##2. ACTIVIDADES
##2.1. Realice los siguientes cálculos aritméticos, utilizando el programa R.
a = (24/-8+7)/(9-6*(2))
a = round(a,1)
print(a)
## [1] -1.3
b = 2*3-7+4-(1/3+1/2)
b = round(b,1)
print(b)
## [1] 2.2
c = (sqrt(16)+5*4-3**-2)/(3*(4-8)+1)
c = round(c,1)
print(c)
## [1] -2.2
d = 1/2*((5/4-1/2)*13/4-sqrt(7)+8/(2/1-1/5)-3**2)
d = round(d, 1)
print(d)
## [1] -2.4
e = 2*sin(pi/3)+5*cos(pi/4)-tan(pi/6)/4
e = round(e,1)
print(e)
## [1] 5.1
f = 4*log2(5)-3*log(7,base=3)+1/3*log(8)**3
f = round(f,1)
print(f)
## [1] 7
## Ejercicios 2.3 Suponga que se toma una muestra de 20 taxistas que laboran en el centro de la ciudad de Cali en 2016. Los datos obtenidos para los 20 taxistas se describen a continuación:
## vectores
## ID_identificación del taxista; GC_galones por semana;NP_Número de personas por semana; AS_ años de servicio.
## a) Construya dos vectores y denótelos GC y NP para guardar los datos de Gasto de combustible y número de pasajeros
GC = c(14.2, 8.0, 9.2, 12.1, 8.7, 11.6, 11.0, 12.5, 10.0, 9.0, 8.5, 13.1, 12.9, 8.4, 11.2, 9.8, 12.4, 11.0, 13.0, 8.6)
NP = c(11, 10, 6, 9, 10, 12, 14, 10, 8, 9, 11, 12, 11, 11, 15, 13, 12, 12, 8, 13)
library(modeest)
## Warning: package 'modeest' was built under R version 4.3.3
##b) Calcule la moda, la mediana, la media, desviación estándar, varianza y los cuartiles,para los datos de GC y NP.
## moda
moda_GC = mfv(GC)
print(moda_GC)
## [1] 11
moda_NP = mfv(NP)
print(moda_NP)
## [1] 11 12
## media
prom_GC = mean(GC)
print(prom_GC)
## [1] 10.76
prom_NP = mean(NP)
print(prom_NP)
## [1] 10.85
## acomodamiento menor a mayor -- mediana
acom_GC = sort(GC)
mediana_GC = median(acom_GC)
print(mediana_GC)
## [1] 11
## desviación estandar
de_GC = sd(GC)
d_1 = round(de_GC, 2)
print(d_1)
## [1] 1.91
de_NP = sd(NP)
d_2 = round(de_NP, 2)
print(d_2)
## [1] 2.18
## varianza
varia_GC = var(GC)
v_1 = round(varia_GC, 2)
print(v_1)
## [1] 3.67
varia_NP = var(NP)
v_2 = round(varia_NP, 2)
print(v_2)
## [1] 4.77
## cuartiles
cuartiles_GC = quantile(GC)
print(cuartiles_GC, 2)
## 0% 25% 50% 75% 100%
## 8.0 8.9 11.0 12.4 14.2
cuartiles_NP = quantile(NP)
print(cuartiles_NP, 2)
## 0% 25% 50% 75% 100%
## 6.0 9.8 11.0 12.0 15.0
## c) Represente gráficamente las variables GC y NP.
## Gráficas
ID = c(1:20)
barplot(GC, names.arg = ID, col = "red", xlab = "ID", ylab = "GC", main = "Representación Gráfica ID vs GC")
barplot(NP, names.arg = ID, col = "yellow", xlab = "ID", ylab = "NP", main = "Representación Gráfica ID vs NP")
## Ejercicio 2.4 De acuerdo con DANE durante el año 2016 en la Ciudad de Santiago de Cali - Valle se han presentado diferencias en cuanto al porcentaje de hogares pobres (PHP) y la tasa de mortalidad infantil (TMI) por cada mil nacidos vivos, como se muestra a continuación:
## a) Construya dos vectores y denótelos PHP y TMI para guardar los datos de porcentaje de hogares pobres y tasa de mortalidad infantil.
## b) Calcule la moda, la mediana, la media, desviación e datos de PHP y TMI
## Vectores
PHP = c(14.0, 24.7, 16.4, 26.0, 25.7, 24.6)
TMI =c(8.8, 10.2, 8.0, 9.1, 8.2, 9.4)
## moda
resul = mfv(PHP)
print(resul)
## [1] 14.0 16.4 24.6 24.7 25.7 26.0
moda_TMI = mfv(TMI)
print(moda_TMI)
## [1] 8.0 8.2 8.8 9.1 9.4 10.2
## media
prom_PHP = mean(PHP)
cat(prom_PHP, "%\n")
## 21.9 %
prom_TMI = mean(TMI)
print(prom_TMI)
## [1] 8.95
## acomodamiento menor a mayor -- mediana
acom_PHP = sort(PHP)
mediana_PHP = median(acom_PHP)
cat(mediana_PHP, "%\n")
## 24.65 %
acom_TMI = sort(TMI)
mediana_TMI = median(acom_TMI)
print(mediana_TMI)
## [1] 8.95
## desviación estandar
de_PHP = sd(PHP)
de_1 = round(de_PHP, 2)
cat(de_1, "%\n")
## 5.27 %
de_TMI = sd(TMI)
de_2 = round(de_TMI, 2)
print(de_2)
## [1] 0.81
## c) Represente gráficamente las variables PHP y TMI.
## Gráficas
INDICA = c("Central", "Norte", "Sur", "Oriente", "Oeste", "Rural")
barplot(PHP, names.arg = INDICA, col = "gray", xlab = "Indicador", ylab = "PHP", main = "Zona vs PHP")
barplot(TMI, names.arg = INDICA, col = "blue", xlab = "Indicador", ylab = "TMI", main = "Zona vs TMI")
## 2.5. Considere el siguiente cuadro referido a un grupo de estudiantes universitarios en cuanto a su género y estado conyugal.
## a) Construya la tabla anterior mediante el programa R.
# Crear la matriz de datos
datos = matrix(c("Género", "Casado", "Soltero", "Otro", "Masculino", 8, 14, 5, "Femenino", 12, 9, 10), nrow = 3, ncol = 4, byrow = TRUE)
# Convertir la matriz en un data frame
df = as.data.frame(datos)
# Nombres de Columnas
colnames(df) = c("--------", " ", " Estado", " Conyugal")
# Mostrar tabla
print(df)
## -------- Estado Conyugal
## 1 Género Casado Soltero Otro
## 2 Masculino 8 14 5
## 3 Femenino 12 9 10
## b) Represente gráficamente la tabla anterior (realice al menos dos gráficos diferentes).
## Gráficas
Gente = c(8,14,12,9)
names(Gente) = c("Hombres casados", "Hombres solteros", "Mujeres casadas", "Mujeres solteras")
barplot(Gente, col = "purple", main = "Población Casada y Soltera")
Pobla = c(20, 23)
names(Pobla) = c("Total de casados", "Total de solteros")
etiquetas = paste0(round(100 * Pobla/sum(Pobla), 2), "%")
pie(Pobla, labels = etiquetas, main = "Total de casados y solteros en el estudio")
