A continuación se indicarán los paquetes a emplear para trabajar con la base fueron: {r} # Cargar paquetes library(pacman) p_load(MASS, tidyverse, GGally, skimr) options(scipen=999) data(“Boston”)
Los resultados que obtenemos del análisis general empleando la función \(\texttt{skimr}\) se pueden ver a continuación: {r, echo=FALSE} skim(Boston)
Los primeros cinco registros se pueden observar a continuación: {r, echo=FALSE} head(Boston,5)
Los desciptivos del conjunto se pueden observar a continuación: {r, echo=FALSE} summary(Boston)
Es importante destacar que la variable \(\text{tax}\) es la que posee mayor dispersión. A su vez
Finalmente se presenta un gráfico de cajas con información de las variables \(\textit{medv:median value of owner-occupied homes, rm: average number of rooms per dwelling}\) y \(\textit{lstat:lower status of the population (percent)}\) {r, echo=FALSE} Boston %>% select(medv, rm, lstat) %>% pivot_longer(cols = everything(), #Formato long names_to = “variable”, values_to = “valor”) %>% ggplot(aes(x=valor, fill = variable)) + geom_histogram(color = “white”, bins=15) + facet_wrap(~variable, scales=“free_x”) + scale_fill_manual(values=c(medv=“skyblue”, rm=“salmon”, lstat=“lightgreen”)) + scale_fill_brewer(palette = “Set2”) + labs(title = “Histogramas de medv, rm y lstat”) + theme_minimal()