Manejo de Datos
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.