RStudio

Mediante este programa podemos realizar análisis estadístico, descriptivo e inferencial.

El archivo que vamos a generar sera mediante RMarkdown el cual es un procesador de texto que ofrece además la posibilidad de incluir trozos de código desde R. El principal beneficio de esta herramienta es que permite trabajar en un sólo documento tanto la redacción del contenido narrativo de reportes de investigación, como también la construcción y presentación formal de resultados de análisis estadísticos.

Crear lista
nombres <- c("Ana", "Juan")

Lista de numeros

numero <- c(1, 23, 5, 13, 9, 14)

Desviación estandar de la muestra

desviacionEstandar <- sd(numero)
desviacionEstandar
## [1] 7.704977

Varianza de la muestra

Varianza = var(numero)
Varianza
## [1] 59.36667

Varianza para poblacion

n <- length(numero)
n
## [1] 6
var_p <- sum((numero-mean(numero))^2) / n
var_p
## [1] 49.47222

Desviación estandar para la poblacion

sqrt(var_p)
## [1] 7.033649

Cuartiles

Podemos ver los c

summary(numero)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1.00    6.00   11.00   10.83   13.75   23.00
boxplot(x=numero,main="Boxplots Numero",col = rgb(0, 0.5, 1, alpha = 0.2))

Media

mean(numero)
## [1] 10.83333

Mediana

median(numero)
## [1] 11

Coeficiente de variación

CV <- sd(numero) / mean(numero) * 100
CV
## [1] 71.12286

Ordenar datos

Ordenar datos de manera creciente y decreciente

numero
## [1]  1 23  5 13  9 14
sort(numero)
## [1]  1  5  9 13 14 23
sort(numero, decreasing = TRUE)
## [1] 23 14 13  9  5  1

CARGAR BASE DE DATOS

library(readxl)
## Warning: package 'readxl' was built under R version 4.1.3
punto4 <- read_excel("C:/Users/Lenovo/Downloads/Punto4.xlsx")

Estadistica Descriptiva

DATOS CUALITATIVOS

A continuación, podemos obtener la tabla de frecuencias absolutas

table(punto4)
## punto4
##        CSI         ED        LyO Sin rastro 
##         18         13         10          9

Mediante el comando prop.table(table(nombre_de_variable)) podemos calcular la tabla de frecuencias porcentuales.

prop.table <- prop.table(table(punto4))
prop.table
## punto4
##        CSI         ED        LyO Sin rastro 
##       0.36       0.26       0.20       0.18

Gráfico de pastel

pie(prop.table , c("CSI","ED","LyO","Sin rastro"))

DATOS CUANTITATIVOS

punto14 <- c(8.9, 10.2, 11.5, 7.8, 10.0, 12.2, 13.5, 14.1, 10.0, 12.2, 6.8, 9.5, 11.5, 11.2, 14.9, 7.5, 10.0, 6.0, 15.8, 11.5)
min(punto14)
## [1] 6
max(punto14)
## [1] 15.8

Sturges es otro metodo para calcular las clases.

Libreria fdth

La distribución de frecuencias tambien se puede calcular en R con la función fdt() de la librería fdth que tiene que estar instalada en R.

library(fdth)
## Warning: package 'fdth' was built under R version 4.1.3
## 
## Attaching package: 'fdth'
## The following objects are masked from 'package:stats':
## 
##     sd, var
require(fdth)

Calculando la distribución de frecuencias se obtiene

dfc = fdt(punto14,breaks="Sturges")
dfc
##     Class limits f   rf rf(%) cf cf(%)
##    [5.94,7.6097) 3 0.15    15  3    15
##  [7.6097,9.2793) 2 0.10    10  5    25
##  [9.2793,10.949) 5 0.25    25 10    50
##  [10.949,12.619) 6 0.30    30 16    80
##  [12.619,14.288) 2 0.10    10 18    90
##  [14.288,15.958) 2 0.10    10 20   100
hist(punto14, breaks ="Sturges",
main = "Histograma",
xlab = "Clase", ylab = "Frecuencia",
col="darkolivegreen1",
right = FALSE, freq=T)

OTRO METODO PARA ELABORAR TABLAS DE FRECUENCIA

Tambien, se puede tomar otro metodo para realizar la tabla de distribucion de frecuencias. En breaks pones la cantidad de clases que quieres.

# Construye una tabla de distribución de frecuencias
myvariable = punto14
clases <- factor(cut(myvariable, right = FALSE, breaks = 5))


Freq <- table(clases)
dist.frec <- transform(Freq, Frec.Acumulada = cumsum(Freq),
Frec.Relativa = prop.table(Freq),
Frec.Rel.Acumulada = cumsum(prop.table(Freq)))
dist.frec
##        clases Freq Frec.Acumulada Frec.Relativa Frec.Rel.Acumulada
## 1 [5.99,7.96)    4              4          0.20               0.20
## 2 [7.96,9.92)    2              6          0.10               0.30
## 3 [9.92,11.9)    8             14          0.40               0.70
## 4 [11.9,13.8)    3             17          0.15               0.85
## 5 [13.8,15.8)    3             20          0.15               1.00

Graficar histograma

breaks = c(5.99, 7.96, 9.92, 11.9, 13.8, 15.8)
hist(punto14, breaks,
main = "Histograma",
xlab = "Clase", ylab = "Frecuencia",
col="#7AC5CD",
right = FALSE, freq=T)
## Warning in plot.histogram(r, freq = freq1, col = col, border = border, angle =
## angle, : the AREAS in the plot are wrong -- rather use 'freq = FALSE'

Graficando una ojiva

myvariable = punto14
limites =  breaks
Frec.Rel.Acumulada = dist.frec$Frec.Rel.Acumulada

plot(limites[-1], Frec.Rel.Acumulada, col="red", lwd=2, type="b",
ylab="Frecuencia Relativa Acumulada", main="Ojiva", xlab="Clases")

text(limites[-1], Frec.Rel.Acumulada,
round(Frec.Rel.Acumulada,2), pos=4, cex=0.7)

boxplot

boxplot(punto14,main="Boxplot punto14",col = rgb(0, 0.5, 1, alpha = 0.2))