Lab-7.knit

3.1 (i) Datos

library(kableExtra)
library(readxl)

kable(DATOS2026, caption = paste("DATOS2026 -", autor)) |>
  kable_styling(bootstrap_options = c("striped", "hover"),
                full_width = FALSE,
                position = "center") |>
  row_spec(0, bold = TRUE, color = "white", background = "#3E7C6B")

DATOS2026 - Diego Alejandro Tous Aponte
CURSO	ASISTENCIA2	ASISTENCIA1	PARCIAL 1	PARCIAL 2	NRC	PROGRAMA	EDAD	PESO	ESTATURA	SEXO	ESTADO_CIVIL	ESTRATO	URBANO	TRANSPORTE	GR_SANGUINEO
PROBABILIDAD	100	90	3.6	4.3	2314	F_NEGOCIOS	20	55	160	Femenino	SOLTERO (A)	II	Cartagena	Transcaribe	O+
ESTADISTICAI	70	75	0.9	2.5	1136	DERECHO	18	80	185	Masculino	SOLTERO (A)	III	Cartegena	El bus que me deja mas cerca	A+
PROBABILIDAD	85	95	3.9	3.8	2314	F_NEGOCIOS	19	60	158	Femenino	SOLTERO (A)	III	Cartagena	Transcaribe	O+
PROBABILIDAD	5	5	2.9	0.5	2314	MECANICA	18	72	181	Masculino	SOLTERO (A)	V	Bolivar	Particular	O+
ESTADISTICAI	20	70	3.7	0.55	1009	PSICOLOGÍA	19	45	163	Femenino	SOLTERO (A)	II	Cartagena	Mototaxi	O+
ESTADISTICAI	100	100	0.9	2.95	2313	PSICOLOGÍA	20	64	169	Femenino	SOLTERO (A)	I	Cartagena de Indias	Transcaribe	O+
PROBABILIDAD	50	75	3.7	1.7	1010	C_DATOS	18	50	157	Masculino	SOLTERO (A)	IV	Cartagena	Transcaribe	A+
PROBABILIDAD	100	95	3	3.3	2314	F_NEGOCIOS	19	50	155	Femenino	SOLTERO (A)	III	Cartagena de Indias	Mototaxi	A+
ESTADISTICAI	100	100	3.8	3.3	1009	PSICOLOGÍA	18	65	161	Femenino	SOLTERO (A)	III	Bolívar	Mototaxi	O+
PROBABILIDAD	95	85	3	2.9	2314	SISTEMAS	22	60	161	Masculino	SOLTERO (A)	I	pontezuela	El bus que me deja mas cerca	A+
ESTADISTICAI	100	100	2	3.3	1136	DERECHO	18	69	174	Masculino	SOLTERO (A)	I	Cartagena	Transcaribe	O+
PROBABILIDAD	100	85	4.6	3.65	1137	BIOMEDICA	19	54	164	Femenino	SOLTERO (A)	II	Cartagena de Indias	Transcaribe	O+
PROBABILIDAD	80	95	3.4	3.25	2314	INDUSTRIAL	17	60	153	Femenino	SOLTERO (A)	II	Cartagena	Transcaribe	O+
PROBABILIDAD	90	90	4	3.8	1010	C_DATOS	17	71	170	Masculino	SOLTERO (A)	I	Cartagena	Transcaribe	O+
PROBABILIDAD	100	90	3.6	4	2314	SISTEMAS	19	52	174	Masculino	SOLTERO (A)	IV	Cartagena	Transcaribe	O+
ESTADISTICAI	70	85	1.4	2.6	1136	DERECHO	20	78	170	Masculino	SOLTERO (A)	IV	CARTAGENA	Taxi	O+
PROBABILIDAD	90	95	4.2	4.15	2314	SISTEMAS	20	67	160	Masculino	SOLTERO (A)	III	Cartagena	Transcaribe	B+
PROBABILIDAD	80	75	2.3	2.35	2314	ECONOMIA	19	65	172	Masculino	SOLTERO (A)	NA	cartagena	Mototaxi	O+
PROBABILIDAD	85	95	4.4	4.6	2314	SISTEMAS	19	49	158	Femenino	SOLTERO (A)	I	Cartagena	Transcaribe	O+
PROBABILIDAD	90	100	2.2	2.65	1010	F_NEGOCIOS	21	69	180	Masculino	SOLTERO (A)	V	Cartagena	Taxi	O+
PROBABILIDAD	100	100	3.5	3.85	1010	MECATRONICA	18	77	175	Masculino	SOLTERO (A)	II	Cartagena	Transcaribe	O+
PROBABILIDAD	100	95	2	4.35	2314	SISTEMAS	19	75	173	Masculino	SOLTERO (A)	I	Cartagena	Transcaribe	O-
PROBABILIDAD	100	95	1.6	2.9	2314	SISTEMAS	19	59	166	Masculino	SOLTERO (A)	II	Turbaco	El bus que me deja mas cerca	O+
PROBABILIDAD	100	95	3.9	4.25	2314	SISTEMAS	19	102	179	Masculino	SOLTERO (A)	II	Turbaco	El bus que me deja mas cerca	O+
PROBABILIDAD	100	100	4.4	4.65	1010	MECANICA	18	70	178	Masculino	SOLTERO (A)	III	cartagena	Mototaxi	O+
ESTADISTICAI	85	75	2.5	3.1	2313	PSICOLOGÍA	19	82	175	Masculino	SOLTERO (A)	II	Bolivar	Transcaribe	A+
PROBABILIDAD	90	90	3	3.75	2314	SISTEMAS	20	88	175	Masculino	SOLTERO (A)	III	Cartagena	Transcaribe	A+
ESTADISTICAI	100	100	3.6	3.65	2313	PSICOLOGÍA	17	67	169	Masculino	SOLTERO (A)	II	Bolívar	Mototaxi	A+
PROBABILIDAD	90	65	3.2	1.8	1010	F_NEGOCIOS	22	73	180	Masculino	SOLTERO (A) CON HIJOS	IV	Cartagena	Mototaxi	B+
PROBABILIDAD	100	85	4.2	4.1	1010	SISTEMAS	18	65	170	Masculino	SOLTERO (A)	I	Bolivar	Transcaribe	B+
PROBABILIDAD	100	90	1.9	3.3	2314	F_NEGOCIOS	19	48	166	Femenino	SOLTERO (A)	III	Turbaco	Particular	O+
ESTADISTICAI	80	60	2	2.9	1136	DERECHO	18	55	160	Femenino	SOLTERO (A)	IV	Parque Heredia	Taxi	O+
PROBABILIDAD	100	95	4.8	3.7	1010	MECATRONICA	18	70	175	Masculino	SOLTERO (A)	I	Zaragocilla	El bus que me deja mas cerca	A+
ESTADISTICAI	100	85	2.6	3	1136	PSICOLOGÍA	17	50	165	Masculino	SOLTERO (A)	III	cartagena	Transcaribe	O+
PROBABILIDAD	100	80	2.7	3.75	2314	NAVAL	17	80	192	Masculino	SOLTERO (A)	II	cartagena de indias , bolivar	Particular	O+
ESTADISTICAI	70	75	2.5	3.05	1136	DERECHO	18	62	164	Femenino	SOLTERO (A)	II	Cartagena	Transcaribe	O+
ESTADISTICAI	100	65	1.8	2.25	1009	C_SOCIAL	21	62	167	Femenino	SOLTERO (A)	III	Cartagena	Transcaribe	B+
ESTADISTICAI	90	100	3.3	2.95	1136	DERECHO	18	53	154	Femenino	SOLTERO (A)	III	Cartagena de indias	Mototaxi	A+
PROBABILIDAD	90	90	1.8	3.7	2314	QUIMICA	18	55	167	Femenino	SOLTERO (A)	I	El Carmen de Bolívar	Mototaxi	A+
PROBABILIDAD	90	75	3.5	3.75	1010	F_NEGOCIOS	18	67	173	Femenino	SOLTERO (A)	IV	Cartagena	Transcaribe	B+
ESTADISTICAI	100	80	1	3.1	2313	PSICOLOGÍA	18	42	155	Femenino	SOLTERO (A)	I	Barranco de loba	Transcaribe	A+
PROBABILIDAD	100	85	3.1	3.65	1010	F_NEGOCIOS	19	48	166	Femenino	SOLTERO (A)	II	Cartagena	Transcaribe	O+
PROBABILIDAD	90	95	3.3	3.35	1010	F_NEGOCIOS	18	56	160	Femenino	SOLTERO (A)	V	Cartagena	Particular	B+
PROBABILIDAD	70	75	2.8	3	1010	C_DATOS	17	70	163	Femenino	SOLTERO (A)	II	Cartagena	Mototaxi	O+
ESTADISTICAI	80	85	2.9	3.1	1009	PSICOLOGÍA	18	65	174	Masculino	CASADO (A)	IV	Bolivar	Transcaribe	O+
PROBABILIDAD	55	80	2.3	0.55	2314	F_NEGOCIOS	19	76	168	Femenino	SOLTERO (A)	I	Pontezuela	El bus que me deja mas cerca	O+
PROBABILIDAD	90	100	3	3.3	1010	F_NEGOCIOS	18	50	158	Femenino	SOLTERO (A)	III	Cartagena	Taxi	A+
PROBABILIDAD	90	100	2.6	2.85	1137	ELECTRICA	21	50	155	Femenino	SOLTERO (A)	II	Turbaco/Bolivar	El bus que me deja mas cerca	A+
PROBABILIDAD	100	100	2.8	2.45	1137	BIOMEDICA	18	62	168	Femenino	SOLTERO (A)	III	Bolívar	Taxi	O+
PROBABILIDAD	100	100	4	3.15	1010	INDUSTRIAL	19	58	164	Femenino	SOLTERO (A)	V	Cartagena (barrio: pie de la popa)	Transcaribe	O+
ESTADISTICAI	90	85	1.5	3.45	1009	C_SOCIAL	18	50	178	Masculino	SOLTERO (A)	III	Bolívar	Transcaribe	O+
ESTADISTICAI	90	90	2.4	3.3	1009	PSICOLOGÍA	21	65	164	Femenino	SOLTERO (A)	II	Boquilla	Transcaribe	O+
ESTADISTICAI	100	100	2.9	3.1	1009	C_SOCIAL	18	57	164	Femenino	SOLTERO (A)	III	San José de los campanos	Particular	O+
PROBABILIDAD	100	90	1.3	3.15	2314	INDUSTRIAL	19	53	175	Femenino	SOLTERO (A)	II	bolivar	Mototaxi	O+
ESTADISTICAI	70	75	2.7	2.2	1136	DERECHO	17	78	180	Masculino	SOLTERO (A)	III	Cartagena	Transcaribe	O+
PROBABILIDAD	100	100	4.2	3.85	1010	MECANICA	18	80	187	Masculino	SOLTERO (A)	II	Cartagena	Mototaxi	O-
PROBABILIDAD	100	95	4.9	4.1	2314	SISTEMAS	19	64	172	Masculino	SOLTERO (A)	III	Cartagena	Transcaribe	B+
PROBABILIDAD	100	100	4	4.4	1010	INDUSTRIAL	18	60	177	Femenino	SOLTERO (A)	II	Turbaco	Particular	O+
ESTADISTICAI	100	80	1.6	3.3	1009	C_SOCIAL	19	72	169	Femenino	SOLTERO (A)	II	Turbaco	Particular	A+
ESTADISTICAI	80	85	2.8	2.55	1136	DERECHO	18	60	159	Femenino	SOLTERO (A)	II	Cartagena	Transcaribe	A+
PROBABILIDAD	75	75	3.3	2.5	2314	CIVIL	18	55	165	Masculino	SOLTERO (A)	II	Cartagena	Transcaribe	O+
ESTADISTICAI	60	90	1.9	0.6	1009	C_SOCIAL	20	90	186	Masculino	SOLTERO (A)	IV	Bolibar Cartagena	Transcaribe	O+
PROBABILIDAD	100	65	2.6	3.15	1137	MECANICA	18	63	170	Masculino	SOLTERO (A)	I	Cartagena	Transcaribe	A+
PROBABILIDAD	90	45	4	3.4	1010	F_NEGOCIOS	18	61	163	Femenino	SOLTERO (A)	V	Cartagena	Particular	A+
PROBABILIDAD	85	95	2.3	2.8	2314	F_NEGOCIOS	18	70	172	Femenino	SOLTERO (A)	II	Arjona	El bus que me deja mas cerca	O+
ESTADISTICAI	90	90	2	3.1	1136	DERECHO	19	48	167	Femenino	SOLTERO (A)	IV	Cartagena	Particular	O+
PROBABILIDAD	100	90	3.1	3.25	1010	F_NEGOCIOS	19	57	154	Femenino	SOLTERO (A)	II	Bolivar	Transcaribe	O+
PROBABILIDAD	100	95	1.5	2.95	1137	CONTADURIA	18	60	170	Femenino	SOLTERO (A)	II	Turbaco	El bus que me deja mas cerca	O+
PROBABILIDAD	90	100	1.3	3.5	1010	ELECTRICA	22	70	163	Femenino	SOLTERO (A)	I	Turbaco	Mototaxi	O+
PROBABILIDAD	90	90	2.3	2.1	2314	F_NEGOCIOS	18	59	176	Femenino	SOLTERO (A)	IV	Bolivar	Transcaribe	B+
PROBABILIDAD	85	95	2	3.1	2314	F_NEGOCIOS	18	60	171	Femenino	SOLTERO (A)	II	Cartagena	Transcaribe	O+
ESTADISTICAI	65	75	1.7	2.95	1136	DERECHO	20	55	164	Femenino	SOLTERO (A)	III	Cartagena	Mototaxi	A+
ESTADISTICAI	100	100	2.3	3.2	2313	PSICOLOGÍA	19	67	171	Femenino	SOLTERO (A)	I	El rodeo	Mototaxi	A+
ESTADISTICAI	100	100	3.8	3.1	1136	DERECHO	18	60	165	Femenino	SOLTERO (A)	I	Villa de la cruz	El bus que me deja mas cerca	A+

3.2 (2i) Usando la aplicación para hacer la tabla

table_sexo <- table(DATOS2026$SEXO)
table_sexo


 Femenino Masculino 
       42        32

3.3 (3i) Gráfico de torta para SEXO

porc <- round(prop.table(table_sexo) * 100, 1)
etiquetas <- paste0(names(table_sexo), "\n", table_sexo, " (", porc, "%)")

pie(
  table_sexo,
  col = paleta2,
  labels = etiquetas,
  border = "white",
  lwd = 3,
  radius = 0.95,
  clockwise = TRUE,
  init.angle = 90,
  cex = 1.1,
  main = paste("Estudio de Pastel.\nDistribución por sexos -", autor),
  col.main = "#2c3e50"
)

3.4 (4i) Construimos el diagrama de barras y el diagrama de Pastel para esta variable cualitativa

barp <- barplot(table_sexo,
                col = paleta2,
                border = "white",
                main = paste("Gráfico de Barras -", autor),
                sub = "UTB",
                xlab = "SEXO",
                ylab = "Conteo",
                ylim = c(0, max(table_sexo) * 1.2),
                las = 1)

text(barp, table_sexo, labels = table_sexo,
     pos = 3, cex = 1.2, font = 2)

3.5 (5i) Usando la aplicación para hacer la tabla porcentual redondeando al entero más cercano

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


 Femenino Masculino 
       57        43

3.6 (6i) Construimos el diagrama de barras % y de pastel para esta variable cualitativa

barp2 <- barplot(table_sexo2,
                 col = paleta2,
                 border = "white",
                 main = paste("Gráfico de Barras -", autor),
                 sub = "UTB",
                 xlab = "SEXO",
                 ylab = "Porcentaje",
                 ylim = c(0, max(table_sexo2) * 1.2),
                 las = 1)

text(barp2, table_sexo2, labels = paste0(table_sexo2, "%"),
     pos = 3, cex = 1.2, font = 2)

3.7 (7i) Las tablas de frecuencias y las representaciones gráficas son dos maneras equivalentes de presentar la información

pie(table_sexo2,
    col = paleta2,
    labels = paste0(names(table_sexo2), "\n", table_sexo2, "%"),
    border = "white",
    lwd = 3,
    clockwise = TRUE,
    init.angle = 90,
    main = paste("Estudio de Pastel.\nDistribución por sexos -", autor))

3.8 (8i) Usando la aplicación para hacer la tabla con dos variables SEXO y CURSO

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

           
            ESTADISTICAI PROBABILIDAD
  Femenino            16           26
  Masculino           10           22

3.9 (9i) Usando la aplicación para hacer el gráfico con dos variables SEXO y CURSO

barp3 <- barplot(table_3, beside = TRUE,
                 col = paleta2, border = "white",
                 main = paste("Gráfico de barras CURSO vs SEXO -", autor),
                 xlab = "CURSO", ylab = "Frecuencia",
                 ylim = c(0, max(table_3) * 1.25), las = 1,
                 legend.text = rownames(table_3),
                 args.legend = list(x = "topright", bty = "n", border = "white"))
text(barp3, table_3, labels = table_3, pos = 3, cex = 1.1, font = 2)

3.10 (10i) Usando la aplicación para hacer la tabla con dos variables SEXO y CURSO pero usando las frecuencias relativas aproximadas

table_4 <- round(table(DATOS2026$SEXO, DATOS2026$CURSO) / sum(table_3) * 100)
table_4

           
            ESTADISTICAI PROBABILIDAD
  Femenino            22           35
  Masculino           14           30

3.11 (11i) Usando la aplicación para hacer el gráfico con dos variables SEXO y CURSO pero usando las frecuencias relativas aproximadas

barp4 <- barplot(table_4, beside = TRUE,
                 col = paleta2, border = "white",
                 main = paste("Gráfico de barras CURSO vs SEXO en porcentajes -", autor),
                 xlab = "CURSO", ylab = "Porcentaje",
                 ylim = c(0, max(table_4) * 1.25), las = 1,
                 legend.text = rownames(table_4),
                 args.legend = list(x = "topright", bty = "n", border = "white"))
text(barp4, table_4, labels = paste0(table_4, "%"), pos = 3, cex = 1.1, font = 2)

3.12 (12i) Usando la aplicación para hacer la tabla con dos variables ESTRATO 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

3.13 (13i) Usando la aplicación para hacer el gráfico con dos variables ESTRATO y CURSO

barp5 <- barplot(table_5, beside = TRUE,
                 col = paleta5[1:nrow(table_5)], border = "white",
                 main = paste("Gráfico de barras CURSO vs ESTRATO -", autor),
                 xlab = "CURSO", ylab = "Frecuencia",
                 ylim = c(0, max(table_5) * 1.25), las = 1,
                 legend.text = rownames(table_5),
                 args.legend = list(x = "topright", bty = "n", title = "ESTRATO"))
text(barp5, table_5, labels = table_5, pos = 3, cex = 0.9, font = 2)

3.14 (14i) Usando la aplicación para hacer la tabla con dos variables ESTRATO y SEXO

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

3.15 (15i) Usando la aplicación para hacer el gráfico con dos variables ESTRATO y SEXO

barp6 <- barplot(table_6, beside = TRUE,
                 col = paleta5[1:nrow(table_6)], border = "white",
                 main = paste("Gráfico de barras SEXO vs ESTRATO -", autor),
                 xlab = "SEXO", ylab = "Frecuencia",
                 ylim = c(0, max(table_6) * 1.25), las = 1,
                 legend.text = rownames(table_6),
                 args.legend = list(x = "topright", bty = "n", title = "ESTRATO"))
text(barp6, table_6, labels = table_6, pos = 3, cex = 0.9, font = 2)

3.16 (16i) Tabla de Frecuencias Usando el paquete summarytools: observamos ya una tabla más completa

library(summarytools)

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)

freq(DATOS2026$EDAD)

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

3.17 (17i) Tabla de Frecuencias Usando el paquete summarytools: observamos ya una tabla más completa

summary(DATOS2026$EDAD)

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

3.18 (18i) Una primera vista del diagrama de caja para la variable Edad

boxplot(DATOS2026$EDAD, horizontal = TRUE, col = paleta2[2], border = "#2c3e50",
        main = paste("Diagrama de caja - EDAD -", autor), xlab = "EDAD", boxwex = 0.6)

3.19 (19i) Identificamos dónde queda la mediana

boxplot(DATOS2026$EDAD, notch = TRUE, horizontal = TRUE,
        col = paleta2[2], border = "#2c3e50",
        main = paste("Diagrama de caja con muesca - EDAD -", autor),
        xlab = "EDAD", boxwex = 0.6)

Warning in (function (z, notch = FALSE, width = NULL, varwidth = FALSE, : some
notches went outside hinges ('box'): maybe set notch=FALSE

3.20 (20i) EDAD vs SEXO

boxplot(EDAD ~ SEXO, data = DATOS2026, horizontal = TRUE,
        col = paleta2, border = "#2c3e50",
        main = paste("EDAD vs SEXO -", autor), xlab = "EDAD", ylab = "", las = 1)

3.21 (21i) EDAD vs ESTRATO

n_est <- length(unique(DATOS2026$ESTRATO))
boxplot(EDAD ~ ESTRATO, data = DATOS2026, horizontal = TRUE,
        col = paleta5[1:n_est], border = "#2c3e50",
        main = paste("EDAD vs ESTRATO -", autor), xlab = "EDAD", ylab = "ESTRATO", las = 1)

3.22 (22i) EDAD vs ESTRATO vs SEXO

library(ggplot2)
ggplot(DATOS2026, aes(x = ESTRATO, y = EDAD, fill = SEXO)) +
  geom_boxplot(color = "#2c3e50", alpha = 0.9) +
  scale_fill_manual(values = c("Femenino" = paleta2[1], "Masculino" = paleta2[2])) +
  scale_x_discrete(labels = abbreviate, name = "ESTRATO") +
  scale_y_continuous(name = "EDAD") +
  labs(title = paste("EDAD vs ESTRATO vs SEXO -", autor)) +
  theme_minimal(base_size = 13) +
  theme(plot.title = element_text(face = "bold", color = "#2c3e50", hjust = 0.5),
        legend.position = "top")

3.23 (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

3.24 (24i) Una primera vista del diagrama de caja para la variable ESTATURA

boxplot(DATOS2026$ESTATURA, horizontal = TRUE, col = paleta2[2], border = "#2c3e50",
        main = paste("Diagrama de caja - ESTATURA -", autor), xlab = "ESTATURA", boxwex = 0.6)

3.25 (25i) Identificamos dónde queda la mediana

boxplot(DATOS2026$ESTATURA, notch = TRUE, horizontal = TRUE,
        col = paleta2[2], border = "#2c3e50",
        main = paste("Diagrama de caja con muesca - ESTATURA -", autor),
        xlab = "ESTATURA", boxwex = 0.6)

3.26 (26i) ESTATURA vs SEXO

boxplot(ESTATURA ~ SEXO, data = DATOS2026, horizontal = TRUE,
        col = paleta2, border = "#2c3e50",
        main = paste("ESTATURA vs SEXO -", autor), xlab = "ESTATURA", ylab = "", las = 1)

3.27 (27i) ESTATURA vs ESTRATO

n_est <- length(unique(DATOS2026$ESTRATO))
boxplot(ESTATURA ~ ESTRATO, data = DATOS2026, horizontal = TRUE,
        col = paleta5[1:n_est], border = "#2c3e50",
        main = paste("ESTATURA vs ESTRATO -", autor), xlab = "ESTATURA", ylab = "ESTRATO", las = 1)

3.28 (28i) ESTATURA vs ESTRATO vs SEXO

library(ggplot2)
ggplot(DATOS2026, aes(x = ESTRATO, y = ESTATURA, fill = SEXO)) +
  geom_boxplot(color = "#2c3e50", alpha = 0.9) +
  scale_fill_manual(values = c("Femenino" = paleta2[1], "Masculino" = paleta2[2])) +
  scale_x_discrete(labels = abbreviate, name = "ESTRATO") +
  scale_y_continuous(name = "ESTATURA") +
  labs(title = paste("ESTATURA vs ESTRATO vs SEXO -", autor)) +
  theme_minimal(base_size = 13) +
  theme(plot.title = element_text(face = "bold", color = "#2c3e50", hjust = 0.5),
        legend.position = "top")

3.29 (29i) Histograma y tabla de frecuencias usando Regla de Sturges

3.29.0.0.1 Usando la librería “agricolae”

library(agricolae)
h2 <- graph.freq(DATOS2026$EDAD, col = paleta2[2], border = "white",
                 main = paste("Histograma de EDAD (Regla de Sturges) -", autor),
                 xlab = "EDAD", ylab = "Frecuencia")

3.30 (30i) Tabla de frecuencias agrupadas Regla de Sturges

3.30.0.0.1 Usando la librería “agricolae”

summary(h2)

3.31 (31i) Polígono de frecuencia absolutas

3.31.0.0.0.1 frequency : counts (1) and relative (2)

plot(h2, col = paleta2[2], border = "white", frequency = 1,
     main = paste("Polígono de frecuencias absolutas -", autor),
     xlab = "EDAD", ylab = "Frecuencia")
polygon.freq(h2, col = paleta2[1], frequency = 1, lwd = 2)

3.32 (32i) Polígono de frecuencia relativas

3.32.0.0.0.1 frequency : counts (1) and relative (2)

plot(h2, col = paleta2[2], border = "white", frequency = 2,
     main = paste("Polígono de frecuencias relativas -", autor),
     xlab = "EDAD", ylab = "Frecuencia relativa")
polygon.freq(h2, col = paleta2[1], frequency = 2, lwd = 2)

3.33 (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

3.34 (34i) Ojivas - frecuencias porcentuales

p4 <- cumsum(fr_porcentuales2)
plot(h2$breaks, c(0, p4), type = "b", pch = 19,
     col = paleta2[1], lwd = 2, las = 1, ylim = c(0, 100),
     main = paste("Ojiva de frecuencias porcentuales acumuladas -", autor),
     xlab = "EDAD", ylab = "Porcentaje acumulado (%)")
grid(col = "gray85", lty = "dotted")

1 MI CURSO DE ESTADÍSTICA Y PROBABILIDAD - 2026

2 SEMANA 7. Mi página Web en Estadística

3 Clase N° 28. LABORATORIO 7 - ANÁLISIS DE DATOS EN R

3.1 (i) Datos

3.2 (2i) Usando la aplicación para hacer la tabla

3.3 (3i) Gráfico de torta para SEXO

3.4 (4i) Construimos el diagrama de barras y el diagrama de Pastel para esta variable cualitativa

3.5 (5i) Usando la aplicación para hacer la tabla porcentual redondeando al entero más cercano

3.6 (6i) Construimos el diagrama de barras % y de pastel para esta variable cualitativa

3.7 (7i) Las tablas de frecuencias y las representaciones gráficas son dos maneras equivalentes de presentar la información

3.8 (8i) Usando la aplicación para hacer la tabla con dos variables SEXO y CURSO

3.9 (9i) Usando la aplicación para hacer el gráfico con dos variables SEXO y CURSO

3.10 (10i) Usando la aplicación para hacer la tabla con dos variables SEXO y CURSO pero usando las frecuencias relativas aproximadas

3.11 (11i) Usando la aplicación para hacer el gráfico con dos variables SEXO y CURSO pero usando las frecuencias relativas aproximadas

3.12 (12i) Usando la aplicación para hacer la tabla con dos variables ESTRATO y CURSO

3.13 (13i) Usando la aplicación para hacer el gráfico con dos variables ESTRATO y CURSO

3.14 (14i) Usando la aplicación para hacer la tabla con dos variables ESTRATO y SEXO

3.15 (15i) Usando la aplicación para hacer el gráfico con dos variables ESTRATO y SEXO

3.16 (16i) Tabla de Frecuencias Usando el paquete summarytools: observamos ya una tabla más completa

3.17 (17i) Tabla de Frecuencias Usando el paquete summarytools: observamos ya una tabla más completa

3.18 (18i) Una primera vista del diagrama de caja para la variable Edad

3.19 (19i) Identificamos dónde queda la mediana

3.20 (20i) EDAD vs SEXO

3.21 (21i) EDAD vs ESTRATO

3.22 (22i) EDAD vs ESTRATO vs SEXO

3.23 (23i) Estudiemos la variable ESTATURA y obtengamos sus seis medidas representativas

3.24 (24i) Una primera vista del diagrama de caja para la variable ESTATURA

3.25 (25i) Identificamos dónde queda la mediana

3.26 (26i) ESTATURA vs SEXO

3.27 (27i) ESTATURA vs ESTRATO

3.28 (28i) ESTATURA vs ESTRATO vs SEXO

3.29 (29i) Histograma y tabla de frecuencias usando Regla de Sturges

3.29.0.0.1 Usando la librería “agricolae”

3.30 (30i) Tabla de frecuencias agrupadas Regla de Sturges

3.30.0.0.1 Usando la librería “agricolae”

3.31 (31i) Polígono de frecuencia absolutas

3.31.0.0.0.1 frequency : counts (1) and relative (2)

3.32 (32i) Polígono de frecuencia relativas

3.32.0.0.0.1 frequency : counts (1) and relative (2)

3.33 (33i) Ojivas - usando R

3.34 (34i) Ojivas - frecuencias porcentuales