#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$Treat,levels=c("CBT","Cont","FT"),labels=c("Cogn Beh Tr","Contr","Fam Tr"))
transform_anorexia #así ya hemos cambiado las etiquetas y lo mostramos
## [1] Contr Contr Contr Contr Contr Contr
## [7] Contr Contr Contr Contr Contr Contr
## [13] Contr Contr Contr Contr Contr Contr
## [19] Contr Contr Contr Contr Contr Contr
## [25] Contr Contr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr
## [31] Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr
## [37] Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr
## [43] Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr
## [49] Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr Cogn Beh Tr
## [55] Cogn Beh Tr Fam Tr Fam Tr Fam Tr Fam Tr Fam Tr
## [61] Fam Tr Fam Tr Fam Tr Fam Tr Fam Tr Fam Tr
## [67] Fam Tr Fam Tr Fam Tr Fam Tr Fam Tr Fam Tr
## Levels: Cogn Beh Tr Contr Fam Tr
#Ejercicio 4 ##Apartado a)
library ("MASS")
data ("biopsy")
write.csv (biopsy, file = "C:\\Users\\mponc\\Documents\\biopsy.csv")
##Apartado b)
library ("MASS")
library ("openxlsx")
## Warning: package 'openxlsx' was built under R version 4.3.3
data ("Melanoma")
write.csv (Melanoma, file = "C:\\Users\\mponc\\Documents\\melanoma.csv")
write.xlsx (Melanoma, file = "C:\\Users\\mponc\\Documents\\melanoma.xlsx")
write.table (Melanoma, file = "C:\\Users\\mponc\\Documents\\melanoma.txt")
#
##Apartado c)
resumen <- summary (Melanoma$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