Desafío 1

Realice otros 10 ejemplos con diferentes operadores matemáticos.

v1 = 180
v2 = 50
sinrad = sin(v1)

Resta

resta = v1 - v2
#[1] 130

Módulo

modulo = v1 %% v2
#[1] 30

Potencia

potencia = v1 ^ v2
#[1] 5.802635e+112

Factorial

factorial = factorial(v2)
#[1] 3.041409e+64

Valor absoluto

valor_absoluto = abs(sinrad)
#[1] 0.8011526

Logaritmo natural

ln = log(v1)
#[1] 5.192957

Coseno Radianes

cosrad = cos(v1)
#[1] -0.5984601

Coseno Grados

tanrad = tan(v1)
#[1] 1.33869

Tangente radianes

tanrad = tan(v1)
#[1] 1.33869

Tangente grados

tangrad = tanpi(v1)
#[1] 0

Desafío 2

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

Matriz

matriz = matrix(c(12,33,2,64,5,19,12,58,9,10,11,7,2,23,32,15), nrow=4, ncol=4)
#  [,1] [,2] [,3] [,4]
#[1,]   12    5    9    2
#[2,]   33   19   10   23
#[3,]    2   12   11   32
#[4,]   64   58    7   15

matriz * matriz

#[,1] [,2] [,3] [,4]
#[1,]  144   25   81    4
#[2,] 1089  361  100  529
#[3,]    4  144  121 1024
#[4,] 4096 3364   49  225

Data Frame

mangas = c("Shingeki no Kyojin", "Vagabond", "Berserk", "Monster", "Hellstar Remina", "Act-Age", "One Piece")
autores = c("Hajime Isayama", "Takehiko Inoue", "Kentaro Miura", "Naoki Urasawa", "Junji Ito", "Tatsuya Matsuki", "Eiichiro Oda")
editoriales = c("Norma", "IVREA", "Panini", "Norma", "ECC", "IVREA", "IVREA")
num_tomos = c(34, 37, 42, 9, 1, 5, 105)
estatus = c("Finalizada", "Pausada", "Emision", "Finalizada", "Finalizada", "Cancelada", "Emison")
df = data.frame(mangas, autor = autores, editorial = editoriales, num_tomos, estatus)
#            mangas           autor editorial     num_tomos  estatus
#1 Shingeki no Kyojin  Hajime Isayama     Norma        34 Finalizada
#2           Vagabond  Takehiko Inoue     IVREA        37    Pausada
#3            Berserk   Kentaro Miura    Panini        42    Emision
#4            Monster   Naoki Urasawa     Norma         9 Finalizada
#5    Hellstar Remina       Junji Ito       ECC         1 Finalizada
#6            Act-Age Tatsuya Matsuki     IVREA         5  Cancelada
#7          One Piece    Eiichiro Oda     IVREA       105     Emison

Desafío 3

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

jugar_ppt = function() {
  opciones = c("piedra", "papel", "tijeras")
  jugador_1 = readline(prompt = "Elige piedra, papel o tijeras: ")
  while(!(jugador_1 %in% opciones)) {
    jugador_1 = readline(prompt = "Opción inválida. Elige piedra, papel o tijeras: ")
  }
  cat("Usted eligió", jugador_1, "\n")
  #Con la funcion el jugador_2 obtendra una muestra valor aleatorio. 
  jugador_2 = sample(opciones, 1)
  cat("Jugador 2", jugador_2, "\n")
  if(jugador_1 == jugador_2) {
    cat("Empate!\n")
  } else if(jugador_1 == "piedra" && jugador_2 == "tijeras" ||
            jugador_1 == "papel" && jugador_2 == "piedra" ||
            jugador_1 == "tijeras" && jugador_2 == "papel") {
    cat("¡Usted gana!\n")
  } else {
    cat("¡Jugador 2 gana!\n")
  }
}
#Elige piedra, papel o tijeras: piedra
#Usted eligió piedra 
#Jugador 2 piedra 
#Empate!
#Elige piedra, papel o tijeras: papel
#Usted eligió papel 
#Jugador 2 piedra 
#¡Usted gana!
#Elige piedra, papel o tijeras: tijeras
#Usted eligió tijeras 
#Jugador 2 piedra 
#¡Jugador 2 gana!

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.

data('women')
force(women)

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?

  • La data de un marco de datos que contiene 15 observaciones sobre 2 variables: altura y peso. Las observaciones corresponden a mujeres estadounidenses de entre 30 y 39 años. Los datos parecen haber sido tomados del American Society of Actuaries Build and Blood Pressure Study. Según The World Almanac and Book of Facts, las cifras representan los pesos con ropa y calzado normales de interior, y las alturas con calzado. El peso es en libras y la altura en pulgadas. Los datos proporcionados podrían ser útiles para realizar análisis adicionales, como la determinación de índices de masa corporal o la exploración de la relación entre altura y peso en esta población específica. Es importante tener en cuenta que la muestra es limitada a mujeres estadounidenses de 30 a 39 años.

3.

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

  • La altura dada en pulgadas y el peso dado en libras, son variables cuantitativas continuas, la altura se mide en pulgadas y el peso se mide en libras. Además, se pueden realizar operaciones matemáticas con estas variables, como sumar, restar, multiplicar y dividir.

4.

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

summary(women)
##      height         weight     
##  Min.   :58.0   Min.   :115.0  
##  1st Qu.:61.5   1st Qu.:124.5  
##  Median :65.0   Median :135.0  
##  Mean   :65.0   Mean   :136.7  
##  3rd Qu.:68.5   3rd Qu.:148.0  
##  Max.   :72.0   Max.   :164.0

Es un resumen del conjunto de datos women. Se observa el valor mínimo, el primer cuartil que representa el valor debajo del 25% de los datos, la mediana, que es el valor que divide que conjunto de datos en dos partes iguales, la media aritmética del conjunto de datos, el tercel cuartil que representa el valor por debajo del 75% de los datos, por último,el valor máximo del conjunto de datos.Dentro de las variables cuantitativas, la altura y el peso también se clasifican como variables continuas, ya que pueden tomar cualquier valor dentro de un rango específico.

5.

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

plot(women)

  • El gráfico muestra una tendencia lineal ascendente, lo cual indica que a medida que la edad de las mujeres aumenta dentro del rango de 30 a 39 años, también lo hace su peso en libras. Es importante tener en cuenta que estas observaciones se limitan a mujeres dentro de este rango de edad específico y que pueden haber otros factores que influyan en esta relación.