# Verificar, instalar y activar el paquete "tidyverse"
if (!require(tidyverse)) {
install.packages("tidyverse")
}
library(tidyverse)
# Verificar, instalar y activar el paquete "kableExtra"
if (!require(kableExtra)) {
install.packages("kableExtra")
}
library(kableExtra)
# Verificar, instalar y activar el paquete "readxl"
if (!require(readxl)) {
install.packages("readxl")
}
library(readxl)Contexto y Motivación
En el análisis estadístico, uno de los desafíos fundamentales consiste en transformar grandes volúmenes de datos brutos en información comprensible y utilizable. Cuando un investigador se enfrenta a conjuntos de datos con decenas, cientos o miles de observaciones, la simple enumeración de valores individuales resulta impráctica y poco informativa. Es aquí donde la distribución de frecuencias emerge como una herramienta esencial de la estadística descriptiva.
La distribución de frecuencias constituye el primer paso sistemático en el proceso de análisis de datos, permitiendo organizar, resumir y presentar información de manera que revele patrones, tendencias y características estructurales que permanecerían ocultas en los datos sin procesar.
Definición Conceptual
Una distribución de frecuencias es una organización tabular que muestra cómo se distribuyen las observaciones de una variable a lo largo de diferentes categorías o intervalos de clase. Formalmente, si consideramos una variable X con n observaciones (x₁, x₂, …, xₙ), la distribución de frecuencias es una función que asigna a cada valor o clase de valores el número de veces que aparece en el conjunto de datos.
El propósito fundamental de construir una distribución de frecuencias es triple:
Primero, condensar la información mediante agrupación sistemática, reduciendo la complejidad sin perder las características esenciales de los datos.
Segundo, facilitar la identificación visual de patrones de concentración, dispersión, simetría y valores atípicos en la distribución.
Tercero, proporcionar la base estructural necesaria para el cálculo de medidas estadísticas descriptivas (tendencia central, dispersión, forma) y para la construcción de representaciones gráficas (histogramas, polígonos de frecuencia, ojivas).
Una distribución de frecuencias completa incorpora varios tipos de frecuencias, cada una con propiedades matemáticas específicas y utilidades interpretativas diferenciadas:
Representa el conteo directo de observaciones en cada clase: f_i = \#\{x_j : x_j \in C_i\}
con la propiedad fundamental: \sum_{i=1}^{k} f_i = n
Expresa la proporción que representa cada clase respecto al total: h_i = \frac{f_i}{n}
satisfaciendo que: \sum_{i=1}^{k} h_i = 1
Frecuencia Acumulada (Fᵢ) Acumula progresivamente las frecuencias absolutas: F_i = \sum_{j=1}^{i} f_j
Frecuencia Relativa Acumulada (Hᵢ) Proporciona la función de distribución empírica: H_i = \frac{F_i}{n}
Tipos según la Naturaleza de la Variable
La construcción de una distribución de frecuencias debe adaptarse a la naturaleza de la variable bajo estudio:
Variables Cualitativas: Se enumeran las categorías con sus respectivas frecuencias sin orden particular (nominales) o con ordenamiento natural (ordinales).
Variables Cuantitativas Discretas: Cuando los valores posibles son numerables, se listan todos los valores observados con sus frecuencias correspondientes.
Variables Cuantitativas Continuas: Requieren la creación de intervalos de clase, ya que teóricamente pueden tomar infinitos valores en un rango continuo. Esto implica decisiones metodológicas sobre el número de clases (k) y la amplitud de cada intervalo (c).
La construcción de una distribución de frecuencias para variables continuas requiere determinar:
Número de clases (k): Tradicionalmente se utiliza la Regla de Sturges: k = 1 + 3.322 \log_{10}(n)
Amplitud de clase (c): c = \frac{R}{k} = \frac{x_{máx} - x_{mín}}{k}
Marca de clase (xᵢ): Punto representativo del intervalo: x_i = \frac{L_{i-1} + L_i}{2}
Relevancia en el Proceso Estadístico
La distribución de frecuencias no es un fin en sí misma, sino un medio que facilita:
Limitaciones y Precauciones
Es importante reconocer que al agrupar datos en una distribución de frecuencias se produce inevitablemente una pérdida de información individual. La elección del número de intervalos es inherentemente arbitraria y puede influir en la interpretación de los resultados. Intervalos muy amplios pueden ocultar variabilidad importante, mientras que intervalos excesivamente estrechos pueden fragmentar innecesariamente los datos.
Además, la distribución de frecuencias asume que todas las observaciones dentro de un intervalo pueden representarse por su marca de clase, lo cual introduce un error de agrupamiento en los cálculos subsecuentes.
Objetivo de este Estudio
En las secciones siguientes, desarrollaremos formalmente cada componente de la distribución de frecuencias, presentaremos las fórmulas matemáticas exactas para su construcción y cálculo, examinaremos las propiedades teóricas que garantizan su consistencia interna, y demostraremos cómo utilizarla para derivar medidas estadísticas descriptivas. Este desarrollo proporcionará las herramientas conceptuales y computacionales necesarias para el análisis riguroso de datos en contextos aplicados.
set.seed(123)
color <- sample(c("Azul", "Rojo", "Verde", "Naranja"),
size = 70, replace = TRUE)
table(color)color
Azul Naranja Rojo Verde
22 11 16 21 tibble(Color = color) %>%
group_by(Color) %>%
summarise(fi = n()) %>%
mutate(hi = round(fi/sum(fi), 4),
Porcentaje = paste0(hi*100, "%")) %>%
knitr::kable(
col.names = c("Color", "fi", "hi",
"Porcentaje"), align = c("l", "c", "c", "c")
)| Color | fi | hi | Porcentaje |
|---|---|---|---|
| Azul | 22 | 0.3143 | 31.43% |
| Naranja | 11 | 0.1571 | 15.71% |
| Rojo | 16 | 0.2286 | 22.86% |
| Verde | 21 | 0.3000 | 30% |
Tabla con colores
library(dplyr)
library(kableExtra)
tibble(Color = color) %>%
group_by(Color) %>%
summarise(fi = n()) %>%
mutate(hi = round(fi / sum(fi), 4),
Porcentaje = paste0(hi * 100, "%")) %>%
knitr::kable(
col.names = c("Color", "fi", "hi", "Porcentaje"),
align = c("l", "c", "c", "c")
) %>%
kable_styling(full_width = F, bootstrap_options = c("striped", "hover", "condensed", "responsive")) %>%
row_spec(0, bold = T, color = "white", background = "#6A8DFF") %>% # Encabezado con fondo verde
column_spec(1, background = "#f2f2f2") %>% # Columna de colores con fondo gris claro
column_spec(2, color = "#A64DFF") %>% # Columna 'fi' en color azul
column_spec(3, color = "#FA8072") %>% # Columna 'hi' en color naranja
column_spec(4, color = "#339CFF") # Columna 'Porcentaje' en color verde| Color | fi | hi | Porcentaje |
|---|---|---|---|
| Azul | 22 | 0.3143 | 31.43% |
| Naranja | 11 | 0.1571 | 15.71% |
| Rojo | 16 | 0.2286 | 22.86% |
| Verde | 21 | 0.3000 | 30% |
Tabla para variable cualitativa del paquete palmerpenguins
palmerpenguins::penguins %>% drop_na() %>%
group_by(species) %>%
summarise(fi = n()) %>%
mutate(
hi = round(fi/sum(fi),4),
Porcentaje = paste0(hi*100, "%")) %>%
knitr::kable(
col.names = c("Especie", "$f_i$", "$h_i$",
"Porcentaje"), align = c("l", "r", "r", "r")
)| Especie | f_i | h_i | Porcentaje |
|---|---|---|---|
| Adelie | 146 | 0.4384 | 43.84% |
| Chinstrap | 68 | 0.2042 | 20.42% |
| Gentoo | 119 | 0.3574 | 35.74% |
set.seed(456)
servicio <- sample(
c("E", "B", "R", "M"),
size = 350, replace = TRUE)
table(servicio)servicio
B E M R
85 103 85 77 servicio <- factor(
servicio,
labels = c("Mala", "Regular", "Buena", "Excelente"),
levels = c("M", "R", "B", "E"),
ordered = TRUE
)
table(servicio)servicio
Mala Regular Buena Excelente
85 77 85 103 servicio[1:10] [1] Excelente Excelente Regular Buena Excelente Mala Regular
[8] Excelente Buena Regular
Levels: Mala < Regular < Buena < Excelentetibble(Servicio = servicio) %>%
group_by(Servicio) %>%
summarise(fi = n()) %>%
#arrange(desc(Servicio)) %>%
mutate(
hi = round(fi/sum(fi), 4),
Porcentaje = paste0(hi*100, "%"),
Fi = cumsum(fi),
Hi = cumsum(hi)
) %>%
knitr::kable(
col.names = c("Calificación", "$f_i$", "$h_i$",
"Porcentaje", "$F_i$", "$H_i$"), align = c("l", "r", "r", "r", "r", "r")
)| Calificación | f_i | h_i | Porcentaje | F_i | H_i |
|---|---|---|---|---|---|
| Mala | 85 | 0.2429 | 24.29% | 85 | 0.2429 |
| Regular | 77 | 0.2200 | 22% | 162 | 0.4629 |
| Buena | 85 | 0.2429 | 24.29% | 247 | 0.7058 |
| Excelente | 103 | 0.2943 | 29.43% | 350 | 1.0001 |
Diagrama de barras
library(ggplot2)
# Datos simulados
datos_servicio <- data.frame(
Servicio = c("Bueno", "Excelente", "Regular", "Malo"),
fi = c(58, 74, 55, 63)
)
# Cálculo de porcentajes
datos_servicio$Percentage <- (datos_servicio$fi / sum(datos_servicio$fi)) * 100
# Gráfico de barras horizontales con porcentajes
ggplot(datos_servicio, aes(x = fi, y = reorder(Servicio, fi))) +
geom_bar(stat = "identity", fill = "royalblue") +
labs(
title = "Distribución de Calificaciones del Servicio",
x = "Frecuencia Absoluta (fi)",
y = "Calificación del Servicio"
) +
geom_text(aes(label = paste0(round(Percentage, 1), "%")), hjust = -0.1) +
theme_minimal()
Interpretación: En el análisis de frecuencias de la variable Servicio, se observó que la calificación “Bueno” predominó con un 23.0% de las observaciones, seguida de “Excelente” y “Regular”, cada una representando el 26.67%. La calificación “Malo” fue la menos frecuente, con un 16.67% del total de observaciones. La distribución acumulada muestra que el 83.34% de las evaluaciones se concentran en las tres primeras categorías, lo que indica una tendencia general hacia evaluaciones positivas y regulares del servicio, con una menor incidencia de opiniones negativas. Este análisis sugiere una percepción mayormente favorable del servicio, con pocas observaciones en el extremo negativo.
set.seed(987)
personas <- round(rnorm(600, mean = 5, sd = 1))
table(personas)personas
2 3 4 5 6 7 8
3 31 150 218 149 44 5 tibble(Personas = personas) %>%
group_by(Personas) %>%
summarise(fi = n()) %>%
mutate(
hi = round(fi/sum(fi), 4),
Porcentaje = paste0(hi*100, "%"),
Fi = cumsum(fi),
Hi = cumsum(hi)
) %>%
knitr::kable(
col.names = c("Personas", "$f_i$", "$h_i$",
"Porcentaje", "$F_i$", "$H_i$"), align = c("l", "r", "r", "r", "r", "r")
)| Personas | f_i | h_i | Porcentaje | F_i | H_i |
|---|---|---|---|---|---|
| 2 | 3 | 0.0050 | 0.5% | 3 | 0.0050 |
| 3 | 31 | 0.0517 | 5.17% | 34 | 0.0567 |
| 4 | 150 | 0.2500 | 25% | 184 | 0.3067 |
| 5 | 218 | 0.3633 | 36.33% | 402 | 0.6700 |
| 6 | 149 | 0.2483 | 24.83% | 551 | 0.9183 |
| 7 | 44 | 0.0733 | 7.33% | 595 | 0.9916 |
| 8 | 5 | 0.0083 | 0.83% | 600 | 0.9999 |
# Crear la tabla original
tabla <- tibble(Personas = personas) %>%
group_by(Personas) %>%
summarise(fi = n()) %>%
mutate(
hi = round(fi/sum(fi), 4),
Porcentaje = paste0(hi*100, "%"),
Fi = cumsum(fi),
Hi = cumsum(hi)
)
# Convertir las columnas Personas, Fi, y Hi a character para evitar conflictos
tabla <- tabla %>% mutate(
Personas = as.character(Personas),
Fi = as.character(Fi),
Hi = as.character(Hi)
)
# Añadir la fila de totales, dejando Fi y Hi vacíos
totales <- tibble(
Personas = "Total",
fi = sum(tabla$fi),
hi = round(sum(tabla$hi), 4),
Porcentaje = paste0(round(sum(tabla$hi) * 100, 2), "%"),
Fi = "", # Puedes dejar en blanco o usar un valor numérico
Hi = "" # Puedes dejar en blanco o usar un valor numérico
)
# Combinar la tabla con los totales
tabla_final <- bind_rows(tabla, totales)
# Mostrar la tabla final con kable
tabla_final %>%
knitr::kable(
col.names = c("Personas", "$f_i$", "$h_i$", "Porcentaje", "$F_i$", "$H_i$"),
align = c("l", "r", "r", "r", "r", "r")
)| Personas | f_i | h_i | Porcentaje | F_i | H_i |
|---|---|---|---|---|---|
| 2 | 3 | 0.0050 | 0.5% | 3 | 0.005 |
| 3 | 31 | 0.0517 | 5.17% | 34 | 0.0567 |
| 4 | 150 | 0.2500 | 25% | 184 | 0.3067 |
| 5 | 218 | 0.3633 | 36.33% | 402 | 0.67 |
| 6 | 149 | 0.2483 | 24.83% | 551 | 0.9183 |
| 7 | 44 | 0.0733 | 7.33% | 595 | 0.9916 |
| 8 | 5 | 0.0083 | 0.83% | 600 | 0.9999 |
| Total | 600 | 0.9999 | 99.99% |
## .*Variable cuantitativa continua*set.seed(555)
peso <- round(rnorm(200, mean = 60, sd = 5), 1)
min(peso)[1] 44.4max(peso)[1] 77.1diff(range(peso))[1] 32.71+log2(200)[1] 8.6438561+3.322*log10(200)[1] 8.64402232.7/9[1] 3.6333333.7*9[1] 33.333.3-32.7[1] 0.6Número de intervalos: 9
Nuevo mínimo: 44.1
Nuevo máximo: 77.4
interv = cut(x = peso, breaks = seq(44.1, 77.4, by = 3.7)
, include.lowest = TRUE)
tibble(Peso = interv) %>%
group_by(Peso) %>%
summarise(fi = n()) %>%
mutate(mi = seq(45.95, 75.55, by = 3.7)) %>%
relocate(Peso, mi, fi) %>%
mutate(
hi = fi/sum(fi),
Fi = cumsum(fi),
Hi = cumsum(hi)
) %>%
knitr::kable(
col.names = c("Peso", "mi", "fi", "hi",
"Fi", "Hi"), align = c("c", "c", "c", "c", "c", "c")
) %>%
kableExtra::kable_styling(full_width = FALSE) %>%
kableExtra::add_header_above(c("Distribuciones de frecuencias para la variable Peso" = 6))| Peso | mi | fi | hi | Fi | Hi |
|---|---|---|---|---|---|
| [44.1,47.8] | 45.95 | 1 | 0.005 | 1 | 0.005 |
| (47.8,51.5] | 49.65 | 5 | 0.025 | 6 | 0.030 |
| (51.5,55.2] | 53.35 | 28 | 0.140 | 34 | 0.170 |
| (55.2,58.9] | 57.05 | 42 | 0.210 | 76 | 0.380 |
| (58.9,62.6] | 60.75 | 64 | 0.320 | 140 | 0.700 |
| (62.6,66.3] | 64.45 | 41 | 0.205 | 181 | 0.905 |
| (66.3,70] | 68.15 | 12 | 0.060 | 193 | 0.965 |
| (70,73.7] | 71.85 | 6 | 0.030 | 199 | 0.995 |
| (73.7,77.4] | 75.55 | 1 | 0.005 | 200 | 1.000 |
library(dplyr)
library(kableExtra)
interv = cut(x = peso, breaks = seq(44.1, 77.4, by = 3.7), include.lowest = TRUE)
tabla <- tibble(Peso = interv) %>%
group_by(Peso) %>%
summarise(fi = n()) %>%
mutate(hi = fi / sum(fi)) %>%
mutate(
mi = seq(45.95, 75.55, by = 3.7) %>% as.character(), # Convertir `mi` a carácter
Fi = cumsum(fi) %>% as.character(), # Convertir `Fi` a carácter
Hi = cumsum(fi / sum(fi)) %>% as.character() # Convertir `Hi` a carácter
) %>%
relocate(Peso, mi, fi)
# Agregar la fila total con casillas en blanco
tabla <- tabla %>%
add_row(Peso = "Total", mi = "", fi = sum(tabla$fi), hi = sum(tabla$hi), Fi = "", Hi = "")
# Generar la tabla con knitr::kable y agregar título
tabla %>%
knitr::kable(
col.names = c("Peso", "mi", "fi", "hi", "Fi", "Hi"),
align = c("l", "r", "r", "r", "r", "r")
) %>%
kableExtra::kable_styling(full_width = FALSE) %>%
kableExtra::add_header_above(c("Distribuciones de frecuencias para la variable Peso" = 6))| Peso | mi | fi | hi | Fi | Hi |
|---|---|---|---|---|---|
| [44.1,47.8] | 45.95 | 1 | 0.005 | 1 | 0.005 |
| (47.8,51.5] | 49.65 | 5 | 0.025 | 6 | 0.03 |
| (51.5,55.2] | 53.35 | 28 | 0.140 | 34 | 0.17 |
| (55.2,58.9] | 57.05 | 42 | 0.210 | 76 | 0.38 |
| (58.9,62.6] | 60.75 | 64 | 0.320 | 140 | 0.7 |
| (62.6,66.3] | 64.45 | 41 | 0.205 | 181 | 0.905 |
| (66.3,70] | 68.15 | 12 | 0.060 | 193 | 0.965 |
| (70,73.7] | 71.85 | 6 | 0.030 | 199 | 0.995 |
| (73.7,77.4] | 75.55 | 1 | 0.005 | 200 | 1 |
| Total | 200 | 1.000 |
1.En formato xlsx
library(readxl)
empleo <- read_excel("empleo.xlsx")2.En formato cvs
library(readxl)
empleo_1 <- read.csv("empleo.csv")head(empleo)# A tibble: 6 × 10
SEXO EDAD EDUCACION FUNCION SALARIO SERVICIO EXPERIENCIA ESTADO HIJOS
<chr> <dbl> <dbl> <chr> <dbl> <dbl> <dbl> <chr> <dbl>
1 Masculino 49 15 Gerencia 57000 8.17 12 Unión L… 0
2 Masculino 43 16 Oficina 40200 8.17 3 Casado 3
3 Femenino 71 12 Oficina 21450 8.17 31.8 Unión L… 0
4 Femenino 54 8 Oficina 21900 8.17 15.8 Casado 3
5 Masculino 46 15 Oficina 45000 8.17 11.5 Soltero 4
6 Masculino 42 15 Oficina 32100 8.17 5.58 Viudo 0
# ℹ 1 more variable: ESTRATO <chr>glimpse(empleo)Rows: 500
Columns: 10
$ SEXO <chr> "Masculino", "Masculino", "Femenino", "Femenino", "Masculi…
$ EDAD <dbl> 49, 43, 71, 54, 46, 42, 45, 35, 55, 55, 51, 35, 40, 52, 38…
$ EDUCACION <dbl> 15, 16, 12, 8, 15, 15, 15, 12, 15, 12, 16, 8, 15, 15, 12, …
$ FUNCION <chr> "Gerencia", "Oficina", "Oficina", "Oficina", "Oficina", "O…
$ SALARIO <dbl> 57000, 40200, 21450, 21900, 45000, 32100, 36000, 21900, 27…
$ SERVICIO <dbl> 8.166667, 8.166667, 8.166667, 8.166667, 8.166667, 8.166667…
$ EXPERIENCIA <dbl> 12.000000, 3.000000, 31.750000, 15.833333, 11.500000, 5.58…
$ ESTADO <chr> "Unión Libre", "Casado", "Unión Libre", "Casado", "Soltero…
$ HIJOS <dbl> 0, 3, 0, 3, 4, 0, 1, 1, 1, 0, 1, 2, 4, 4, 3, 2, 2, 0, 4, 4…
$ ESTRATO <chr> "Alto", "Medio", "Medio", "Medio", "Medio", "Bajo", "Bajo"…str(empleo)tibble [500 × 10] (S3: tbl_df/tbl/data.frame)
$ SEXO : chr [1:500] "Masculino" "Masculino" "Femenino" "Femenino" ...
$ EDAD : num [1:500] 49 43 71 54 46 42 45 35 55 55 ...
$ EDUCACION : num [1:500] 15 16 12 8 15 15 15 12 15 12 ...
$ FUNCION : chr [1:500] "Gerencia" "Oficina" "Oficina" "Oficina" ...
$ SALARIO : num [1:500] 57000 40200 21450 21900 45000 ...
$ SERVICIO : num [1:500] 8.17 8.17 8.17 8.17 8.17 ...
$ EXPERIENCIA: num [1:500] 12 3 31.8 15.8 11.5 ...
$ ESTADO : chr [1:500] "Unión Libre" "Casado" "Unión Libre" "Casado" ...
$ HIJOS : num [1:500] 0 3 0 3 4 0 1 1 1 0 ...
$ ESTRATO : chr [1:500] "Alto" "Medio" "Medio" "Medio" ...empleo %>% names %>% length[1] 10names(empleo) [1] "SEXO" "EDAD" "EDUCACION" "FUNCION" "SALARIO"
[6] "SERVICIO" "EXPERIENCIA" "ESTADO" "HIJOS" "ESTRATO" -Transformar variables
empleo <- empleo %>%
mutate(FUNCION = parse_factor(FUNCION,
levels= c('Servicios Generales', 'Oficina', 'Gerencia'), ordered = T)) %>%
mutate(ESTRATO = parse_factor(ESTRATO,
levels= c('Bajo', 'Medio', 'Alto'), ordered = T))glimpse(empleo)Rows: 500
Columns: 10
$ SEXO <chr> "Masculino", "Masculino", "Femenino", "Femenino", "Masculi…
$ EDAD <dbl> 49, 43, 71, 54, 46, 42, 45, 35, 55, 55, 51, 35, 40, 52, 38…
$ EDUCACION <dbl> 15, 16, 12, 8, 15, 15, 15, 12, 15, 12, 16, 8, 15, 15, 12, …
$ FUNCION <ord> Gerencia, Oficina, Oficina, Oficina, Oficina, Oficina, Ofi…
$ SALARIO <dbl> 57000, 40200, 21450, 21900, 45000, 32100, 36000, 21900, 27…
$ SERVICIO <dbl> 8.166667, 8.166667, 8.166667, 8.166667, 8.166667, 8.166667…
$ EXPERIENCIA <dbl> 12.000000, 3.000000, 31.750000, 15.833333, 11.500000, 5.58…
$ ESTADO <chr> "Unión Libre", "Casado", "Unión Libre", "Casado", "Soltero…
$ HIJOS <dbl> 0, 3, 0, 3, 4, 0, 1, 1, 1, 0, 1, 2, 4, 4, 3, 2, 2, 0, 4, 4…
$ ESTRATO <ord> Alto, Medio, Medio, Medio, Medio, Bajo, Bajo, Medio, Medio…class(empleo$FUNCION)[1] "ordered" "factor" # Ver niveles de una variable ordinal (factor ordenado)
levels(empleo$FUNCION)[1] "Servicios Generales" "Oficina" "Gerencia" -Tabla de frecuencia variable ESTADO
table(empleo$ESTADO)
Casado Separado Soltero Unión Libre Viudo
95 104 105 93 103 tibble(Estado = empleo$ESTADO) %>%
group_by(Estado) %>%
summarise(fi = n()) %>%
mutate(
hi = round(fi/sum(fi), 4),
Porcentaje = paste0(hi*100, "%")) %>%
knitr::kable(
col.names = c("Estado", "$f_i$", "$h_i$",
"Porcentaje"), align = c("l", "r", "r", "r")
)| Estado | f_i | h_i | Porcentaje |
|---|---|---|---|
| Casado | 95 | 0.190 | 19% |
| Separado | 104 | 0.208 | 20.8% |
| Soltero | 105 | 0.210 | 21% |
| Unión Libre | 93 | 0.186 | 18.6% |
| Viudo | 103 | 0.206 | 20.6% |
# Cargar las librerías necesarias
library(ggplot2)
library(dplyr)
library(readxl)
# Calcular los porcentajes de cada categoría en la variable ESTADO
estado_counts <- empleo %>%
dplyr::count(ESTADO) %>%
mutate(porcentaje = n / sum(n) * 100)
# Crear el diagrama de barras
ggplot(estado_counts, aes(x = ESTADO, y = porcentaje, fill = ESTADO)) +
geom_bar(stat = "identity") +
labs(title = "Distribución porcentual del Estado civil",
x = "Estado Civil",
y = "Porcentaje") +
theme_minimal() +
theme(legend.position = "none") +
geom_text(aes(label = sprintf("%.1f%%", porcentaje)),
vjust = -0.5,
color = "black",
size = 3.5)
Diagrama de sectores
# Cargar las librerías necesarias
library(ggplot2)
library(dplyr)
library(readxl)
# Calcular los porcentajes de cada categoría en la variable ESTADO
estado_counts <- empleo %>%
dplyr::count(ESTADO) %>%
mutate(porcentaje = n / sum(n) * 100)
# Crear el diagrama circular
ggplot(estado_counts, aes(x = "", y = porcentaje, fill = ESTADO)) +
geom_bar(stat = "identity", width = 1) +
coord_polar("y") +
labs(title = "Distribución porcentual del Estado civil") +
theme_minimal() +
theme(axis.title.x = element_blank(),
axis.title.y = element_blank(),
panel.grid = element_blank(),
axis.text.x = element_blank()) +
geom_text(aes(label = sprintf("%.1f%%", porcentaje)),
position = position_stack(vjust = 0.5),
color = "white",
size = 4)
Tabla de contigencia o cruzada
Frecuencias absolutas
# Cargar las bibliotecas necesarias
library(dplyr)
library(readxl)
library(kableExtra)
# Crear una tabla de contingencia con EDUCACION y ESTRATO
table_FUNCION_ESTRATO <- table(empleo$FUNCION, empleo$ESTRATO)
# Convertir la tabla a un data frame para facilitar el manejo de datos
table_df <- as.data.frame.matrix(table_FUNCION_ESTRATO)
# Calcular los totales de frecuencia absoluta (Total)
table_df$Total <- rowSums(table_df) # Totales por fila
total_fi <- sum(table_df$Total) # Total general
# Añadir una fila de totales al final de la tabla
table_df <- rbind(table_df, Total = c(colSums(table_FUNCION_ESTRATO), total_fi))
# Mostrar la tabla con kableExtra, aplicando color solo a la fila de Totales
table_df %>%
kable("html", caption = "Tabla de Frecuencias absolutas de EDUCACION vs ESTRATO de los trabajadores") %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"),
full_width = F, position = "center") %>%
row_spec(nrow(table_df), bold = T, color = "white", background = "royalblue") # Resaltar solo la fila de Totales| Bajo | Medio | Alto | Total | |
|---|---|---|---|---|
| Servicios Generales | 5 | 11 | 11 | 27 |
| Oficina | 121 | 149 | 115 | 385 |
| Gerencia | 34 | 24 | 30 | 88 |
| Total | 160 | 184 | 156 | 500 |
Frecuencias relativas
# Cargar las bibliotecas necesarias
library(dplyr)
library(readxl)
library(kableExtra)
# Crear una tabla de contingencia con FUNCION y ESTRATO
table_FUNCION_ESTRATO <- table(empleo$FUNCION, empleo$ESTRATO)
# Convertir la tabla a un data frame para facilitar el manejo de datos
table_df <- as.data.frame.matrix(table_FUNCION_ESTRATO)
# Calcular el total general para las frecuencias relativas
total_fi <- sum(table_df) # Total general para todas las celdas
# Calcular las frecuencias relativas
table_df <- table_df / total_fi # Dividir cada valor por el total general para obtener la frecuencia relativa
# Calcular los totales de frecuencia relativa por fila y columna
table_df$Total <- rowSums(table_df) # Totales por fila (frecuencias relativas)
total_column <- colSums(table_df) # Totales por columna (frecuencias relativas)
# Añadir una fila de totales al final de la tabla
table_df <- rbind(table_df, Total = total_column)
# Mostrar la tabla con kableExtra, aplicando color solo a la fila de Totales
table_df %>%
kable("html", caption = "Tabla de Frecuencias Relativas de FUNCION vs ESTRATO de los trabajadores") %>%
kable_styling(bootstrap_options = c("striped", "hover", "condensed", "responsive"),
full_width = F, position = "center") %>%
row_spec(nrow(table_df), bold = T, color = "white", background = "royalblue") # Resaltar solo la fila de Totales| Bajo | Medio | Alto | Total | |
|---|---|---|---|---|
| Servicios Generales | 0.010 | 0.022 | 0.022 | 0.054 |
| Oficina | 0.242 | 0.298 | 0.230 | 0.770 |
| Gerencia | 0.068 | 0.048 | 0.060 | 0.176 |
| Total | 0.320 | 0.368 | 0.312 | 1.000 |
Diagrama de barras conjuntas
# Cargar las librerías necesarias
library(ggplot2)
library(dplyr)
library(readxl)
# Calcular los porcentajes de cada categoría de ESTRATO dentro de cada ESTADO
data_porcentaje <- empleo %>%
count(ESTADO, ESTRATO) %>%
group_by(ESTADO) %>%
mutate(porcentaje = n / sum(n) * 100)
# Crear el diagrama de barras conjuntas con porcentajes
ggplot(data_porcentaje, aes(x = ESTADO, y = porcentaje, fill = ESTRATO)) +
geom_bar(stat = "identity", position = "dodge") + # Usar "stack" si deseas barras apiladas
labs(title = "Distribución porcentual de Estrato por Estado Civil",
x = "Estado Civil",
y = "Porcentaje",
fill = "Estrato") +
theme_minimal() +
geom_text(aes(label = sprintf("%.1f%%", porcentaje)),
position = position_dodge(0.9),
vjust = -0.5,
size = 3)
Diagrama de barras apiladas vertical
# Cargar las librerías necesarias
library(ggplot2)
library(dplyr)
library(readxl)
# Calcular los porcentajes de cada categoría de ESTRATO dentro de cada ESTADO
data_porcentaje <- empleo %>%
count(ESTADO, ESTRATO) %>%
group_by(ESTADO) %>%
mutate(porcentaje = n / sum(n) * 100)
# Crear el diagrama de barras apiladas con porcentajes
ggplot(data_porcentaje, aes(x = ESTADO, y = porcentaje, fill = ESTRATO)) +
geom_bar(stat = "identity", position = "stack") +
labs(title = "Distribución porcentual de Estrato por Estado Civil",
x = "Estado Civil",
y = "Porcentaje",
fill = "Estrato") +
theme_minimal() +
geom_text(aes(label = sprintf("%.1f%%", porcentaje)),
position = position_stack(vjust = 0.5),
color = "white",
size = 3)
Diagrama de barras apiladas horizontal
# Cargar las librerías necesarias
library(ggplot2)
library(dplyr)
library(readxl)
# Calcular los porcentajes de cada categoría de ESTRATO dentro de cada ESTADO
data_porcentaje <- empleo %>%
count(ESTADO, ESTRATO) %>%
group_by(ESTADO) %>%
mutate(porcentaje = n / sum(n) * 100)
# Crear el diagrama de barras apiladas en forma horizontal con porcentajes
ggplot(data_porcentaje, aes(x = ESTADO, y = porcentaje, fill = ESTRATO)) +
geom_bar(stat = "identity", position = "stack") +
labs(title = "Distribución porcentual de Estrato por Estado Civil",
x = "Estado Civil",
y = "Porcentaje",
fill = "Estrato") +
theme_minimal() +
geom_text(aes(label = sprintf("%.1f%%", porcentaje)),
position = position_stack(vjust = 0.5),
color = "white",
size = 3) +
coord_flip()
Histograma de frecuencias
# Cargar las librerías necesarias
library(ggplot2)
library(readxl)
# Crear el histograma de la variable EDAD
ggplot(empleo, aes(x = EDAD)) +
geom_histogram(binwidth = 5, color = "black", fill = "royalblue") +
labs(title = "Distribución de la Edad",
x = "Edad",
y = "Frecuencia") +
theme_minimal()
Histograma de frecuencias con densidad
# Cargar las librerías necesarias
library(ggplot2)
library(readxl)
# Crear el histograma de la variable EDAD con la curva de densidad
ggplot(empleo, aes(x = EDAD)) +
geom_histogram(aes(y = ..density..), binwidth = 5, color = "black", fill = "purple") +
geom_density(alpha = 0.4, fill = "royalblue") +
labs(title = "Distribución de la Edad con Curva de Densidad",
x = "Edad",
y = "Densidad") +
theme_minimal()