LAB 1

Ejercicio 1:

Utilizando las funciones citadas en este Laboratorio, comprobad qué paquetes tenéis instalados en vuestra versión de RStudio e instalad el paquete MASS y el paquete Survival y
comprobad la información que contienen.
Buscad información sobre el paquete Rcmdr (R Commander) desde la consola.

Ejercicio 2:

  1. Importad un archivo de texto y buscad un summary() de tres variables que escojáis.
# Para importar archivos de texto llamamos a readr y usamos read.txt.
library(readr)
iris <- read.table("iris.txt")

# Ahora hacemos resumen de algunas de las variables de nuestro dataset.
summary(iris$Sepal.Length)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   4.300   5.100   5.800   5.843   6.400   7.900
summary(iris$Sepal.Width)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   2.000   2.800   3.000   3.057   3.300   4.400
summary(iris$Petal.Width)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   0.100   0.300   1.300   1.199   1.800   2.500
  1. Importad un archivo «.csv» y buscad un fivenum() de dos variables que os parezcan relevantes para el estudio.
# Ahora usamos read.csv.
horas_de_sueño <- read.csv("horas de sueño.csv")

# Aplicamos las funciones fivenum().
fivenum(horas_de_sueño$sleep_total)
## [1]  1.90  7.85 10.10 13.75 19.90
fivenum(horas_de_sueño$sleep_rem)
## [1] 0.1 0.9 1.5 2.4 6.6

Ejercicio 3:

A partir del conjunto de datos anorexia del paquete MASS, que corresponden a los datos de
cambio de peso de pacientes jóvenes con anorexia, mostrad los tipos de datos que contiene
y comprobad si existen valores NA y NULL. Para la variable Treat, transformad los valores «CBT», «Cont» y FT en «Cogn Beh Tr», «Contr» y «Fam Tr», respectivamente.

# Llamamos al paquete MASS y a los datos de anorexia.
library("MASS")
data("anorexia")

# Mostramos los tipos de datos que contiene.
summary(anorexia)
##   Treat        Prewt           Postwt      
##  CBT :29   Min.   :70.00   Min.   : 71.30  
##  Cont:26   1st Qu.:79.60   1st Qu.: 79.33  
##  FT  :17   Median :82.30   Median : 84.05  
##            Mean   :82.41   Mean   : 85.17  
##            3rd Qu.:86.00   3rd Qu.: 91.55  
##            Max.   :94.90   Max.   :103.60
str(anorexia)
## 'data.frame':    72 obs. of  3 variables:
##  $ Treat : Factor w/ 3 levels "CBT","Cont","FT": 2 2 2 2 2 2 2 2 2 2 ...
##  $ Prewt : num  80.7 89.4 91.8 74 78.1 88.3 87.3 75.1 80.6 78.4 ...
##  $ Postwt: num  80.2 80.1 86.4 86.3 76.1 78.1 75.1 86.7 73.5 84.6 ...
# Comprobamos si existen valores NA y NULL para el dataset.
is.na(anorexia) # No hay ninguno
##    Treat Prewt Postwt
## 1  FALSE FALSE  FALSE
## 2  FALSE FALSE  FALSE
## 3  FALSE FALSE  FALSE
## 4  FALSE FALSE  FALSE
## 5  FALSE FALSE  FALSE
## 6  FALSE FALSE  FALSE
## 7  FALSE FALSE  FALSE
## 8  FALSE FALSE  FALSE
## 9  FALSE FALSE  FALSE
## 10 FALSE FALSE  FALSE
## 11 FALSE FALSE  FALSE
## 12 FALSE FALSE  FALSE
## 13 FALSE FALSE  FALSE
## 14 FALSE FALSE  FALSE
## 15 FALSE FALSE  FALSE
## 16 FALSE FALSE  FALSE
## 17 FALSE FALSE  FALSE
## 18 FALSE FALSE  FALSE
## 19 FALSE FALSE  FALSE
## 20 FALSE FALSE  FALSE
## 21 FALSE FALSE  FALSE
## 22 FALSE FALSE  FALSE
## 23 FALSE FALSE  FALSE
## 24 FALSE FALSE  FALSE
## 25 FALSE FALSE  FALSE
## 26 FALSE FALSE  FALSE
## 27 FALSE FALSE  FALSE
## 28 FALSE FALSE  FALSE
## 29 FALSE FALSE  FALSE
## 30 FALSE FALSE  FALSE
## 31 FALSE FALSE  FALSE
## 32 FALSE FALSE  FALSE
## 33 FALSE FALSE  FALSE
## 34 FALSE FALSE  FALSE
## 35 FALSE FALSE  FALSE
## 36 FALSE FALSE  FALSE
## 37 FALSE FALSE  FALSE
## 38 FALSE FALSE  FALSE
## 39 FALSE FALSE  FALSE
## 40 FALSE FALSE  FALSE
## 41 FALSE FALSE  FALSE
## 42 FALSE FALSE  FALSE
## 43 FALSE FALSE  FALSE
## 44 FALSE FALSE  FALSE
## 45 FALSE FALSE  FALSE
## 46 FALSE FALSE  FALSE
## 47 FALSE FALSE  FALSE
## 48 FALSE FALSE  FALSE
## 49 FALSE FALSE  FALSE
## 50 FALSE FALSE  FALSE
## 51 FALSE FALSE  FALSE
## 52 FALSE FALSE  FALSE
## 53 FALSE FALSE  FALSE
## 54 FALSE FALSE  FALSE
## 55 FALSE FALSE  FALSE
## 56 FALSE FALSE  FALSE
## 57 FALSE FALSE  FALSE
## 58 FALSE FALSE  FALSE
## 59 FALSE FALSE  FALSE
## 60 FALSE FALSE  FALSE
## 61 FALSE FALSE  FALSE
## 62 FALSE FALSE  FALSE
## 63 FALSE FALSE  FALSE
## 64 FALSE FALSE  FALSE
## 65 FALSE FALSE  FALSE
## 66 FALSE FALSE  FALSE
## 67 FALSE FALSE  FALSE
## 68 FALSE FALSE  FALSE
## 69 FALSE FALSE  FALSE
## 70 FALSE FALSE  FALSE
## 71 FALSE FALSE  FALSE
## 72 FALSE FALSE  FALSE
is.null(anorexia) # Tampoco
## [1] FALSE
# Transformamos valores mediante el uso de etiquetas (ayudándome de las soluciones).
anorexia_modificada <- factor(anorexia$Treat,levels=c("CBT","Cont","FT"),labels=c("Cogn Beh Tr","Contr","Fam Tr"))

Ejercicio 4:

  1. Exportad los datos biopsy del paquete MASS a un archivo «.csv.»
# Importamos el dataset y lo exportamos en csv.
data("biopsy")
write.csv(biopsy, "biopsy.csv")
  1. Exportad los datos melanoma del paquete MASS a archivos de tres diferentes formatos y comprobad que se han creado los diferentes archivos en los formatos y las rutas especificados. Podéis generar una captura de pantalla de su ubicación en la carpeta.
# Importamos el dataset.
data("Melanoma")

# Importamos la librería necesaria para formatos excel.
library(openxlsx)

# Exportamos los documentos.
write.csv(Melanoma, "melanoma.csv")
write.table(Melanoma, "melanoma.txt")
write.xlsx(Melanoma, "melanoma.xlsx")
![3 formatos distintos del documento exportado](C:/Users/joanc/OneDrive/Documents/Joan/Màster Bioinformàtica i Bioestadística/Software per l'anàlisi de dades/R1/LAB1/3 formatos de melanoma.png)
  1. Generad un resumen (summary) de la variable age de melanoma y guardad la salida que os aparece en un documento .doc
# Guardamos el resumen de la variable age en un nuevo objeto.
variable_age_melanoma <- summary(Melanoma$age)

# Exportamos la variable a un documento .doc.
# No se encuentra ninguna función ni librería y en las soluciones tampoco aparece nada.
  1. Buscad un data frame en algún repositorio de datos de Biomedicina, descargad un conjunto de datos en «.csv» e importad este fichero a un documento R Markdown usando el código o el menú de importación de RStudio. Esta es una lista de algunos repositorios de datos que podemos usar:
    https://ouhsc.edu/bserdac/dthompso/web/statres.htm https://guides.lib.berkeley.edu/publichealth/healthstatistics/rawdata >https://archive.ics.uci.edu/datasets>
# Importamos un documento de datos en .csv encontrado en estas webs.
read.csv("bodyfat.csv")
##     Density BodyFat Age Weight Height Neck Chest Abdomen   Hip Thigh Knee Ankle
## 1    1.0708    12.3  23 154.25  67.75 36.2  93.1    85.2  94.5  59.0 37.3  21.9
## 2    1.0853     6.1  22 173.25  72.25 38.5  93.6    83.0  98.7  58.7 37.3  23.4
## 3    1.0414    25.3  22 154.00  66.25 34.0  95.8    87.9  99.2  59.6 38.9  24.0
## 4    1.0751    10.4  26 184.75  72.25 37.4 101.8    86.4 101.2  60.1 37.3  22.8
## 5    1.0340    28.7  24 184.25  71.25 34.4  97.3   100.0 101.9  63.2 42.2  24.0
## 6    1.0502    20.9  24 210.25  74.75 39.0 104.5    94.4 107.8  66.0 42.0  25.6
## 7    1.0549    19.2  26 181.00  69.75 36.4 105.1    90.7 100.3  58.4 38.3  22.9
## 8    1.0704    12.4  25 176.00  72.50 37.8  99.6    88.5  97.1  60.0 39.4  23.2
## 9    1.0900     4.1  25 191.00  74.00 38.1 100.9    82.5  99.9  62.9 38.3  23.8
## 10   1.0722    11.7  23 198.25  73.50 42.1  99.6    88.6 104.1  63.1 41.7  25.0
## 11   1.0830     7.1  26 186.25  74.50 38.5 101.5    83.6  98.2  59.7 39.7  25.2
## 12   1.0812     7.8  27 216.00  76.00 39.4 103.6    90.9 107.7  66.2 39.2  25.9
## 13   1.0513    20.8  32 180.50  69.50 38.4 102.0    91.6 103.9  63.4 38.3  21.5
## 14   1.0505    21.2  30 205.25  71.25 39.4 104.1   101.8 108.6  66.0 41.5  23.7
## 15   1.0484    22.1  35 187.75  69.50 40.5 101.3    96.4 100.1  69.0 39.0  23.1
## 16   1.0512    20.9  35 162.75  66.00 36.4  99.1    92.8  99.2  63.1 38.7  21.7
## 17   1.0333    29.0  34 195.75  71.00 38.9 101.9    96.4 105.2  64.8 40.8  23.1
## 18   1.0468    22.9  32 209.25  71.00 42.1 107.6    97.5 107.0  66.9 40.0  24.4
## 19   1.0622    16.0  28 183.75  67.75 38.0 106.8    89.6 102.4  64.2 38.7  22.9
## 20   1.0610    16.5  33 211.75  73.50 40.0 106.2   100.5 109.0  65.8 40.6  24.0
## 21   1.0551    19.1  28 179.00  68.00 39.1 103.3    95.9 104.9  63.5 38.0  22.1
## 22   1.0640    15.2  28 200.50  69.75 41.3 111.4    98.8 104.8  63.4 40.6  24.6
## 23   1.0631    15.6  31 140.25  68.25 33.9  86.0    76.4  94.6  57.4 35.3  22.2
## 24   1.0584    17.7  32 148.75  70.00 35.5  86.7    80.0  93.4  54.9 36.2  22.1
## 25   1.0668    14.0  28 151.25  67.75 34.5  90.2    76.3  95.8  58.4 35.5  22.9
## 26   1.0911     3.7  27 159.25  71.50 35.7  89.6    79.7  96.5  55.0 36.7  22.5
## 27   1.0811     7.9  34 131.50  67.50 36.2  88.6    74.6  85.3  51.7 34.7  21.4
## 28   1.0468    22.9  31 148.00  67.50 38.8  97.4    88.7  94.7  57.5 36.0  21.0
## 29   1.0910     3.7  27 133.25  64.75 36.4  93.5    73.9  88.5  50.1 34.5  21.3
## 30   1.0790     8.8  29 160.75  69.00 36.7  97.4    83.5  98.7  58.9 35.3  22.6
## 31   1.0716    11.9  32 182.00  73.75 38.7 100.5    88.7  99.8  57.5 38.7  33.9
## 32   1.0862     5.7  29 160.25  71.25 37.3  93.5    84.5 100.6  58.5 38.8  21.5
## 33   1.0719    11.8  27 168.00  71.25 38.1  93.0    79.1  94.5  57.3 36.2  24.5
## 34   1.0502    21.3  41 218.50  71.00 39.8 111.7   100.5 108.3  67.1 44.2  25.2
## 35   1.0263    32.3  41 247.25  73.50 42.1 117.0   115.6 116.1  71.2 43.3  26.3
## 36   1.0101    40.1  49 191.75  65.00 38.4 118.5   113.1 113.8  61.9 38.3  21.9
## 37   1.0438    24.2  40 202.25  70.00 38.5 106.5   100.9 106.2  63.5 39.9  22.6
## 38   1.0346    28.4  50 196.75  68.25 42.1 105.6    98.8 104.8  66.0 41.5  24.7
## 39   1.0202    35.2  46 363.15  72.25 51.2 136.2   148.1 147.7  87.3 49.1  29.6
## 40   1.0258    32.6  50 203.00  67.00 40.2 114.8   108.1 102.5  61.3 41.1  24.7
## 41   1.0217    34.5  45 262.75  68.75 43.2 128.3   126.2 125.6  72.5 39.6  26.6
## 42   1.0250    32.9  44 205.00  29.50 36.6 106.0   104.3 115.5  70.6 42.5  23.7
## 43   1.0279    31.6  48 217.00  70.00 37.3 113.3   111.2 114.1  67.7 40.9  25.0
## 44   1.0269    32.0  41 212.00  71.50 41.5 106.6   104.3 106.0  65.0 40.2  23.0
## 45   1.0814     7.7  39 125.25  68.00 31.5  85.1    76.0  88.2  50.0 34.7  21.0
## 46   1.0670    13.9  43 164.25  73.25 35.7  96.6    81.5  97.2  58.4 38.2  23.4
## 47   1.0742    10.8  40 133.50  67.50 33.6  88.2    73.7  88.5  53.3 34.5  22.5
## 48   1.0665     5.6  39 148.50  71.25 34.6  89.8    79.5  92.7  52.7 37.5  21.9
## 49   1.0678    13.6  45 135.75  68.50 32.8  92.3    83.4  90.4  52.0 35.8  20.6
## 50   1.0903     4.0  47 127.50  66.75 34.0  83.4    70.4  87.2  50.6 34.4  21.9
## 51   1.0756    10.2  47 158.25  72.25 34.9  90.2    86.7  98.3  52.6 37.2  22.4
## 52   1.0840     6.6  40 139.25  69.00 34.3  89.2    77.9  91.0  51.4 34.9  21.0
## 53   1.0807     8.0  51 137.25  67.75 36.5  89.7    82.0  89.1  49.3 33.7  21.4
## 54   1.0848     6.3  49 152.75  73.50 35.1  93.3    79.6  91.6  52.6 37.6  22.6
## 55   1.0906     3.9  42 136.25  67.50 37.8  87.6    77.6  88.6  51.9 34.9  22.5
## 56   1.0473    22.6  54 198.00  72.00 39.9 107.6   100.0  99.6  57.2 38.0  22.0
## 57   1.0524    20.4  58 181.50  68.00 39.1 100.0    99.8 102.5  62.1 39.6  22.5
## 58   1.0356    28.0  62 201.25  69.50 40.5 111.5   104.2 105.8  61.8 39.8  22.7
## 59   1.0280    31.5  54 202.50  70.75 40.5 115.4   105.3  97.0  59.1 38.0  22.5
## 60   1.0430    24.6  61 179.75  65.75 38.4 104.8    98.3  99.6  60.6 37.7  22.9
## 61   1.0396    26.1  62 216.00  73.25 41.4 112.3   104.8 103.1  61.6 40.9  23.1
## 62   1.0317    29.8  56 178.75  68.50 35.6 102.9    94.7 100.8  60.9 38.0  22.1
## 63   1.0298    30.7  54 193.25  70.25 38.0 107.6   102.4  99.4  61.0 39.4  23.6
## 64   1.0403    25.8  61 178.00  67.00 37.4 105.3    99.7  99.7  60.8 40.1  22.7
## 65   1.0264    32.3  57 205.50  70.00 40.1 105.3   105.5 108.3  65.0 41.2  24.7
## 66   1.0313    30.0  55 183.50  67.50 40.9 103.0   100.3 104.2  64.8 40.2  22.7
## 67   1.0499    21.5  54 151.50  70.75 35.6  90.0    83.9  93.9  55.0 36.1  21.7
## 68   1.0673    13.8  55 154.75  71.50 36.9  95.4    86.6  91.8  54.3 35.4  21.5
## 69   1.0847     6.3  54 155.25  69.25 37.5  89.3    78.4  96.1  56.0 37.4  22.4
## 70   1.0693    12.9  55 156.75  71.50 36.3  94.4    84.6  94.3  51.2 37.4  21.6
## 71   1.0439    24.3  62 167.50  71.50 35.5  97.6    91.5  98.5  56.6 38.6  22.4
## 72   1.0788     8.8  55 146.75  68.75 38.7  88.5    82.8  95.5  58.9 37.6  21.6
## 73   1.0796     8.5  56 160.75  73.75 36.4  93.6    82.9  96.3  52.9 37.5  23.1
## 74   1.0680    13.5  55 125.00  64.00 33.2  87.7    76.0  88.6  50.9 35.4  19.1
## 75   1.0720    11.8  61 143.00  65.75 36.5  93.4    83.3  93.0  55.5 35.2  20.9
## 76   1.0666    18.5  61 148.25  67.50 36.0  91.6    81.8  94.8  54.5 37.0  21.4
## 77   1.0790     8.8  57 162.50  69.50 38.7  91.6    78.8  94.3  56.7 39.7  24.2
## 78   1.0483    22.2  69 177.75  68.50 38.7 102.0    95.0  98.3  55.0 38.3  21.8
## 79   1.0498    21.5  81 161.25  70.25 37.8  96.4    95.4  99.3  53.5 37.5  21.5
## 80   1.0560    18.8  66 171.25  69.25 37.4 102.7    98.6 100.2  56.5 39.3  22.7
## 81   1.0283    31.4  67 163.75  67.75 38.4  97.7    95.8  97.1  54.8 38.2  23.7
## 82   1.0382    26.8  64 150.25  67.25 38.1  97.1    89.0  96.9  54.8 38.0  22.0
## 83   1.0568    18.4  64 190.25  72.75 39.3 103.1    97.8  99.6  58.9 39.0  23.0
## 84   1.0377    27.0  70 170.75  70.00 38.7 101.8    94.9  95.0  56.0 36.5  24.1
## 85   1.0378    27.0  72 168.00  69.25 38.5 101.4    99.8  96.2  56.3 36.6  22.0
## 86   1.0386    26.6  67 167.00  67.50 36.5  98.9    89.7  96.2  54.7 37.8  33.7
## 87   1.0648    14.9  72 157.75  67.25 37.7  97.5    88.1  96.9  57.2 37.7  21.8
## 88   1.0462    23.1  64 160.00  65.75 36.5 104.3    90.9  93.8  57.8 39.5  23.3
## 89   1.0800     8.3  46 176.75  72.50 38.0  97.3    86.0  99.3  61.0 38.4  23.8
## 90   1.0666    14.1  48 176.00  73.00 36.7  96.7    86.5  98.3  60.4 39.9  24.4
## 91   1.0520    20.5  46 177.00  70.00 37.2  99.7    95.6 102.2  58.3 38.2  22.5
## 92   1.0573    18.2  44 179.75  69.50 39.2 101.9    93.2 100.6  58.9 39.7  23.1
## 93   1.0795     8.5  47 165.25  70.50 37.5  97.2    83.1  95.4  56.9 38.3  22.1
## 94   1.0424    24.9  46 192.50  71.75 38.0 106.6    97.5 100.6  58.9 40.5  24.5
## 95   1.0785     9.0  47 184.25  74.50 37.3  99.6    88.8 101.4  57.4 39.6  24.6
## 96   1.0991    17.4  53 224.50  77.75 41.1 113.2    99.2 107.5  61.7 42.3  23.2
## 97   1.0770     9.6  38 188.75  73.25 37.5  99.1    91.6 102.4  60.6 39.4  22.9
## 98   1.0730    11.3  50 162.50  66.50 38.7  99.4    86.7  96.2  62.1 39.3  23.3
## 99   1.0582    17.8  46 156.50  68.25 35.9  95.1    88.2  92.8  54.7 37.3  21.9
## 100  1.0484    22.2  47 197.00  72.00 40.0 107.5    94.0 103.7  62.7 39.0  22.3
## 101  1.0506    21.2  49 198.50  73.50 40.1 106.5    95.0 101.7  59.0 39.4  22.3
## 102  1.0524    20.4  48 173.75  72.00 37.0  99.1    92.0  98.3  59.3 38.4  22.4
## 103  1.0530    20.1  41 172.75  71.25 36.3  96.7    89.2  98.3  60.0 38.4  23.2
## 104  1.0480    22.3  49 196.75  73.75 40.7 103.5    95.5 101.6  59.1 39.8  25.4
## 105  1.0412    25.4  43 177.00  69.25 39.6 104.0    98.6  99.5  59.5 36.1  22.0
## 106  1.0578    18.0  43 165.50  68.50 31.1  93.1    87.3  96.6  54.7 39.0  24.8
## 107  1.0547    19.3  43 200.25  73.50 38.6 105.2   102.8 103.6  61.2 39.3  23.5
## 108  1.0569    18.3  52 203.25  74.25 42.0 110.0   101.6 100.7  55.8 38.7  23.4
## 109  1.0593    17.3  43 194.00  75.50 38.5 110.1    88.7 102.1  57.5 40.0  24.8
## 110  1.0500    21.4  40 168.50  69.25 34.2  97.8    92.3 100.6  57.5 36.8  22.8
## 111  1.0538    19.7  43 170.75  68.50 37.2  96.3    90.6  99.3  61.9 38.0  22.3
## 112  1.0355    28.0  43 183.25  70.00 37.1 108.0   105.0 103.0  63.7 40.0  23.6
## 113  1.0486    22.1  47 178.25  70.00 40.2  99.7    95.0  98.6  62.3 38.1  23.9
## 114  1.0503    21.3  42 163.00  70.25 35.3  93.5    89.6  99.8  61.5 37.8  21.9
## 115  1.0384    26.7  48 175.25  71.75 38.0 100.7    92.4  97.5  59.3 38.1  21.8
## 116  1.0607    16.7  40 158.00  69.25 36.3  97.0    86.6  92.6  55.9 36.3  22.1
## 117  1.0529    20.1  48 177.25  72.75 36.8  96.0    90.0  99.7  58.8 38.4  22.8
## 118  1.0671    13.9  51 179.00  72.00 41.0  99.2    90.0  96.4  56.8 38.8  23.3
## 119  1.0404    25.8  40 191.00  74.00 38.3  95.4    92.4 104.3  64.6 41.1  24.8
## 120  1.0575    18.1  44 187.50  72.25 38.0 101.8    87.5 101.0  58.5 39.2  24.5
## 121  1.0358    27.9  52 206.50  74.50 40.8 104.3    99.2 104.1  58.5 39.3  24.6
## 122  1.0414    25.3  44 185.25  71.50 39.5  99.2    98.1 101.4  57.1 40.5  23.2
## 123  1.0652    14.7  40 160.25  68.75 36.9  99.3    83.3  97.5  60.5 38.7  22.6
## 124  1.0623    16.0  47 151.50  66.75 36.9  94.0    86.1  95.2  58.1 36.5  22.1
## 125  1.0674    13.8  50 161.00  66.50 37.7  98.9    84.1  94.0  58.5 36.6  23.5
## 126  1.0587    17.5  46 167.00  67.00 36.6 101.0    89.9 100.0  60.7 36.0  21.9
## 127  1.0373    27.2  42 177.50  68.75 38.9  98.7    92.1  98.5  60.7 36.8  22.2
## 128  1.0590    17.4  43 152.25  67.75 37.5  95.9    78.0  93.2  53.5 35.8  20.8
## 129  1.0515    20.8  40 192.25  73.25 39.8 103.9    93.5  99.5  61.7 39.0  21.8
## 130  1.0648    14.9  42 165.25  69.75 38.3  96.2    87.0  97.8  57.4 36.9  22.2
## 131  1.0575    18.1  49 171.75  71.50 35.5  97.8    90.1  95.8  57.0 38.7  23.2
## 132  1.0472    22.7  40 171.25  70.50 36.3  94.6    90.3  99.1  60.3 38.5  23.0
## 133  1.0452    23.6  47 197.00  73.25 37.8 103.6    99.8 103.2  61.2 38.1  22.6
## 134  1.0398    26.1  50 157.00  66.75 37.8 100.4    89.4  92.3  56.1 35.6  20.5
## 135  1.0435    24.4  41 168.25  69.50 36.5  98.4    87.2  98.4  56.0 36.9  23.0
## 136  1.0374    27.1  44 186.00  69.75 37.8 104.6   101.1 102.1  58.9 37.9  22.7
## 137  1.0491    21.8  39 166.75  70.75 37.0  92.9    86.1  95.6  58.8 36.1  22.4
## 138  1.0325    29.4  43 187.75  74.00 37.7  97.8    98.6 100.6  63.6 39.2  23.8
## 139  1.0481    22.4  40 168.25  71.25 34.3  98.3    88.5  98.3  58.1 38.4  22.5
## 140  1.0522    20.4  49 212.75  75.00 40.8 104.7   106.6 107.7  66.5 42.5  24.5
## 141  1.0422    24.9  40 176.75  71.00 37.4  98.6    93.1 101.6  59.1 39.6  21.6
## 142  1.0571    18.3  40 173.25  69.50 36.5  99.5    93.0  99.3  60.4 38.2  22.0
## 143  1.0459    23.3  52 167.00  67.75 37.5 102.7    91.0  98.9  57.1 36.7  22.3
## 144  1.0775     9.4  23 159.75  72.25 35.5  92.1    77.1  93.9  56.1 36.1  22.7
## 145  1.0754    10.3  23 188.15  77.50 38.0  96.6    85.3 102.5  59.1 37.6  23.2
## 146  1.0664    14.2  24 156.00  70.75 35.7  92.7    81.9  95.3  56.4 36.5  22.0
## 147  1.0550    19.2  24 208.50  72.75 39.2 102.0    99.1 110.1  71.2 43.5  25.2
## 148  1.0322    29.6  25 206.50  69.75 40.9 110.9   100.5 106.2  68.4 40.8  24.6
## 149  1.0873     5.3  25 143.75  72.50 35.2  92.3    76.5  92.1  51.9 35.7  22.0
## 150  1.0416    25.2  26 223.00  70.25 40.6 114.1   106.8 113.9  67.6 42.7  24.7
## 151  1.0776     9.4  26 152.25  69.00 35.4  92.9    77.6  93.5  56.9 35.9  20.4
## 152  1.0542    19.6  26 241.75  74.50 41.8 108.3   102.9 114.4  72.9 43.5  25.1
## 153  1.0758    10.1  27 146.00  72.25 34.1  88.5    72.8  91.1  53.6 36.8  23.8
## 154  1.0610    16.5  27 156.75  67.25 37.9  94.0    88.2  95.2  56.8 37.4  22.8
## 155  1.0510    21.0  27 200.25  73.50 38.2 101.1   100.1 105.0  62.1 40.0  24.9
## 156  1.0594    17.3  28 171.50  75.25 35.6  92.1    83.5  98.3  57.3 37.8  21.7
## 157  1.0287    31.2  28 205.75  69.00 38.5 105.6   105.0 106.4  68.6 40.0  25.2
## 158  1.0761    10.0  28 182.50  72.25 37.0  98.5    90.8 102.5  60.8 38.5  25.0
## 159  1.0704    12.5  30 136.50  68.75 35.9  88.7    76.6  89.8  50.1 34.8  21.8
## 160  1.0477    22.5  31 177.25  71.50 36.2 101.1    92.4  99.3  59.4 39.0  24.6
## 161  1.0775     9.4  31 151.25  72.25 35.0  94.0    81.2  91.5  52.5 36.6  21.0
## 162  1.0653    14.6  33 196.00  73.00 38.5 103.8    95.6 105.1  61.4 40.6  25.0
## 163  1.0690    13.0  33 184.25  68.75 40.7  98.9    92.1 103.5  64.0 37.3  23.5
## 164  1.0644    15.1  34 140.00  70.50 36.0  89.2    83.4  89.6  52.4 35.6  20.4
## 165  1.0370    27.3  34 218.75  72.00 39.5 111.4   106.0 108.8  63.8 42.0  23.4
## 166  1.0549    19.2  35 217.00  73.75 40.5 107.5    95.1 104.5  64.8 41.3  25.6
## 167  1.0492    21.8  35 166.25  68.00 38.5  99.1    90.4  95.6  55.5 34.2  21.9
## 168  1.0525    20.3  35 224.75  72.25 43.9 108.2   100.4 106.8  63.3 41.7  24.6
## 169  1.0180    34.3  35 228.25  69.50 40.4 114.9   115.9 111.9  74.4 40.6  24.0
## 170  1.0610    16.5  35 172.75  69.50 37.6  99.1    90.8  98.1  60.1 39.1  23.4
## 171  1.0926     3.0  35 152.25  67.75 37.0  92.2    81.9  92.8  54.7 36.2  22.1
## 172  1.0983     0.7  35 125.75  65.50 34.0  90.8    75.0  89.2  50.0 34.8  22.0
## 173  1.0521    20.5  35 177.25  71.00 38.4 100.5    90.3  98.7  57.8 37.3  22.4
## 174  1.0603    16.9  36 176.25  71.50 38.7  98.2    90.3  99.9  59.2 37.7  21.5
## 175  1.0414    25.3  36 226.75  71.75 41.5 115.3   108.8 114.4  69.2 42.4  24.0
## 176  1.0763     9.9  37 145.25  69.25 36.0  96.8    79.4  89.2  50.3 34.8  22.2
## 177  1.0689    13.1  37 151.00  67.00 35.3  92.6    83.2  96.4  60.0 38.1  22.0
## 178  1.0316    29.9  37 241.25  71.50 42.1 119.2   110.3 113.9  69.8 42.6  24.8
## 179  1.0477    22.5  38 187.25  69.25 38.0 102.7    92.7 101.9  64.7 39.5  24.7
## 180  1.0603    16.9  39 234.75  74.50 42.8 109.5   104.5 109.9  69.5 43.1  25.8
## 181  1.0387    26.6  39 219.25  74.25 40.0 108.5   104.6 109.8  68.1 42.8  24.1
## 182  1.1089     0.0  40 118.50  68.00 33.8  79.3    69.4  85.0  47.2 33.5  20.2
## 183  1.0725    11.5  40 145.75  67.25 35.5  95.5    83.6  91.6  54.1 36.2  21.8
## 184  1.0713    12.1  40 159.25  69.75 35.3  92.3    86.8  96.1  58.0 39.4  22.7
## 185  1.0587    17.5  40 170.50  74.25 37.7  98.9    90.4  95.5  55.4 38.9  22.4
## 186  1.0794     8.6  40 167.50  71.50 39.4  89.5    83.7  98.1  57.3 39.7  22.6
## 187  1.0453    23.6  41 232.75  74.25 41.9 117.5   109.3 108.8  67.7 41.3  24.7
## 188  1.0524    20.4  41 210.50  72.00 38.5 107.4    98.9 104.1  63.5 39.8  23.5
## 189  1.0520    20.5  41 202.25  72.50 40.8 109.2    98.0 101.8  62.8 41.3  24.8
## 190  1.0434    24.4  41 185.00  68.25 38.0 103.4   101.2 103.1  61.5 40.4  22.9
## 191  1.0728    11.4  41 153.00  69.25 36.4  91.4    80.6  92.3  54.3 36.3  21.8
## 192  1.0140    38.1  42 244.25  76.00 41.8 115.2   113.7 112.4  68.5 45.0  25.5
## 193  1.0624    15.9  42 193.50  70.50 40.7 104.9    94.1 102.7  60.6 38.6  24.7
## 194  1.0429    24.7  42 224.75  74.75 38.5 106.7   105.7 111.8  65.3 43.3  26.0
## 195  1.0470    22.8  42 162.75  72.75 35.4  92.2    85.6  96.5  60.2 38.9  22.4
## 196  1.0411    25.5  42 180.00  68.25 38.5 101.6    96.6 100.6  61.1 38.4  24.1
## 197  1.0488    22.0  42 156.25  69.00 35.5  97.8    86.0  96.2  57.7 38.6  24.0
## 198  1.0583    17.7  42 168.00  71.50 36.5  92.0    89.7 101.0  62.3 38.0  22.3
## 199  1.0841     6.6  42 167.25  72.75 37.6  94.0    78.0  99.0  57.5 40.0  22.5
## 200  1.0462    23.6  43 170.75  67.50 37.4 103.7    89.7  94.2  58.5 39.0  24.1
## 201  1.0709    12.2  43 178.25  70.25 37.8 102.7    89.2  99.2  60.2 39.2  23.8
## 202  1.0484    22.1  43 150.00  69.25 35.2  91.1    85.7  96.9  55.5 35.7  22.0
## 203  1.0340    28.7  43 200.50  71.50 37.9 107.2   103.1 105.5  68.8 38.3  23.7
## 204  1.0854     6.0  44 184.00  74.00 37.9 100.8    89.1 102.6  60.6 39.0  24.0
## 205  1.0209    34.8  44 223.00  69.75 40.9 121.6   113.9 107.1  63.5 40.3  21.8
## 206  1.0610    16.6  44 208.75  73.00 41.9 105.6    96.3 102.0  63.3 39.8  24.1
## 207  1.0250    32.9  44 166.00  65.50 39.1 100.6    93.9 100.1  58.9 37.6  21.4
## 208  1.0254    32.8  47 195.00  72.50 40.2 102.7   101.3 101.7  60.7 39.4  23.3
## 209  1.0771     9.6  47 160.50  70.25 36.0  99.8    83.9  91.8  53.0 36.2  22.5
## 210  1.0742    10.8  47 159.75  70.75 34.5  92.9    84.4  94.0  56.0 38.2  22.6
## 211  1.0829     7.1  49 140.50  68.00 35.8  91.2    79.4  89.0  51.1 35.0  21.7
## 212  1.0373    27.2  49 216.25  74.50 40.2 115.6   104.0 109.0  63.7 40.3  23.2
## 213  1.0543    19.5  49 168.25  71.75 38.3  98.3    89.7  99.1  56.3 38.8  23.0
## 214  1.0561    18.7  50 194.75  70.75 39.0 103.7    97.6 104.2  60.0 40.9  25.5
## 215  1.0543    19.5  50 172.75  73.00 37.4  98.7    87.6  96.1  57.1 38.1  21.8
## 216  0.9950    47.5  51 219.00  64.00 41.2 119.8   122.1 112.8  62.5 36.9  23.6
## 217  1.0678    13.6  51 149.25  69.75 34.8  92.8    81.1  96.3  53.8 36.5  21.5
## 218  1.0819     7.5  51 154.50  70.00 36.9  93.3    81.5  94.4  54.7 39.0  22.6
## 219  1.0433    24.5  52 199.25  71.75 39.4 106.8   100.0 105.0  63.9 39.2  22.9
## 220  1.0646    15.0  53 154.50  69.25 37.6  93.9    88.7  94.5  53.7 36.2  22.0
## 221  1.0706    12.4  54 153.25  70.50 38.5  99.0    91.8  96.2  57.7 38.1  23.9
## 222  1.0399    26.0  54 230.00  72.25 42.5 119.9   110.4 105.5  64.2 42.7  27.0
## 223  1.0726    11.5  54 161.75  67.50 37.4  94.2    87.6  95.6  59.7 40.2  23.4
## 224  1.0874     5.2  55 142.25  67.25 35.2  92.7    82.8  91.9  54.4 35.2  22.5
## 225  1.0740    10.9  55 179.75  68.75 41.1 106.9    95.3  98.2  57.4 37.1  21.8
## 226  1.0703    12.5  55 126.50  66.75 33.4  88.8    78.2  87.5  50.8 33.0  19.7
## 227  1.0650    14.8  55 169.50  68.25 37.2 101.7    91.1  97.1  56.6 38.5  22.6
## 228  1.0418    25.2  55 198.50  74.25 38.3 105.3    96.7 106.6  64.0 42.6  23.4
## 229  1.0647    14.9  56 174.50  69.50 38.1 104.0    89.4  98.4  58.4 37.4  22.5
## 230  1.0601    17.0  56 167.75  68.50 37.4  98.6    93.0  97.0  55.4 38.8  23.2
## 231  1.0745    10.6  57 147.75  65.75 35.2  99.6    86.4  90.1  53.0 35.0  21.3
## 232  1.0620    16.1  57 182.25  71.75 39.4 103.4    96.7 100.7  59.3 38.6  22.8
## 233  1.0636    15.4  58 175.50  71.50 38.0 100.2    88.1  97.8  57.1 38.9  23.6
## 234  1.0384    26.7  58 161.75  67.25 35.1  94.9    94.9 100.2  56.8 35.9  21.0
## 235  1.0403    25.8  60 157.75  67.50 40.4  97.2    93.3  94.0  54.3 35.7  21.0
## 236  1.0563    18.6  62 168.75  67.50 38.3 104.7    95.6  93.7  54.4 37.1  22.7
## 237  1.0424    24.8  62 191.50  72.25 40.6 104.0    98.2 101.1  59.3 40.3  23.0
## 238  1.0372    27.3  63 219.15  69.50 40.2 117.6   113.8 111.8  63.4 41.1  22.3
## 239  1.0705    12.4  64 155.25  69.50 37.9  95.8    82.8  94.5  61.2 39.1  22.3
## 240  1.0316    29.9  65 189.75  65.75 40.8 106.4   100.5 100.5  59.2 38.1  24.0
## 241  1.0599    17.0  65 127.50  65.75 34.7  93.0    79.7  87.6  50.7 33.4  20.1
## 242  1.0207    35.0  65 224.50  68.25 38.8 119.6   118.0 114.3  61.3 42.1  23.4
## 243  1.0304    30.4  66 234.25  72.00 41.4 119.7   109.0 109.1  63.7 42.4  24.6
## 244  1.0256    32.6  67 227.75  72.75 41.3 115.8   113.4 109.8  65.6 46.0  25.4
## 245  1.0334    29.0  67 199.50  68.50 40.7 118.3   106.1 101.6  58.2 38.8  24.1
## 246  1.0641    15.2  68 155.50  69.25 36.3  97.4    84.3  94.4  54.3 37.5  22.6
## 247  1.0308    30.2  69 215.50  70.50 40.8 113.7   107.6 110.0  63.3 44.0  22.6
## 248  1.0736    11.0  70 134.25  67.00 34.9  89.2    83.6  88.8  49.6 34.8  21.5
## 249  1.0236    33.6  72 201.00  69.75 40.9 108.5   105.0 104.5  59.6 40.8  23.2
## 250  1.0328    29.3  72 186.75  66.00 38.9 111.1   111.5 101.7  60.3 37.3  21.5
## 251  1.0399    26.0  72 190.75  70.50 38.9 108.3   101.3  97.8  56.0 41.6  22.7
## 252  1.0271    31.9  74 207.50  70.00 40.8 112.4   108.5 107.1  59.3 42.2  24.6
##     Biceps Forearm Wrist
## 1     32.0    27.4  17.1
## 2     30.5    28.9  18.2
## 3     28.8    25.2  16.6
## 4     32.4    29.4  18.2
## 5     32.2    27.7  17.7
## 6     35.7    30.6  18.8
## 7     31.9    27.8  17.7
## 8     30.5    29.0  18.8
## 9     35.9    31.1  18.2
## 10    35.6    30.0  19.2
## 11    32.8    29.4  18.5
## 12    37.2    30.2  19.0
## 13    32.5    28.6  17.7
## 14    36.9    31.6  18.8
## 15    36.1    30.5  18.2
## 16    31.1    26.4  16.9
## 17    36.2    30.8  17.3
## 18    38.2    31.6  19.3
## 19    37.2    30.5  18.5
## 20    37.1    30.1  18.2
## 21    32.5    30.3  18.4
## 22    33.0    32.8  19.9
## 23    27.9    25.9  16.7
## 24    29.8    26.7  17.1
## 25    31.1    28.0  17.6
## 26    29.9    28.2  17.7
## 27    28.7    27.0  16.5
## 28    29.2    26.6  17.0
## 29    30.5    27.9  17.2
## 30    30.1    26.7  17.6
## 31    32.5    27.7  18.4
## 32    30.1    26.4  17.9
## 33    29.0    30.0  18.8
## 34    37.5    31.5  18.7
## 35    37.3    31.7  19.7
## 36    32.0    29.8  17.0
## 37    35.1    30.6  19.0
## 38    33.2    30.5  19.4
## 39    45.0    29.0  21.4
## 40    34.1    31.0  18.3
## 41    36.4    32.7  21.4
## 42    33.6    28.7  17.4
## 43    36.7    29.8  18.4
## 44    35.8    31.5  18.8
## 45    26.1    23.1  16.1
## 46    29.7    27.4  18.3
## 47    27.9    26.2  17.3
## 48    28.8    26.8  17.9
## 49    28.8    25.5  16.3
## 50    26.8    25.8  16.8
## 51    26.0    25.8  17.3
## 52    26.7    26.1  17.2
## 53    29.6    26.0  16.9
## 54    38.5    27.4  18.5
## 55    27.7    27.5  18.5
## 56    35.9    30.2  18.9
## 57    33.1    28.3  18.5
## 58    37.7    30.9  19.2
## 59    31.6    28.8  18.2
## 60    34.5    29.6  18.5
## 61    36.2    31.8  20.2
## 62    32.5    29.8  18.3
## 63    32.7    29.9  19.1
## 64    33.6    29.0  18.8
## 65    35.3    31.1  18.4
## 66    34.8    30.1  18.7
## 67    29.6    27.4  17.4
## 68    32.8    27.4  18.7
## 69    32.6    28.1  18.1
## 70    27.3    27.1  17.3
## 71    31.5    27.3  18.6
## 72    30.3    27.3  18.3
## 73    29.7    27.3  18.2
## 74    29.3    25.7  16.9
## 75    29.4    27.0  16.8
## 76    29.3    27.0  18.3
## 77    30.2    29.2  18.1
## 78    30.8    25.7  18.8
## 79    31.4    26.8  18.3
## 80    30.3    28.7  19.0
## 81    29.4    27.2  19.0
## 82    29.9    25.2  17.7
## 83    34.3    29.6  19.0
## 84    31.2    27.3  19.2
## 85    29.7    26.3  18.0
## 86    32.4    27.7  18.2
## 87    32.6    28.0  18.8
## 88    29.2    28.4  18.1
## 89    30.2    29.3  18.8
## 90    28.8    29.6  18.7
## 91    29.1    27.7  17.7
## 92    31.4    28.4  18.8
## 93    30.1    28.2  18.4
## 94    33.3    29.6  19.1
## 95    30.3    27.9  17.8
## 96    32.9    30.8  20.4
## 97    31.6    30.1  18.5
## 98    30.6    27.8  18.2
## 99    31.6    27.5  18.2
## 100   35.3    30.9  18.3
## 101   32.2    31.0  18.6
## 102   27.9    26.2  17.0
## 103   31.0    29.2  18.4
## 104   31.0    30.3  19.7
## 105   30.1    27.2  17.7
## 106   31.0    29.4  18.8
## 107   30.5    28.5  18.1
## 108   35.1    29.6  19.1
## 109   35.1    30.7  19.2
## 110   32.1    26.0  17.3
## 111   33.3    28.2  18.1
## 112   33.5    27.8  17.4
## 113   35.3    31.1  19.8
## 114   30.7    27.6  17.4
## 115   31.8    27.3  17.5
## 116   29.8    26.3  17.3
## 117   29.9    28.0  18.1
## 118   33.4    29.8  19.5
## 119   33.6    29.5  18.5
## 120   32.1    28.6  18.0
## 121   33.9    31.2  19.5
## 122   33.0    29.6  18.4
## 123   34.4    28.0  17.6
## 124   30.6    27.5  17.6
## 125   34.4    29.2  18.0
## 126   35.6    30.2  17.6
## 127   33.8    30.3  17.2
## 128   33.9    28.2  17.4
## 129   33.3    29.6  18.1
## 130   31.6    27.8  17.7
## 131   27.5    26.5  17.6
## 132   31.2    28.4  17.1
## 133   33.5    28.6  17.9
## 134   33.6    29.3  17.3
## 135   34.0    29.8  18.1
## 136   30.9    28.8  17.6
## 137   32.7    28.3  17.1
## 138   34.3    28.4  17.7
## 139   31.7    27.4  17.6
## 140   35.5    29.8  18.7
## 141   30.8    27.9  16.6
## 142   32.0    28.5  17.8
## 143   31.6    27.5  17.9
## 144   30.5    27.2  18.2
## 145   31.8    29.7  18.3
## 146   33.5    28.3  17.3
## 147   36.1    30.3  18.7
## 148   33.3    29.7  18.4
## 149   25.8    25.2  16.9
## 150   36.0    30.4  18.4
## 151   31.6    29.0  17.8
## 152   38.5    33.8  19.6
## 153   27.8    26.3  17.4
## 154   30.6    28.3  17.9
## 155   33.7    29.2  19.4
## 156   32.2    27.7  17.7
## 157   35.2    30.7  19.1
## 158   31.6    28.0  18.6
## 159   27.0    34.9  16.9
## 160   30.1    28.2  18.2
## 161   27.0    26.3  16.5
## 162   31.3    29.2  19.1
## 163   33.5    30.6  19.7
## 164   28.3    26.2  16.5
## 165   34.0    31.2  18.5
## 166   36.4    33.7  19.4
## 167   30.2    28.7  17.7
## 168   37.2    33.1  19.8
## 169   36.1    31.8  18.8
## 170   32.5    29.8  17.4
## 171   30.4    27.4  17.7
## 172   24.8    25.9  16.9
## 173   31.0    28.7  17.7
## 174   32.4    28.4  17.8
## 175   35.4    21.0  20.1
## 176   31.0    26.9  16.9
## 177   31.5    26.6  16.7
## 178   34.4    29.5  18.4
## 179   34.8    30.3  18.1
## 180   39.1    32.5  19.9
## 181   35.6    29.0  19.0
## 182   27.7    24.6  16.5
## 183   31.4    28.3  17.2
## 184   30.0    26.4  17.4
## 185   30.5    28.9  17.7
## 186   32.9    29.3  18.2
## 187   37.2    31.8  20.0
## 188   36.4    30.4  19.1
## 189   36.6    32.4  18.8
## 190   33.4    29.2  18.5
## 191   29.6    27.3  17.9
## 192   37.1    31.2  19.9
## 193   34.0    30.1  18.7
## 194   33.7    29.9  18.5
## 195   31.7    27.1  17.1
## 196   32.9    29.8  18.8
## 197   31.2    27.3  17.4
## 198   30.8    27.8  16.9
## 199   30.6    30.0  18.5
## 200   33.8    28.8  18.8
## 201   31.7    28.4  18.6
## 202   29.4    26.6  17.4
## 203   32.1    28.9  18.7
## 204   32.9    29.2  18.4
## 205   34.8    30.7  17.4
## 206   37.3    23.1  19.4
## 207   33.1    29.5  17.3
## 208   36.7    31.6  18.4
## 209   31.4    27.5  17.7
## 210   29.0    26.2  17.6
## 211   30.9    28.8  17.4
## 212   36.8    31.0  18.9
## 213   29.5    27.9  18.6
## 214   32.7    30.0  19.0
## 215   28.6    26.7  18.0
## 216   34.7    29.1  18.4
## 217   31.3    26.3  17.8
## 218   27.5    25.9  18.6
## 219   35.7    30.4  19.2
## 220   28.5    25.7  17.1
## 221   31.4    29.9  18.9
## 222   38.4    32.0  19.6
## 223   27.9    27.0  17.8
## 224   29.4    26.8  17.0
## 225   34.1    31.1  19.2
## 226   25.3    22.0  15.8
## 227   33.4    29.3  18.8
## 228   33.2    30.0  18.4
## 229   34.6    30.1  18.8
## 230   32.4    29.7  19.0
## 231   31.7    27.3  16.9
## 232   31.8    29.1  19.0
## 233   30.9    29.6  18.0
## 234   27.8    26.1  17.6
## 235   31.3    28.7  18.3
## 236   30.3    26.3  18.3
## 237   32.6    28.5  19.0
## 238   35.1    29.6  18.5
## 239   29.8    28.9  18.3
## 240   35.9    30.5  19.1
## 241   28.5    24.8  16.5
## 242   34.9    30.1  19.4
## 243   35.6    30.7  19.5
## 244   35.3    29.8  19.5
## 245   32.1    29.3  18.5
## 246   29.2    27.3  18.5
## 247   37.5    32.6  18.8
## 248   25.6    25.7  18.5
## 249   35.2    28.6  20.1
## 250   31.3    27.2  18.0
## 251   30.5    29.4  19.8
## 252   33.7    30.0  20.9

Ejercicio 5:

En el siguiente ejemplo veremos cómo utilizar diferentes operadores sobre el conjunto de
datos birthwt, así como también algunas funciones que nos permiten obtener más
información de las variables:
a) ¿Cuál es la edad máxima de las madres del conjunto de datos?

# Cargamos el dataset.
data("birthwt")

# Usamos la función max para referirnos al valor más grande de la columna age.
edad_maxima <- max(birthwt$age)
edad_maxima
## [1] 45
  1. ¿Cuál es la edad mínima de las madres del conjunto de datos?
# Usamos la función min para referirnos al valor más pequeño de la columna age.
edad_minima <- min(birthwt$age)
edad_minima
## [1] 14
  1. ¿Cuál es el rango de edad de las madres?
# Restamos la variable de edad máxima menos la variable de edad mínima para obtener el rango de edad.
rango_edad <- edad_maxima - edad_minima
rango_edad
## [1] 31
  1. ¿Fumaba la madre cuyo recién nacido era el de menor peso?
# Seleccionamos el valor asociado a un menor peso al nacer.
fumadora_menor_peso <- birthwt$smoke[birthwt$bwt==min(birthwt$bwt)]

# En este caso el valor es uno, por lo que podemos decir que la madre sí es fumadora.
fumadora_menor_peso
## [1] 1
  1. ¿Cuánto pesó el recién nacido cuya madre tenía la edad máxima?
# Al igual que antes seleccionamos el valor de peso asociado a la madre con mayor edad.
peso_madre_mayor <- birthwt$bwt[birthwt$age==max(birthwt$age)]
peso_madre_mayor
## [1] 4990
  1. Listad los pesos de los recién nacidos, cuyas madres visitarán menos de dos veces al médico durante el primer trimestre.
# Cargamos la librería dplyr para facilitar la selección.
library(dplyr)
## 
## Attaching package: 'dplyr'
## The following object is masked from 'package:MASS':
## 
##     select
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union
# Primero seleccionamos las madres que tienen menos de 2 visitas al médico durante el primer trimestre y posteriormente nos quedamos solo con la columna de los pesos.
lista_pesos_madres_menos_dos_visitas <- birthwt %>% 
  filter(ftv < 2) %>% 
  select(bwt)

Ejercicio 6:

A partir del conjunto de datos anorexia trabajado en apartados anteriores, cread una matriz
que tenga como columnas los valores de Prewt y Postwt, y cada fila sean los valores correspondientes para cada posición.

# Cargamos el dataset.
data("anorexia")

# Usamos la función matrix para crear la matriz y le asignamos como parámetro ncol=2.
matriz_anorexia <- matrix(c(anorexia$Prewt, anorexia$Postwt), ncol = 2)

Ejercicio 7:

Copia el código siguiente en tu consola para generar un data frame con veinticinco registros
y seis variables, y responde a los siguientes apartados:

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
  1. Seleccionad los registros con edad > 22.
# Para seleccionar los registros con edad > 22 usamos otra vez el dplyr.
library(dplyr)
edad_mayor_22 <- Trat_Pulmón %>% filter(Edad > 22)

# O bien también podemos usar los subset.
edad_mayor_22 <- subset(Trat_Pulmón, Edad > 22)
  1. Seleccionad el elemento 3 de la columna 4 del conjunto de datos (contando el identificador).
# Para seleccionar el elemento 3 de la columna 4 usamos los [].
elemento_3_columna_4 <- Trat_Pulmón[3,4]
  1. Usad el comando subset() para seleccionar todas las filas que tienen una edad menor que 27 años y sin incluir la columna Alt.
# Usamos la función subset y dentro de subset la opción select.
menor_27_sin_alt <- subset(Trat_Pulmón, Edad < 27, select = -Alt)

Ejercicio 8:

Incorporad el dataset ChickWeight que contiene información sobre el peso de 578 pollitos
en gramos (weight), el tiempo desde la medición al nacer (Time), una variable identificadora
de cada pollito (Chick) a partir del rango de peso y una variable factor con el tipo de dieta experimental que cada pollito recibió (Diet). a) Incorporad el conjunto de datos ChickWeight del paquete datasets a vuestro entorno de trabajo.

# Cargamos el dataset.
data("ChickWeight")
?ChickWeight
## starting httpd help server ... done
  1. Generad un gráfico de dispersión de la variable weight.
# Creamos el gráfico de dispersión con plot.
plot(ChickWeight$weight, main = "Gráfico de dispersión del peso de los pollitos", ylab = "Gramos")

  1. Cread un diagrama de caja con la variable Time. Para más información sobre ChickWeight: https://rdrr.io/r/datasets/ChickWeight.html
# Creamos el diagrama de caja con boxplot.
boxplot(ChickWeight$Time, main = "Diagrama de caja del tiempo en días desde el nacimiento hasta la medida", ylab = "Días")

Ejercicio 9:

A partir del conjunto de datos anorexia del paquete MASS, cread otro data frame que se llame
anorexia_treat_df formado por Treat y por un vector nuevo calculado a partir de la diferencia Prewt-Postwt. De esta manera, nos quedará un data frame que contenga el tipo de tratamiento y el valor del peso ganado o perdido después de haber realizado el tratamiento.
Seleccionad aquellos individuos que han ganado peso después del tratamiento y cread un nuevo conjunto llamado anorexia_treat_C_df que contenga solo los datos de aquellos que han seguido el tratamiento «Cont» y que han ganado peso después del tratamiento.

# Cargamos de nuevo el dataset.
data("anorexia")
?anorexia

# Usamos el dplyr para realizar este ejercicio de forma sencilla. Primero creamos la nueva variable, luego seleccionamos las dos variables que queremos y finalmente nos quedamos con las diferencias negativas, ya que indican que ganan peso.
anorexia_treat_df <- anorexia %>% 
  mutate(diferencia_wt = Prewt - Postwt) %>% 
  select(Treat, diferencia_wt) %>% 
  filter(diferencia_wt < 0)
anorexia_treat_df
##    Treat diferencia_wt
## 1   Cont         -12.3
## 2   Cont         -11.6
## 3   Cont          -6.2
## 4   Cont          -8.3
## 5   Cont          -3.3
## 6   Cont         -11.3
## 7   Cont          -2.8
## 8   Cont          -0.3
## 9   Cont          -1.8
## 10  Cont          -3.7
## 11  Cont         -15.9
## 12   CBT          -1.7
## 13   CBT          -0.7
## 14   CBT         -14.9
## 15   CBT          -3.5
## 16   CBT         -17.1
## 17   CBT          -1.6
## 18   CBT         -11.7
## 19   CBT          -6.1
## 20   CBT          -1.1
## 21   CBT         -20.9
## 22   CBT          -2.1
## 23   CBT          -1.4
## 24   CBT          -2.4
## 25   CBT         -12.6
## 26   CBT          -1.9
## 27   CBT          -3.9
## 28   CBT          -0.1
## 29   CBT         -15.4
## 30    FT         -11.4
## 31    FT         -11.0
## 32    FT          -5.5
## 33    FT          -9.4
## 34    FT         -13.6
## 35    FT          -7.4
## 36    FT         -21.5
## 37    FT         -13.4
## 38    FT         -13.1
## 39    FT          -9.0
## 40    FT          -3.9
## 41    FT          -5.7
## 42    FT         -10.7
# Finalmente creamos un nuevo df de pacientes que siguen "Cont" y que ganan peso.
anorexia_treat_C_df <- anorexia_treat_df %>% 
  filter(Treat == "Cont")
anorexia_treat_C_df
##    Treat diferencia_wt
## 1   Cont         -12.3
## 2   Cont         -11.6
## 3   Cont          -6.2
## 4   Cont          -8.3
## 5   Cont          -3.3
## 6   Cont         -11.3
## 7   Cont          -2.8
## 8   Cont          -0.3
## 9   Cont          -1.8
## 10  Cont          -3.7
## 11  Cont         -15.9

Ejercicio 10:

Entrad en RPubs y registraros. Crearos un perfil y subid un documento R Markdown. Los prerequisitos son tener instalado R y RStudio (v0.96.230 o más), y el paquete knitr (v0.5 o
más).
Pasos que tenéis que seguir para publicar vuestro documento:
1) En RStudio, cread un documento R Markdown. 2) Generad el documento con Knit. 3) En la ventana de previsualización, clicad el botón de publicar. Como solución de vuestro ejercicio, copiad el enlace de vuestra página de prueba de RPubs.

Caso práctico:

Resolved los siguientes apartados: a) Cread un conjunto de datos inventado con R. Debe contener treinta observaciones (quince para hombres y quince para mujeres) para seis variables con estas características:

Variable Nombre Características
Identificador Id carácter
Edad Edad numérica
Genero Gene 2 valores (1 = mujer, 2 = hombre)
Tratamiento Trat Factor. Tres tipos de tratamiento (A, B y C)
Peso Peso numérica (en kg)
Estatura Alt numérica (en cm)
  1. Buscad información de vuestro conjunto de datos y de vuestras variables.
  2. 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. d) Cread dos data frames diferenciados para hombres y mujeres con dos nombres diferentes: Df_Hombres y Df_Mujeres. e) Combinad de nuevo los dos ficheros anteriores y cread el primero de nuevo con el comando rbind().