M19 <- read.csv("C:\\Users\\52813\\Downloads\\reto\\Datos_molec_2019.csv")
M20 <- read.csv("C:\\Users\\52813\\Downloads\\reto\\Datos_molec_2020.csv")
M21 <- read.csv("C:\\Users\\52813\\Downloads\\reto\\Datos_molec_2021.CSV")
M22 <- read.csv("C:\\Users\\52813\\Downloads\\reto\\Datos_molec_2022.csv")
M23 <- read.csv("C:\\Users\\52813\\Downloads\\reto\\Datos_molec_2023.csv")
M24 <- read.csv("C:\\Users\\52813\\Downloads\\reto\\Datos_molec_2024.csv")
column_number <- which(colnames(base_reto) == "p35")
p35= base_reto[ ,column_number]
## [1] 1
frecuencia_relativa<- prop.table(table(p35))
frecuencia_relativa
frecuencia_absoluta<-frecuencia_relativa*dim(base_reto)[1]
barplot(frecuencia_absoluta, main = "Distribución de la Categoría", col = "skyblue", xlab = "Categoría", ylab = "Frecuencia")
n19 = prop.table(table(M19$p35))
n19
| 0.030303 |
0.9575758 |
0.0121212 |
n21 = prop.table(table(M21$p35))
n22 = prop.table(table(M22$p35))
n23 = prop.table(table(M23$p35))
n24 = prop.table(table(M24$p35))
etiquetas = c( "Sí", "No")
colores = c("cornsilk", "darksalmon")
#par(mfrow=c(2,3))
#pie(n19, labels = etiquetas, main = "Asistencia a la escuela primaria \n 2019", col=colores)
#pie(n21, labels = etiquetas, main = "Asistencia a la escuela primaria \n 2021", col=colores)
#pie(n22, labels = etiquetas, main = "Asistencia a la escuela primaria \n 2022", col=colores)
#pie(n23, labels = etiquetas, main = "Asistencia a la escuela primaria \n 2023", col=colores)
#pie(n24, labels = etiquetas, main = "Asistencia a la escuela primaria \n 2024", col=colores)
frecuencias_totales <- table(c(M19$p35, M20$p35, M21$p35, M22$p35, M23$p35, M24$p35))
pie(frecuencias_totales, labels = c("Sí", "No"), main = "Asistencia a la escuela primaria \n (Datos combinados de 2019 a 2024)", col = c("cornsilk", "darksalmon"))
column_number <- which(colnames(base_reto) == "p36_3")
p36_3= base_reto[ ,column_number]
## [1] 1
frecuencia_relativa<- prop.table(table(p36_3))
frecuencia_relativa
| 0.0096638 |
0.6562147 |
0.3033823 |
0.0307392 |
frecuencia_absoluta<-frecuencia_relativa*dim(base_reto)[1]
barplot(frecuencia_absoluta, main = "Distribución de la Categoría", col = "skyblue", xlab = "Categoría", ylab = "Frecuencia")
n19 = prop.table(table(M19$p36_3))
n19
| 0.0424242 |
0.6030303 |
0.3328283 |
0.0217172 |
n21 = prop.table(table(M21$p36_3))
n22 = prop.table(table(M22$p36_3))
n23 = prop.table(table(M23$p36_3))
n24 = prop.table(table(M24$p36_3))
# Calcular la frecuencia relativa
frecuencia_relativa <- prop.table(table(base_reto$p36_3))
# Imprimir la tabla de frecuencias relativas
print(frecuencia_relativa)
##
## 0 1 2 3
## 0.009663822 0.656214660 0.303382338 0.030739180
etiquetas <- c("Sí", "No")
frecuencias_totales <- table(c(M19$p36_3, M20$p36_3, M21$p36_3, M22$p36_3, M23$p36_3, M24$p36_3))
colores <- c("cornsilk", "darksalmon")
pie(frecuencias_totales, labels = etiquetas, main = "Recibía motivación para leer en la escuela \n (Datos combinados de 2019 a 2024)", col = colores)
