De la base de datos adjunta llamada Base_Estadistica_Descriptiva,
tome una muestra de 160 registros usando como semilla los dos últimos
dígitos de la cédula y, con base en la muestra encontrada, conteste las
siguientes preguntas
set.seed(90)
datos <- Base_Estadistica_Descriptiva
datos <- sample_n(Base_Estadistica_Descriptiva, size = 160, replace = FALSE)
is.data.frame(datos)
## [1] TRUE
1. Determine el porcentaje de hombres que tienen estudios
universitarios y muestre cuál es la cantidad total de mujeres
participantes.
table_frec_genero<- table(datos$Genero) #TABLA DE FRECUENCIAS PARA NIVEL EDUCATIVO
table_frec_genero
##
## Femenino Masculino Otro
## 48 53 59
prop.table(table_frec_genero, margin = NULL)*100
##
## Femenino Masculino Otro
## 30.000 33.125 36.875
2. Elabore un diagrama de caja y bigotes para la variable estatura
en función del género y analice la gráfica
attach(datos)
boxplot(datos$Estatura~ datos$Genero, xlab= "Estatura", ylab ="Género", main = "Diagrama de caja Estatura vs Género", col = c("#e9edc9", "#fefae0", "#faedcd" ))
Análisis de la gráfica: En el diagrama de caja se puede ver cómo
está distribuida la estatura según el género. En los tres grupos
(femenino, masculino y otro) la mediana está más o menos entre 1.7 y
1.75 metros. El grupo femenino queda un poquito más abajo y los otros
dos casi iguales. La dispersión es parecida en todos, porque las cajas
tienen un tamaño similar, y los valores van más o menos de 1.5 a 2.0
metros. No se ven datos raros o extremos. En general, no hay una
diferencia grande entre géneros, aunque sí se nota que hombres y “otro”
tienden a ser un poquito más altos que las mujeres.
3. Resuelva los siguientes puntos.
Pregunta 3.A: Elabore un diagrama de barras para la variable
Hermanos y determine qué cantidad es la más frecuente.
table_frec_hermanos<- table(datos$Hermanos) #TABLA DE FRECUENCIAS PARA HERMANOS
table_frec_hermanos
##
## 0 1 2 3 4 5 6
## 24 23 20 23 28 19 23
barplot(table_frec_hermanos, col = c("#4a4e69","#9a8c98","#c9ada7","#f2e9e4"),
horiz = FALSE,
density = 80,
ylab= "Frecuencia",
border = FALSE,
xlab=" Número de Hermanos",
ylim = c(0,30),
main= "Gráfico de barras para Hermanos")
Análisis de la gráfica: En el gráfico de barras se muestra la
cantidad de hermanos que tiene la gente y cuántos respondieron en cada
caso. El número que más se repite es tener 4 hermanos, con 28 personas.
Los menos comunes son tener 2 y 5 hermanos, que están entre 19 y 20
personas. Los demás valores, como 0, 1, 3 o 6 hermanos, quedan en un
punto medio, alrededor de 23 o 24 personas. En general, se ve bastante
variedad en el número de hermanos, pero resalta que lo más frecuente son
las familias grandes, sobre todo con 4 hermanos.
Pregunta 3.B: Elabore un diagrama de torta en 3D para la variable
NivelEducativo.
table_frec_nivel<- table(datos$NivelEducativo) #TABLA DE FRECUENCIAS PARA NIVEL EDUCATIVO
table_frec_nivel
##
## Primaria Secundaria Técnico Universitario
## 39 42 49 30
tabla_educacion <- table(datos$NivelEducativo)
etiquetas <- paste(tabla_educacion)
etiquetas <- paste(etiquetas)
torta2 <- pie(tabla_educacion,labels = etiquetas, radius = 0.8,
col=rainbow(length(etiquetas)),
main="Diagrama de nivel educativo")
pie3D(tabla_educacion, radius = 1.1, theta = pi/4, labels = c("Primaria","Secundaria","Técnico", "Universitario"), border = "white", main="Diagrama de torta en 3D")
torta2 <- pie3D(tabla_educacion,labels=etiquetas,radius = 1.1,
explode=0.3, height=0.3,labelcex = 1.0,theta=pi/4,
main="Diagrama de nivel educativo 3D")
torta2
## [1] 0.7657632 2.3561945 4.1429753 5.6941367
Análisis de la gráfica
3.C.Elabore una tabla de frecuencias, el histograma y el polígono de
frecuencias para la variable HorasDeTrabajo.
attach(datos)
tabla_trabaj <- fdt(x= HorasDeTrabajo, k = 6)
tabla_trabaj
## Class limits f rf rf(%) cf cf(%)
## [8.019,17.338) 2 0.01 1.25 2 1.25
## [17.338,26.657) 14 0.09 8.75 16 10.00
## [26.657,35.976) 35 0.22 21.88 51 31.87
## [35.976,45.295) 62 0.39 38.75 113 70.62
## [45.295,54.614) 40 0.25 25.00 153 95.62
## [54.614,63.933) 7 0.04 4.38 160 100.00
kable(tabla_trabaj)
| [8.019,17.338) |
2 |
0.01250 |
1.250 |
2 |
1.250 |
| [17.338,26.657) |
14 |
0.08750 |
8.750 |
16 |
10.000 |
| [26.657,35.976) |
35 |
0.21875 |
21.875 |
51 |
31.875 |
| [35.976,45.295) |
62 |
0.38750 |
38.750 |
113 |
70.625 |
| [45.295,54.614) |
40 |
0.25000 |
25.000 |
153 |
95.625 |
| [54.614,63.933) |
7 |
0.04375 |
4.375 |
160 |
100.000 |
|
| start |
8.019 |
| end |
63.933 |
| h |
9.319 |
| right |
0.000 |
|
plot(tabla_trabaj,
col = c("#edafb8", "#f5cac3", "#e6ccb2", "#f7e1d7", "#dedbd2", "#b0c4b1", "#4a5759", "#90a955","#656d4a"),
main = "Histograma de horas de trabajo",
type = "fh")
plot(tabla_trabaj,
col = c("#edafb8", "#f5cac3", "#e6ccb2", "#f7e1d7", "#dedbd2", "#b0c4b1", "#4a5759", "#90a955","#656d4a"),
main = "Poligono de frecuencias de horas de trabajo",
type = "fp")
Analisis de las gráficas: En los gráficos se observa que la mayoría
de personas trabajan entre 36 y 45 horas, siendo este el intervalo con
mayor frecuencia. También hay una cantidad considerable que trabaja
entre 26 y 36 y 45 y 55 horas, mientras que en los extremos (muy pocas o
demasiadas horas) casi no hay casos. Esto muestra que la distribución de
horas de trabajo se concentra en jornadas medias, cercanas a las 40
horas semanales.
3.D:
attach(datos)
## The following objects are masked from datos (pos = 3):
##
## Edad, Estatura, Genero, Hermanos, HorasDeTrabajo, ID,
## IngresoMensual, NivelEducativo
## The following objects are masked from datos (pos = 4):
##
## Edad, Estatura, Genero, Hermanos, HorasDeTrabajo, ID,
## IngresoMensual, NivelEducativo
media_a <- mean(IngresoMensual)
mediana <- median(IngresoMensual)
moda <- mlv1(IngresoMensual)
## Warning: argument 'method' is missing. Data are supposed to be continuous.
## Default method 'shorth' is used
df <- data.frame(media_a,mediana,moda)
df
## media_a mediana moda
## 1 2061.654 2063.93 1894.338
rango_ingreso <- max(datos$IngresoMensual) -min(datos$IngresoMensual)
cat("El rango del ingreso mensual es:", rango_ingreso)
## El rango del ingreso mensual es: 4124.42