2.1. Realice los siguientes cálculos aritméticos, utilizando el programa R.

a = (24/(-8)+7)/(9-6*(2))
a
## [1] -1.333333
b = 2^3*-7+4-(1/3+1/2)
b
## [1] -52.83333
c =(sqrt(16)+5*(4)-3^(-2))/((3*(4-8)+1))
c
## [1] -2.171717
d =1/2*((5/4-2^-1)*13/4-(sqrt(7))+8/(2-1/5)-3^2)
d 
## [1] -2.381903
e = 2*sin(pi/3)+5*cos(pi/4)-(tan(pi/6))/4
e
## [1] 5.123247
f = 4*log2(5)-3*log(7,3)+1/3*log(8)^3
f
## [1] 6.971203

2.2. Para los ejercicios de la parte 2.1, redondee los resultados finales con una cifra decimal.

round(a,1)
## [1] -1.3
round(b,1)
## [1] -52.8
round(c,1)
## [1] -2.2
round(d,1)
## [1] -2.4
round(e,1)
## [1] 5.1
round(f,1)
## [1] 7

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:

  1. Construya dos vectores y denótelos GC y NP para guardar los datos de Gasto de combustible y número de pasajeros.
  2. Calcule la moda, la mediana, la media, desviación estándar, varianza y los cuartiles, para los datos de GC y NP.
  3. Represente gráficamente las variables GC y NP.
"Punto A"
## [1] "Punto A"
GC = c(14.2, 8, 9.2, 12.1, 8.7, 11.6, 11, 12.5, 10, 9, 8.5, 13.1, 12.9, 8.4, 11.2, 9.8, 12.4, 11, 13, 8.6)

NP = c(11, 10, 6, 9, 10, 12, 14, 10, 8, 9, 11, 12, 11, 11, 15, 13, 12, 12, 8, 13)

modest <- function(NP) {
   return(as.numeric(names(which.max(table(NP)))))
}
modest <- function(GC) {
   return(as.numeric(names(which.max(table(GC)))))
}

"Moda"
## [1] "Moda"
modest(GC)
## [1] 11
modest(NP)
## [1] 11
"Media"
## [1] "Media"
mean(GC)
## [1] 10.76
mean(NP)
## [1] 10.85
"Mediana"
## [1] "Mediana"
median(GC)
## [1] 11
median(NP)
## [1] 11
"Desviación estandar"
## [1] "Desviación estandar"
sd(GC)
## [1] 1.914873
sd(NP)
## [1] 2.183069
"Varianza"
## [1] "Varianza"
var(GC)
## [1] 3.666737
var(NP)
## [1] 4.765789
"Cuartiles"
## [1] "Cuartiles"
quantile(GC)
##     0%    25%    50%    75%   100% 
##  8.000  8.925 11.000 12.425 14.200
quantile(NP)
##    0%   25%   50%   75%  100% 
##  6.00  9.75 11.00 12.00 15.00
"Grafico de barras"
## [1] "Grafico de barras"
plot(NP,GC)

barplot(NP)

barplot (GC)

barplot (GC,NP)

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:

  1. Construya dos vectores y denótelos PHP y TMI para guardar los datos de porcentaje de hogares pobres y tasa de mortalidad infantil.
  2. Calcule la moda, la mediana, la media, desviación e datos de PHP y TMI.
  3. Represente gráficamente las variables PHP y TMI.
PHP =c(0.14,0.247,0.164,0.26,0.257,0.246)
TMI =c(8.8,10.2,8.0,9.1,8.2,9.6)

"Moda"
## [1] "Moda"
modest <- function(PHP) {
   return(as.numeric(names(which.max(table(PHP)))))
}
modest <- function(TMI) {
   return(as.numeric(names(which.max(table(TMI)))))
}
modest(TMI)
## [1] 8
modest(PHP)
## [1] 0.14
"Media"
## [1] "Media"
mean(TMI)
## [1] 8.983333
mean(PHP)
## [1] 0.219
"Mediana"
## [1] "Mediana"
median(TMI)
## [1] 8.95
median(PHP)
## [1] 0.2465
"Desviacion Estandar"
## [1] "Desviacion Estandar"
sd(TMI)
## [1] 0.8352644
sd(PHP)
## [1] 0.05273329
"Graficas"
## [1] "Graficas"
plot(TMI,PHP)

barplot(TMI)

barplot (PHP)

barplot(TMI,PHP)

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. b) Represente gráficamente la tabla anterior (realice al menos dos gráficos diferentes)

Genero =c("masculino","femenino")
Casado =c(8,12)
Soltero=c(14,9)
otro=c(5,10)
data.frame(Genero,Casado,Soltero,otro)
##      Genero Casado Soltero otro
## 1 masculino      8      14    5
## 2  femenino     12       9   10
estado_conyugal= c(Casado_M=8,Casado_F=12,Soltero_M=14,Soltero_F=9,otro_M=5,otro_F=10)

"Graficas"
## [1] "Graficas"
plot(estado_conyugal)

barplot(estado_conyugal)

pie(estado_conyugal)