#Ejercicio 1

library() #Para buscar información sobre las bibliotecas instaladas
??MASS #Para solicitar información sobre el paquete MASS
## starting httpd help server ... done
??Survival #Para solicitar información sobre el paquete Survival
??Rcmdr #Para solicitar información sobre el paquete Rcmdr

#Ejercicio 2 ##Apartado a)

exp1 <- read.table("C:\\Users\\mponc\\Downloads\\Ejercicio 2.txt") #Importo el documento
head(exp1) #veo los datos que se han importado (las primeras filas)
##      V1   V2  V3     V4
## 1 Mouse   ID Sex Result
## 2     1 4598   M   38.9
## 3     2 4599   M   57.2
## 4     3 4600   M   34.8
## 5     4 4601   M   28.9
## 6     5 4602   M   42.4
summary (exp1$V1)
##    Length     Class      Mode 
##        11 character character
summary (exp1$V2)
##    Length     Class      Mode 
##        11 character character
summary (exp1$v3)
## Length  Class   Mode 
##      0   NULL   NULL

##Apartado b)

horario <- read.csv("C:\\Users\\mponc\\OneDrive - UFV\\Documentos\\Doctorado\\E106\\Horarios E106.csv")
fivenum(horario$animal)
## [1] NA NA NA NA NA
fivenum(horario$hora_entrada)
## [1] NA NA NA NA NA
fivenum(horario$hora_salida)
## [1] NA NA NA NA NA
#Creo que no ha funcionado correctamente porque es un excel que tiene el formato de horas, no de números

#Ejercicio 3

library ("MASS")
## Warning: package 'MASS' was built under R version 4.3.3
data("anorexia")
table(is.na(anorexia)) #para ver los valores na que hay dentro de esos datos
## 
## FALSE 
##   216
table(is.null(anorexia)) #para ver los valores nulos que hay dentro de esos datos
## 
## FALSE 
##     1
transform_anorexia <- factor (anorexia$Treat,levels=c("CBT","Cont","FT"),labels=c("Cogn Beh Tr","Contr","Fam Tr"))
transform_anorexia #así ya hemos cambiado las etiquetas y lo mostramos
##  [1] Contr       Contr       Contr       Contr       Contr       Contr      
##  [7] Contr       Contr       Contr       Contr       Contr       Contr      
## [13] Contr       Contr       Contr       Contr       Contr       Contr      
## [19] Contr       Contr       Contr       Contr       Contr       Contr      
## [25] Contr       Contr       Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr
## [31] Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr
## [37] Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr
## [43] Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr
## [49] Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr
## [55] Cogn Beh Tr Fam Tr      Fam Tr      Fam Tr      Fam Tr      Fam Tr     
## [61] Fam Tr      Fam Tr      Fam Tr      Fam Tr      Fam Tr      Fam Tr     
## [67] Fam Tr      Fam Tr      Fam Tr      Fam Tr      Fam Tr      Fam Tr     
## Levels: Cogn Beh Tr Contr Fam Tr

#Ejercicio 4 ##Apartado a)

library ("MASS")
data ("biopsy")
write.csv (biopsy, file = "C:\\Users\\mponc\\Documents\\biopsy.csv")

##Apartado b)

library ("MASS")
library ("openxlsx")
## Warning: package 'openxlsx' was built under R version 4.3.3
data ("Melanoma")
write.csv (Melanoma, file = "C:\\Users\\mponc\\Documents\\melanoma.csv")
write.xlsx (Melanoma, file = "C:\\Users\\mponc\\Documents\\melanoma.xlsx")
write.table (Melanoma, file = "C:\\Users\\mponc\\Documents\\melanoma.txt")
#![Ejercicio 4]("C:\\Users\\mponc\\Downloads\\ejercicio4.png")

##Apartado c)

resumen <- summary (Melanoma$age)
capture.output(resumen, file="resumen.doc")

##Apartado d)

library(readr)
datasets <- read.table("C:\\Users\\mponc\\Downloads\\switzerland.data.txt", sep = "\t", fill = TRUE)
#He tenido que ajustar esos parámetros porque sino me aparecía un error ya que justo esos datos que había cogido no tenían un formato regular.
head(datasets)
##                        V1
## 1       3001 0 65 1 1 1 1
## 2   -9 4 115 0 0 -9 -9 -9
## 3      0 -9 -9 0 1 9 85 0
## 4   1 1 0 1 12 8.3 -9 100
## 5 93 56 185 80 115 70 1 0
## 6   0 2 -9 -9 -9 -9 -9 -9

#Ejercicio 5 ##Apartado a)

library ("MASS")
data ("birthwt")
head(birthwt)
##    low age lwt race smoke ptl ht ui ftv  bwt
## 85   0  19 182    2     0   0  0  1   0 2523
## 86   0  33 155    3     0   0  0  0   3 2551
## 87   0  20 105    1     1   0  0  0   1 2557
## 88   0  21 108    1     1   0  0  1   2 2594
## 89   0  18 107    1     1   0  0  1   0 2600
## 91   0  21 124    3     0   0  0  0   0 2622
max(birthwt$age)
## [1] 45

##Apartado b)

min(birthwt$age)
## [1] 14

##Apartado c)

rango <-max(birthwt$age)-min(birthwt$age)
rango
## [1] 31

##Apartado d)

birthwt$smoke[birthwt$bwt==min(birthwt$bwt)]
## [1] 1

##Apartado e)

birthwt$bwt[birthwt$age==max(birthwt$age)]
## [1] 4990

##Apartado f)

birthwt$bwt[birthwt$ftv<=2]
##   [1] 2523 2557 2594 2600 2622 2637 2637 2663 2665 2722 2733 2751 2750 2769 2769
##  [16] 2778 2807 2821 2835 2836 2863 2877 2877 2906 2920 2920 2920 2920 2948 2948
##  [31] 2977 2977 2977 2977 2922 3005 3033 3042 3062 3062 3062 3062 3062 3090 3090
##  [46] 3090 3100 3104 3132 3147 3175 3175 3203 3203 3203 3225 3225 3232 3232 3234
##  [61] 3260 3274 3274 3317 3317 3317 3321 3331 3374 3374 3402 3416 3444 3459 3460
##  [76] 3473 3544 3487 3544 3572 3572 3586 3600 3614 3614 3629 3629 3637 3643 3651
##  [91] 3651 3651 3651 3699 3728 3756 3770 3770 3770 3790 3799 3827 3856 3860 3884
## [106] 3884 3912 3940 3941 3941 3969 3983 3997 3997 4054 4054 4111 4153 4167 4174
## [121] 4238 4593 4990  709 1021 1135 1330 1474 1588 1588 1701 1729 1790 1818 1885
## [136] 1893 1899 1928 1928 1928 1936 1970 2055 2055 2082 2084 2084 2100 2125 2187
## [151] 2187 2211 2225 2240 2240 2282 2296 2296 2325 2353 2353 2367 2381 2381 2381
## [166] 2410 2410 2410 2424 2438 2442 2466 2466 2466 2495 2495 2495

#Ejercicio 6

library(MASS)
data(anorexia)
matrixanorexia <-matrix(c(anorexia$Prewt,anorexia$Postwt),ncol=2)
head(matrixanorexia)
##      [,1] [,2]
## [1,] 80.7 80.2
## [2,] 89.4 80.1
## [3,] 91.8 86.4
## [4,] 74.0 86.3
## [5,] 78.1 76.1
## [6,] 88.3 78.1

#Ejercicio 7

Identificador <-
c("I1","I2","I3","I4","I5","I6","I7","I8","I9","I10","I11","I12","I13","I14",
"I15","I16","I17","I18","I19","I20","I21","I22","I23","I24","I25")
Edad <-
c(23,24,21,22,23,25,26,24,21,22,23,25,26,24,22,21,25,26,24,21,25,27,26,22,29)
Sexo <-c(1,2,1,1,1,2,2,2,1,2,1,2,2,2,1,1,1,2,2,2,1,2,1,1,2) #1 para mujeres y 2 para hombres
Peso <-
c(76.5,81.2,79.3,59.5,67.3,78.6,67.9,100.2,97.8,56.4,65.4,67.5,87.4,99.7,87.6
,93.4,65.4,73.7,85.1,61.2,54.8,103.4,65.8,71.7,85.0)
Alt <-
c(165,154,178,165,164,175,182,165,178,165,158,183,184,164,189,167,182,179,165
,158,183,184,189,166,175) #altura en cm
Fuma <-
c("SÍ","NO","SÍ","SÍ","NO","NO","NO","SÍ","SÍ","SÍ","NO","NO","SÍ","SÍ","SÍ",
"SÍ","NO","NO","SÍ","SÍ","SÍ","NO","SÍ","NO","SÍ")
Trat_Pulmón <- data.frame(Identificador,Edad,Sexo,Peso,Alt,Fuma)
Trat_Pulmón
##    Identificador Edad Sexo  Peso Alt Fuma
## 1             I1   23    1  76.5 165   SÍ
## 2             I2   24    2  81.2 154   NO
## 3             I3   21    1  79.3 178   SÍ
## 4             I4   22    1  59.5 165   SÍ
## 5             I5   23    1  67.3 164   NO
## 6             I6   25    2  78.6 175   NO
## 7             I7   26    2  67.9 182   NO
## 8             I8   24    2 100.2 165   SÍ
## 9             I9   21    1  97.8 178   SÍ
## 10           I10   22    2  56.4 165   SÍ
## 11           I11   23    1  65.4 158   NO
## 12           I12   25    2  67.5 183   NO
## 13           I13   26    2  87.4 184   SÍ
## 14           I14   24    2  99.7 164   SÍ
## 15           I15   22    1  87.6 189   SÍ
## 16           I16   21    1  93.4 167   SÍ
## 17           I17   25    1  65.4 182   NO
## 18           I18   26    2  73.7 179   NO
## 19           I19   24    2  85.1 165   SÍ
## 20           I20   21    2  61.2 158   SÍ
## 21           I21   25    1  54.8 183   SÍ
## 22           I22   27    2 103.4 184   NO
## 23           I23   26    1  65.8 189   SÍ
## 24           I24   22    1  71.7 166   NO
## 25           I25   29    2  85.0 175   SÍ

##Apartado a)

a <- Trat_Pulmón[Trat_Pulmón$Edad > 22, ]
a
##    Identificador Edad Sexo  Peso Alt Fuma
## 1             I1   23    1  76.5 165   SÍ
## 2             I2   24    2  81.2 154   NO
## 5             I5   23    1  67.3 164   NO
## 6             I6   25    2  78.6 175   NO
## 7             I7   26    2  67.9 182   NO
## 8             I8   24    2 100.2 165   SÍ
## 11           I11   23    1  65.4 158   NO
## 12           I12   25    2  67.5 183   NO
## 13           I13   26    2  87.4 184   SÍ
## 14           I14   24    2  99.7 164   SÍ
## 17           I17   25    1  65.4 182   NO
## 18           I18   26    2  73.7 179   NO
## 19           I19   24    2  85.1 165   SÍ
## 21           I21   25    1  54.8 183   SÍ
## 22           I22   27    2 103.4 184   NO
## 23           I23   26    1  65.8 189   SÍ
## 25           I25   29    2  85.0 175   SÍ

##Apartado b)

b <- Trat_Pulmón[3,4]
b
## [1] 79.3

##Apartaado c)

c <- subset(Trat_Pulmón, Edad < 27, select = -c(Alt))
c
##    Identificador Edad Sexo  Peso Fuma
## 1             I1   23    1  76.5   SÍ
## 2             I2   24    2  81.2   NO
## 3             I3   21    1  79.3   SÍ
## 4             I4   22    1  59.5   SÍ
## 5             I5   23    1  67.3   NO
## 6             I6   25    2  78.6   NO
## 7             I7   26    2  67.9   NO
## 8             I8   24    2 100.2   SÍ
## 9             I9   21    1  97.8   SÍ
## 10           I10   22    2  56.4   SÍ
## 11           I11   23    1  65.4   NO
## 12           I12   25    2  67.5   NO
## 13           I13   26    2  87.4   SÍ
## 14           I14   24    2  99.7   SÍ
## 15           I15   22    1  87.6   SÍ
## 16           I16   21    1  93.4   SÍ
## 17           I17   25    1  65.4   NO
## 18           I18   26    2  73.7   NO
## 19           I19   24    2  85.1   SÍ
## 20           I20   21    2  61.2   SÍ
## 21           I21   25    1  54.8   SÍ
## 23           I23   26    1  65.8   SÍ
## 24           I24   22    1  71.7   NO

#Ejercicio 8 ##Apartado a)

library(datasets)
data(ChickWeight)
head(ChickWeight)
##   weight Time Chick Diet
## 1     42    0     1    1
## 2     51    2     1    1
## 3     59    4     1    1
## 4     64    6     1    1
## 5     76    8     1    1
## 6     93   10     1    1

##Apartado b)

plot(ChickWeight$weight, col="magenta", main="Gráfico dispersión")

##Apartado c)

boxplot(ChickWeight$Time, col="orange", main="Boxplot")

#Ejercicio 9

library(MASS)
diff <-c(anorexia$Postwt-anorexia$Prewt)
anorexia_treat_df <- data.frame(anorexia,diff)
head(anorexia_treat_df) #Ya tenemos los datos deseados
##   Treat Prewt Postwt  diff
## 1  Cont  80.7   80.2  -0.5
## 2  Cont  89.4   80.1  -9.3
## 3  Cont  91.8   86.4  -5.4
## 4  Cont  74.0   86.3  12.3
## 5  Cont  78.1   76.1  -2.0
## 6  Cont  88.3   78.1 -10.2
anorexia_treat_C_df<-
subset(anorexia_treat_df,anorexia_treat_df$Treat=="Cont")
head(anorexia_treat_C_df) #Así seleccionamos del conjunto de datos anterior aquellos que han seguido el tratamiento
##   Treat Prewt Postwt  diff
## 1  Cont  80.7   80.2  -0.5
## 2  Cont  89.4   80.1  -9.3
## 3  Cont  91.8   86.4  -5.4
## 4  Cont  74.0   86.3  12.3
## 5  Cont  78.1   76.1  -2.0
## 6  Cont  88.3   78.1 -10.2

#Ejercicio 10