📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊

MI CURSO DE ESTADÍSTICA Y PROBABILIDAD - 2026

🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯🎯

SEMANA 7. Mi página Web en Estadistica

📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊

Clase N° 28. LABORATORIO 7 ANALISIS DE DATOS EN R

🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀

(i)Datos

library(readxl)
DATOS2026 <- read_excel("00. DATOS202460ULTIMOS25 (1).xlsx")
DATOS2026

## # A tibble: 74 × 16
##    CURSO    ASISTENCIA2 ASISTENCIA1 `PARCIAL 1` `PARCIAL 2`   NRC PROGRAMA  EDAD
##    <chr>          <dbl>       <dbl> <chr>       <chr>       <dbl> <chr>    <dbl>
##  1 PROBABI…         100          90 3.6         4.3          2314 F_NEGOC…    20
##  2 ESTADIS…          70          75 0.9         2.5          1136 DERECHO     18
##  3 PROBABI…          85          95 3.9         3.8          2314 F_NEGOC…    19
##  4 PROBABI…           5           5 2.9         0.5          2314 MECANICA    18
##  5 ESTADIS…          20          70 3.7         0.55         1009 PSICOLO…    19
##  6 ESTADIS…         100         100 0.9         2.95         2313 PSICOLO…    20
##  7 PROBABI…          50          75 3.7         1.7          1010 C_DATOS     18
##  8 PROBABI…         100          95 3           3.3          2314 F_NEGOC…    19
##  9 ESTADIS…         100         100 3.8         3.3          1009 PSICOLO…    18
## 10 PROBABI…          95          85 3           2.9          2314 SISTEMAS    22
## # ℹ 64 more rows
## # ℹ 8 more variables: PESO <dbl>, ESTATURA <dbl>, SEXO <chr>,
## #   ESTADO_CIVIL <chr>, ESTRATO <chr>, URBANO <chr>, TRANSPORTE <chr>,
## #   GR_SANGUINEO <chr>

🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀

#####<-========== PASO 4. =========->

(2i)Usando la aplicación para hacer la tabla

table_sexo<-table(DATOS2026$SEXO)
table_sexo

## 
##  Femenino Masculino 
##        42        32

🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀

#####<-========== PASO 5.=========->

(3i)Gráfico de torta para SEXO

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

🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀🚀

#####<-========== PASO 6. =========->

(4i)Construimos el diagrama de barras y el diagrama de Pastel para esta variable cualitativa

barp<-barplot(table_sexo, col = rainbow(5), border = "darkred",main = "Gráfico de Barras STEPHANIE BANQUEZ ",sub = "UTB",xlab = "SEXO", ylab = "Conteo")
text(barp, table_sexo-30, labels = table_sexo)

#####<-========== PASO 7. =========->

(5i)Usando la aplicación para hacer la tabla porcentual redondeando al entero mas cercano

table_sexo2<-round(table(DATOS2026$SEXO)/74*100)
table_sexo2

## 
##  Femenino Masculino 
##        57        43

#####<-========== PASO 8. =========->

(6i)Construimos el diagrama de barras % y da pastel para esta variable cualitativa

barp2<-barplot(table_sexo2, col = rainbow(5), border = "darkred",main = "Gráfico de Barras STEPHANIE BANQUEZ ",sub = "UTB",xlab = "SEXO", ylab = "Porcentaje")
text(barp2, table_sexo2-30, labels = table_sexo2)

###<-========== PASO 9. =========-> ### (7i)Las tablas de frecuencias y las representaciones gráficas son dos maneras equivalentes de presentar la información. Las dos exponen ordenadamente la información recogida en una muestra

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

#####<-========== PASO 10. =========->


### [**(8i)**]{style="color:red"}[**Usando la aplicación para hacer la tabla con dos varibles SEXO y CURSO**]{style="color:blue"}

table_3<-table(DATOS2026$SEXO, DATOS2026$CURSO)
table_3

##            
##             ESTADISTICAI PROBABILIDAD
##   Femenino            16           26
##   Masculino           10           22

#####<-========== PASO 11. =========->

(9i)Usando la aplicación para hacer el gráfico con dos varibles SEXO y CURSO

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)

#####<-========== PASO 12. =========->

(10i)Usando la aplicación para hacer la tabla con dos varibles SEXO y CURSO pero usando las frecuencias relativas aproximadas

table_4<-round(table(DATOS2026$SEXO, DATOS2026$CURSO)/74*100)
table_4

##            
##             ESTADISTICAI PROBABILIDAD
##   Femenino            22           35
##   Masculino           14           30

#####<-========== PASO 13. =========->

(11i)Usando la aplicación para hacer el gráfico con dos varibles SEXO y CURSO pero usando las frecuencias relativas aproximadas

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)

#####<-========== PASO 14. =========->

(12i)Usando la aplicación para hacer la tabla con dos varibles SEXO y CURSO

table_5<-table(DATOS2026$ESTRATO, DATOS2026$CURSO)
table_5

##      
##       ESTADISTICAI PROBABILIDAD
##   I              5           10
##   II             7           18
##   III            9            9
##   IV             5            5
##   V              0            5

#####<-========== PASO 15. =========->

(13i)Usando la aplicación para hacer el gráfico con dos varibles SEXO y CURSO

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)

#####<-========== PASO 16. =========->

(14i)Usando la aplicación para hacer la tabla con dos varibles SEXO y CURSO

table_6<-table(DATOS2026$ESTRATO, DATOS2026$SEXO)
table_6

##      
##       Femenino Masculino
##   I          8         7
##   II        17         8
##   III       10         8
##   IV         4         6
##   V          3         2

#####<-========== PASO 17. =========->

(15i)Usando la aplicación para hacer el gráfico con dos varibles SEXO y CURSO

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)

##### <-========== PASO 18. ==========->

(16i) Tabla de Frecuencias Usando el paquete summarytools: observamos ya una tabla más completa

if (!requireNamespace("summarytools", quietly = TRUE)) {
  install.packages("summarytools", repos = "https://cloud.r-project.org")
}

## Warning in fun(libname, pkgname): couldn't connect to display ":0"

library(summarytools)

## system might not have X11 capabilities; in case of errors when using dfSummary(), set st_options(use.x11 = FALSE)

tabla_8 <- freq(DATOS2026$EDAD)

tabla_8

## Frequencies  
## DATOS2026$EDAD  
## Type: Numeric  
## 
##               Freq   % Valid   % Valid Cum.   % Total   % Total Cum.
## ----------- ------ --------- -------------- --------- --------------
##          17      7      9.46           9.46      9.46           9.46
##          18     32     43.24          52.70     43.24          52.70
##          19     21     28.38          81.08     28.38          81.08
##          20      7      9.46          90.54      9.46          90.54
##          21      4      5.41          95.95      5.41          95.95
##          22      3      4.05         100.00      4.05         100.00
##        <NA>      0                               0.00         100.00
##       Total     74    100.00         100.00    100.00         100.00

#####<-========== PASO 19. =========->

(17i)Tabla de Frecuencias Usando el paquete summarytools: observamos ya una tabla mas completa

library(summarytools)
summary(DATOS2026$EDAD)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    17.0    18.0    18.0    18.7    19.0    22.0

#####<-========== PASO 20. =========->

(18i)Una primera vista del diagrama de caja para la variable Edad

boxplot(DATOS2026$EDAD, horizontal = TRUE, col = rainbow(3))

#####<-========== PASO 21. =========->

(19i)Identificamos donde queda la mediana

x = DATOS2026$EDAD
boxplot(x, notch = FALSE, horizontal = FALSE, col = rainbow(3))

#####<-========== PASO 22. =========->

(20i)EDAD vs SEXO

x = DATOS2026$EDAD
y = DATOS2026$SEXO
boxplot(x~y, horizontal = TRUE, col = rainbow(3))

#####<-========== PASO 23. =========->

(21i)EDAD vs ESTRATO

library(summarytools)
x = DATOS2026$EDAD
z = DATOS2026$ESTRATO
boxplot(x~z, horizontal = TRUE, col = rainbow(3))

####<-========== PASO 24. =========->

(22i)EDAD vs ESTRATO vs SEXO

if (!requireNamespace("ggplot2", quietly = TRUE)) {
  install.packages("ggplot2", repos = "https://cloud.r-project.org")
}

library(ggplot2)

ggplot(data = DATOS2026, aes(y = EDAD, x = ESTRATO, fill = SEXO)) +
  geom_boxplot() +
  scale_y_continuous(name = "EDAD") +
  scale_x_discrete(labels = abbreviate, name = "ESTRATO")

####<-========== PASO 25. =========->

(23i)Estudiemos la variable ESTATURA y obtengamos sus seis medidas representativas

summary(DATOS2026$ESTATURA)

##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   153.0   163.0   168.0   168.4   174.0   192.0

####<-========== PASO 26. =========->

(24i)Una primera vista del diagrama de caja para la variable ESTATURA

boxplot(DATOS2026$ESTATURA, horizontal = TRUE, col = rainbow(3))

####<-========== PASO 27. =========->

(25i)Identificamos donde queda la mediana

x = DATOS2026$ESTATURA
boxplot(x, notch = TRUE, horizontal = TRUE, col = rainbow(3))

####<-========== PASO 28. =========->

(26i)EDAD vs SEXO

x = DATOS2026$ESTATURA
y = DATOS2026$SEXO
boxplot(x~y, horizontal = TRUE, col = rainbow(3))

####<-========== PASO 29. =========->

(27)EDAD vs ESTRATO

library(ggplot2)
x = DATOS2026$ESTATURA
z = DATOS2026$ESTRATO
boxplot(x~z, horizontal = TRUE, col = rainbow(3))

####<-========== PASO 30. =========->

(28i)ESTATURA vs ESTRATO vs SEXO

library(ggplot2)
ggplot(data= DATOS2026,mapping= aes(y=ESTATURA,x = ESTRATO, fill=SEXO))+geom_boxplot()+
  scale_y_continuous(name = "ESTATURA") +
  scale_x_discrete(labels = abbreviate, name = "ESTRATO")

##### <-========== PASO 31. ==========->

(29i) Histograma y tabla de frecuencias usando Regla de Sturges

Usando la librería “agricolae”

# Instalar la librería
install.packages("agricolae", repos = "https://cloud.r-project.org")

## Installing package into '/cloud/lib/x86_64-pc-linux-gnu-library/4.6'
## (as 'lib' is unspecified)

# Cargar la librería
library(agricolae)

# Crear el histograma
h2 <- graph.freq(DATOS2026$EDAD, col = colors()[75])

# Mostrar el resultado
h2

## $breaks
## [1] 17.0 17.7 18.4 19.1 19.8 20.5 21.2 21.9 22.6
## 
## $counts
## [1]  7 32 21  0  7  4  0  3
## 
## $mids
## [1] 17.35 18.05 18.75 19.45 20.15 20.85 21.55 22.25
## 
## $relative
## [1] 0.0946 0.4324 0.2838 0.0000 0.0946 0.0541 0.0000 0.0405
## 
## $density
## [1] 0.13514286 0.61771429 0.40542857 0.00000000 0.13514286 0.07728571 0.00000000
## [8] 0.05785714
## 
## attr(,"class")
## [1] "graph.freq" "histogram"

####<-========== PASO 32. =========->

(30i)Tabla de fecuencias agrupadas Regla de Sturges

Usando la libreria “agricolae”

summary(h2)

##   Lower Upper  Main Frequency Percentage CF   CPF
## 1  17.0  17.7 17.35         7        9.5  7   9.5
## 2  17.7  18.4 18.05        32       43.2 39  52.7
## 3  18.4  19.1 18.75        21       28.4 60  81.1
## 4  19.1  19.8 19.45         0        0.0 60  81.1
## 5  19.8  20.5 20.15         7        9.5 67  90.5
## 6  20.5  21.2 20.85         4        5.4 71  95.9
## 7  21.2  21.9 21.55         0        0.0 71  95.9
## 8  21.9  22.6 22.25         3        4.1 74 100.0

####<-========== PASO 33. =========->

(31i)Polígono de frecuencia absolutas

frequency : counts (1) and relative (2)

plot(h2,  col=colors()[70], frequency = 1)
polygon.freq(h2, col = "red", frequency = 1, lwd = 2)

####<-========== PASO 34. =========->

(32i)Polígono de frecuencia relativas

frequency : counts (1) and relative (2)

plot(h2,  col=colors()[70], frequency = 2)
polygon.freq(h2, col = "red", frequency = 2, lwd = 2)

####<-========== PASO 35. =========->

(33i)Ojivas - usando R

fr_por_clase2<-h2$counts
fr_por_clase2

## [1]  7 32 21  0  7  4  0  3

total_n2<-sum(h2$counts)
total_n2

## [1] 74

fr_relativos2<-fr_por_clase2/total_n2
fr_porcentuales2<-100*fr_relativos2
fr_porcentuales2

## [1]  9.459459 43.243243 28.378378  0.000000  9.459459  5.405405  0.000000
## [8]  4.054054

cumsum(fr_por_clase2)

## [1]  7 39 60 60 67 71 71 74

cumsum(fr_relativos2)

## [1] 0.09459459 0.52702703 0.81081081 0.81081081 0.90540541 0.95945946 0.95945946
## [8] 1.00000000

cumsum(fr_porcentuales2)

## [1]   9.459459  52.702703  81.081081  81.081081  90.540541  95.945946  95.945946
## [8] 100.000000

####<-========== PASO 36. =========->

(34i)Ojivas - frecuencias porcentuales

p4<-cumsum(fr_porcentuales2)
plot(p4, col = "red")
lines(p4, col = "red")

🌈🧪🌟💻✨🧠📈🔬⚗️📚💻🌈🧪🌟💻✨🧠📈🌈🧪🌟💻✨🧠📈🔬⚗️📚💻🌈🧪🌟💻✨🧠📈

####<-========== AQUI FINALIZA EL LABORATORIO 7. =========-> 🌈🧪🌟💻✨🧠📈🔬⚗️📚💻🌈🧪🌟💻✨🧠📈🌈🧪🌟💻✨🧠📈🔬⚗️📚💻🌈🧪🌟💻✨🧠📈

Laboratorio 7

Stephanie Banquez

2026-09-17

MI CURSO DE ESTADÍSTICA Y PROBABILIDAD - 2026

SEMANA 7. Mi página Web en Estadistica

Clase N° 28. LABORATORIO 7 ANALISIS DE DATOS EN R

(i)Datos

(2i)Usando la aplicación para hacer la tabla

(3i)Gráfico de torta para SEXO

(4i)Construimos el diagrama de barras y el diagrama de Pastel para esta variable cualitativa

(5i)Usando la aplicación para hacer la tabla porcentual redondeando al entero mas cercano

(6i)Construimos el diagrama de barras % y da pastel para esta variable cualitativa

(9i)Usando la aplicación para hacer el gráfico con dos varibles SEXO y CURSO

(10i)Usando la aplicación para hacer la tabla con dos varibles SEXO y CURSO pero usando las frecuencias relativas aproximadas

(11i)Usando la aplicación para hacer el gráfico con dos varibles SEXO y CURSO pero usando las frecuencias relativas aproximadas

(12i)Usando la aplicación para hacer la tabla con dos varibles SEXO y CURSO

(13i)Usando la aplicación para hacer el gráfico con dos varibles SEXO y CURSO

(14i)Usando la aplicación para hacer la tabla con dos varibles SEXO y CURSO

(15i)Usando la aplicación para hacer el gráfico con dos varibles SEXO y CURSO

(16i) Tabla de Frecuencias Usando el paquete summarytools: observamos ya una tabla más completa

(17i)Tabla de Frecuencias Usando el paquete summarytools: observamos ya una tabla mas completa

(18i)Una primera vista del diagrama de caja para la variable Edad

(19i)Identificamos donde queda la mediana

(20i)EDAD vs SEXO

(21i)EDAD vs ESTRATO

(22i)EDAD vs ESTRATO vs SEXO

(23i)Estudiemos la variable ESTATURA y obtengamos sus seis medidas representativas

(24i)Una primera vista del diagrama de caja para la variable ESTATURA

(25i)Identificamos donde queda la mediana

(26i)EDAD vs SEXO

(27)EDAD vs ESTRATO

(28i)ESTATURA vs ESTRATO vs SEXO

(29i) Histograma y tabla de frecuencias usando Regla de Sturges

Usando la librería “agricolae”

(30i)Tabla de fecuencias agrupadas Regla de Sturges

Usando la libreria “agricolae”

(31i)Polígono de frecuencia absolutas

frequency : counts (1) and relative (2)

(32i)Polígono de frecuencia relativas

frequency : counts (1) and relative (2)

(33i)Ojivas - usando R

(34i)Ojivas - frecuencias porcentuales