data(iris)
str(iris)
## 'data.frame': 150 obs. of 5 variables:
## $ Sepal.Length: num 5.1 4.9 4.7 4.6 5 5.4 4.6 5 4.4 4.9 ...
## $ Sepal.Width : num 3.5 3 3.2 3.1 3.6 3.9 3.4 3.4 2.9 3.1 ...
## $ Petal.Length: num 1.4 1.4 1.3 1.5 1.4 1.7 1.4 1.5 1.4 1.5 ...
## $ Petal.Width : num 0.2 0.2 0.2 0.2 0.2 0.4 0.3 0.2 0.2 0.1 ...
## $ Species : Factor w/ 3 levels "setosa","versicolor",..: 1 1 1 1 1 1 1 1 1 1 ...
attach(iris)
vec<-rnorm(10,20,10) #generando 10 números aleatoreos entre 10 y 30, (10 datos que tengan un valor promedio de 20 que estén entre 20 y 30 (desviasión estandar))
str(vec)
## num [1:10] 20 18.6 27.4 19.7 15.3 ...
mean(vec)
## [1] 23.09795
mean(vec, trim=0.1) #trim trunca los valores, recortando el 10% en este caso
## [1] 22.51673
median(vec) #separa mitad inferior y superior
## [1] 19.86903
moda<-function(var){
frec.var <- table(var) #objeto var se le aplica la función frecuencia, creo. A esto le asigno todo el var.
valor<-which(frec.var==max(frec.var)) #which elije el valor para lo cual el argumento es verdadero, creo.
names(valor)
} #esto define, mas no la corre, le hace falta un array
moda(iris$Species)
## [1] "setosa" "versicolor" "virginica"
percentil consiste en hacer una longitud entre el menor y el mayor dato y se divide entre el número que nos guste. Patrón de Comparación :o
Cuantil son percentiles pero fraccionarios
Cuartil son divisiones de cuatro (el primer cuartil es el 25vo Cuantil) (Q1,Q2,Q3,Q4)
Boxplot.
quantile(iris$Sepal.Length, seq(0,1,0.01)) #argumentos seq(desde, hasta, por)
## 0% 1% 2% 3% 4% 5% 6% 7% 8% 9% 10% 11% 12%
## 4.300 4.400 4.400 4.547 4.600 4.600 4.694 4.743 4.800 4.800 4.800 4.900 4.900
## 13% 14% 15% 16% 17% 18% 19% 20% 21% 22% 23% 24% 25%
## 4.900 4.900 5.000 5.000 5.000 5.000 5.000 5.000 5.029 5.100 5.100 5.100 5.100
## 26% 27% 28% 29% 30% 31% 32% 33% 34% 35% 36% 37% 38%
## 5.100 5.123 5.200 5.200 5.270 5.400 5.400 5.400 5.400 5.500 5.500 5.500 5.500
## 39% 40% 41% 42% 43% 44% 45% 46% 47% 48% 49% 50% 51%
## 5.511 5.600 5.600 5.600 5.607 5.700 5.700 5.700 5.700 5.700 5.800 5.800 5.800
## 52% 53% 54% 55% 56% 57% 58% 59% 60% 61% 62% 63% 64%
## 5.800 5.800 5.900 5.900 6.000 6.000 6.000 6.000 6.100 6.100 6.100 6.100 6.200
## 65% 66% 67% 68% 69% 70% 71% 72% 73% 74% 75% 76% 77%
## 6.200 6.234 6.300 6.300 6.300 6.300 6.300 6.328 6.400 6.400 6.400 6.400 6.473
## 78% 79% 80% 81% 82% 83% 84% 85% 86% 87% 88% 89% 90%
## 6.500 6.500 6.520 6.600 6.700 6.700 6.700 6.700 6.700 6.763 6.800 6.861 6.900
## 91% 92% 93% 94% 95% 96% 97% 98% 99% 100%
## 6.900 7.008 7.157 7.200 7.255 7.408 7.653 7.700 7.700 7.900
quantile(iris$Sepal.Length, seq(0,1,0.25)) #cuartiles. el boxplot se arma desde el dato del 25% hasta el 75%
## 0% 25% 50% 75% 100%
## 4.3 5.1 5.8 6.4 7.9
#dataframe.describe de python es
summary(iris)
## Sepal.Length Sepal.Width Petal.Length Petal.Width
## Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100
## 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300
## Median :5.800 Median :3.000 Median :4.350 Median :1.300
## Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199
## 3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800
## Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500
## Species
## setosa :50
## versicolor:50
## virginica :50
##
##
##
tapply (iris$Petal.Length,iris$Species,summary) #tapply aplica una función a un conjunto de datos
## $setosa
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1.000 1.400 1.500 1.462 1.575 1.900
##
## $versicolor
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 3.00 4.00 4.35 4.26 4.60 5.10
##
## $virginica
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 4.500 5.100 5.550 5.552 5.875 6.900
tapply (iris$Petal.Width,iris$Species,summary)
## $setosa
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 0.100 0.200 0.200 0.246 0.300 0.600
##
## $versicolor
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1.000 1.200 1.300 1.326 1.500 1.800
##
## $virginica
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1.400 1.800 2.000 2.026 2.300 2.500
tapply (iris$Sepal.Length,iris$Species,summary)
## $setosa
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 4.300 4.800 5.000 5.006 5.200 5.800
##
## $versicolor
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 4.900 5.600 5.900 5.936 6.300 7.000
##
## $virginica
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 4.900 6.225 6.500 6.588 6.900 7.900
tapply (iris$Sepal.Width,iris$Species,summary)
## $setosa
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 2.300 3.200 3.400 3.428 3.675 4.400
##
## $versicolor
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 2.000 2.525 2.800 2.770 3.000 3.400
##
## $virginica
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 2.200 2.800 3.000 2.974 3.175 3.800
# Dispersión son comparaciones respecto a un valor.
max(iris$Sepal.Length) - min(iris$Sepal.Length) #range
## [1] 3.6
var(iris$Sepal.Length)
## [1] 0.6856935
sd(iris$Sepal.Length) #varianza y desvesta (sqrt(var(x)))
## [1] 0.8280661
#aad(iris$Sepal.Length) desviasión absoluta promedio, para acotar mas los datos(average absolute deviation), hay que definirla tho
mad(iris$Sepal.Length) #con una constante de escala se calcula la desviación média absoluta, b*mediana
## [1] 1.03782
IQR(iris$Sepal.Length) #rango intercuartíl, resta cuartil Q3 y Q1
## [1] 1.3
#Multivariadas lesgo. covarianza existe:
cov(iris$Sepal.Length,iris$Sepal.Width)
## [1] -0.042434
cov(iris[,1:4]) #cov(iris[el vacío es "todas las filas", columnas de uno a cuatro en este caso])
## Sepal.Length Sepal.Width Petal.Length Petal.Width
## Sepal.Length 0.6856935 -0.0424340 1.2743154 0.5162707
## Sepal.Width -0.0424340 0.1899794 -0.3296564 -0.1216394
## Petal.Length 1.2743154 -0.3296564 3.1162779 1.2956094
## Petal.Width 0.5162707 -0.1216394 1.2956094 0.5810063
#si la covarianza es cero, hay independencia entre los datos
#medida de relación que no depende de la escala (normalizar?): correlación lineal, coeficiente de relación de Pearson
cov(iris$Sepal.Width,iris$Sepal.Length)/(sd(iris$Sepal.Width)*sd(iris$Sepal.Length)) == cor(iris$Sepal.Width,iris$Sepal.Length)
## [1] TRUE
#mientras mas cercano al mas o menos uno, mas correlación lineal
cor(iris[,1:4])
## Sepal.Length Sepal.Width Petal.Length Petal.Width
## Sepal.Length 1.0000000 -0.1175698 0.8717538 0.8179411
## Sepal.Width -0.1175698 1.0000000 -0.4284401 -0.3661259
## Petal.Length 0.8717538 -0.4284401 1.0000000 0.9628654
## Petal.Width 0.8179411 -0.3661259 0.9628654 1.0000000
#Pearson son numéricos, las tablas de contingencia son para categóricas, calculos con frecuencias.