Configuración inicial y muestreo

En esta sección se establece una semilla para garantizar la reproducibilidad de los resultados y se crea una muestra aleatoria de 120 observaciones a partir del conjunto de datos original “encuesta”.

library(dplyr)
library(ggplot2)
library(datos)

set.seed(1029)

datos.r <- encuesta
encuesta_muestra <- dplyr::sample_n(datos.r, size = 120)

visualizacion de los datos

En este chunk se genera un gráfico de barras que muestra la distribución de la variable “raza” en la muestra. El gráfico utiliza una paleta de colores en tonos azules y blancos, con elementos personalizados para mejorar la visualización. Se incluye además un logo personalizado en la parte superior del gráfico. Cabe aclarar que se uso la inteligencia artifial para dar acabados esteticos en el grafico.

conteo_raza <- encuesta_muestra %>%
  count(raza) %>%
  rename(frecuencia = n)


ggplot(conteo_raza, aes(x = raza, y = frecuencia)) +
  geom_bar(stat = "identity", color = "white", fill = "white") +
  labs(title = "Distribución de la variable Raza",
       x = "Raza", y = "Frecuencia") +
  scale_y_continuous(breaks = seq(0, 120, by = 20)) +
  theme_minimal(base_size = 14) +
  theme(
    plot.background = element_rect(fill = "#002B7A", color = NA),
    panel.background = element_rect(fill = "#002B7A", color = NA),
    panel.grid = element_line(color = "#FFFFFF33"),
    plot.title = element_text(color = "white", face = "bold", hjust = 0.5, size = 16),
    axis.title = element_text(color = "white", face = "bold"),
    axis.text = element_text(color = "white")
  )

en conclusion podemos deducir que la practica fue efectiva para el aprendizaje de las graficas en R y el papel que toma la libreria ggplot2 en el apartado estetico