datos univariados

url <- 'https://raw.githubusercontent.com/fhernanb/datos/master/medidas_cuerpo'
datos <- read.table(file=url, header=T)
head(datos) # Para ver el encabezado de la base de datos

  edad peso altura   sexo muneca biceps
1   43 87.3  188.0 Hombre   12.2   35.8
2   65 80.0  174.0 Hombre   12.0   35.0
3   45 82.3  176.5 Hombre   11.2   38.5
4   37 73.6  180.3 Hombre   11.2   32.2
5   55 74.1  167.6 Hombre   11.8   32.9
6   33 85.9  188.0 Hombre   12.4   38.5

mean(datos$altura)

[1] 171.5556

#con la siguiente funcion se denota el promedio por sexo
sapply(split(x=datos$altura, f=datos$sexo),mean)

  Hombre    Mujer 
179.0778 164.0333 

median(datos$peso)

[1] 71.5

sapply(split(x=datos$peso, f=datos$sexo),median)

Hombre  Mujer 
  82.5   54.7 

con la funcion quantile encontramos el percentil deseado.

quantile(x=datos$peso, probs=0.1)

 10% 
49.5 

para calcular la moda hacemos una tabla de conteo con la funcion table

tabla <- table(datos$edad)
tabla

19 20 21 22 23 24 25 26 28 29 30 32 33 35 37 40 43 45 51 55 65 
 1  1  1  3  2  1  5  3  2  1  2  1  1  2  3  1  2  1  1  1  1 

sort(tabla,decreasing=TRUE)

25 22 26 37 23 28 30 35 43 19 20 21 24 29 32 33 40 45 51 55 65 
 5  3  3  3  2  2  2  2  2  1  1  1  1  1  1  1  1  1  1  1  1 

z<-rnorm(40,mean=7.2,sd=2.1)
res<-hist(x=z,breaks=c(2,4,6,8,10,12),plot=TRUE)

res

$breaks
[1]  2  4  6  8 10 12

$counts
[1]  5  9 11 12  3

$density
[1] 0.0625 0.1125 0.1375 0.1500 0.0375

$mids
[1]  3  5  7  9 11

$xname
[1] "z"

$equidist
[1] TRUE

attr(,"class")
[1] "histogram"

library(dplyr)

Adjuntando el paquete: 'dplyr'

The following objects are masked from 'package:stats':

    filter, lag

The following objects are masked from 'package:base':

    intersect, setdiff, setequal, union

datos %>%
group_by(sexo) %>%
summarise(el_rango=max(edad)-min(edad))

# A tibble: 2 × 2
  sexo   el_rango
  <chr>     <int>
1 Hombre       41
2 Mujer        21