Ejercicio 1

#Comprobamos paqeutes instalados (Se abre una ventana nueva)
library()

#Instalamos paquetes correspondientes
install.packages('MASS')
## Installing package into 'C:/Users/MiPC/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## Warning: package 'MASS' is not available for this version of R
## 
## A version of this package for your version of R might be available elsewhere,
## see the ideas at
## https://cran.r-project.org/doc/manuals/r-patched/R-admin.html#Installing-packages
install.packages('survival')
## Installing package into 'C:/Users/MiPC/AppData/Local/R/win-library/4.3'
## (as 'lib' is unspecified)
## package 'survival' successfully unpacked and MD5 sums checked
## 
## The downloaded binary packages are in
##  C:\Users\MiPC\AppData\Local\Temp\Rtmpcp8NJf\downloaded_packages
#Consultar información sobre el paquete Rcmdr
??Rcmdr
## starting httpd help server ...
##  done

Ejercicio 2

#Analizamos el archivo txt
txt <- read.csv2("C:/Users/MiPC/OneDrive/Escritorio/Regresión/Actividades/Actividad 1/tensionarterialcsv.csv")
View(txt)
summary(txt)
##      Numero   TensionSistolica      Edad      
##  Min.   : 1   Min.   :110.0    Min.   :17.00  
##  1st Qu.:18   1st Qu.:135.0    1st Qu.:36.00  
##  Median :35   Median :149.0    Median :47.00  
##  Mean   :35   Mean   :148.7    Mean   :46.13  
##  3rd Qu.:52   3rd Qu.:162.0    3rd Qu.:59.00  
##  Max.   :69   Max.   :185.0    Max.   :70.00
#Procedemos con el archivo .csv
csv <- read.csv2("C:/Users/MiPC/OneDrive/Escritorio/Regresión/Actividades/Actividad 1/tiemposR.csv")
View(csv)
fivenum(csv$distancia)
## [1]   100   300  1150  7500 42192
fivenum(csv$tiempo_hombres)
## [1]    9.840   31.255  159.180 1207.650 7956.000
fivenum(csv$tiempo_mujeres)
## [1]   10.940   35.185  179.280 1380.755 8765.000

Ejercicio 3

library(MASS)
data(anorexia)
View(anorexia)

#Consultamos el tipo de dato correspondiente a cada columna
class(anorexia$Treat)
## [1] "factor"
class(anorexia$Prewt)
## [1] "numeric"
class(anorexia$Postwt)
## [1] "numeric"
#Para encontrar los valores nulos, utilizamos:
table(is.null(anorexia))
## 
## FALSE 
##     1
#Y los valores erróneos:
table(is.na(anorexia))
## 
## FALSE 
##   216
#Ahora, para esta tarea  hay varias soluciones pero el uso de factor() es sencillo:
anorexia_new<- factor(anorexia$Treat,levels=c("CBT","Cont","FT"),labels=c("Cogn
Beh
Tr","Contr","Fam Tr"))
anorexia_new
##  [1] Contr         Contr         Contr         Contr         Contr        
##  [6] Contr         Contr         Contr         Contr         Contr        
## [11] Contr         Contr         Contr         Contr         Contr        
## [16] Contr         Contr         Contr         Contr         Contr        
## [21] Contr         Contr         Contr         Contr         Contr        
## [26] Contr         Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr
## [31] Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr
## [36] Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr
## [41] Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr
## [46] Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr
## [51] Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr Cogn\nBeh\nTr
## [56] Fam Tr        Fam Tr        Fam Tr        Fam Tr        Fam Tr       
## [61] Fam Tr        Fam Tr        Fam Tr        Fam Tr        Fam Tr       
## [66] Fam Tr        Fam Tr        Fam Tr        Fam Tr        Fam Tr       
## [71] Fam Tr        Fam Tr       
## Levels: Cogn\nBeh\nTr Contr Fam Tr

Ejercicio 4

#a)
library(MASS)
data("biopsy")
write.csv(biopsy,"C:/Users/MiPC/OneDrive/Escritorio/Análisis de datos/Actividades/Actividad1/Archivos_a_crear/Biospy.csv")

#b)
data("Melanoma")
write.csv(Melanoma,"C:/Users/MiPC/OneDrive/Escritorio/Análisis de datos/Actividades/Actividad1/Archivos_a_crear/Melanoma.csv")
write.table(Melanoma,"C:/Users/MiPC/OneDrive/Escritorio/Análisis de datos/Actividades/Actividad1/Archivos_a_crear/Melanoma.txt")
writexl::write_xlsx(Melanoma,"C:/Users/MiPC/OneDrive/Escritorio/Análisis de datos/Actividades/Actividad1/Archivos_a_crear/Melanoma.xlsx")

#c)
edad <- summary("Melanoma")
capture.output(edad, file="C:/Users/MiPC/OneDrive/Escritorio/Análisis de datos/Actividades/Actividad1/Archivos_a_crear/edad.doc")

#d)
bioproject <- read.csv("C:/Users/MiPC/OneDrive/Escritorio/Análisis de datos/Actividades/Actividad1/summary.csv")

Ejercicio 5

data("birthwt")
View(birthwt)
#a)
max(birthwt$age)
## [1] 45
#b)
min(birthwt$age)
## [1] 14
#c)
rango <- max(birthwt$age) - min(birthwt$age)
rango
## [1] 31
#d)
birthwt$smoke[birthwt$bwt==min(birthwt$bwt)]
## [1] 1
#e)
birthwt$bwt[birthwt$age==max(birthwt$age)]
## [1] 4990
#f)
birthwt$bwt[birthwt$ftv<=2]
##   [1] 2523 2557 2594 2600 2622 2637 2637 2663 2665 2722 2733 2751 2750 2769 2769
##  [16] 2778 2807 2821 2835 2836 2863 2877 2877 2906 2920 2920 2920 2920 2948 2948
##  [31] 2977 2977 2977 2977 2922 3005 3033 3042 3062 3062 3062 3062 3062 3090 3090
##  [46] 3090 3100 3104 3132 3147 3175 3175 3203 3203 3203 3225 3225 3232 3232 3234
##  [61] 3260 3274 3274 3317 3317 3317 3321 3331 3374 3374 3402 3416 3444 3459 3460
##  [76] 3473 3544 3487 3544 3572 3572 3586 3600 3614 3614 3629 3629 3637 3643 3651
##  [91] 3651 3651 3651 3699 3728 3756 3770 3770 3770 3790 3799 3827 3856 3860 3884
## [106] 3884 3912 3940 3941 3941 3969 3983 3997 3997 4054 4054 4111 4153 4167 4174
## [121] 4238 4593 4990  709 1021 1135 1330 1474 1588 1588 1701 1729 1790 1818 1885
## [136] 1893 1899 1928 1928 1928 1936 1970 2055 2055 2082 2084 2084 2100 2125 2187
## [151] 2187 2211 2225 2240 2240 2282 2296 2296 2325 2353 2353 2367 2381 2381 2381
## [166] 2410 2410 2410 2424 2438 2442 2466 2466 2466 2495 2495 2495

Ejercicio 6

library(MASS)
data(anorexia)
matr_anorexia<-matrix(c(anorexia$Prewt,anorexia$Postwt),ncol=2)
head(matr_anorexia)
##      [,1] [,2]
## [1,] 80.7 80.2
## [2,] 89.4 80.1
## [3,] 91.8 86.4
## [4,] 74.0 86.3
## [5,] 78.1 76.1
## [6,] 88.3 78.1

Ejercicio 7 Código para generar df correspondiente:

Identificador <-
c("I1","I2","I3","I4","I5","I6","I7","I8","I9","I10","I11","I12","I13","I14",
"I15","I16","I17","I18","I19","I20","I21","I22","I23","I24","I25")
Edad <-
c(23,24,21,22,23,25,26,24,21,22,23,25,26,24,22,21,25,26,24,21,25,27,26,22,29)
Sexo <-c(1,2,1,1,1,2,2,2,1,2,1,2,2,2,1,1,1,2,2,2,1,2,1,1,2) #1 para mujeres y
#2 para hombres
Peso <-
c(76.5,81.2,79.3,59.5,67.3,78.6,67.9,100.2,97.8,56.4,65.4,67.5,87.4,99.7,87.6
,93.4,65.4,73.7,85.1,61.2,54.8,103.4,65.8,71.7,85.0)
Alt <-
c(165,154,178,165,164,175,182,165,178,165,158,183,184,164,189,167,182,179,165
,158,183,184,189,166,175) #altura en cm
Fuma <-
c("SÍ","NO","SÍ","SÍ","NO","NO","NO","SÍ","SÍ","SÍ","NO","NO","SÍ","SÍ","SÍ",
"SÍ","NO","NO","SÍ","SÍ","SÍ","NO","SÍ","NO","SÍ")
Trat_Pulmon <- data.frame(Identificador,Edad,Sexo,Peso,Alt,Fuma)
Trat_Pulmon
#a)
#Para filtrar por mayores de 22 años:
mayor_22 <- subset(Trat_Pulmon, Edad > 22)
mayor_22
#b)
Trat_Pulmon[3,4]
## [1] 79.3
#c)
menor_27 <- subset(Trat_Pulmon, Edad < 27, select = -c(Alt) )
menor_27

Ejercicio 8

#a)
library(datasets)
data(ChickWeight)

#b)
plot(ChickWeight$Time, ChickWeight$weight, xlab='Tiempo'
          , ylab='Peso', main='Gráfico Peso vs Tiempo')

#c)
boxplot(weight ~ Time, data=ChickWeight, 
        main='Diagrama de Caja del Peso por Tiempo',
        xlab='Tiempo', ylab='Peso')

Ejercicio 9

#Creación de df con tratamiento y diferencia peso
prewt_postwt <- anorexia$Postwt - anorexia$Prewt
anorexia_treat_df <- data.frame(anorexia$Treat, prewt_postwt)

#creación dataframe con trat específico
anorexia_treat_C_df <- subset(anorexia_treat_df, anorexia.Treat == "Cont" & prewt_postwt > 0)
anorexia_treat_C_df

Ejercicio 10