Desafío 1

Realice otros 10 ejemplos con diferentes operadores matemáticos.

a1 = 2
a2 = 8
  • Resta
Resta = a2 - a1
Resta
## [1] 6
  • Resto o Modulo
Resto = a2 %% a1
Resto
## [1] 0
  • Potencia
Potencia = a1^a2
Potencia
## [1] 256
  • Raiz cubica
Raiz_cubica = a1^(1/3)
Raiz_cubica
## [1] 1.259921
  • Coseno en radianes
cos_radianes = cos(a1)
cos_radianes
## [1] -0.4161468
  • Coseno en grados
cos_grados = cospi(a2/180)
cos_grados
## [1] 0.9902681
  • Tangente en radianes
Tan_radianes = tan(a1)
Tan_radianes
## [1] -2.18504
  • Tangente en grados
Tan_grados = tanpi(a2/180)
Tan_grados
## [1] 0.1405408
  • Logaritmo natural
Ln = log(a1)
Ln
## [1] 0.6931472
  • Logaritmo base 2
log_base_2 = log2(a2)
log_base_2
## [1] 3

Desafío 2

Realice ejemplos usando otros tipos de estructura de datos: elementos booleanos, factores, tablas, entre otros.

Factores

f = factor(c("Hola", "Adios", "Adios", "Hola", "Chao"))
f
## [1] Hola  Adios Adios Hola  Chao 
## Levels: Adios Chao Hola
class(f)
## [1] "factor"
levels(f)
## [1] "Adios" "Chao"  "Hola"

Booleanos

b = 1:10
b
##  [1]  1  2  3  4  5  6  7  8  9 10
b > 6
##  [1] FALSE FALSE FALSE FALSE FALSE FALSE  TRUE  TRUE  TRUE  TRUE

Cantidad de elementos que complen la condicion

sum(b > 6)
## [1] 4

Porcentaje de elementos que cumplen la condición

mean(b > 6)
## [1] 0.4

Tablas

Crear una tabla desde cero

Tabla = matrix(rep(c(2,2,3,4,5,1,2,4)), ncol=4, byrow=2)
colnames(Tabla) = c("A", "B", "C", "D")
rownames(Tabla) = c("F", "G")
Tabla = as.table(Tabla) 
Tabla
##   A B C D
## F 2 2 3 4
## G 5 1 2 4

Desafío 3

Construya una función que permita a un jugador jugar al piedra papel o tijeras.

Primero pedimos la eleccion del jugador

Eleccion = readline(prompt="Ingrese su eleccion: ")
## Ingrese su eleccion:
print(paste("Su eleccion fue", Eleccion))
## [1] "Su eleccion fue "

Pero como estamos trabajando con Markdown y no con la consola, entregamos un valor predeterminado

Eleccion = "piedra"
Juego = function(Eleccion){
  Opciones = list("piedra", "papel", "tijeras")
  if(Eleccion %in% Opciones){
     Rival = sample(Opciones, 1)
     a = toString(Rival)
     if(Eleccion == Rival){
       print(paste("La IA eligio", Rival, "y usted eligio", Eleccion, "por lo que han empatado."))
     }
     else if(Rival == "piedra" & Eleccion == "tijeras" | Rival == "tijeras" & Eleccion == "papel" | Rival == "papel" & Eleccion == "piedra"){
       print(paste("La IA eligio", Rival, "y usted eligio", Eleccion,"por lo que la IA a ganado."))
     }
     else{
       print(paste("La IA eligio", Rival, "y usted eligio", Eleccion,"por lo que usted a ganado."))
     }
  }
  else{
    print("Opcion no valida, intentelo denuevo.")
    return()
  }
}
Juego(Eleccion)
## [1] "La IA eligio tijeras y usted eligio piedra por lo que usted a ganado."

Desafío 4

1.- Seleccione un conjunto de datos desde el paquete ‘datasets’ de R. Para ver los datasets disponibles en la consola puede utilizar la función “data()” o puede consultarlos en la página web https://stat.ethz.ch/R-manual/R-devel/library/datasets/html/00Index.html. Una vez seleccionado puede utilizar la función data(‘nombre_del_dataset’) para cargar el dataset.

2.- Describa el conjunto de datos y explique para que fue o podría ser utilizado. Puede usar la función help(‘nombre_del_dataset’). ¿Cuál es la fuente de los datos?

3.- Describa cada variable, indique a qué tipo de variable corresponde, indique qué valores puede tomar y su unidad de medida.

4.- Ejecute la función summary(“conjunto_de_datos”). ¿Qué puede observar?

5.- Ejecute la función plot(“conjunto_de_datos”). ¿Qué puede observar?

1.-

data(Orange)

2.-

El dataset(“Orange”) describe un estudio para ver el crecimiento de una cierta cantidad de naranjos, estos siendo medidos cada cierto periodo de tiempo (esto medido en dias). deacuerdo a las referencias que deja el help(“Orange”) esto es para poder desarrollar un analisis de datos agrupos, como datos longuitudinales, medidas repetidas y datos multinivel y asi describir la teoría y la aplicacion de los modelos de efectos mixtos lineales y no lineales.

3.-

  • La primera variable corresponde al Árbol: Esta variable indica con que árbol se esta trabajando ya que estos estan enumerados. Esta corresponde a una variable cuantitativa Discreta ya que ve un cierto grupo de árboles de naranja

  • La segunda variable corresponde al año: Esta variable indica los dias que han pasado desde el 31/12/1968 para realizar la medicion correspondiente. Esta corresponde a una variable cuantitativa Discreta puesto que no se utilizan valores decimales para registrar los dias (tipo 118.5 para 118 dias y medio)

  • La tercera variable corresponde a la circunferencia: Esta variable corresponde a la medida de la cirfurencia de los árboles en un dia en concreto. Esta corresponde a una variable cuantitativa continua, ya que pese a que los valores se muestren sean valores enteros y no decimales, la circunferencia si puede ser un valor decimal

4.-

summary(Orange)
##  Tree       age         circumference  
##  3:7   Min.   : 118.0   Min.   : 30.0  
##  1:7   1st Qu.: 484.0   1st Qu.: 65.5  
##  5:7   Median :1004.0   Median :115.0  
##  2:7   Mean   : 922.1   Mean   :115.9  
##  4:7   3rd Qu.:1372.0   3rd Qu.:161.5  
##        Max.   :1582.0   Max.   :214.0

Se puede observar que al usar la función summary() en el dataset de Orange, se muestra muestra un resumen general sobre las variables del data frame, asociada a los minimos , maximos, media, mediana, primer quintil y tercer quintil de los datos entregados por la columna de año y circunferencia.

5.-

plot(Orange)

Al usar la función plot() en el dataset de Orange se puede observar un conjunto de gŕaficos de dispersión para cada variable, se puede notar gracias a estos gráficos la existencia de las variables continuas.