a2 = c(1,3,5,7,9)
b2 = c(2,4,6,7,11,12)
c2 = c(a2+1)
d2 = c(b2*2)
e2 = length(a2)
e2.1 = length(b2)
f2 = (a2+b2)
## Warning in a2 + b2: longitud de objeto mayor no es múltiplo de la longitud de
## uno menor
g2 = sum(a2>5)
g2.1 = sum(a2[a2>5])
h2 = sum(a2>5 | a2<3)
h2.1 = sum(a2>5)
h2.2 = sum(a2<5)
i2 = b2[2]
i2.1 = b2[-2]
j2 =b2[-2]
k2 = b2[a2]
l2 = "Los valores NA se usan para representar
valores no disponibles"
m2=b2[b2>=8]
millas=c(65241,65665, 65998, 66014, 66547, 66857, 67025, 67447, 66958, 67002)
kms=millas*1609
diffmillas = diff(millas)
diffkms = diff(kms)
pago=c(47,32,40,36,49,31,49,30,49,35,48,32)
sumapago = sum(pago)
promediopago = mean(pago)
maxpago = max(pago)
minpago = min(pago)
pago == 30
## [1] FALSE FALSE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE
pago == 49
## [1] FALSE FALSE FALSE FALSE TRUE FALSE TRUE FALSE TRUE FALSE FALSE FALSE
pago40=pago>40
f3 = pago40*5/100
datos=c(61,88,73,49,41,72,99,07,12,13,87,91,05,17,97)
names(datos)=c(1,2,3,4,5,6,7,8,9,10,11,12,13,14,15)
barplot(datos)
head(datos)
## 1 2 3 4 5 6
## 61 88 73 49 41 72
summaryd = summary(datos)
fivenumd = fivenum(datos)
rnorm = rnorm(100)
hist = hist(rnorm(100))
head(rnorm(100))
## [1] -0.5119477 2.8474307 -1.4951937 0.5722730 0.3031844 -0.2259925
summary(rnorm(100))
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## -1.6708 -0.3759 0.1050 0.1967 0.8697 2.9230
dis_binomial <- rbinom(n=30, size = 5, p=0.9)
barplot(dis_binomial,names.arg = "Valores", ylab = "Tamaño")
summary(dis_binomial)
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 3.0 4.0 5.0 4.5 5.0 5.0
fallos=c(0, 1, 0, NA, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 3, 0, 0, 0, 0, 0, 2, 0, 1)
barplot(fallos)
mean(fallos,na.rm = TRUE)
## [1] 0.4545455
estudiantes <- c(1,2,3,4,5,6,7,8,9,10)
P1 <- c(3,3,3,4,3,4,3,4,4,3)
P2 <- c(5,5,2,2,5,2,2,5,5,2)
P3 <- c(1,3,1,3,3,3,1,3,1,1)
tabla <- data.frame(Estudiante = estudiantes, pregunta1 = P1, pregunta2 = P2, pregunta3 = P3)
print(tabla)
## Estudiante pregunta1 pregunta2 pregunta3
## 1 1 3 5 1
## 2 2 3 5 3
## 3 3 3 2 1
## 4 4 4 2 3
## 5 5 3 5 3
## 6 6 4 2 3
## 7 7 3 2 1
## 8 8 4 5 3
## 9 9 4 5 1
## 10 10 3 2 1
Pregunta1 <- data.frame(pregunta1 = P1)
print(Pregunta1)
## pregunta1
## 1 3
## 2 3
## 3 3
## 4 4
## 5 3
## 6 4
## 7 3
## 8 4
## 9 4
## 10 3
Pregunta2 <- data.frame(pregunta2 = P2)
print(Pregunta2)
## pregunta2
## 1 5
## 2 5
## 3 2
## 4 2
## 5 5
## 6 2
## 7 2
## 8 5
## 9 5
## 10 2
Pregunta3 <- data.frame(pregunta3 = P3)
print(Pregunta3)
## pregunta3
## 1 1
## 2 3
## 3 1
## 4 3
## 5 3
## 6 3
## 7 1
## 8 3
## 9 1
## 10 1
tabla=c(P1,P2,P3)
matriz= matrix(tabla,3,10,byrow=TRUE)
ROW = rownames(matriz)=c("P1","P2","P3")
COL = colnames(matriz)=paste("estudiante",1:10)
matriz[2,]
## estudiante 1 estudiante 2 estudiante 3 estudiante 4 estudiante 5
## 5 5 2 2 5
## estudiante 6 estudiante 7 estudiante 8 estudiante 9 estudiante 10
## 2 2 5 5 2
matriz[3,]
## estudiante 1 estudiante 2 estudiante 3 estudiante 4 estudiante 5
## 1 3 1 3 3
## estudiante 6 estudiante 7 estudiante 8 estudiante 9 estudiante 10
## 3 1 3 1 1
datos2=c(P2,P3)
datos3=matrix(datos2,2,10,byrow=TRUE)
barplot(datos3,beside=F,xlab = "estudiantes")
barplot(matriz,beside = T,xlab = "estudiantes")
tabla_p1_p2 <- table(P1, P2)
tabla_p1_p3 <- table(P1, P3)
tabla_p2_p3 <- table(P2, P3)
tabla_p1_p2
## P2
## P1 2 5
## 3 3 3
## 4 2 2
tabla_p2_p3
## P3
## P2 1 3
## 2 3 2
## 5 2 3
tabla_p1_p3
## P3
## P1 1 3
## 3 4 2
## 4 1 3
barplot(matriz)
vector1<-rnorm (50)
vector2<-rnorm (50)
vector1.test<-shapiro.test(vector1)
vector2.test<-shapiro.test(vector2)
print(vector2.test)
##
## Shapiro-Wilk normality test
##
## data: vector2
## W = 0.98048, p-value = 0.5726
print(vector1.test)
##
## Shapiro-Wilk normality test
##
## data: vector1
## W = 0.98712, p-value = 0.8576
vector3 <- rnorm(50)
vector4 = rbinom(n=50,size=50,prob=0.1)
vector3.test<-shapiro.test(vector3)
vector4.test<-shapiro.test(vector4)
print(vector3.test)
##
## Shapiro-Wilk normality test
##
## data: vector3
## W = 0.96646, p-value = 0.1655
print(vector4.test)
##
## Shapiro-Wilk normality test
##
## data: vector4
## W = 0.97559, p-value = 0.3844