Statystyczna analiza danych – Demografia (R)

Analiza statystyczna liczby zgonów kobiet i mężczyzn w Polsce w latach 2010–2020 na podstawie danych GUS.
Projekt wykonany w języku R w ramach przedmiotu Statystyczna analiza danych.

W folderze docs/dokumentacja - demografia.pdf znajduje się pełna dokumentacja projektu wraz z zrzutami ekranu.

---

Struktura repozytorium

demographic-statistical-analysis/
├── README.md
├── LICENSE
├── docs/
│   └── dokumentacja - demografia.pdf
├── src/
│   └── analysis.R
└── data/
    └── tablice_trwania_zycia_w_latach_1990-2022.xlsx

---

Cel projektu

Celem analizy było:

• przygotowanie i oczyszczenie danych demograficznych,
• obliczenie podstawowych statystyk opisowych,
• wizualizacja zjawisk demograficznych,
• zbadanie zależności pomiędzy zmiennymi,
• przetestowanie wybranych hipotez statystycznych.

Dane pochodzą z „Tablic trwania życia 1990–2020” udostępnionych przez Główny Urząd Statystyczny (GUS).

---

Źródła danych

W analizie wykorzystano dane:

• z arkuszy Excel zawierających liczbę zgonów kobiet i mężczyzn,
• lata: 2010–2020,
• zakres wieku: 0–100 lat.

Plik źródłowy dostarczał m.in. kolumny:

• płeć (1 – mężczyzna, 2 – kobieta),
• wiek,
• liczba zmarłych w danym roku i grupie.

---

Przetwarzanie danych

W ramach analizy wykonano:

1. Wczytywanie danych

• import arkuszy xls przy użyciu read_excel,
• przekształcenie struktury do data.frame.

2. Czyszczenie danych

• usunięcie kolumn niedotyczących projektu,
• usunięcie wierszy z wartościami brakującymi,
• konwersja typów,
• standaryzacja nazw kolumn,
• zamiana kodów płci (1 → M, 2 → K).

3. Podział danych

• utworzenie osobnych tabel dla kobiet i mężczyzn dla każdego roku.

4. Łączenie zbiorów

• połączenie tabel z lat 2010–2020,
• obliczenie średniej liczby zgonów dla każdego wieku (0–100).

---

Analiza statystyczna

W projekcie obliczono:

• średnią,
• medianę,
• modę (własna funkcja),
• odchylenie standardowe,
• median absolute deviation (MAD),
• kwartyle,
• rozstęp międzykwartylowy (IQR),
• współczynnik zmienności (CV),
• współczynnik asymetrii.

Wyniki obliczono osobno dla kobiet i mężczyzn.

---

Wizualizacje danych

W projekcie wykonano m.in.:

Histogramy

• rozkład średniej liczby zgonów dla kobiet,
• rozkład średniej liczby zgonów dla mężczyzn.

Wykresy słupkowe (ggplot2)

• średnia liczba zgonów według wieku,
• słupki z linią trendu / średniej.

Wykresy kołowe (plotrix)

• udział procentowy liczby zgonów w latach 2010–2020.

Dystrybuanta empiryczna i gęstość

• wykresy gęstości (density),
• ECDF – empiryczna dystrybuanta skumulowana.

---

Testowanie hipotez statystycznych

Przeprowadzono dwa testy:

Hipoteza 1

Czy średnia liczba zgonów kobiet w latach 2010–2020 jest równa 1000?
➡ Wynik: brak podstaw do odrzucenia hipotezy zerowej.

Hipoteza 2

Czy średnia liczba zgonów mężczyzn jest większa niż 1000?
➡ Wynik: odrzucenie hipotezy zerowej (średnia > 1000).

---

Jak uruchomić

1. Zainstaluj R i RStudio
2. Zainstaluj pakiety: install.packages(c("readxl","ggplot2","plotrix","dplyr"))
3. Pobierz data/tablice_trwania_zycia.csv
4. Pobierz src/demographic-analysis.R
5. Otwórz plik demographic-analysis.R
6. Zainstaluj wymagane biblioteki
7. Wybierz ścieżkę danych (linijki od 3 do 13 w kodzie src/demographic-analysis.R
8. Skompiluj kod
9. Wyniki oraz wykresy zostaną wyświetlone w interfejsie R.