$P12CNP_GC

t = -12.4871, df = 729, p-value < 2.2e-16
-0.8195659 -0.5968724
sample estimates:
-0.7082192
Podem acceptar amb un 95% de confiança (p-valor<0,001) que els residents a la ciutat de
Madrid no valoren de la mateixa manera la Policia Municipal que els altres dos cossos de
seguretat. A més, podem assegurar que la valoració de la Policia Municipal és inferior.
Móstoles
Tampoc cal comprovar la normalitat (n=40). Des de la consola, creem, en primer lloc, el
subfitxer només amb els residents a Móstoles:
MOSTOLES<-subset(DadesCAM,municipio=="Mostoles")

Paired t-test
data: MOSTOLES$P12PM and MOSTOLES$P12CNP_GC

t = -1.833, df = 39, p-value = 0.07445
-0.6573466 0.0323466
sample estimates:
-0.3125
No podem acceptar amb un 95% de confiança (p-valor=0,074) que a Móstoles la valoració que
es fa a la Policia Municipal sigui diferent de la que es fa al conjunt dels altres cossos de
seguretat.
Torrejón de Ardoz
Tampoc cal comprovar la normalitat (n=31). Des de la consola, creem, en primer lloc, el
subfitxer només amb els residents a Torrejón de Ardoz:
TORREJON<-subset(DadesCAM,municipio=="Torrejon de Ardoz")
48
Paired t-test
data: TORREJON$P12PM and TORREJON$P12CNP_GC

t = -1.0727, df = 30, p-value = 0.292
-1.5456078 0.4810917
sample estimates:
-0.5322581
No podem acceptar amb un 95% de confiança (p-valor=0,292) que a Torrejón de Ardoz la

valoració que es fa a la Policia Municipal sigui diferent de la que es fa al conjunt dels altres
cossos de seguretat.
49

Pràctica 2 - Solucions

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Pràctica 2 - Solucions

Uploaded by

Copyright:

Available Formats

CRIMINOLOGIA.

ANÀLISI DE DADES CURS 2017-2018

Pràctica 2. Solucions als exercicis proposats1

a) Dos dels Ajuntaments de la Comunidad de Madrid, Alcalá de Henares i Alcorcón, estan

$`municipio: Alcala de Henares `

$`municipio: Madrid capital `

$`municipio: Torrejon de Ardoz `

data: ALCALA$P12PM and ALCALA$P12CNP_GC

I fent el test paramètric corresponent obtindrem:

data: ALCORCON$P12PM and ALCORCON$P12CNP_GC

b) Fes el mateix per a tots els municipis que hi ha representats a l’enquesta.

I fent el test paramètric corresponent obtindrem:

data: ALCOBENDAS$P12PM and ALCOBENDAS$P12CNP_GC

De manera que no podem acceptar amb un 95% de confiança (p-valor=0,943) que a

I fent el test paramètric corresponent obtindrem:

data: FUENLABRADA$P12PM and FUENLABRADA$P12CNP_GC

I fent el test paramètric corresponent obtindrem:

data: GETAFE$P12PM and GETAFE$P12CNP_GC

La mostra és de 55 casos, de manera que tampoc cal comprovar la normalitat. Des de la

I fent el test paramètric corresponent obtindrem:

data: LEGANES$P12PM and LEGANES$P12CNP_GC

I fent el test paramètric corresponent obtindrem:

data: MADRID$P12PM and MADRID$P12CNP_GC

I fent el test paramètric corresponent obtindrem:

data: MOSTOLES$P12PM and MOSTOLES$P12CNP_GC

I fent el test paramètric corresponent obtindrem:

data: TORREJON$P12PM and TORREJON$P12CNP_GC

No podem acceptar amb un 95% de confiança (p-valor=0,292) que a Torrejón de Ardoz la

You might also like