clase 9
Nicolas Trujillo Perdomo
2025-03-14
1 Libreria
library(ggplot2) # libreria de graficas## Warning: package 'ggplot2' was built under R version 4.3.32 Estadistica.
nombre<-c("Maura", "Camila", "Johan_s", "Elkin", "Alejandro", "Yandry", "Nicolas", "Dirley", "William", "Daniela", "Steven", "Yuliana", "Karen", "Jose", "Santiago", "Johan", "Santiago", "Daniela")
edad<-c(20, 21, 21, 18, 17, 19, 20, 19, 24, 18, 22, 20, 19, 21, 20, 19, 20, 19)
promedio<-c(3.5, 3.5, 3.5, 3.3, 3.3, 3.92, 3.74, 3.6, 3.5, 3.2, 3.3, 3.3, 3.5, 3.4, 3.5, 3.9, 3.7, 3.7)
semestre<-c(7, 8, 7, 3, 3, 7, 7, 7, 10, 7, 6, 8, 7, 7, 5, 5, 6, 5)
esta_nivelado<-c("si", "no", "no", "no", "no", "si", "si", "no", "no", "no", "no", "no", "no", "no", "no", "si", "no", "si")
datos<-data.frame(Estudiantes = nombre, edad, promedio, semestre, esta_nivelado)
print(datos) ## Estudiantes edad promedio semestre esta_nivelado
## 1 Maura 20 3.50 7 si
## 2 Camila 21 3.50 8 no
## 3 Johan_s 21 3.50 7 no
## 4 Elkin 18 3.30 3 no
## 5 Alejandro 17 3.30 3 no
## 6 Yandry 19 3.92 7 si
## 7 Nicolas 20 3.74 7 si
## 8 Dirley 19 3.60 7 no
## 9 William 24 3.50 10 no
## 10 Daniela 18 3.20 7 no
## 11 Steven 22 3.30 6 no
## 12 Yuliana 20 3.30 8 no
## 13 Karen 19 3.50 7 no
## 14 Jose 21 3.40 7 no
## 15 Santiago 20 3.50 5 no
## 16 Johan 19 3.90 5 si
## 17 Santiago 20 3.70 6 no
## 18 Daniela 19 3.70 5 si2.1 Graficas
Las graficas se manejan con respecto a su forma y caracteristias distintivas entre ellas, para ello cada una cumple con un codigo o comando.
Ahora bien para graficar los elementos se llaman en el codigo con un vector distintivo. es decir, por ejemplo [pie(edad)]. Para casos donde tengo que llamar los daos de un Data.frame entonces el comendo va [pie(datos$edad)].
2.1.1 Histogrma
hist(edad, freq = TRUE)
2.1.2 Diagrama de barras
barplot(edad)
2.1.3 Caja de bigotes o boxplot
boxplot(edad)
2.1.4 Diagrama de torta
pie(edad)
2.1.5 Diagrama de dispercion
plot(edad, promedio)
2.2 Graficas con data.frame
data("mtcars")
print(mtcars)## mpg cyl disp hp drat wt qsec vs am gear carb
## Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
## Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
## Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
## Hornet 4 Drive 21.4 6 258.0 110 3.08 3.215 19.44 1 0 3 1
## Hornet Sportabout 18.7 8 360.0 175 3.15 3.440 17.02 0 0 3 2
## Valiant 18.1 6 225.0 105 2.76 3.460 20.22 1 0 3 1
## Duster 360 14.3 8 360.0 245 3.21 3.570 15.84 0 0 3 4
## Merc 240D 24.4 4 146.7 62 3.69 3.190 20.00 1 0 4 2
## Merc 230 22.8 4 140.8 95 3.92 3.150 22.90 1 0 4 2
## Merc 280 19.2 6 167.6 123 3.92 3.440 18.30 1 0 4 4
## Merc 280C 17.8 6 167.6 123 3.92 3.440 18.90 1 0 4 4
## Merc 450SE 16.4 8 275.8 180 3.07 4.070 17.40 0 0 3 3
## Merc 450SL 17.3 8 275.8 180 3.07 3.730 17.60 0 0 3 3
## Merc 450SLC 15.2 8 275.8 180 3.07 3.780 18.00 0 0 3 3
## Cadillac Fleetwood 10.4 8 472.0 205 2.93 5.250 17.98 0 0 3 4
## Lincoln Continental 10.4 8 460.0 215 3.00 5.424 17.82 0 0 3 4
## Chrysler Imperial 14.7 8 440.0 230 3.23 5.345 17.42 0 0 3 4
## Fiat 128 32.4 4 78.7 66 4.08 2.200 19.47 1 1 4 1
## Honda Civic 30.4 4 75.7 52 4.93 1.615 18.52 1 1 4 2
## Toyota Corolla 33.9 4 71.1 65 4.22 1.835 19.90 1 1 4 1
## Toyota Corona 21.5 4 120.1 97 3.70 2.465 20.01 1 0 3 1
## Dodge Challenger 15.5 8 318.0 150 2.76 3.520 16.87 0 0 3 2
## AMC Javelin 15.2 8 304.0 150 3.15 3.435 17.30 0 0 3 2
## Camaro Z28 13.3 8 350.0 245 3.73 3.840 15.41 0 0 3 4
## Pontiac Firebird 19.2 8 400.0 175 3.08 3.845 17.05 0 0 3 2
## Fiat X1-9 27.3 4 79.0 66 4.08 1.935 18.90 1 1 4 1
## Porsche 914-2 26.0 4 120.3 91 4.43 2.140 16.70 0 1 5 2
## Lotus Europa 30.4 4 95.1 113 3.77 1.513 16.90 1 1 5 2
## Ford Pantera L 15.8 8 351.0 264 4.22 3.170 14.50 0 1 5 4
## Ferrari Dino 19.7 6 145.0 175 3.62 2.770 15.50 0 1 5 6
## Maserati Bora 15.0 8 301.0 335 3.54 3.570 14.60 0 1 5 8
## Volvo 142E 21.4 4 121.0 109 4.11 2.780 18.60 1 1 4 2hist(mtcars$cyl, main = "Distribucion de cyl", xlab = "cly", col = "blue") # Histograma del vector (cyl)
barplot(mtcars$disp) # Diagrama de barras del vector (disp)
plot(mtcars$qsec, col = "green")
```