library(readxl)
datos2024 <- read_excel("DATOS2024 (5).xlsx")
datos2024
table_sexo<-table(datos2024$SEXO)
table_sexo
## 
##  F  M 
## 81 99
pie_1<-pie(table_sexo, col=c("lightblue","pink"),
        main="Estudio de Pastel.\n Distribución por sexos.", labels = table_sexo)

barp<-barplot(table_sexo, col = rainbow(5), border = "darkred",main = "Gráfico de Barras",sub = "UTB",xlab = "SEXO", ylab = "Conteo")
text(barp, table_sexo-20, labels = table_sexo)

table_sexo2<-round(table(datos2024$SEXO)/121*100)
table_sexo2
## 
##  F  M 
## 67 82
barp2<-barplot(table_sexo2, col = rainbow(5), border = "darkred",main = "Gráfico de Barras",sub = "UTB",xlab = "SEXO", ylab = "Porcentaje")
text(barp2, table_sexo2-10, labels = table_sexo2)

pie_1<-pie(table_sexo2, col=c("lightblue","pink"),
        main="Estudio de Pastel.\n Distribución por sexos.", labels = table_sexo2)

table_3<-table(datos2024$SEXO, datos2024$CURSO)
table_3
##    
##     ESTADISTICA I PROBABILIDAD
##   F            62           19
##   M            61           38
barp3<-barplot(table_3,
        main = "Gráfico de barras CURSO vs SEXO",
        xlab = "CURSO", ylab = "Frecuencia",
        col = c("pink", "blue"),
        legend.text = rownames(table_3),
        beside = TRUE) # Barras agrupadas
text(barp3, table_3-5, labels = table_3)

table_4<-round(table(datos2024$SEXO, datos2024$CURSO)/121*100)
table_4
##    
##     ESTADISTICA I PROBABILIDAD
##   F            51           16
##   M            50           31
barp4<-barplot(table_4,
        main = "Gráfico de barras CURSO vs SEXO en porcentajes",
        xlab = "CURSO", ylab = "Frecuencia",
        col = c("pink", "blue"),
        legend.text = rownames(table_4),
        beside = TRUE) # Barras agrupadas
text(barp4, table_4-5, labels = table_4)

table_5<-table(datos2024$ESTRATO, datos2024$CURSO)
table_5
##      
##       ESTADISTICA I PROBABILIDAD
##   I              36           10
##   II             36           24
##   III            29           16
##   IV             13            5
##   V               4            2
##   VI              5            0
barp3<-barplot(table_5,
        main = "Gráfico de barras CURSO vs ESTRATO",
        xlab = "CURSO", ylab = "Frecuencia",
        col = rainbow(5),
        legend.text = rownames(table_5),
        beside = TRUE) # Barras agrupadas
text(barp3, table_5-1, labels = table_3)

table_6<-table(datos2024$ESTRATO, datos2024$SEXO)
table_6
##      
##        F  M
##   I   17 29
##   II  32 28
##   III 18 27
##   IV   8 10
##   V    3  3
##   VI   3  2
barp3<-barplot(table_6,
        main = "Gráfico de barras CURSO vs ESTRATO",
        xlab = "CURSO", ylab = "Frecuencia",
        col = rainbow(5),
        legend.text = rownames(table_6),
        beside = TRUE) # Barras agrupadas
text(barp3, table_6-1, labels = table_6)

Ensayo del laboratorio 11 por Nicole Arango

El lenguaje de programación R es un tipo de software que permite la realización de análisis estadísticos y gráficos. Además de ello, posibilita la documentación paso a paso de los mismos, facilitando la comprensión de su elaboración. En el onceavo laboratorio del curso de Estadística I, se evidencia la importancia de esta plataforma en la construcción de tablas de frecuencias, gráficos de barra y gráficos de pastel para organizar la información recolectada de una población de manera clara, con el fin de optimizar la identificación de patrones y la construcción de conclusiones. En este ensayo se abarcarán los conceptos aprendidos durante su ejecución y que resultan claves para nuestra formación profesional.

Tablas de frecuencia absoluta

Entre las principales temáticas pertenecientes a la Estadística Descriptiva que fueron abordadas a lo largo del laboratorio encontramos las tablas de frecuencia absolutas, que muestran la distribución de datos según el número de veces que se repite un valor o evento. Estas tablas proporcionan la examinación de variables cualitativas como género, estrato o curso, entre otras de distinta índole.

Gráficos de barra y de pastel

Por otro lado, las gráficas de barra son herramientas visuales en las que se emplean rectángulos ubicados horizontal o verticalmente, cuyas longitudes son proporcionales a los valores que representan. Estas permiten la comparación de dos o más variables, ya sea a manera de conteo o de porcentaje, junto con los gráficos de pastel, que reciben su nombre al asemejarse a un pastel dividido en secciones según el porcentaje de cada categoría, resultan fundamentales para la presentación comprensible de datos.

Visualización y análisis de datos con R

La importancia de relacionarnos con las temáticas descritas radica en que posibilitan la simplificación de un conjunto de datos al organizarlos visualmente de tal forma que su distribución sea fácil de distinguir. Ponerlas a prueba en softwares como R, a través de la función plot(), garantiza una visualización poderosa y un análisis exhaustivo de la información, tornando más comprensibles las relaciones de información compleja.

Conclusión

Para concluir, es importante mencionar que el uso de lenguajes de programación como R complementa la formación de habilidades de modo personalizado en laboratorios estadísticos de carácter estudiantil. Esto dinamiza y afianza nuestro aprendizaje sobre temáticas como la estadística descriptiva, que trascienden distintos campos. Así, estos conocimientos resultan necesarios para formarnos íntegramente como profesionales capaces de resumir y analizar grandes cantidades de datos, independientemente del ámbito en el que nos desempeñemos.