Integrantes:

Introdución

Diagrama de Tallos y Hojas en R

El diagrama de tallos y hojas es una herramienta gráfica que se utiliza para visualizar la distribución de datos numéricos. Es especialmente útil para identificar patrones, valores atípicos y tendencias en un conjunto de datos. En R, la función stem es una herramienta poderosa para crear diagramas de tallos y hojas.

La función stem en R

La función stem en R es una forma efectiva de crear diagramas de tallos y hojas. Aquí están los detalles de los argumentos clave:

  • x: El vector de datos numéricos que deseas representar en el diagrama.

  • scale: Controla la escala de los tallos. El valor predeterminado es 1, lo que significa que un tallo representa una unidad. Puedes ajustar este valor para agrupar los datos de manera diferente.

  • width: Controla el ancho de la gráfica en el diagrama de tallos y hojas

  • atom: permite definir una función personalizada que determine cómo se deben representar las hojas en el diagrama de tallos y hojas.

Ejemplo de Diagrama de Tallos y Hojas en R

Supongamos que tenemos un conjunto de datos que representa las calificaciones de un grupo de estudiantes en un examen. Queremos crear un diagrama de tallos y hojas para examinar la distribución de calificaciones.

# Datos de ejemplo: calificaciones de un grupo de estudiantes
calificaciones <- c(12, 7, 11, 18, 12, 5, 9, 11, 16, 14, 2, 18, 20)

# Crear un diagrama de tallos y hojas
stem(calificaciones, scale = 2, width = 15, atom = 10)
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   0 | 2
##   0 | 579
##   1 | 112
##   1 | 688
##   2 | 0

Ejemplo 2

longitudes <- c(12.24, 12.45, 12.56, 13.21, 13.32, 13.45, 14.12, 14.25, 15.09, 15.21, 15.33, 15.45, 16.02, 16.13, 16.25, 16.37, 16.45, 17.01, 17.15, 17.29, 17.34, 17.45)

stem(longitudes, scale=1)
## 
##   The decimal point is at the |
## 
##   12 | 256235
##   14 | 131235
##   16 | 0134502335
stem(longitudes, scale=2)
## 
##   The decimal point is at the |
## 
##   12 | 256
##   13 | 235
##   14 | 13
##   15 | 1235
##   16 | 01345
##   17 | 02335
stem(longitudes, scale=4)
## 
##   The decimal point is at the |
## 
##   12 | 2
##   12 | 56
##   13 | 23
##   13 | 5
##   14 | 13
##   14 | 
##   15 | 123
##   15 | 5
##   16 | 0134
##   16 | 5
##   17 | 0233
##   17 | 5
stem(longitudes, scale=10)
## 
##   The decimal point is 1 digit(s) to the left of the |
## 
##   122 | 4
##   124 | 56
##   126 | 
##   128 | 
##   130 | 
##   132 | 12
##   134 | 5
##   136 | 
##   138 | 
##   140 | 2
##   142 | 5
##   144 | 
##   146 | 
##   148 | 
##   150 | 9
##   152 | 13
##   154 | 5
##   156 | 
##   158 | 
##   160 | 23
##   162 | 57
##   164 | 5
##   166 | 
##   168 | 
##   170 | 15
##   172 | 94
##   174 | 5
stem(longitudes, scale=2, width =5)#Mientras más bajo más compacto
## 
##   The decimal point is at the |
## 
##   12 | 
##   13 | 
##   14 | 
##   15 | 
##   16 | 
##   17 |
stem(longitudes, scale=2, width =15)
## 
##   The decimal point is at the |
## 
##   12 | 256
##   13 | 235
##   14 | 13
##   15 | 123
##   16 | 013
##   17 | 023
stem(longitudes, scale=20, width =15)
## 
##   The decimal point is 1 digit(s) to the left of the |
## 
##   122 | 4
##   123 | 
##   124 | 5
##   125 | 6
##   126 | 
##   127 | 
##   128 | 
##   129 | 
##   130 | 
##   131 | 
##   132 | 1
##   133 | 2
##   134 | 5
##   135 | 
##   136 | 
##   137 | 
##   138 | 
##   139 | 
##   140 | 
##   141 | 2
##   142 | 5
##   143 | 
##   144 | 
##   145 | 
##   146 | 
##   147 | 
##   148 | 
##   149 | 
##   150 | 9
##   151 | 
##   152 | 1
##   153 | 3
##   154 | 5
##   155 | 
##   156 | 
##   157 | 
##   158 | 
##   159 | 
##   160 | 2
##   161 | 3
##   162 | 5
##   163 | 7
##   164 | 5
##   165 | 
##   166 | 
##   167 | 
##   168 | 
##   169 | 
##   170 | 1
##   171 | 5
##   172 | 9
##   173 | 4
##   174 | 5
stem(longitudes, scale =2, width = 15, atom = 10)
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   1 | 223
##   1 | 555
stem(longitudes, scale =2, width = 15, atom = 1)
## 
##   The decimal point is at the |
## 
##   12 | 256
##   13 | 235
##   14 | 13
##   15 | 123
##   16 | 013
##   17 | 023

Ejemplo con Dataset

Para poder usar un Dataset tendremos que instalar paquetes como “readr” y “Rcpp”. Estos mismos te los dice rstudio cuando vas a importar la data.

Analirazaremos la media de costo por jugador de plantilla de 100 equipos Europeos de un alto nivel competitivo

a <- read.csv("C:/Users/wilde/OneDrive/Escritorio/most_valuable_teams .csv")
datos_numericos <- as.numeric(gsub("[^0-9.]", "", a$Market_value_of_players))
a$Club
##   [1] "Manchester City"               "Paris Saint-Germain"          
##   [3] "Manchester United"             "Chelsea FC"                   
##   [5] "Liverpool FC"                  "Bayern Munich"                
##   [7] "Real Madrid"                   "Atlético de Madrid"           
##   [9] "Tottenham Hotspur"             "FC Barcelona"                 
##  [11] "Juventus FC"                   "Inter Milan"                  
##  [13] "Borussia Dortmund"             "Leicester City"               
##  [15] "Arsenal FC"                    "SSC Napoli"                   
##  [17] "RB Leipzig"                    "AC Milan"                     
##  [19] "Everton FC"                    "Sevilla FC"                   
##  [21] "Atalanta BC"                   "AS Roma"                      
##  [23] "Aston Villa"                   "Wolverhampton Wanderers"      
##  [25] "Real Sociedad"                 "West Ham United"              
##  [27] "Bayer 04 Leverkusen"           "AS Monaco"                    
##  [29] "Olympique Lyon"                "Ajax Amsterdam"               
##  [31] "SS Lazio"                      "Borussia Mönchengladbach"     
##  [33] "Villarreal CF"                 "VfL Wolfsburg"                
##  [35] "SL Benfica"                    "LOSC Lille"                   
##  [37] "FC Porto"                      "Olympique Marseille"          
##  [39] "Leeds United"                  "Valencia CF"                  
##  [41] "ACF Fiorentina"                "Brighton & Hove Albion"       
##  [43] "Newcastle United"              "Southampton FC"               
##  [45] "Crystal Palace"                "Eintracht Frankfurt"          
##  [47] "Real Betis Balompié"           "OGC Nice"                     
##  [49] "US Sassuolo"                   "TSG 1899 Hoffenheim"          
##  [51] "Sporting CP"                   "Norwich City"                 
##  [53] "Athletic Bilbao"               "Stade Rennais FC"             
##  [55] "Torino FC"                     "Shakhtar Donetsk"             
##  [57] "Zenit St. Petersburg"          "VfB Stuttgart"                
##  [59] "Brentford FC"                  "Getafe CF"                    
##  [61] "PSV Eindhoven"                 "Cagliari Calcio"              
##  [63] "Red Bull Salzburg"             "Club Brugge KV"               
##  [65] "Clube de Regatas do Flamengo"  "Fulham FC"                    
##  [67] "Burnley FC"                    "Celta de Vigo"                
##  [69] "Sociedade Esportiva Palmeiras" "Bologna FC 1909"              
##  [71] "Hertha BSC"                    "Watford FC"                   
##  [73] "Dynamo Kyiv"                   "Besiktas JK"                  
##  [75] "KRC Genk"                      "Spartak Moscow"               
##  [77] "SC Freiburg"                   "UC Sampdoria"                 
##  [79] "Sheffield United"              "SC Braga"                     
##  [81] "Olympiacos Piraeus"            "Fenerbahce SK"                
##  [83] "FK Krasnodar"                  "AFC Bournemouth"              
##  [85] "Levante UD"                    "GNK Dinamo Zagreb"            
##  [87] "Hellas Verona"                 "Rangers FC"                   
##  [89] "Club Atlético River Plate"     "Galatasaray A.S."             
##  [91] "Udinese Calcio"                "Feyenoord Rotterdam"          
##  [93] "1.FSV Mainz 05"                "RCD Espanyol Barcelona"       
##  [95] "Genoa CFC"                     "Clube Atlético Mineiro"       
##  [97] "FC Augsburg"                   "Lokomotiv Moscow"             
##  [99] "Trabzonspor"                   "CA Osasuna"
datos_numericos
##   [1] 45.75 28.51 33.47 32.69 32.57 32.80 29.39 34.33 29.04 23.34 25.62 20.48
##  [13] 16.64 19.65 21.10 20.71 18.06 16.68 16.68 16.52 15.98 13.68 17.01 16.30
##  [25] 14.50 14.72 13.06 12.53 12.02 13.73  9.90 10.71 12.45  8.99  9.84 10.46
##  [37] 10.19  8.76 10.53  9.33  9.57  9.54  9.66  8.94  9.21  7.23  7.98  8.39
##  [49]  8.03  6.49  8.62  6.54  7.24  6.61  6.14  6.34  7.90  5.14  5.37  6.38
##  [61]  5.85  5.29  5.44  4.85  4.77  5.09  6.05  6.85  4.62  5.09  4.89  5.12
##  [73]  4.43  3.97  5.29  5.02  4.81  4.62  4.60  4.26  3.59  3.57  4.72  4.52
##  [85]  4.02  3.77  4.17  3.62  3.58  3.30  4.06  3.62  4.02  4.01  2.92  3.18
##  [97]  3.47  3.35  3.32  3.46

Ahora procederemos a trabajar con el diagrama de tallos y hojas

stem(datos_numericos, scale = 2, width = 50, atom = 0.1)
## 
##   The decimal point is at the |
## 
##    2 | 9233455666668
##    4 | 000012345666788990111133449
##    6 | 11345569229
##    8 | 00468902356789
##   10 | 2557
##   12 | 055177
##   14 | 57
##   16 | 0356770
##   18 | 17
##   20 | 571
##   22 | 3
##   24 | 6
##   26 | 
##   28 | 504
##   30 | 
##   32 | 6785
##   34 | 3
##   36 | 
##   38 | 
##   40 | 
##   42 | 
##   44 | 8
stem(datos_numericos, scale = 5, width = 50, atom = 0.1)
## 
##   The decimal point is at the |
## 
##    2 | 9
##    3 | 233455666668
##    4 | 00001234566678899
##    5 | 0111133449
##    6 | 11345569
##    7 | 229
##    8 | 004689
##    9 | 02356789
##   10 | 2557
##   11 | 
##   12 | 055
##   13 | 177
##   14 | 57
##   15 | 
##   16 | 035677
##   17 | 0
##   18 | 1
##   19 | 7
##   20 | 57
##   21 | 1
##   22 | 
##   23 | 3
##   24 | 
##   25 | 6
##   26 | 
##   27 | 
##   28 | 5
##   29 | 04
##   30 | 
##   31 | 
##   32 | 678
##   33 | 5
##   34 | 3
##   35 | 
##   36 | 
##   37 | 
##   38 | 
##   39 | 
##   40 | 
##   41 | 
##   42 | 
##   43 | 
##   44 | 
##   45 | 8