Ejercicios N°1: Conceptos básicos

PREGUNTA 1

1) Dados los siguientes objetos. Cuál es la clase (class()) y el tipo (typeof()) de cada objeto ¿Ve alguna diferencia entre los resultados obtenidos con class() y con typeof()? ¿Qué significa que un objeto sea integer o double? (2pts). — #### Desarrollo ##### Objeto 1:

objeto_1 <- "HolaMundo"
#Clase:
class(objeto_1)

## [1] "character"

#Tipo:
typeof(objeto_1)

## [1] "character"

Objeto 2:

objeto_2 <- 1L
#Clase
class(objeto_2)

## [1] "integer"

#Tipo
typeof(objeto_2)

## [1] "integer"

Objeto 3:

objeto_3 <- 9.2
#Clase
class(objeto_3)

## [1] "numeric"

#Tipo
typeof(objeto_3)

## [1] "double"

Objeto 4:

objeto_4 <- TRUE
#Clase
class(objeto_4)

## [1] "logical"

#Tipo
typeof(objeto_4)

## [1] "logical"

Ambas funciones entregan información sobre los objetos, sin embargo usan perspectivas diferentes. Class indica la clase de un objeto, que determina su comportamiento y cómo interactúa con funciones y métodos. Por otro lado, typeof revela el tipo de datos subyacente, describiendo cómo el objeto se almacena en la memoria. En cuanto a que se refiere con que un objeto sea double o interger; en primer lugar con double entiendo que se refiere a que la funcion typeof lo reconoce como un numero de “coma flotante” asi con que en un mismo set de datos podria decirse numericos tengo numeros con una coma decimal explicita como “2.1” y otros que no como “2” y en class se almacenarian como numeric. Por otro lado para interger en class se reconoce como numeric pero en typeof se trataria de un numero entero sin decimales, ni comas flotantes. En resumen ambos son de clase numerica pero la forma en que son los datos y se almacenan es diferente por que estos set de datos presentan diferencias como tal.

PREGUNTA 2

2) Realice las siguientes operaciones aritméticas (con: +, -, por, /, ˆ, %%, %/%, sqrt(), log(), pi()). (2pts)

numero_inicial <- 10.0
numero_inicial

## [1] 10

Divida numero_inicial por 2

obj_division <- numero_inicial/2
obj_division

## [1] 5

Obtenga el resto de la división de numero_inicial por 2

obj_resto <- numero_inicial%%2
obj_resto

## [1] 0

Realize una división entera de numero_inicial por 2

obj_div_entera <- numero_inicial%/%2
obj_div_entera

## [1] 5

Multiplique obj_division por 2

obj_multiplicacion <- obj_division*2
obj_multiplicacion

## [1] 10

Sume el obj_division com el obj_multiplicacion

obj_adicion <- (obj_division)+(obj_multiplicacion)
obj_adicion

## [1] 15

Reste el obj_multiplicacion a numero_inicial

objeto_subtraccion <- (numero_inicial)-(obj_multiplicacion)
objeto_subtraccion

## [1] 0

Eleve el numero_inicial al cubo

obj_elevacion <- numero_inicial^2
obj_elevacion

## [1] 100

Calcule la raiz cuadrada de numero_inicial

obj_raiz <- sqrt(numero_inicial)
obj_raiz

## [1] 3.162278

Calcule el logaritmo en base 10 de numero_inicial multiplicado por pi

obj_log_por_pi <- log10(numero_inicial*pi)
obj_log_por_pi

## [1] 1.49715

PREGUNTA 3

3)Borre de la memoria de R los objetos creados en las dos preguntas anteriores. Despues borre especificamente el objeto creado en el siguiente chunk (vea la función rm() y sus ejemplos) (2pts).

Objetos en memoria:

ls()

##  [1] "numero_inicial"     "obj_adicion"        "obj_div_entera"    
##  [4] "obj_division"       "obj_elevacion"      "obj_log_por_pi"    
##  [7] "obj_multiplicacion" "obj_raiz"           "obj_resto"         
## [10] "objeto_1"           "objeto_2"           "objeto_3"          
## [13] "objeto_4"           "objeto_subtraccion"

Ocupe rm() para borrar todos los objetos en memoria:

rm(list = ls())

Borre un objeto en especifico”

borrame <- '¿Podrías borrarme, porfi? No me gusta existir. Creo que tengo problemas existenciales'
borrame

## [1] "¿Podrías borrarme, porfi? No me gusta existir. Creo que tengo problemas existenciales"

rm(borrame)

PREGUNTA 4

4) Genere vectores que contengan (2pts):

1. 25 veces la frase “Hola Mundo”.
1. Los números pares entre 0 y 100, incluyendo 100.
1. 1000 numeros pertenecientes a una distribución normal de media 10 y desviación estándar 2.
1. La media y desviación estandar reales del vector anterior (c).
1. 10 números aleatorios entre 0 y 10
1. La multiplicación de los valores del vector anterior (e) por 5
1. Al vector anterior (f) agréguele el valor 77
1. Genera la suma acumulativa de los valores de un vector con los números enteros del 2 al 20 (vea cumsum()

Desarrollo

a)

a<-rep("hola mundo", times=25)
print(a)

##  [1] "hola mundo" "hola mundo" "hola mundo" "hola mundo" "hola mundo"
##  [6] "hola mundo" "hola mundo" "hola mundo" "hola mundo" "hola mundo"
## [11] "hola mundo" "hola mundo" "hola mundo" "hola mundo" "hola mundo"
## [16] "hola mundo" "hola mundo" "hola mundo" "hola mundo" "hola mundo"
## [21] "hola mundo" "hola mundo" "hola mundo" "hola mundo" "hola mundo"

b)

b<-seq(0,100 , by = 2)
print(b)

##  [1]   0   2   4   6   8  10  12  14  16  18  20  22  24  26  28  30  32  34  36
## [20]  38  40  42  44  46  48  50  52  54  56  58  60  62  64  66  68  70  72  74
## [39]  76  78  80  82  84  86  88  90  92  94  96  98 100

c)

c <- rnorm(1000, mean = 10, sd = 2)
#print(c)

d)

mean(c) #media de c

## [1] 10.00994

sd(c) #desviacion estandar de c

## [1] 2.022076

e)

e<-runif(n = 10, min = 0, max = 10)
print(e)

##  [1] 6.3603361 8.8706346 4.4706203 7.7172652 8.3339338 7.9628273 9.4973741
##  [8] 6.0278338 0.7583127 3.2462403

f)

f<-e*5
print(f)

##  [1] 31.801681 44.353173 22.353101 38.586326 41.669669 39.814137 47.486871
##  [8] 30.139169  3.791563 16.231202

g)

g <- c(f,77)
print(g)

##  [1] 31.801681 44.353173 22.353101 38.586326 41.669669 39.814137 47.486871
##  [8] 30.139169  3.791563 16.231202 77.000000

h)

#?cumsum
h <- cumsum(2:20)
print(h)

##  [1]   2   5   9  14  20  27  35  44  54  65  77  90 104 119 135 152 170 189 209

PREGUNTA 5

5)Genere dos vectores,un vector alpha con los números del 1 al 10 y un vectos beta de largo 5 con nombres de frutas.En base a estos responda (5pts):

1. ¿Cómo puedo saber el largo de cada vector?
1. ¿Cómo puedo imprimir solo el primer elemento de cada vector?¿Y el último?
1. ¿Cómo puedo remplazar el ultimo elemento del vector beta con otra fruta?
1. ¿Cómo puedo obtener la media, desviación estandar, varianza, valor máximo y valor mínimo del vector alpha?
1. ¿Se pueden combiar estos dos vectores en un único objeto? Demuéstrelo. ¿En que se diferencia una lista de un vector?
1. ¿Con qué función puedo ver un resumen estadístico de estos vectores?
1. ¿Cómo puedo ordenar los valores de ambos vectores de menor a mayor o de la A a la Z?¿Y de la manera contraria? (Pista: revise la función sort() y sus argumentos)
1. ¿Cómo puedo mostrar los valores superiores o iguales a 8 en el vector alpha ocupando la función which y []?
1. ¿Cómo puedo generar con sample() una muestra de tamaño 5 con remplazo de alpha y beta?
1. ¿Cómo, con sample (),puedo revolver aleatoriamente el orden de los datos del vector alpha y beta?

Desarrollo

alpha <- 1:10
beta <- c("frambuesa","murta","frutilla","manzana","grosella")

a)

#?length #con la funcion length()
length(alpha) #ejemplo usando alpha

## [1] 10

b)

# Primer elemento
alpha[1]  #de alpha

## [1] 1

beta[1]   #de beta

## [1] "frambuesa"

# Último elemento
alpha[length(alpha)]  #de alpha

## [1] 10

beta[length(beta)]    #de beta

## [1] "grosella"

c)

#suponiendo que quiero añadir un elemento "mango" a beta
beta[length(beta)] <- "mango"

d)

mean(alpha) #media

## [1] 5.5

sd(alpha) #desviación estándar

## [1] 3.02765

var(alpha) #varianza

## [1] 9.166667

max(alpha) #valor máximo

## [1] 10

min(alpha) #valor mínimo

## [1] 1

e)

combinao<- list(alpha = alpha, beta = beta)
combinao

## $alpha
##  [1]  1  2  3  4  5  6  7  8  9 10
## 
## $beta
## [1] "frambuesa" "murta"     "frutilla"  "manzana"   "mango"

f)

#?summary
summary(alpha) #alpha

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    1.00    3.25    5.50    5.50    7.75   10.00

#summary(beta) #beta

g)

#de menor a mayor / de la a a la z
sort(alpha) #alpha

##  [1]  1  2  3  4  5  6  7  8  9 10

sort(beta) #beta

## [1] "frambuesa" "frutilla"  "mango"     "manzana"   "murta"

#de mayor a menor / de z a a
sort(alpha, decreasing = TRUE) #alpha

##  [1] 10  9  8  7  6  5  4  3  2  1

sort(beta, decreasing = TRUE) #beta

## [1] "murta"     "manzana"   "mango"     "frutilla"  "frambuesa"

h)

alpha[which(alpha >= 8)]

## [1]  8  9 10

i)

sample(alpha, 5, replace = TRUE) #alpha

## [1] 1 1 6 8 9

sample(beta, 5, replace = TRUE) #beta

## [1] "murta"     "manzana"   "frutilla"  "frutilla"  "frambuesa"

j)

sample(alpha) #alpha

##  [1]  7  3  5 10  4  6  1  9  8  2

sample(beta) #beta

## [1] "mango"     "frutilla"  "frambuesa" "manzana"   "murta"

PREGUNTA 6

6) El siguiente código contiene 8 errores, corríjalos (2pts):

Desarrollo

#Error 1: el nombre de la variable esta mal escrito en el segundo enunciado
mi_variable1 <- 10
print(mi_variable1)

## [1] 10

#Error 2: incluir c y comillas
mi_vector_numerico <- c(1, 23, 4, 5, 6, 7, 8, 9, 10, NA)
print(class(mi_vector_numerico))

## [1] "numeric"

#Error 3: escribir mean y quitar valores na 
mi_media <- mean(mi_vector_numerico, na.rm = TRUE)
print(mi_media)

## [1] 8.111111

#Error 4: usar == para comparar en vez de =, pq = es como usar <- para asignar
a <- 10
b <- 10
print(paste("¿A es igual a B?:", a == b))

## [1] "¿A es igual a B?: TRUE"

#Error 5: añadir , y '', y cerrar con []
vector_caracteres <- c('uno', 'dos', 'tres', 'cuatro', 'cinco') 
print(vector_caracteres[-1])

## [1] "dos"    "tres"   "cuatro" "cinco"

# Error 6: fn max() no se escribe en mayuscular
valor_maximo <- max(runif(100, 0, 50))

# Error 7: usamos un valor inexistente
v <- 1:5
v[length(v)]

## [1] 5

# Error 8: arreglar comillas
print("Hola mundo")

## [1] "Hola mundo"

PREGUNTA 7

7) Genere los objetos numéricos aa, bb, cc y dd de tal manera que se cumpla que:

aa es mayor que bb
bb es igual a cc
aa es distinto a bb
aa es menor o igual a dd

Desarrollo

#definir los objetos
aa <- 10  # dar valor a A
bb <- 5   # dar valor a B que sea menor que A
cc <- bb  # igualar cc a bb
dd <- 15  # dar valor dd
#verificar que las condiciones se cumplan
aa > bb

## [1] TRUE

bb == cc

## [1] TRUE

aa != bb

## [1] TRUE

aa <= dd

## [1] TRUE

PREGUNTA 8

8) Use paste() para escribir el siguiente texto “hola estrellitas el mundo les dice hola”, con un espacio de separación entre palabras. Repita el proceso con las siguientes separaciones: “/” y “._.”. Después ocupe paste0() ¿en qué se diferencia paste() y paste0()? (2pts) #### Desarrollo

#usando paste y un espacio de separacion
texto_espacio <- paste("hola", "estrellitas", "el", "mundo", "les", "dice", "hola", sep = " ")
print(texto_espacio)

## [1] "hola estrellitas el mundo les dice hola"

#usando paste con "/" de separación
texto_slash <- paste("hola", "estrellitas", "el", "mundo", "les", "dice", "hola", sep = "/")
print(texto_slash)

## [1] "hola/estrellitas/el/mundo/les/dice/hola"

#usando paste() con "._." de separación
texto_punto <- paste("hola", "estrellitas", "el", "mundo", "les", "dice", "hola", sep = "._.")
print(texto_punto)

## [1] "hola._.estrellitas._.el._.mundo._.les._.dice._.hola"

texto_paste0<- paste0("hola", "estrellitas", "el", "mundo", "les", "dice", "hola")
print(texto_paste0)

## [1] "holaestrellitaselmundolesdicehola"

# Usando paste0() no se admite separador personalizado

PREGUNTA 9

9) Diga cuáles son las variables del data frame “trees” (contenido en R base), en qué unidades de medida estan cada una y cuál es la fuente de los datos. Ocupe la función colnames() para saber el nombre de las columnas de data frame y nrow() para saber la cantidad de observaciones. Ocupe las funciones glimpse(), view() y summary() sobre el data frame y vea que ocurre. Tenga en cuenta que estas funciones son del paquete tidyverse (cárguelo).Además, usé [ ] y comparaciones lógicas para saber a través de un vector booleano (TRUE/FALSE) cuáles árboles son mayores a 80. (2pts) print(trees)

print(trees) #ver datos

##    Girth Height Volume
## 1    8.3     70   10.3
## 2    8.6     65   10.3
## 3    8.8     63   10.2
## 4   10.5     72   16.4
## 5   10.7     81   18.8
## 6   10.8     83   19.7
## 7   11.0     66   15.6
## 8   11.0     75   18.2
## 9   11.1     80   22.6
## 10  11.2     75   19.9
## 11  11.3     79   24.2
## 12  11.4     76   21.0
## 13  11.4     76   21.4
## 14  11.7     69   21.3
## 15  12.0     75   19.1
## 16  12.9     74   22.2
## 17  12.9     85   33.8
## 18  13.3     86   27.4
## 19  13.7     71   25.7
## 20  13.8     64   24.9
## 21  14.0     78   34.5
## 22  14.2     80   31.7
## 23  14.5     74   36.3
## 24  16.0     72   38.3
## 25  16.3     77   42.6
## 26  17.3     81   55.4
## 27  17.5     82   55.7
## 28  17.9     80   58.3
## 29  18.0     80   51.5
## 30  18.0     80   51.0
## 31  20.6     87   77.0

colnames(trees) #ver nombres de columnas

## [1] "Girth"  "Height" "Volume"

nrow(trees) #saber la cant de observaciones

## [1] 31

library(tidyverse) #llamar libreria

## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.5.1     ✔ tibble    3.2.1
## ✔ lubridate 1.9.3     ✔ tidyr     1.3.1
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors

glimpse(trees) #ver df rapidamente

## Rows: 31
## Columns: 3
## $ Girth  <dbl> 8.3, 8.6, 8.8, 10.5, 10.7, 10.8, 11.0, 11.0, 11.1, 11.2, 11.3, …
## $ Height <dbl> 70, 65, 63, 72, 81, 83, 66, 75, 80, 75, 79, 76, 76, 69, 75, 74,…
## $ Volume <dbl> 10.3, 10.3, 10.2, 16.4, 18.8, 19.7, 15.6, 18.2, 22.6, 19.9, 24.…

#view(trees)
summary(trees) #obtener estadigrafos comunes

##      Girth           Height       Volume     
##  Min.   : 8.30   Min.   :63   Min.   :10.20  
##  1st Qu.:11.05   1st Qu.:72   1st Qu.:19.40  
##  Median :12.90   Median :76   Median :24.20  
##  Mean   :13.25   Mean   :76   Mean   :30.17  
##  3rd Qu.:15.25   3rd Qu.:80   3rd Qu.:37.30  
##  Max.   :20.60   Max.   :87   Max.   :77.00

trees$Height > 80 #id arborles mayores a 80 pies

##  [1] FALSE FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE
## [13] FALSE FALSE FALSE FALSE  TRUE  TRUE FALSE FALSE FALSE FALSE FALSE FALSE
## [25] FALSE  TRUE  TRUE FALSE FALSE FALSE  TRUE

trees[trees$Height > 80, ] #filtrar arboles mayores a 80 pies

##    Girth Height Volume
## 5   10.7     81   18.8
## 6   10.8     83   19.7
## 17  12.9     85   33.8
## 18  13.3     86   27.4
## 26  17.3     81   55.4
## 27  17.5     82   55.7
## 31  20.6     87   77.0

Ejercicios N°1: Conceptos básicos

Nathaly Seron

2024-09-04

PREGUNTA 1

Objeto 2:

Objeto 3:

Objeto 4:

PREGUNTA 2

PREGUNTA 3

PREGUNTA 4

Desarrollo

a)

b)

c)

d)

e)

f)

g)

h)

PREGUNTA 5

Desarrollo

a)

b)

c)

d)

e)

f)

g)

h)

i)

j)

PREGUNTA 6

Desarrollo

PREGUNTA 7

Desarrollo

PREGUNTA 8

PREGUNTA 9