Id<-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","I26","I27","I28","I29","I30")
Edad<-c(21,54,23,28,30,54,24,18,68,51,31,31,41,31,19,54,43,18,35,46,24,64,34,31,42,25,23,34, 46, 20)
Gene<-c(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,2,2,2,2,2,2,2,2,2,2,2,2,2,2,2)
Trat<-c("A","B","C","A","B","C","A","B","C","A","B","C","A","B","C","A","B","C","A","B","C","A","B","C","A","B","C","A","B","C")
Peso<-c(46,64,59,58,58,71,52,74,50,47,75,48,58,46,44,109,73,96,99,93,69,83,76,79,70,84,96,75,85,84)
Alt<-c(149,165,160,163,156,167,159,166,157,161,172,156,160,149,148,187,174,188,182,177,170,174,173,170,161,180,181,164,175,175)
caso<-data.frame(Id, Edad, Gene, Trat, Peso, Alt) #Creo variables y un dataframeb)Buscad información de vuestro conjunto de datos y de vuestras variables. Los datos de peso y estatura en relación al género se han obtenido de [Regresion-Lineal /alturas-pesos.csv] (https://github.com/lab-ml-itba/Regresion-Lineal/blob/master/alturas-pesos.csv)
c)Cread una nueva variable a partir de alguna de las que tengamos. Por ejemplo, podéis calcular el IMC (IMC = peso (kg)/ [estatura (m)]2 e incluid la nueva variable en el conjunto de datos.
IMC<-Peso/((Alt/100)^2) #Fórmula nueva variable
IMC## [1] 20.71979 23.50781 23.04687 21.82995 23.83300 25.45807 20.56881 26.85441
## [9] 20.28480 18.13202 25.35154 19.72387 22.65625 20.71979 20.08766 31.17047
## [17] 24.11151 27.16161 29.88769 29.68496 23.87543 27.41445 25.39343 27.33564
## [25] 27.00513 25.92593 29.30313 27.88519 27.75510 27.42857d)Cread dos data frames diferenciados para hombres y mujeres con dos nombres diferentes: Df_Hombres y Df_Mujeres.
Df_Hombres<-subset(caso, Gene==2) #Subset hombres
Df_Hombres## Id Edad Gene Trat Peso Alt
## 16 I16 54 2 A 109 187
## 17 I17 43 2 B 73 174
## 18 I18 18 2 C 96 188
## 19 I19 35 2 A 99 182
## 20 I20 46 2 B 93 177
## 21 I21 24 2 C 69 170
## 22 I22 64 2 A 83 174
## 23 I23 34 2 B 76 173
## 24 I24 31 2 C 79 170
## 25 I25 42 2 A 70 161
## 26 I26 25 2 B 84 180
## 27 I27 23 2 C 96 181
## 28 I28 34 2 A 75 164
## 29 I29 46 2 B 85 175
## 30 I30 20 2 C 84 175Df_Mujeres<-subset(caso, Gene==1) #Subset mujeres
Df_Mujeres## Id Edad Gene Trat Peso Alt
## 1 I1 21 1 A 46 149
## 2 I2 54 1 B 64 165
## 3 I3 23 1 C 59 160
## 4 I4 28 1 A 58 163
## 5 I5 30 1 B 58 156
## 6 I6 54 1 C 71 167
## 7 I7 24 1 A 52 159
## 8 I8 18 1 B 74 166
## 9 I9 68 1 C 50 157
## 10 I10 51 1 A 47 161
## 11 I11 31 1 B 75 172
## 12 I12 31 1 C 48 156
## 13 I13 41 1 A 58 160
## 14 I14 31 1 B 46 149
## 15 I15 19 1 C 44 148d)Combinad de nuevo los dos ficheros anteriores y cread el primero de nuevo con el comando rbind().
Data_union=rbind(Df_Hombres, Df_Mujeres) #Unión de 2 dataframes con misma variables
Data_union## Id Edad Gene Trat Peso Alt
## 16 I16 54 2 A 109 187
## 17 I17 43 2 B 73 174
## 18 I18 18 2 C 96 188
## 19 I19 35 2 A 99 182
## 20 I20 46 2 B 93 177
## 21 I21 24 2 C 69 170
## 22 I22 64 2 A 83 174
## 23 I23 34 2 B 76 173
## 24 I24 31 2 C 79 170
## 25 I25 42 2 A 70 161
## 26 I26 25 2 B 84 180
## 27 I27 23 2 C 96 181
## 28 I28 34 2 A 75 164
## 29 I29 46 2 B 85 175
## 30 I30 20 2 C 84 175
## 1 I1 21 1 A 46 149
## 2 I2 54 1 B 64 165
## 3 I3 23 1 C 59 160
## 4 I4 28 1 A 58 163
## 5 I5 30 1 B 58 156
## 6 I6 54 1 C 71 167
## 7 I7 24 1 A 52 159
## 8 I8 18 1 B 74 166
## 9 I9 68 1 C 50 157
## 10 I10 51 1 A 47 161
## 11 I11 31 1 B 75 172
## 12 I12 31 1 C 48 156
## 13 I13 41 1 A 58 160
## 14 I14 31 1 B 46 149
## 15 I15 19 1 C 44 148