knitr::opts_chunk$set(echo = TRUE)
#### Genere una muestra de 120 registros.
View(diamantes)
datos.d <- diamantes
set.seed(4495)
muestra_diamantes <- sample_n(datos.d,size= 120 ,replace = FALSE)
####1. Encontrar las medidas de tendencia central para la variable quilate.
media_a <- mean(muestra_diamantes$quilate)
mediana <- median(muestra_diamantes$quilate)
moda <- mlv1(muestra_diamantes$quilate)
df_quilate <- data.frame(media_a, mediana, moda)
df_quilate
## media_a mediana moda
## 1 0.7870833 0.565 0.4056667
####2. Las medidas de variabilidad para la variable profundidad.
"Rango"
## [1] "Rango"
rango_diam <- max(muestra_diamantes$profundidad) -min(muestra_diamantes$profundidad)
cat("El Rango de la profundidad de los diamantes es:",rango_diam)
## El Rango de la profundidad de los diamantes es: 6.6
"Varianza de profundidad"
## [1] "Varianza de profundidad"
var_diam <- var(muestra_diamantes$profundidad)
cat("la varianza de la produndidad de los diamantes es:", var_diam)
## la varianza de la produndidad de los diamantes es: 1.589342
"La desviacion estándar"
## [1] "La desviacion estándar"
ds_diam <- sqrt(var(muestra_diamantes$profundidad))
cat("la desv estandar de la profundidad de los diamantes es:", ds_diam)
## la desv estandar de la profundidad de los diamantes es: 1.260691
"Coeficiente de variación"
## [1] "Coeficiente de variación"
CV <- (sd(muestra_diamantes$profundidad)/ mean(muestra_diamantes$profundidad))*100
cat("El coeficiente de variación de la profundidad de los diamantes es:",CV)
## El coeficiente de variación de la profundidad de los diamantes es: 2.04188
resumen_profundidad.muestra_diamantes <- ds_tidy_stats(muestra_diamantes, profundidad)
kable(resumen_profundidad.muestra_diamantes)
| profundidad |
57.6 |
64.2 |
61.74167 |
61.77778 |
61.8 |
61.4 |
6.6 |
1.589342 |
1.260691 |
-0.4875068 |
0.3737419 |
2.04188 |
61 |
62.6 |
1.6 |
####3. El Q1, Q3 y los percentiles 30, 78 y 90 para la variable tabla.
percentiles <- quantile(muestra_diamantes$tabla, probs = c(0.25, 0.75, 0.78, 0.90 ), type = 6)
percentiles
## 25% 75% 78% 90%
## 56 59 59 60
####4. Elabore las medidas de forma para la variable x y un histograma.
asim_diam <- ds_skewness(muestra_diamantes$x)
curt_diam <- ds_kurtosis(muestra_diamantes$x)
cat("el coeficiente de asimetrÃa de la variable x de los diamantes es:",asim_diam)
## el coeficiente de asimetrÃa de la variable x de los diamantes es: 0.5580979
cat("el coeficiente de Curtosis de la variable x de los diamantes es:",curt_diam)
## el coeficiente de Curtosis de la variable x de los diamantes es: -0.6022881
resumen_x.muestra_diamantes <- ds_tidy_stats(muestra_diamantes, x)
kable(resumen_x.muestra_diamantes)
| x |
3.93 |
8.55 |
5.68975 |
5.629444 |
5.345 |
4.27 |
4.62 |
1.398028 |
1.182382 |
0.5580979 |
-0.6022881 |
20.78092 |
4.655 |
6.645 |
1.99 |
hist(muestra_diamantes$x, main = "Comportamiento de la variable X", col = "#68228B" , xlab = "Crecimiento", ylab = "Frecuencia", breaks = 10)
####5. Elaborar una tabla de frecuencias y un histograma para la variable y.
tabla_frec <- fdt(muestra_diamantes$"y",k = 5)
tabla_frec
## Class limits f rf rf(%) cf cf(%)
## [3.93,4.877) 39 0.32 32.50 39 32.50
## [4.877,5.825) 30 0.25 25.00 69 57.50
## [5.825,6.772) 28 0.23 23.33 97 80.83
## [6.772,7.719) 15 0.12 12.50 112 93.33
## [7.719,8.666) 8 0.07 6.67 120 100.00
hist(muestra_diamantes$y, main = "Comportamiento de la variable y", col = "#B23AEE" , xlab = "Crecimiento", ylab = "Frecuencia", breaks = 10)
resumen_y.muestra_diamantes <- ds_tidy_stats(muestra_diamantes, y)
kable(resumen_y.muestra_diamantes)
| y |
3.97 |
8.58 |
5.692917 |
5.633056 |
5.405 |
4.31 |
4.61 |
1.372273 |
1.17144 |
0.5647263 |
-0.5677204 |
20.57716 |
4.6725 |
6.59 |
1.9175 |
#### 6. Elaborar una tabla de frecuencias, un diagrama de barras y de dona para la variable corte.
tabla_frec_corte <- table(muestra_diamantes$corte)
tabla_frec_corte
##
## Regular Bueno Muy bueno Premium Ideal
## 0 10 36 32 42
barplot(tabla_frec_corte,
col = c("#FFF68F","palegreen1","#FF83FA",
"pink1", "cadetblue1"),
horiz = FALSE,
border = TRUE,
ylim = c(0, 50),
xlab = "Frecuencia",
main = "Frecuencia de la variable Corte")
colores <- c("#FFF68F","palegreen1","#FF83FA","pink1","cadetblue1")
pie(tabla_frec_corte,
labels = names(tabla_frec_corte),
col = colores,
main = "Gráfico de Dona de la variable Corte",
border = "white", cex = 1)
par(new = TRUE)
symbols(0, 0, circles = 0.6, inches = FALSE, add = TRUE, bg = "white", fg = "white")
