1. ACTIVIDADES

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, base = 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, digits = 1)
## [1] -1.3
round(b, digits = 1)
## [1] -52.8
round(c, digits = 1)
## [1] -2.2
round(d, digits = 1)
## [1] -2.4
round(e, digits = 1)
## [1] 5.1
round(f, digits = 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.

  1. Construir los vectores GC y NP
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)
cat("Vectores GC y NP:\n")
## Vectores GC y NP:
cat("GC:", GC, "\n")
## GC: 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
cat("NP:", NP, "\n\n")
## NP: 11 10 6 9 10 12 14 10 8 9 11 12 11 11 15 13 12 12 8 13
  1. Calcular estadísticas descriptivas para GC y NP
moda_GC <- as.numeric(names(table(GC))[which.max(table(GC))])
mediana_GC <- median(GC)
media_GC <- mean(GC)
desviacion_estandar_GC <- sd(GC)
varianza_GC <- var(GC)
cuartiles_GC <- quantile(GC, probs = c(0.25, 0.5, 0.75))

moda_NP <- as.numeric(names(table(NP))[which.max(table(NP))])
mediana_NP <- median(NP)
media_NP <- mean(NP)
desviacion_estandar_NP <- sd(NP)
varianza_NP <- var(NP)
cuartiles_NP <- quantile(NP, probs = c(0.25, 0.5, 0.75))

cat("Estadísticas descriptivas para Gasto de Combustible (GC):\n")
## Estadísticas descriptivas para Gasto de Combustible (GC):
cat("Moda:", moda_GC, "\n")
## Moda: 11
cat("Mediana:", mediana_GC, "\n")
## Mediana: 11
cat("Media:", media_GC, "\n")
## Media: 10.76
cat("Desviación Estándar:", desviacion_estandar_GC, "\n")
## Desviación Estándar: 1.914873
cat("Varianza:", varianza_GC, "\n")
## Varianza: 3.666737
cat("Cuartiles:", cuartiles_GC, "\n\n")
## Cuartiles: 8.925 11 12.425
cat("Estadísticas descriptivas para Número de Pasajeros (NP):\n")
## Estadísticas descriptivas para Número de Pasajeros (NP):
cat("Moda:", moda_NP, "\n")
## Moda: 11
cat("Mediana:", mediana_NP, "\n")
## Mediana: 11
cat("Media:", media_NP, "\n")
## Media: 10.85
cat("Desviación Estándar:", desviacion_estandar_NP, "\n")
## Desviación Estándar: 2.183069
cat("Varianza:", varianza_NP, "\n")
## Varianza: 4.765789
cat("Cuartiles:", cuartiles_NP, "\n")
## Cuartiles: 9.75 11 12
  1. Representar gráficamente las variables GC y NP
par(mfrow = c(1, 2))

hist(GC, main = "Gasto de Combustible", col = "violet", xlab = "Gasto de Combustible", ylab = "Frecuencia")
hist(NP, main = "Número de Pasajeros", col = "purple", xlab = "Número de Pasajeros", ylab = "Frecuencia")

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.

  1. Construya dos vectores y denótelos PHP y TMI para guardar los datos de porcentaje de hogares pobres y tasa de mortalidad infantil.
PHP <- c(14.0, 24.7, 16.4, 26.6, 25.7, 24.6)
TMI <- c(8.8, 10.2, 8.0, 9.1, 8.2, 9.4)
cat("Vectores PHP y TMI:\n")
## Vectores PHP y TMI:
cat("PHP:", PHP, "\n")
## PHP: 14 24.7 16.4 26.6 25.7 24.6
cat("TMI:", TMI, "\n")
## TMI: 8.8 10.2 8 9.1 8.2 9.4
  1. Calcule la moda, la mediana, la media, desviación e datos de PHP y TMI.
moda_PHP <- as.numeric(names(table(PHP))[which.max(table(PHP))])
mediana_PHP <- median(PHP)
media_PHP <- mean(PHP)
desviacion_estandar_PHP <- sd(PHP)

moda_TMI <- as.numeric(names(table(TMI))[which.max(table(TMI))])
mediana_TMI <- median(TMI)
media_TMI <- mean(TMI)
desviacion_estandar_TMI <- sd(TMI)

cat("Estadísticas descriptivas para Porcentaje de Hogares Pobres (PHP):\n")
## Estadísticas descriptivas para Porcentaje de Hogares Pobres (PHP):
cat("Moda:", moda_PHP, "\n")
## Moda: 14
cat("Mediana:", mediana_PHP, "\n")
## Mediana: 24.65
cat("Media:", media_PHP, "\n")
## Media: 22
cat("Desviación Estándar:", desviacion_estandar_PHP, "\n\n")
## Desviación Estándar: 5.371406
cat("Estadísticas descriptivas para Tasa de Mortalidad Infantil (TMI):\n")
## Estadísticas descriptivas para Tasa de Mortalidad Infantil (TMI):
cat("Moda:", moda_TMI, "\n")
## Moda: 8
cat("Mediana:", mediana_TMI, "\n")
## Mediana: 8.95
cat("Media:", media_TMI, "\n")
## Media: 8.95
cat("Desviación Estándar:", desviacion_estandar_TMI, "\n\n")
## Desviación Estándar: 0.8093207
  1. Represente gráficamente las variables PHP y TMI.
par(mfrow = c(1, 2))

barplot(PHP, main = "Porcentaje de Hogares Pobres", names.arg = c("Central", "Norte", "Sur", "Este", "Oeste", "Rural"), col = "orange", xlab = "Región", ylab = "PHP")
barplot(TMI, main = "Tasa de Mortalidad Infantil", names.arg = c("Central", "Norte", "Sur", "Este", "Oeste", "Rural"), col = "yellow", xlab = "Región", ylab = "TMI")

2.5 Considere el siguiente cuadro referido a un grupo de estudiantes universitarios en cuanto a su género y estado conyugal.

  1. Construya la tabla anterior mediante el programa R
datos <- matrix(c(8, 14, 5, 12, 9, 10), nrow = 2, byrow = TRUE)
colnames(datos) <- c("Casado", "Soltero", "Otro")
rownames(datos) <- c("Masculino", "Femenino")
tabla <- as.table(datos)
print(tabla)
##           Casado Soltero Otro
## Masculino      8      14    5
## Femenino      12       9   10
  1. Represente gráficamente la tabla anterior (realice al menos dos gráficos diferentes).
barplot(datos, beside = TRUE, col = c("blue", "pink"), 
        legend = rownames(datos), main = "Estado Conyugal por Género",
        xlab = "Género", ylab = "Cantidad")

matplot(1:3, datos[1,], type = "b", pch = 19, col = "red", 
        xlab = "Estado Conyugal  \n 1.0 = Casado - 2.0 = Soltero - 3.0 = otro", ylab = "Cantidad", main = "Estado Conyugal por Género")
points(1:3, datos[2,], type = "b", pch = 19, col = "green")
legend("topright", legend = rownames(datos), col = c("red", "green"), pch = 19, bty = "n")