Código
library(tidyverse)
library(kableExtra)
library(agricolae)
library(RColorBrewer)
library(ggplot2)
library(devtools)
library(usethis)
library(dplyr)Paqueteria / Libreria
Aquí encontraras la paquetería y librería necesaria para este HTML.
PAQUETERIA
A continuación encontraras la lista de los paquetes que debes instalar:
install.packages(tidyverse)
install.packages(kableExtra)
install.packages(agricolae)
install.packages(RColorBrewer)
install.packages(ggplot2)
install.packages(devtools)
install.packages(usethis)
install.packages(dplyr)
LIBRERIAS
(Wickham et al. 2019, 2022; Zhu 2021; Mendiburu 2023; Neuwirth 2022; Wickham 2016; Wickham, Bryan, et al. 2023; Wickham, François, et al. 2023)
Introducción
Bienvenidos a esta página HTML donde exploraremos dos conceptos fundamentales en estadística y análisis de datos: las variables y la distribución de frecuencias. Estos conceptos son esenciales para comprender y describir datos, lo que a su vez es crucial para tomar decisiones informadas en una amplia variedad de disciplinas y campos de estudio.
Variables
Una variable se define como una característica o atributo que puede tomar diferentes valores en un conjunto de datos. Estos valores pueden variar de un individuo, objeto o evento a otro. Las variables son fundamentales en el análisis de datos, ya que nos permiten medir, comparar y describir distintos aspectos de interés en una población1 o muestra2.
Tipos de variable
En estadística, las variables se clasifican en varios tipos según sus características y la forma en que se pueden medir.
Variables cualitativas
Estas variables representan categorías o clases y no tienen un valor numérico. Se dividen en dos subtipos:
VARIABLES CUALITATIVAS NOMINALES
Representan categorías sin un orden intrínseco o jerarquía. En otras palabras, las categorías no tienen un valor numérico que indique una relación de magnitud entre ellas. Ejemplos de variables nominales incluyen el género (masculino, femenino, otro), el estado civil (soltero, casado, divorciado, viudo), el color de los ojos (azul, verde, marrón), la preferencia de marca de automóviles (Toyota, Ford, Honda), etc.
VARIABLES CUALITATIVAS ORDINALES
Las variables ordinales representan categorías que tienen un orden natural o jerarquía, pero la distancia entre las categorías no es necesariamente uniforme o cuantificable. Ejemplos de variables ordinales incluyen la clasificación de satisfacción del cliente (muy insatisfecho, insatisfecho, neutral, satisfecho, muy satisfecho), la calificación de la calidad de un producto (mala, regular, buena, excelente), la posición en una competencia (primero, segundo, tercero), etc. A pesar de que las categorías tienen un orden, no podemos decir que la diferencia entre “muy insatisfecho” y “insatisfecho” es igual a la diferencia entre “satisfecho” y “muy satisfecho”.
Variables cuantitativas
También conocidas como variables numéricas, son uno de los tipos fundamentales de variables en estadística. Se caracterizan por representar valores numéricos medibles y cuantificables. Las variables cuantitativas se dividen en dos subtipos principales:
VARIABLES CUANTITATIVAS DISCRETAS
Estas variables toman valores numéricos específicos y contables.Los valores son distintos y no pueden tener valores intermedios entre ellos. Ejemplos de variables cuantitativas discretas incluyen:
Número de hijos en una familia.
Cantidad de productos vendidos en una tienda en un día.
Número de errores en un documento.
Puntajes enteros en un examen (por ejemplo, de 0 a 100).
VARIABLES CUANTITATIVAS CONTINUA
Estas variables representan valores numéricos en un rango continuo y pueden tener un número infinito de valores posibles dentro de ese rango. Los valores pueden tener decimales y cualquier valor intermedio. Ejemplos de variables continuas pueden ser:
Altura de personas.
Peso corporal.
Temperatura en grado celsius o fahrenheit.
Ingresos anuales.
Tiempo transcurrido.
Distribución de frecuencia
Se refiere a una técnica estadística utilizada para organizar y resumir datos numéricos en categorías o intervalos, mostrando cuántas veces ocurren los valores en cada categoría. Esta herramienta proporciona una representación visual y tabular que facilita la comprensión de la distribución de datos y sus características clave, como la tendencia central y la variabilidad. La distribución de frecuencias es fundamental en estadísticas descriptivas y proporciona información esencial para el análisis y la interpretación de datos.
Tipos de distribuciones de frecuencia
Existen cuatro conceptos clave que desempeñan un papel crucial en la comprensión de la distribución de datos: la frecuencia absoluta (fi), la frecuencia relativa (hi), la frecuencia absoluta acumulada (Fi) y la frecuencia relativa acumulada (Hi). Estos conceptos nos ayudan a entender cuántas veces aparece un valor o una categoría en un conjunto de datos, así como a expresar estas frecuencias en proporciones o porcentajes. Vamos a explorar en detalle cada uno de estos conceptos y cómo se aplican en la práctica.
Frecuencia absoluta (fi)
Representa cuántas veces aparece un valor específico o una categoría en un conjunto de datos.
Ejemplo
Por ejemplo, si tenemos un conjunto de datos que consiste en las edades de 10 personas:
25, 30, 25, 35, 40, 30, 35, 25, 30, 35.
La frecuencia absoluta de la edad 25 sería 3, porque el valor 25 aparece tres veces en el conjunto de datos. La frecuencia absoluta de la edad 30 también sería 3, ya que el valor 30 aparece tres veces, y así sucesivamente para cada valor en los datos. Estas frecuencias absolutas nos dicen cuántas veces aparece cada valor en el conjunto de datos y son útiles para resumir y visualizar la distribución de los datos.
Frecuencia relativa (hi)
Se utiliza para expresar la frecuencia de un valor o categoría como una proporción o porcentaje del total de datos. Para calcular la frecuencia relativa, divides la frecuencia absoluta (fi) de un valor por el tamaño total de la muestra (n).
Ejemplo
Siguiendo el mismo ejemplo de edades que mencionamos antes:
Conjunto de datos: 25, 30, 25, 35, 40, 30, 35, 25, 30, 35.
Para calcular la frecuencia relativa de la edad 25, primero determinamos que la frecuencia absoluta de 25 (f25) es 3. Luego, dividimos esta frecuencia absoluta por el tamaño total de la muestra, que es 10 (n):
Frecuencia relativa de 25 (hi25) = f25 / n = 3 / 10 = 0.3 o 30%
Frecuencia absoluta acumulada (Fi)
Se utiliza para representar la suma acumulativa de las frecuencias absolutas de valores o categorías en una distribución de frecuencia. Se calcula sumando las frecuencias absolutas de los valores en orden ascendente o descendente en una distribución.
Ejemplo
Conjunto de datos: 25, 30, 25, 35, 40, 30, 35, 25, 30, 35.
Primero, ordenamos las edades de menor a mayor:
25, 25, 25, 30, 30, 30, 35, 35, 35, 40.
Luego, calculamos la frecuencia absoluta acumulada para cada valor en este conjunto de datos:
Frecuencia absoluta acumulada de 25 (Fi25) = 3
Frecuencia absoluta acumulada de 30 (Fi30) = 6 (que es la suma de las frecuencias absolutas de 25 y 30)
Frecuencia absoluta acumulada de 35 (Fi35) = 9 (la suma de las frecuencias absolutas de 25, 30, y 35)
Frecuencia absoluta acumulada de 40 (Fi40) = 10 (la suma de todas las frecuencias absolutas en el conjunto de datos)
La frecuencia absoluta acumulada nos muestra cuántas veces se han observado los valores iguales o menores al valor actual en la distribución de datos. Es útil para analizar la distribución de datos y ver cómo se acumulan las observaciones a medida que avanzamos a través de los valores en orden.
Frecuencia relativa acumulada (Hi)
Se calcula de manera similar a la frecuencia absoluta acumulada, pero en lugar de sumar las frecuencias absolutas, sumamos las frecuencias relativas de los valores en una distribución de frecuencia.
Ejemplo
Conjunto de datos (ordenado de menor a mayor): 25, 25, 25, 30, 30, 30, 35, 35, 35, 40.
Ahora, calcularemos la frecuencia relativa (fr) y la frecuencia relativa acumulada (Hi) para cada valor en el conjunto de datos:
Para la edad 25:
Frecuencia absoluta (fi) = 3 (aparece 3 veces)
Frecuencia relativa (hi)= fi / n = 3 / 10 = 0.3 o 30%
Frecuencia relativa acumulada (Hi) = 0.3 (ya que no hay valores menores que 25 antes de él)
Para la edad 30:
Frecuencia absoluta (fi) = 3
Frecuencia relativa (hi) = fi / n = 3 / 10 = 0.3 o 30%
Frecuencia relativa acumulada (Hi) = 0.3 (ya que solo hay valores iguales a 25 antes de él)
Para la edad 35:
Frecuencia absoluta (fi) = 3
Frecuencia relativa (hi) = fi / n = 3 / 10 = 0.3 o 30%
Frecuencia relativa acumulada (Hi) = 0.3 + 0.3 = 0.6 (porque hay valores iguales a 25 y 30 antes de él)
Para la edad 40:
Frecuencia absoluta (fi) = 1
Frecuencia relativa (hi) = fi / n = 1 / 10 = 0.1 o 10%
Frecuencia relativa acumulada (Hi) = 0.6 + 0.1 = 0.7 (porque hay valores iguales a 25, 30 y 35 antes de él)
Entonces, los valores de la frecuencia relativa acumulada (Hi) para cada edad en este conjunto de datos son:
Hi para 25 = 0.3
Hi para 30 = 0.3
Hi para 35 = 0.6
Hi para 40 = 0.7
Estos valores nos indican la proporción acumulativa de valores iguales o menores a cada edad en la distribución de datos.
Base de datos
Para esta ocasión se trabajar una base de datos sobre una entrevista realizada a personas en un parque PetFriendly de socialización, se tendrá en cuenta el genero del dueño/a según sea el caso, la raza del perro, el tamaño del perro, la edad del mismo y el número de montas que le han realizado.
Leer base de datos
Código
base <- read.table("Encuesta2.csv", sep = ";", header = TRUE)Mostrar base de datos
Código
base GÉNERO.DUEÑO RAZA.PERRO TAMAÑO.PERRO EDAD.PERRO MONTAS.DEL.PERRO
1 Masculino Corso Muy grande 4 2
2 Femenino Husky Mediano 3 1
3 Femenino Dogo Grande 7 3
4 Femenino Corso Muy grande 6 2
5 Masculino Bulldog Pequeño 3 4
6 Femenino Pitbull Mediano 6 2
7 Femenino Bulldog Pequeño 3 2
8 Masculino Bulldog Pequeño 2 3
9 Femenino Corso Muy grande 2 3
10 Masculino Bulldog Pequeño 3 4
11 Femenino Bulldog Pequeño 6 0
12 Masculino Dogo Grande 3 2
13 Femenino Husky Mediano 3 0
14 Masculino Bulldog Pequeño 4 3
15 Femenino Corso Muy grande 3 0
16 Femenino Corso Muy grande 4 2
17 Masculino Dogo Grande 2 2
18 Femenino Husky Mediano 4 4
19 Femenino Husky Mediano 3 2
20 Femenino Husky Mediano 7 3
21 Femenino Dogo Grande 5 0
22 Masculino Dogo Grande 6 4
23 Femenino Husky Mediano 7 4
24 Femenino Pitbull Mediano 3 1
25 Masculino Corso Muy grande 5 4
26 Masculino Bulldog Pequeño 2 2
27 Masculino Dogo Grande 5 0
28 Femenino Husky Mediano 4 4
29 Femenino Bulldog Pequeño 7 2
30 Masculino Pitbull Mediano 2 4
31 Masculino Pitbull Mediano 7 0
32 Masculino Corso Muy grande 5 4
33 Femenino Pitbull Mediano 4 4
34 Masculino Dogo Grande 2 1
35 Femenino Pitbull Mediano 4 1
36 Masculino Bulldog Pequeño 3 2
37 Femenino Corso Muy grande 7 1
38 Masculino Pitbull Mediano 2 1
39 Femenino Pitbull Mediano 2 4
40 Femenino Bulldog Pequeño 4 0
41 Femenino Dogo Grande 5 3
42 Masculino Bulldog Pequeño 7 0
43 Masculino Dogo Grande 5 4
44 Femenino Pitbull Mediano 4 0
45 Femenino Bulldog Pequeño 7 2
46 Masculino Pitbull Mediano 6 2
47 Femenino Pitbull Mediano 6 0
48 Masculino Husky Mediano 6 0
49 Masculino Pitbull Mediano 7 1
50 Femenino Husky Mediano 4 0
51 Masculino Corso Muy grande 4 4
52 Femenino Bulldog Pequeño 4 4
53 Masculino Pitbull Mediano 6 2
54 Masculino Corso Muy grande 3 0
55 Masculino Dogo Grande 4 3
56 Masculino Bulldog Pequeño 5 3
57 Femenino Corso Muy grande 6 1
58 Femenino Dogo Grande 5 2
59 Masculino Husky Mediano 4 0
60 Masculino Dogo Grande 5 3
61 Masculino Pitbull Mediano 3 1
62 Femenino Corso Muy grande 5 2
63 Femenino Pitbull Mediano 4 4
64 Femenino Corso Muy grande 6 2
65 Femenino Husky Mediano 7 4
66 Femenino Dogo Grande 4 1
67 Masculino Bulldog Pequeño 3 3
68 Femenino Pitbull Mediano 3 0
69 Masculino Bulldog Pequeño 2 3
70 Masculino Husky Mediano 5 3
71 Femenino Bulldog Pequeño 3 4
72 Masculino Corso Muy grande 5 4
73 Masculino Dogo Grande 4 3
74 Femenino Bulldog Pequeño 7 1
75 Femenino Dogo Grande 4 2
76 Masculino Pitbull Mediano 3 2
77 Femenino Bulldog Pequeño 6 0
78 Masculino Husky Mediano 6 0
79 Femenino Dogo Grande 5 4
80 Masculino Corso Muy grande 6 1
81 Femenino Pitbull Mediano 2 4
82 Femenino Pitbull Mediano 6 2
83 Masculino Pitbull Mediano 3 0
84 Femenino Dogo Grande 7 4
85 Femenino Pitbull Mediano 2 1
86 Femenino Dogo Grande 2 1
87 Femenino Pitbull Mediano 6 0
88 Masculino Husky Mediano 4 2
89 Masculino Bulldog Pequeño 4 1
90 Femenino Husky Mediano 2 3
91 Femenino Corso Muy grande 2 1
92 Femenino Bulldog Pequeño 3 4
93 Masculino Pitbull Mediano 2 3
94 Femenino Bulldog Pequeño 6 0
95 Masculino Bulldog Pequeño 5 1
96 Femenino Dogo Grande 5 1
97 Femenino Dogo Grande 3 2
98 Femenino Corso Muy grande 4 1
99 Femenino Bulldog Pequeño 6 4
100 Femenino Pitbull Mediano 6 2
101 Masculino Bulldog Pequeño 4 3
102 Femenino Corso Muy grande 7 3
103 Masculino Bulldog Pequeño 6 4
104 Femenino Bulldog Pequeño 2 0
105 Masculino Dogo Grande 5 3
106 Femenino Husky Mediano 6 0
107 Masculino Bulldog Pequeño 2 3
108 Femenino Corso Muy grande 4 2
109 Femenino Corso Muy grande 4 2
110 Masculino Dogo Grande 3 3
111 Femenino Dogo Grande 7 4
112 Masculino Corso Muy grande 6 1
113 Femenino Pitbull Mediano 6 4
114 Femenino Pitbull Mediano 4 2
115 Femenino Pitbull Mediano 6 0
116 Femenino Dogo Grande 3 2
117 Femenino Pitbull Mediano 4 3
118 Femenino Dogo Grande 4 1
119 Femenino Pitbull Mediano 7 0
120 Masculino Husky Mediano 2 2
121 Masculino Bulldog Pequeño 5 1
122 Femenino Husky Mediano 4 3
123 Masculino Corso Muy grande 2 2
124 Femenino Bulldog Pequeño 3 4
125 Femenino Pitbull Mediano 2 3
126 Femenino Bulldog Pequeño 4 0
127 Masculino Bulldog Pequeño 7 1
128 Femenino Dogo Grande 5 1
129 Masculino Husky Mediano 4 2
130 Femenino Bulldog Pequeño 7 4
131 Masculino Corso Muy grande 3 0
132 Masculino Dogo Grande 4 3
133 Femenino Bulldog Pequeño 4 1
134 Femenino Husky Mediano 3 3
135 Femenino Corso Muy grande 5 1
136 Femenino Bulldog Pequeño 2 4
137 Masculino Pitbull Mediano 5 0
138 Masculino Bulldog Pequeño 7 1
139 Femenino Dogo Grande 5 1
140 Masculino Husky Mediano 7 3
141 Femenino Bulldog Pequeño 5 1
142 Masculino Corso Muy grande 4 4
143 Masculino Dogo Grande 6 3
144 Femenino Bulldog Pequeño 2 1
145 Femenino Husky Mediano 6 3
146 Femenino Corso Muy grande 6 1
147 Femenino Dogo Grande 4 4
148 Masculino Corso Muy grande 2 1
149 Femenino Pitbull Mediano 3 0
150 Femenino Corso Muy grande 3 1Base de datos con formato
Abrir
Código
library(kableExtra)
kable(base, format = "markdown", digits = 1)| GÉNERO.DUEÑO | RAZA.PERRO | TAMAÑO.PERRO | EDAD.PERRO | MONTAS.DEL.PERRO |
|---|---|---|---|---|
| Masculino | Corso | Muy grande | 4 | 2 |
| Femenino | Husky | Mediano | 3 | 1 |
| Femenino | Dogo | Grande | 7 | 3 |
| Femenino | Corso | Muy grande | 6 | 2 |
| Masculino | Bulldog | Pequeño | 3 | 4 |
| Femenino | Pitbull | Mediano | 6 | 2 |
| Femenino | Bulldog | Pequeño | 3 | 2 |
| Masculino | Bulldog | Pequeño | 2 | 3 |
| Femenino | Corso | Muy grande | 2 | 3 |
| Masculino | Bulldog | Pequeño | 3 | 4 |
| Femenino | Bulldog | Pequeño | 6 | 0 |
| Masculino | Dogo | Grande | 3 | 2 |
| Femenino | Husky | Mediano | 3 | 0 |
| Masculino | Bulldog | Pequeño | 4 | 3 |
| Femenino | Corso | Muy grande | 3 | 0 |
| Femenino | Corso | Muy grande | 4 | 2 |
| Masculino | Dogo | Grande | 2 | 2 |
| Femenino | Husky | Mediano | 4 | 4 |
| Femenino | Husky | Mediano | 3 | 2 |
| Femenino | Husky | Mediano | 7 | 3 |
| Femenino | Dogo | Grande | 5 | 0 |
| Masculino | Dogo | Grande | 6 | 4 |
| Femenino | Husky | Mediano | 7 | 4 |
| Femenino | Pitbull | Mediano | 3 | 1 |
| Masculino | Corso | Muy grande | 5 | 4 |
| Masculino | Bulldog | Pequeño | 2 | 2 |
| Masculino | Dogo | Grande | 5 | 0 |
| Femenino | Husky | Mediano | 4 | 4 |
| Femenino | Bulldog | Pequeño | 7 | 2 |
| Masculino | Pitbull | Mediano | 2 | 4 |
| Masculino | Pitbull | Mediano | 7 | 0 |
| Masculino | Corso | Muy grande | 5 | 4 |
| Femenino | Pitbull | Mediano | 4 | 4 |
| Masculino | Dogo | Grande | 2 | 1 |
| Femenino | Pitbull | Mediano | 4 | 1 |
| Masculino | Bulldog | Pequeño | 3 | 2 |
| Femenino | Corso | Muy grande | 7 | 1 |
| Masculino | Pitbull | Mediano | 2 | 1 |
| Femenino | Pitbull | Mediano | 2 | 4 |
| Femenino | Bulldog | Pequeño | 4 | 0 |
| Femenino | Dogo | Grande | 5 | 3 |
| Masculino | Bulldog | Pequeño | 7 | 0 |
| Masculino | Dogo | Grande | 5 | 4 |
| Femenino | Pitbull | Mediano | 4 | 0 |
| Femenino | Bulldog | Pequeño | 7 | 2 |
| Masculino | Pitbull | Mediano | 6 | 2 |
| Femenino | Pitbull | Mediano | 6 | 0 |
| Masculino | Husky | Mediano | 6 | 0 |
| Masculino | Pitbull | Mediano | 7 | 1 |
| Femenino | Husky | Mediano | 4 | 0 |
| Masculino | Corso | Muy grande | 4 | 4 |
| Femenino | Bulldog | Pequeño | 4 | 4 |
| Masculino | Pitbull | Mediano | 6 | 2 |
| Masculino | Corso | Muy grande | 3 | 0 |
| Masculino | Dogo | Grande | 4 | 3 |
| Masculino | Bulldog | Pequeño | 5 | 3 |
| Femenino | Corso | Muy grande | 6 | 1 |
| Femenino | Dogo | Grande | 5 | 2 |
| Masculino | Husky | Mediano | 4 | 0 |
| Masculino | Dogo | Grande | 5 | 3 |
| Masculino | Pitbull | Mediano | 3 | 1 |
| Femenino | Corso | Muy grande | 5 | 2 |
| Femenino | Pitbull | Mediano | 4 | 4 |
| Femenino | Corso | Muy grande | 6 | 2 |
| Femenino | Husky | Mediano | 7 | 4 |
| Femenino | Dogo | Grande | 4 | 1 |
| Masculino | Bulldog | Pequeño | 3 | 3 |
| Femenino | Pitbull | Mediano | 3 | 0 |
| Masculino | Bulldog | Pequeño | 2 | 3 |
| Masculino | Husky | Mediano | 5 | 3 |
| Femenino | Bulldog | Pequeño | 3 | 4 |
| Masculino | Corso | Muy grande | 5 | 4 |
| Masculino | Dogo | Grande | 4 | 3 |
| Femenino | Bulldog | Pequeño | 7 | 1 |
| Femenino | Dogo | Grande | 4 | 2 |
| Masculino | Pitbull | Mediano | 3 | 2 |
| Femenino | Bulldog | Pequeño | 6 | 0 |
| Masculino | Husky | Mediano | 6 | 0 |
| Femenino | Dogo | Grande | 5 | 4 |
| Masculino | Corso | Muy grande | 6 | 1 |
| Femenino | Pitbull | Mediano | 2 | 4 |
| Femenino | Pitbull | Mediano | 6 | 2 |
| Masculino | Pitbull | Mediano | 3 | 0 |
| Femenino | Dogo | Grande | 7 | 4 |
| Femenino | Pitbull | Mediano | 2 | 1 |
| Femenino | Dogo | Grande | 2 | 1 |
| Femenino | Pitbull | Mediano | 6 | 0 |
| Masculino | Husky | Mediano | 4 | 2 |
| Masculino | Bulldog | Pequeño | 4 | 1 |
| Femenino | Husky | Mediano | 2 | 3 |
| Femenino | Corso | Muy grande | 2 | 1 |
| Femenino | Bulldog | Pequeño | 3 | 4 |
| Masculino | Pitbull | Mediano | 2 | 3 |
| Femenino | Bulldog | Pequeño | 6 | 0 |
| Masculino | Bulldog | Pequeño | 5 | 1 |
| Femenino | Dogo | Grande | 5 | 1 |
| Femenino | Dogo | Grande | 3 | 2 |
| Femenino | Corso | Muy grande | 4 | 1 |
| Femenino | Bulldog | Pequeño | 6 | 4 |
| Femenino | Pitbull | Mediano | 6 | 2 |
| Masculino | Bulldog | Pequeño | 4 | 3 |
| Femenino | Corso | Muy grande | 7 | 3 |
| Masculino | Bulldog | Pequeño | 6 | 4 |
| Femenino | Bulldog | Pequeño | 2 | 0 |
| Masculino | Dogo | Grande | 5 | 3 |
| Femenino | Husky | Mediano | 6 | 0 |
| Masculino | Bulldog | Pequeño | 2 | 3 |
| Femenino | Corso | Muy grande | 4 | 2 |
| Femenino | Corso | Muy grande | 4 | 2 |
| Masculino | Dogo | Grande | 3 | 3 |
| Femenino | Dogo | Grande | 7 | 4 |
| Masculino | Corso | Muy grande | 6 | 1 |
| Femenino | Pitbull | Mediano | 6 | 4 |
| Femenino | Pitbull | Mediano | 4 | 2 |
| Femenino | Pitbull | Mediano | 6 | 0 |
| Femenino | Dogo | Grande | 3 | 2 |
| Femenino | Pitbull | Mediano | 4 | 3 |
| Femenino | Dogo | Grande | 4 | 1 |
| Femenino | Pitbull | Mediano | 7 | 0 |
| Masculino | Husky | Mediano | 2 | 2 |
| Masculino | Bulldog | Pequeño | 5 | 1 |
| Femenino | Husky | Mediano | 4 | 3 |
| Masculino | Corso | Muy grande | 2 | 2 |
| Femenino | Bulldog | Pequeño | 3 | 4 |
| Femenino | Pitbull | Mediano | 2 | 3 |
| Femenino | Bulldog | Pequeño | 4 | 0 |
| Masculino | Bulldog | Pequeño | 7 | 1 |
| Femenino | Dogo | Grande | 5 | 1 |
| Masculino | Husky | Mediano | 4 | 2 |
| Femenino | Bulldog | Pequeño | 7 | 4 |
| Masculino | Corso | Muy grande | 3 | 0 |
| Masculino | Dogo | Grande | 4 | 3 |
| Femenino | Bulldog | Pequeño | 4 | 1 |
| Femenino | Husky | Mediano | 3 | 3 |
| Femenino | Corso | Muy grande | 5 | 1 |
| Femenino | Bulldog | Pequeño | 2 | 4 |
| Masculino | Pitbull | Mediano | 5 | 0 |
| Masculino | Bulldog | Pequeño | 7 | 1 |
| Femenino | Dogo | Grande | 5 | 1 |
| Masculino | Husky | Mediano | 7 | 3 |
| Femenino | Bulldog | Pequeño | 5 | 1 |
| Masculino | Corso | Muy grande | 4 | 4 |
| Masculino | Dogo | Grande | 6 | 3 |
| Femenino | Bulldog | Pequeño | 2 | 1 |
| Femenino | Husky | Mediano | 6 | 3 |
| Femenino | Corso | Muy grande | 6 | 1 |
| Femenino | Dogo | Grande | 4 | 4 |
| Masculino | Corso | Muy grande | 2 | 1 |
| Femenino | Pitbull | Mediano | 3 | 0 |
| Femenino | Corso | Muy grande | 3 | 1 |
Características de la base de datos
Mostrar los primeros individuos
Código
head(base) GÉNERO.DUEÑO RAZA.PERRO TAMAÑO.PERRO EDAD.PERRO MONTAS.DEL.PERRO
1 Masculino Corso Muy grande 4 2
2 Femenino Husky Mediano 3 1
3 Femenino Dogo Grande 7 3
4 Femenino Corso Muy grande 6 2
5 Masculino Bulldog Pequeño 3 4
6 Femenino Pitbull Mediano 6 2Variables e individuos
Longitud
Código
length(base)[1] 5Tipo de variable y conversión a factor
Código
str(base)'data.frame': 150 obs. of 5 variables:
$ GÉNERO.DUEÑO : chr "Masculino" "Femenino" "Femenino" "Femenino" ...
$ RAZA.PERRO : chr "Corso" "Husky" "Dogo" "Corso" ...
$ TAMAÑO.PERRO : chr "Muy grande" "Mediano" "Grande" "Muy grande" ...
$ EDAD.PERRO : int 4 3 7 6 3 6 3 2 2 3 ...
$ MONTAS.DEL.PERRO: int 2 1 3 2 4 2 2 3 3 4 ...Código
Tamaño_recodificado <- factor(base$TAMAÑO.PERRO)
str(Tamaño_recodificado) Factor w/ 4 levels "Grande","Mediano",..: 3 2 1 3 4 2 4 4 3 4 ...Código
Tamaño_recodificado <- factor(base$TAMAÑO.PERRO,
levels = c("Pequeño", "Mediano", "Grande",
"Muy grande"))
str(Tamaño_recodificado) Factor w/ 4 levels "Pequeño","Mediano",..: 4 2 3 4 1 2 1 1 4 1 ...Variable nominal (Género entrevistado)
Tabla de frecuencias
Código
FrecAbs1 <- table(base$GÉNERO.DUEÑO)
FrecAbs1
Femenino Masculino
88 62 Código
FrecRel1 <- round(prop.table(FrecAbs1), 1)
FrecRel1
Femenino Masculino
0.6 0.4 Código
FrecRelP1 <- FrecRel1*100
FrecRelP1
Femenino Masculino
60 40 Concatenar tabla
Código
tabla_genero <- cbind(FrecAbs1, FrecRel1, FrecRelP1)
tabla_genero FrecAbs1 FrecRel1 FrecRelP1
Femenino 88 0.6 60
Masculino 62 0.4 40Cambiar nombre de columnas
Código
colnames(tabla_genero) <- c("fi", "hi", "hi%")
tabla_genero fi hi hi%
Femenino 88 0.6 60
Masculino 62 0.4 40Tabla con formato
Código
library(kableExtra)
kable(tabla_genero, format = "markdown", digits = 1)| fi | hi | hi% | |
|---|---|---|---|
| Femenino | 88 | 0.6 | 60 |
| Masculino | 62 | 0.4 | 40 |
Código
FrecAbs1 = table(base$GÉNERO.DUEÑO)
FrecAbsA1 = cumsum(FrecAbs1)
FrecRel1 = round(prop.table(FrecAbs1), 1)
FrecReP1 = FrecRel1*100
FrecRelAP1 = cumsum(FrecReP1)
Tablagenero = cbind(FrecAbs1,FrecAbsA1,FrecRel1,FrecReP1,FrecRelAP1)
colnames(Tablagenero) = c("fi","Fi","hi","hi%","Hi%")
Form.Basic <- c("striped", "bordered", "hover", "condensed", "responsive")
cbind.data.frame(Tablagenero) %>%
kable(align = "c") %>%
kable_styling(bootstrap_options = Form.Basic)| fi | Fi | hi | hi% | Hi% | |
|---|---|---|---|---|---|
| Femenino | 88 | 88 | 0.6 | 60 | 60 |
| Masculino | 62 | 150 | 0.4 | 40 | 100 |
Código
Tablagenero <- table(base$GÉNERO.DUEÑO)
barp1 <- barplot(Tablagenero, main = "Diagrama de barras género dueño/a frecuencia absoluta", xlab = "Género del dueño/a",ylab = "Frecuencia", ylim = c(0,100),
col = c("pink", "skyblue"))
text(barp1, Tablagenero + 3.5 , labels = Tablagenero)
Código
barp1 <- barplot(FrecRelP1, main = "Diagrama de barras género dueño/a frecuencia relativa(%)", xlab = "Género del dueño/a", ylab = "Porcentaje", ylim = c(0,80), col = c("skyblue", "pink"))
text(barp1, FrecRelP1 + 3, labels = FrecRelP1)
Ver opción #1
Código
library(ggplot2)
circulargenero <- data.frame(
Género = c("Femenino", "Masculino"),
porcentaje = c(60, 40)
)
circulargenero$label <- paste(circulargenero$Género, "\n", circulargenero$porcentaje, "%", sep = "")
circgenero <- ggplot(circulargenero, aes(x = 1, y = porcentaje, fill = Género)) +
geom_bar(stat = "identity", width = 1, color = "black") +
coord_polar(theta = "y") +
theme_void() +
scale_fill_manual(values = c("pink", "skyblue")) +
xlab("") +
geom_text(aes(label = label), position = position_stack(vjust = 0.5))
print(circgenero)
Ver opción #2
Código
color <- brewer.pal(length(tabla_genero), "Set2")
genero <- pie(FrecAbs1, labels = FrecAbs1, col = c("skyblue", "pink"))
Ver opción #3
Código
etiquetas <- paste0(FrecRel1*100, "%")
genero1 <- pie(FrecRel1, labels = etiquetas, col = c("skyblue", "pink"))
Variable cualitativa nominal (Raza del perro)
Tabla de frecuencias
Código
FrecAbs2 <- table(base$RAZA.PERRO)
FrecAbs2
Bulldog Corso Dogo Husky Pitbull
38 28 30 22 32 Código
FrecRel2 <- round(prop.table(FrecAbs2), 1)
FrecRel2
Bulldog Corso Dogo Husky Pitbull
0.3 0.2 0.2 0.1 0.2 Código
FrecRelP2 <- FrecRel2*100
FrecRelP2
Bulldog Corso Dogo Husky Pitbull
30 20 20 10 20 Concatenar tabla
Código
tabla_raza <- cbind(FrecAbs2, FrecRel2, FrecRelP2)
tabla_raza FrecAbs2 FrecRel2 FrecRelP2
Bulldog 38 0.3 30
Corso 28 0.2 20
Dogo 30 0.2 20
Husky 22 0.1 10
Pitbull 32 0.2 20Cambiar nombre de columnas
Código
colnames(tabla_raza) <- c("fi", "hi", "hi%")
tabla_raza fi hi hi%
Bulldog 38 0.3 30
Corso 28 0.2 20
Dogo 30 0.2 20
Husky 22 0.1 10
Pitbull 32 0.2 20Tabla con formato
Código
library(kableExtra)
kable(tabla_raza, format = "markdown", digits = 1)| fi | hi | hi% | |
|---|---|---|---|
| Bulldog | 38 | 0.3 | 30 |
| Corso | 28 | 0.2 | 20 |
| Dogo | 30 | 0.2 | 20 |
| Husky | 22 | 0.1 | 10 |
| Pitbull | 32 | 0.2 | 20 |
Código
FrecAbs2 = table(base$RAZA.PERRO)
FrecAbsA2 = cumsum(FrecAbs2)
FrecRel2 = round(prop.table(FrecAbs2), 2)
FrecReP2 = FrecRel2*100
FrecRelAP2 = cumsum(FrecReP2)
Tablaraza = cbind(FrecAbs2,FrecAbsA2,FrecRel2,FrecReP2,FrecRelAP2)
colnames(Tablaraza) = c("fi","Fi","hi","hi%","Hi%")
Form.Basic <- c("striped", "bordered", "hover", "condensed", "responsive")
cbind.data.frame(Tablaraza) %>%
kable(align = "c") %>%
kable_styling(bootstrap_options = Form.Basic)| fi | Fi | hi | hi% | Hi% | |
|---|---|---|---|---|---|
| Bulldog | 38 | 38 | 0.25 | 25 | 25 |
| Corso | 28 | 66 | 0.19 | 19 | 44 |
| Dogo | 30 | 96 | 0.20 | 20 | 64 |
| Husky | 22 | 118 | 0.15 | 15 | 79 |
| Pitbull | 32 | 150 | 0.21 | 21 | 100 |
Código
tablaraza <- table(base$RAZA.PERRO)
barp2 <- barplot(tablaraza, main = "Diagrama de barras raza de perro frecuencia absoluta", xlab = "Raza del perro", ylab = "Frecuencia", ylim = c(0, max(tablaraza) + 5), col = c("white", "black", "blue", "purple", "green"))
text(barp2, tablaraza + 2, labels = tablaraza, pos = 3)
Código
barp2 <- barplot(FrecRelP2, main = "Diagrama de barras raza del perro frecuencia relativa(%)", xlab = "Raza del perro", ylab = "Porcentaje", ylim = c(0,40), col = c("white","black","blue","purple","green"))
text(barp2, FrecRelP2 + 2, labels = FrecRelP2)
Ver opción #1
Código
circularraza <- data.frame(
Raza = c("Bulldog", "Corso", "Dogo", "Husky", "Pitbull"),
porcentaje = c(30, 20, 20, 10, 20)
)
circularraza$label <- paste(circularraza$Raza, "\n", circularraza$porcentaje, "%", sep = "")
circraza <- ggplot(circularraza, aes(x = 1, y = porcentaje, fill = Raza)) +
geom_bar(stat = "identity", width = 1, color = "black") +
coord_polar(theta = "y") +
theme_void() +
scale_fill_manual(values = c("white", "black", "blue", "purple", "green")) +
xlab("") +
geom_text(aes(label = label, color = Raza), position = position_stack(vjust = 0.5)) +
theme(legend.position = "none")
circraza <- circraza + theme(text = element_text(color = ifelse(circularraza$Raza == "Corso", "white", "black")))
print(circraza)
Ver opción #2
Código
color1 <- brewer.pal(length(tabla_raza), "Set2")
raza <- pie(FrecAbs2, labels = FrecAbs2, col = c("white", "black", "blue", "purple", "green"))
Ver opción #3
Código
razas <- paste0(FrecRel2*100, "%")
raza1 <- pie(FrecRel2, labels = razas, col = c("white", "black", "blue", "purple", "green"))
Variable cualitativa ordinal (Tamaño del perro)
Tabla de frecuencias
Código
FrecAbs3 <- table(Tamaño_recodificado)
FrecAbs3Tamaño_recodificado
Pequeño Mediano Grande Muy grande
38 54 30 28 Código
FrecRel3 <- round(prop.table(FrecAbs3), 3)
FrecRel3Tamaño_recodificado
Pequeño Mediano Grande Muy grande
0.253 0.360 0.200 0.187 Código
FrecRelP3 <- FrecRel3*100
FrecRelP3Tamaño_recodificado
Pequeño Mediano Grande Muy grande
25.3 36.0 20.0 18.7 Concatenar tabla
Código
tabla_tamaño <- cbind(FrecAbs3, FrecRel3, FrecRelP3)
tabla_tamaño FrecAbs3 FrecRel3 FrecRelP3
Pequeño 38 0.253 25.3
Mediano 54 0.360 36.0
Grande 30 0.200 20.0
Muy grande 28 0.187 18.7Cambiar nombre de columnas
Código
colnames(tabla_tamaño) <- c("fi", "hi", "hi%")
tabla_tamaño fi hi hi%
Pequeño 38 0.253 25.3
Mediano 54 0.360 36.0
Grande 30 0.200 20.0
Muy grande 28 0.187 18.7Tabla con formato
Código
library(kableExtra)
kable(tabla_tamaño, format = "markdown", digits = 1)| fi | hi | hi% | |
|---|---|---|---|
| Pequeño | 38 | 0.3 | 25.3 |
| Mediano | 54 | 0.4 | 36.0 |
| Grande | 30 | 0.2 | 20.0 |
| Muy grande | 28 | 0.2 | 18.7 |
Código
FrecAbs3 = table(Tamaño_recodificado)
FrecAbsA3 = cumsum(FrecAbs3)
FrecRel3 = round(prop.table(FrecAbs3), 3)
FrecReP3 = FrecRel3*100
FrecRelAP3 = cumsum(FrecReP3)
Tablatamaño = cbind(FrecAbs3,FrecAbsA3,FrecRel3,FrecReP3,FrecRelAP3)
colnames(Tablatamaño) = c("fi","Fi","hi","hi%","Hi%")
Form.Basic <- c("striped", "bordered", "hover", "condensed", "responsive")
cbind.data.frame(Tablatamaño) %>%
kable(align = "c") %>%
kable_styling(bootstrap_options = Form.Basic)| fi | Fi | hi | hi% | Hi% | |
|---|---|---|---|---|---|
| Pequeño | 38 | 38 | 0.253 | 25.3 | 25.3 |
| Mediano | 54 | 92 | 0.360 | 36.0 | 61.3 |
| Grande | 30 | 122 | 0.200 | 20.0 | 81.3 |
| Muy grande | 28 | 150 | 0.187 | 18.7 | 100.0 |
Código
tablatamaño <- table(Tamaño_recodificado)
barp3 <- barplot(tablatamaño, main = "Diagrama de barras tamaño del perro frecuencia absoluta", xlab = "Tamaño del perro", ylab = "Frecuencia", ylim = c(0, 60), col = c("black", "gray", "white", "gold"))
text(barp3, tablatamaño + 1, labels = tablatamaño, pos = 3)
Código
barp3 <- barplot(FrecRelP3, main = "Diagrama de barras tamaño del perro frecuencia relativa(%)", xlab = "Tamaño del perro", ylab = "Porcentaje", ylim = c(0,40), col = c("black", "gray", "white", "gold"))
text(barp3, FrecRelP3 + 2, labels = FrecRelP3)
Código
par(mfrow = c(1, 2))
tablatamaño <- table(Tamaño_recodificado)
barp3 <- barplot(tablatamaño, xlab = "Tamaño",ylab = "Frecuencia", ylim = c(0,60), col = c("black", "gray", "white", "gold"))
text(barp3, tablatamaño + 2, labels = tablatamaño)
barp3 <- barplot(FrecRelP3, xlab = "Tamaño del perro", ylab = "Porcentaje", ylim = c(0,40), col = c("black", "gray", "white", "gold"))
text(barp3, FrecRelP3 + 2, labels = FrecRelP3)
Código
tamaños <- c("Pequeño", "Mediano", "Grande", "Muy Grande")
frecuencias <- c(10, 20, 15, 30)
FrecAbs3 <- data.frame(Tamaño = tamaños, Frecuencia = frecuencias)
barp3 <- barplot(FrecAbs3$Frecuencia, names.arg = FrecAbs3$Tamaño, main = "Diagrama de barras horizontal tamaño del perro", xlab = "Frecuencia", ylab = "Tamaño", horiz = TRUE, col = c("black", "gray", "white", "gold"), cex.names = 0.7)
Código
barp3 [,1]
[1,] 0.7
[2,] 1.9
[3,] 3.1
[4,] 4.3Variables cualitativas conjuntas (Género entrevistado VS Raza del perro)
Ver tabla
Código
Tablagenerovsraza <- table(base$GÉNERO.DUEÑO,base$RAZA.PERRO)
tabla <- round(prop.table(Tablagenerovsraza), 4)
Tablagenerovsraza %>%
kable(align = "c") %>%
kable_styling(bootstrap_options = Form.Basic)| Bulldog | Corso | Dogo | Husky | Pitbull | |
|---|---|---|---|---|---|
| Femenino | 20 | 16 | 17 | 14 | 21 |
| Masculino | 18 | 12 | 13 | 8 | 11 |
Ver tabla en decimal
Código
tabla %>%
kable(align = "c") %>%
kable_styling(bootstrap_options = Form.Basic)| Bulldog | Corso | Dogo | Husky | Pitbull | |
|---|---|---|---|---|---|
| Femenino | 0.1333 | 0.1067 | 0.1133 | 0.0933 | 0.1400 |
| Masculino | 0.1200 | 0.0800 | 0.0867 | 0.0533 | 0.0733 |
Código
barp4 <- barplot(Tablagenerovsraza, main = "Diagrama de barras Compuesta", xlab = "Raza", ylab = "Frecuencia", ylim = c(0,30), legend = rownames(Tablagenerovsraza), col = c("pink","skyblue"), beside = TRUE)
Código
barp4 <- barplot(Tablagenerovsraza, main = "Diagrama de barras Apilado", xlab = "Raza", ylab = "Frecuencia", ylim = c(0,50), legend.text = rownames(Tablagenerovsraza), args.legend = list(x = "topright"), col = c("pink","skyblue"), beside = FALSE)
Variables cualitativas conjuntas (Género entrevistado VS Tamaño del perro)
Ver tabla
Código
Tablagenerovstamaño <- table(base$GÉNERO.DUEÑO,Tamaño_recodificado)
tabla2 <- round(prop.table(Tablagenerovstamaño), 4)
Tablagenerovstamaño %>%
kable(align = "c") %>%
kable_styling(bootstrap_options = Form.Basic)| Pequeño | Mediano | Grande | Muy grande | |
|---|---|---|---|---|
| Femenino | 20 | 35 | 17 | 16 |
| Masculino | 18 | 19 | 13 | 12 |
Ver tabla en decimal
Código
tabla %>%
kable(align = "c") %>%
kable_styling(bootstrap_options = Form.Basic)| Bulldog | Corso | Dogo | Husky | Pitbull | |
|---|---|---|---|---|---|
| Femenino | 0.1333 | 0.1067 | 0.1133 | 0.0933 | 0.1400 |
| Masculino | 0.1200 | 0.0800 | 0.0867 | 0.0533 | 0.0733 |
Código
barp5 <- barplot(Tablagenerovstamaño, main = "Diagrama de barras Compuesta", xlab = "Tamaño del perro", ylab = "Frecuencia", ylim = c(0,40), legend = rownames(Tablagenerovstamaño), col = c("pink","skyblue"), beside = TRUE)
Código
barp5 <- barplot(Tablagenerovstamaño, main = "Diagrama de barras Apilado", xlab = "Tamaño del perro", ylab = "Frecuencia", ylim = c(0,60), legend.text = rownames(Tablagenerovstamaño), args.legend = list(x = "topright"), col = c("pink","skyblue"), beside = FALSE)
Variables cualitativas conjuntas (Raza del perro VS Tamaño del perro)
Ver tabla
Código
Tablarazavstamaño <- table(base$RAZA.PERRO,Tamaño_recodificado)
tabla <- round(prop.table(Tablarazavstamaño), 4)
Tablarazavstamaño %>%
kable(align = "c") %>%
kable_styling(bootstrap_options = Form.Basic)| Pequeño | Mediano | Grande | Muy grande | |
|---|---|---|---|---|
| Bulldog | 38 | 0 | 0 | 0 |
| Corso | 0 | 0 | 0 | 28 |
| Dogo | 0 | 0 | 30 | 0 |
| Husky | 0 | 22 | 0 | 0 |
| Pitbull | 0 | 32 | 0 | 0 |
Ver tabla en decimal
Código
tabla %>%
kable(align = "c") %>%
kable_styling(bootstrap_options = Form.Basic)| Pequeño | Mediano | Grande | Muy grande | |
|---|---|---|---|---|
| Bulldog | 0.2533 | 0.0000 | 0.0 | 0.0000 |
| Corso | 0.0000 | 0.0000 | 0.0 | 0.1867 |
| Dogo | 0.0000 | 0.0000 | 0.2 | 0.0000 |
| Husky | 0.0000 | 0.1467 | 0.0 | 0.0000 |
| Pitbull | 0.0000 | 0.2133 | 0.0 | 0.0000 |
Código
barp6 <- barplot(Tablarazavstamaño, main = "Diagrama de barras Compuesta", xlab = "Tamaño del perro", ylab = "Frecuencia", ylim = c(0,60), legend = rownames(Tablarazavstamaño), col = c("white","black","blue","purple","green"), beside = TRUE)
Código
barp6 <- barplot(Tablarazavstamaño, main = "Diagrama de barras Apilado", xlab = "Tamaño del perro", ylab = "Frecuencia", ylim = c(0,60), legend.text = rownames(Tablarazavstamaño), args.legend = list(x = "topright"), col = c("white","black","blue","purple","green"), beside = FALSE)
Variable cuantitativas continua (Edad del perro)
Tabla de frecuencias
Código
FrecAbs4 <- table(base$EDAD.PERRO)
FrecAbs4
2 3 4 5 6 7
23 26 34 22 26 19 Código
FrecRel4 <- round(prop.table(FrecAbs4), 1)
FrecRel4
2 3 4 5 6 7
0.2 0.2 0.2 0.1 0.2 0.1 Código
FrecRelP4 <- FrecRel4*100
FrecRelP4
2 3 4 5 6 7
20 20 20 10 20 10 Concatenar tabla
Código
tabla_edad <- cbind(FrecAbs4, FrecRel4, FrecRelP4)
tabla_edad FrecAbs4 FrecRel4 FrecRelP4
2 23 0.2 20
3 26 0.2 20
4 34 0.2 20
5 22 0.1 10
6 26 0.2 20
7 19 0.1 10Cambiar nombre de columnas
Código
colnames(tabla_edad) <- c("fi", "hi", "hi%")
tabla_edad fi hi hi%
2 23 0.2 20
3 26 0.2 20
4 34 0.2 20
5 22 0.1 10
6 26 0.2 20
7 19 0.1 10Tabla con formato
Código
library(kableExtra)
kable(tabla_edad, format = "markdown", digits = 1)| fi | hi | hi% | |
|---|---|---|---|
| 2 | 23 | 0.2 | 20 |
| 3 | 26 | 0.2 | 20 |
| 4 | 34 | 0.2 | 20 |
| 5 | 22 | 0.1 | 10 |
| 6 | 26 | 0.2 | 20 |
| 7 | 19 | 0.1 | 10 |
Código
FrecAbs4 = table(base$EDAD.PERRO)
FrecAbsA4 = cumsum(FrecAbs4)
FrecRel4 = round(prop.table(FrecAbs4), 1)
FrecReP4 = FrecRel4*100
FrecRelAP4 = cumsum(FrecReP4)
tabla_edad = cbind(FrecAbs4,FrecAbsA4,FrecRel4,FrecReP4,FrecRelAP4)
colnames(tabla_edad) = c("fi","Fi","hi","hi%","Hi%")
Form.Basic <- c("striped", "bordered", "hover", "condensed", "responsive")
cbind.data.frame(tabla_edad) %>%
kable(align = "c") %>%
kable_styling(bootstrap_options = Form.Basic)| fi | Fi | hi | hi% | Hi% | |
|---|---|---|---|---|---|
| 2 | 23 | 23 | 0.2 | 20 | 20 |
| 3 | 26 | 49 | 0.2 | 20 | 40 |
| 4 | 34 | 83 | 0.2 | 20 | 60 |
| 5 | 22 | 105 | 0.1 | 10 | 70 |
| 6 | 26 | 131 | 0.2 | 20 | 90 |
| 7 | 19 | 150 | 0.1 | 10 | 100 |
Código
par(mfrow=c(2,2))
h1 <- graph.freq(base$EDAD.PERRO, col="violet", frequency =1, main="Frecuencia
absoluta\nh1")
h2 <- graph.freq(base$EDAD.PERRO, col="yellow", frequency =2 , main="Poligono de
frecuencia\nh2")
polygon.freq(h2, col="red", lwd=2, frequency =2)
h3 <- graph.freq(base$EDAD.PERRO, col="skyblue", frequency =3 ,
main="Densidad\nh3")
h4 <- graph.freq(base$EDAD.PERRO, col="black", frequency =3 , main="Densidad
normal\nh4", density=4)
normal.freq(h4, col="red", lty=4,lwd=2, frequency=3)
Código
h9 <- ogive.freq(h1,axes=FALSE,type="b", main= "Ojiva de frecuencias",
col="black")
axis(2,round(h9[,2],1),las=2)
axis(1,round(h9[,1],1),las=2)
Histograma compatible
Código
Años_de_edad <- hist(base$EDAD.PERRO, nclass = 6, plot = FALSE)
h11 <- graph.freq(Años_de_edad, frequency = 2, col = "skyblue", main = "Histograma de frecuencias relativas", axes = FALSE)
axis(1, h11$breaks, las = 2)
axis(2, round(h11$relative, 2), las = 2)
Variable cuantitativas discreta (Número de montas del perro)
Tabla de frecuencias
Código
FrecAbs5 <- table(base$MONTAS.DEL.PERRO)
FrecAbs5
0 1 2 3 4
28 33 30 28 31 Código
FrecRel5 <- round(prop.table(FrecAbs5), 1)
FrecRel5
0 1 2 3 4
0.2 0.2 0.2 0.2 0.2 Código
FrecRelP5 <- FrecRel5*100
FrecRelP5
0 1 2 3 4
20 20 20 20 20 Concatenar tabla
Código
tabla_montas <- cbind(FrecAbs5, FrecRel5, FrecRelP5)
tabla_montas FrecAbs5 FrecRel5 FrecRelP5
0 28 0.2 20
1 33 0.2 20
2 30 0.2 20
3 28 0.2 20
4 31 0.2 20Cambiar nombre de columnas
Código
colnames(tabla_montas) <- c("fi", "hi", "hi%")
tabla_montas fi hi hi%
0 28 0.2 20
1 33 0.2 20
2 30 0.2 20
3 28 0.2 20
4 31 0.2 20Tabla con formato
Código
library(kableExtra)
kable(tabla_montas, format = "markdown", digits = 1)| fi | hi | hi% | |
|---|---|---|---|
| 0 | 28 | 0.2 | 20 |
| 1 | 33 | 0.2 | 20 |
| 2 | 30 | 0.2 | 20 |
| 3 | 28 | 0.2 | 20 |
| 4 | 31 | 0.2 | 20 |
Código
FrecAbs5 = table(base$MONTAS.DEL.PERRO)
FrecAbsA5 = cumsum(FrecAbs5)
FrecRel5 = round(prop.table(FrecAbs5), 1)
FrecReP5 = FrecRel5*100
FrecRelAP5 = cumsum(FrecReP5)
tabla_montas = cbind(FrecAbs5,FrecAbsA5,FrecRel5,FrecReP5,FrecRelAP5)
colnames(tabla_montas) = c("fi","Fi","hi","hi%","Hi%")
Form.Basic <- c("striped", "bordered", "hover", "condensed", "responsive")
cbind.data.frame(tabla_montas) %>%
kable(align = "c") %>%
kable_styling(bootstrap_options = Form.Basic)| fi | Fi | hi | hi% | Hi% | |
|---|---|---|---|---|---|
| 0 | 28 | 28 | 0.2 | 20 | 20 |
| 1 | 33 | 61 | 0.2 | 20 | 40 |
| 2 | 30 | 91 | 0.2 | 20 | 60 |
| 3 | 28 | 119 | 0.2 | 20 | 80 |
| 4 | 31 | 150 | 0.2 | 20 | 100 |
Código
j <- c(0, 1, 2, 3, 4)
k <- c(28, 33, 30, 28, 31)
plot(x = j, y = k, xlab = "Montas", ylab = "Frecuencia", pch = 10, col = "red")
segments(x0 = j, y0 = 10, x1 = j, y1 = k, lwd = 3, col = "skyblue")
Código
x <- 0:4
fx <- c(28, 33, 30, 28, 31)/150
Fx <- cumsum(fx)
plot(x = c(0, x), y = c(0, Fx), type = "s", xlab = "", ylab = "Porcentaje acumulado", col = "red", lwd = 2, main = "Montas (%)", xaxt = "n")
points(x, Fx, col = "black", pch = 15)
Referencias
Mendiburu, Felipe de. 2023. «agricolae: Statistical Procedures for Agricultural Research». https://CRAN.R-project.org/package=agricolae.
Neuwirth, Erich. 2022. «RColorBrewer: ColorBrewer Palettes». https://CRAN.R-project.org/package=RColorBrewer.
Wickham, Hadley. 2016. «ggplot2: Elegant Graphics for Data Analysis». https://ggplot2.tidyverse.org.
Wickham, Hadley, Mara Averick, Jennifer Bryan, Winston Chang, Lucy D’Agostino McGowan, Romain François, Garrett Grolemund, et al. 2019. «Welcome to the tidyverse» 4: 1686. https://doi.org/10.21105/joss.01686.
Wickham, Hadley, Jennifer Bryan, Malcolm Barrett, y Andy Teucher. 2023. «usethis: Automate Package and Project Setup». https://CRAN.R-project.org/package=usethis.
Wickham, Hadley, Romain François, Lionel Henry, Kirill Müller, y Davis Vaughan. 2023. «dplyr: A Grammar of Data Manipulation». https://CRAN.R-project.org/package=dplyr.
Wickham, Hadley, Jim Hester, Winston Chang, y Jennifer Bryan. 2022. «devtools: Tools to Make Developing R Packages Easier». https://CRAN.R-project.org/package=devtools.
Zhu, Hao. 2021. «kableExtra: Construct Complex Table with ’kable’ and Pipe Syntax». https://CRAN.R-project.org/package=kableExtra.