📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊
1 MI CURSO DE ESTADÍSTICA Y PROBABILIDAD - 2026
2 SEMANA 7. Mi página Web en Estadistica
📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊📊
3 Clase N° 28. LABORATORIO 7 - ANALISIS DE DATOS EN R
3.1 (i)Datos
####<-========== PASO 4. =========->
3.2 (2i)Usando la aplicación para hacer la tabla
##
## Femenino Masculino
## 42 32####<-========== PASO 5.=========->
3.3 (3i)Gráfico de torta para SEXO
pie_1<-pie(table_sexo, col=c("lightblue","pink"),
main="Estudio de Pastel.\n Distribución por sexos.\n Santiago Ariza", labels = table_sexo)
####<-========== PASO 6. =========->
3.4 (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 - Santiago Ariza",sub = "UTB",xlab = "SEXO", ylab = "Conteo")
text(barp, table_sexo-30, labels = table_sexo)
####<-========== PASO 7. =========->
3.5 (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 - Santiago Ariza",sub = "UTB",xlab = "SEXO", ylab = "Porcentaje")
text(barp2, table_sexo2-30, labels = table_sexo2)
#####<-========== PASO 9. =========->
3.5.1 (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. \n Santiago Ariza", labels = table_sexo2)
#####<-========== PASO 10. =========->
3.5.2 (8i)Usando la aplicación para hacer la tabla con dos varibles SEXO y CURSO
##
## ESTADISTICAI PROBABILIDAD
## Femenino 16 26
## Masculino 10 22#####<-========== PASO 11. =========->
3.5.3 (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 - Santiago Ariza",
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. =========->
3.5.4 (10i)Usando la aplicación para hacer la tabla con dos varibles SEXO y CURSO pero usando las frecuencias relativas aproximadas
##
## ESTADISTICAI PROBABILIDAD
## Femenino 22 35
## Masculino 14 30#####<-========== PASO 13. =========->
3.5.5 (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 - Santiago Ariza",
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. =========->
3.5.6 (12i)Usando la aplicación para hacer la tabla con dos varibles SEXO y CURSO
##
## ESTADISTICAI PROBABILIDAD
## I 5 10
## II 7 18
## III 9 9
## IV 5 5
## V 0 5#####<-========== PASO 15. =========->
3.5.7 (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 - Santiago Ariza",
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. =========->
3.5.8 (14i)Usando la aplicación para hacer la tabla con dos varibles SEXO y CURSO
##
## Femenino Masculino
## I 8 7
## II 17 8
## III 10 8
## IV 4 6
## V 3 2#####<-========== PASO 17. =========->
3.5.9 (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 - Santiago Ariza",
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. =========->
3.5.10 (16i)Tabla de Frecuencias Usando el paquete summarytools: observamos ya una tabla mas completa
## Warning in fun(libname, pkgname): couldn't connect to display ":0"## system might not have X11 capabilities; in case of errors when using dfSummary(), set st_options(use.x11 = FALSE)## Frequencies
## DATOS2026$EDAD
## Type: Numeric
##
## Freq % Valid % Valid Cum. % Total % Total Cum.
## ----------- ------ --------- -------------- --------- --------------
## 17 7 9.46 9.46 9.46 9.46
## 18 32 43.24 52.70 43.24 52.70
## 19 21 28.38 81.08 28.38 81.08
## 20 7 9.46 90.54 9.46 90.54
## 21 4 5.41 95.95 5.41 95.95
## 22 3 4.05 100.00 4.05 100.00
## <NA> 0 0.00 100.00
## Total 74 100.00 100.00 100.00 100.00#####<-========== PASO 19. =========->
3.5.11 (17i)Tabla de Frecuencias Usando el paquete summarytools: observamos ya una tabla mas completa
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 17.0 18.0 18.0 18.7 19.0 22.0#####<-========== PASO 20. =========->
3.5.12 (18i)Una primera vista del diagrama de caja para la variable Edad
boxplot(DATOS2026$EDAD, horizontal = TRUE, main = "Diagrama de caja - EDAD - Santiago Ariza", col = rainbow(3))
#####<-========== PASO 21. =========->
3.5.13 (19i)Identificamos donde queda la mediana
x = DATOS2026$EDAD
boxplot(x, notch = TRUE, horizontal = TRUE, main = "Mediana - EDAD - Santiago Ariza", col = rainbow(3))## Warning in (function (z, notch = FALSE, width = NULL, varwidth = FALSE, : some
## notches went outside hinges ('box'): maybe set notch=FALSE
#####<-========== PASO 22. =========->
3.5.14 (20i)EDAD vs SEXO
x = DATOS2026$EDAD
y = DATOS2026$SEXO
boxplot(x~y, horizontal = TRUE, main = "EDAD vs SEXO - Santiago Ariza", col = rainbow(3))
#####<-========== PASO 23. =========->
3.5.15 (21i)EDAD vs ESTRATO
library(ggplot2)
x = DATOS2026$EDAD
z = DATOS2026$ESTRATO
boxplot(x~z, horizontal = TRUE, main = "EDAD vs ESTRATO - Santiago Ariza", col = rainbow(3))
####<-========== PASO 24. =========->
3.5.16 (22i)EDAD vs ESTRATO vs SEXO
library(ggplot2)
ggplot(data= DATOS2026,mapping= aes(y=EDAD,x = ESTRATO, fill=SEXO))+geom_boxplot()+
scale_y_continuous(name = "EDAD") +
scale_x_discrete(labels = abbreviate, name = "ESTRATO") +
ggtitle("EDAD vs ESTRATO vs SEXO - Santiago Ariza")
####<-========== PASO 25. =========->
3.5.17 (23i)Estudiemos la variable ESTATURA y obtengamos sus seis medidas representativas
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 153.0 163.0 168.0 168.4 174.0 192.0####<-========== PASO 26. =========->
3.5.17.1 (24i)Una primera vista del diagrama de caja para la variable ESTATURA
boxplot(DATOS2026$ESTATURA, horizontal = TRUE, main = "Diagrama de caja - ESTATURA - Santiago Ariza", col = rainbow(3))
####<-========== PASO 27. =========->
3.5.17.2 (25i)Identificamos donde queda la mediana
x = DATOS2026$ESTATURA
boxplot(x, notch = TRUE, horizontal = TRUE, main = "Mediana - ESTATURA - Santiago Ariza", col = rainbow(3))
####<-========== PASO 28. =========->
3.5.18 (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") +
ggtitle("ESTATURA vs ESTRATO vs SEXO - Santiago Ariza")
####<-========== PASO 31. =========->
3.5.19 (29i)Histograma y tabla de frecuencias usando Regla de Sturges
3.5.20 (30i)Tabla de fecuencias agrupadas Regla de Sturges
3.5.21 (32i)Polígono de frecuencia relativas
3.5.22 (33i)Ojivas - usando R
## [1] 7 32 21 0 7 4 0 3## [1] 74## [1] 9.459459 43.243243 28.378378 0.000000 9.459459 5.405405 0.000000
## [8] 4.054054## [1] 7 39 60 60 67 71 71 74## [1] 0.09459459 0.52702703 0.81081081 0.81081081 0.90540541 0.95945946 0.95945946
## [8] 1.00000000## [1] 9.459459 52.702703 81.081081 81.081081 90.540541 95.945946 95.945946
## [8] 100.000000####<-========== PASO 36. =========->
