LAB 1
Lucia Paino
2026-10-02
Ejercicios y casos prácticos con R
Ejercicio 1
Utilizando las funciones citadas en este Laboratorio, comprobad qué paquetes tenéis instalados en vuestra versión de RStudio e instalad el paquete MASS y el paquete Survival y comprobad la información que contienen. Buscad información sobre el paquete Rcmdr (R Commander) desde la consola.
# Para ver los paquetes que están instalados utilizamos el comando library()
library()
# Las siguientes sentencias se pondran en comentario ya que ya se tienen instalados
# install.packages("MASS")
# install.packages("Survival")
??Rcmdr ## starting httpd help server ... doneEjercicio 2
a) Importad un archivo de texto y buscad un summary() de tres variables que escojáis.
Se han creado dos archivos ficticios para realizar este ejercicio:
datos <- read.csv("C:/Users/lucia/1_Master/Software_AD/Ejercicios_LAB1/data/datos_salud_txt.txt", sep="")
# Se visualiza el dataset por pantalla
View(datos)
# Se obtiene un summary de tres variables
summary(datos$Edad)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 29.00 40.00 50.00 50.53 61.00 74.00summary(datos$Presion_sistolica)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 110.0 121.0 130.0 133.6 145.0 164.0summary(datos$Colesterol)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 158.0 180.0 207.0 211.7 238.0 275.0b) Importad un archivo «.csv» y buscad un fivenum() de dos variables que os parezcan relevantes para el estudio.
library(readr)
# Se leen los datos ficticios creados para el ejercicio
datos2 <-
read_csv("C:/Users/lucia/1_Master/Software_AD/Ejercicios_LAB1/data/datos_salud_csv.csv") ## Rows: 15 Columns: 6
## ── Column specification ────────────────────────────────────────────────────────
## Delimiter: ","
## dbl (6): ID, Edad, Frecuencia_cardiaca, Glucosa_mg_dl, Peso_kg, Altura_cm
##
## ℹ Use `spec()` to retrieve the full column specification for this data.
## ℹ Specify the column types or set `show_col_types = FALSE` to quiet this message.Obtenemos los estadísticos de la variable Glucosa_mg_dl y Frecuencia_cardiaca:
fivenum(datos2$Glucosa_mg_dl)## [1] 85 93 105 115 139fivenum(datos2$Frecuencia_cardiaca)## [1] 68.0 73.0 79.0 86.5 96.0Ejercicio 3
A partir del conjunto de datos anorexia del paquete MASS, que corresponden a los datos de cambio de peso de pacientes jóvenes con anorexia, mostrad los tipos de datos que contiene y comprobad si existen valores NA y NULL. Para la variable Treat, transformad los valores «CBT», «Cont» y «FT» en «Cogn Beh Tr», «Contr» y «Fam Tr», respectivamente.
# Cargamos los datos de anorexia
library("MASS")## Warning: package 'MASS' was built under R version 4.4.3data("anorexia")
# Se muestran cuantos valores missing y cuantos valores NULL hay
table(is.na(anorexia))##
## FALSE
## 216table(is.null(anorexia))##
## FALSE
## 1# Cambiamos los vslores de la variable Treat
anorexia <- factor(anorexia$Treat,levels=c("CBT","Cont","FT"),labels=c("Cogn Beh Tr","Contr","Fam Tr")) Ejercicio 4
a) Exportad los datos biopsy del paquete MASS a un archivo «.csv.»
data("biopsy")
write.csv(biopsy, file="C:/Users/lucia/1_Master/Software_AD/Ejercicios_LAB1/data/biopsy.csv") b) Exportad los datos melanoma del paquete MASS a archivos de tres diferentes formatos y comprobad que se han creado los diferentes archivos en los formatos y las rutas especificados. Podéis generar una captura de pantalla de su ubicación en la carpeta.
data("Melanoma")
# Exportamos los datos a csv:
write.csv(Melanoma, "C:/Users/lucia/1_Master/Software_AD/Ejercicios_LAB1/data/Melanoma.csv", row.names = FALSE)
# Exporatamos a txt
write.table(Melanoma, "C:/Users/lucia/1_Master/Software_AD/Ejercicios_LAB1/data/Melanoma.txt", sep = "\t", row.names = FALSE)
# Exportamos a xlsx
library(openxlsx)
write.xlsx(Melanoma,"C:/Users/lucia/1_Master/Software_AD/Ejercicios_LAB1/data/Melanoma.xlsx") Se observa una imagen de los archivos en la carpeta:
c) Generad un resumen (summary) de la variable age de melanoma y guardad la salida que os aparece en un documento .doc
# Primero realizamos el summary de la variable age
resumen_edad <- summary(Melanoma$age)
# Para guardarlo en un documento doc utilizamos capture.output
capture.output(resumen_edad, file="data/output/resumen_edad.doc") Aquí se muestra una imagen del documento creado:
d) Buscad un data frame en algún repositorio de datos de Biomedicina, descargad un conjunto de datos en «.csv» e importad este fichero a un documento R Markdown usando el código o el menú de importación de RStudio.
Esta es una lista de algunos repositorios de datos que podemos usar:
https://ouhsc.edu/bserdac/dthompso/web/statres.htm https://guides.lib.berkeley.edu/publichealth/healthstatistics/rawdata https://archive.ics.uci.edu/datasets
Para este apartado se ha utilizado un conjunto de datos biomédicos del repositorio UCI Machine Learning Repository. El conjunto de datos corresponde a información sobre tumores de mama y permite trabajar con diferentes variables relacionadas con el diagnóstico.
Primero se importa el archivo csv mediante la función read.csv():
url <- "https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/wdbc.data"
# Se importa el conjunto de datos desde el archivo CSV
datos_cancer <- read.csv(url, header = FALSE)
# Se añaden los nombres de las variables ya que no aparecen al descargarlo:
nombres <- c("ID", "Diagnostico", "Radio_media", "Textura_media", "Perimetro_media", "Area_media", "Suavidad_media", "Compacidad_media", "Concavidad_media", "Puntos_concavos_media", "Simetria_media", "Dimension_fractal_media", "Radio_SE", "Textura_SE", "Perimetro_SE", "Area_SE", "Suavidad_SE", "Compacidad_SE", "Concavidad_SE", "Puntos_concavos_SE", "Simetria_SE", "Dimension_fractal_SE", "Radio_peor", "Textura_peor", "Perimetro_peor", "Area_peor", "Suavidad_peor", "Compacidad_peor", "Concavidad_peor", "Puntos_concavos_peor", "Simetria_peor", "Dimension_fractal_peor")
colnames(datos_cancer) <- nombres
# Se muestran las primeras filas para comprobar que se ha importado correctamente
head(datos_cancer)## ID Diagnostico Radio_media Textura_media Perimetro_media Area_media
## 1 842302 M 17.99 10.38 122.80 1001.0
## 2 842517 M 20.57 17.77 132.90 1326.0
## 3 84300903 M 19.69 21.25 130.00 1203.0
## 4 84348301 M 11.42 20.38 77.58 386.1
## 5 84358402 M 20.29 14.34 135.10 1297.0
## 6 843786 M 12.45 15.70 82.57 477.1
## Suavidad_media Compacidad_media Concavidad_media Puntos_concavos_media
## 1 0.11840 0.27760 0.3001 0.14710
## 2 0.08474 0.07864 0.0869 0.07017
## 3 0.10960 0.15990 0.1974 0.12790
## 4 0.14250 0.28390 0.2414 0.10520
## 5 0.10030 0.13280 0.1980 0.10430
## 6 0.12780 0.17000 0.1578 0.08089
## Simetria_media Dimension_fractal_media Radio_SE Textura_SE Perimetro_SE
## 1 0.2419 0.07871 1.0950 0.9053 8.589
## 2 0.1812 0.05667 0.5435 0.7339 3.398
## 3 0.2069 0.05999 0.7456 0.7869 4.585
## 4 0.2597 0.09744 0.4956 1.1560 3.445
## 5 0.1809 0.05883 0.7572 0.7813 5.438
## 6 0.2087 0.07613 0.3345 0.8902 2.217
## Area_SE Suavidad_SE Compacidad_SE Concavidad_SE Puntos_concavos_SE
## 1 153.40 0.006399 0.04904 0.05373 0.01587
## 2 74.08 0.005225 0.01308 0.01860 0.01340
## 3 94.03 0.006150 0.04006 0.03832 0.02058
## 4 27.23 0.009110 0.07458 0.05661 0.01867
## 5 94.44 0.011490 0.02461 0.05688 0.01885
## 6 27.19 0.007510 0.03345 0.03672 0.01137
## Simetria_SE Dimension_fractal_SE Radio_peor Textura_peor Perimetro_peor
## 1 0.03003 0.006193 25.38 17.33 184.60
## 2 0.01389 0.003532 24.99 23.41 158.80
## 3 0.02250 0.004571 23.57 25.53 152.50
## 4 0.05963 0.009208 14.91 26.50 98.87
## 5 0.01756 0.005115 22.54 16.67 152.20
## 6 0.02165 0.005082 15.47 23.75 103.40
## Area_peor Suavidad_peor Compacidad_peor Concavidad_peor Puntos_concavos_peor
## 1 2019.0 0.1622 0.6656 0.7119 0.2654
## 2 1956.0 0.1238 0.1866 0.2416 0.1860
## 3 1709.0 0.1444 0.4245 0.4504 0.2430
## 4 567.7 0.2098 0.8663 0.6869 0.2575
## 5 1575.0 0.1374 0.2050 0.4000 0.1625
## 6 741.6 0.1791 0.5249 0.5355 0.1741
## Simetria_peor Dimension_fractal_peor
## 1 0.4601 0.11890
## 2 0.2750 0.08902
## 3 0.3613 0.08758
## 4 0.6638 0.17300
## 5 0.2364 0.07678
## 6 0.3985 0.12440A continuación, se comprueba las dimensiones del conjunto de datos:
# Se comprueba el número de filas y columnas
dim(datos_cancer)## [1] 569 32Finalmente, se observará la estructura de las variables:
# Consultamos la estructura del data frame
str(datos_cancer)## 'data.frame': 569 obs. of 32 variables:
## $ ID : int 842302 842517 84300903 84348301 84358402 843786 844359 84458202 844981 84501001 ...
## $ Diagnostico : chr "M" "M" "M" "M" ...
## $ Radio_media : num 18 20.6 19.7 11.4 20.3 ...
## $ Textura_media : num 10.4 17.8 21.2 20.4 14.3 ...
## $ Perimetro_media : num 122.8 132.9 130 77.6 135.1 ...
## $ Area_media : num 1001 1326 1203 386 1297 ...
## $ Suavidad_media : num 0.1184 0.0847 0.1096 0.1425 0.1003 ...
## $ Compacidad_media : num 0.2776 0.0786 0.1599 0.2839 0.1328 ...
## $ Concavidad_media : num 0.3001 0.0869 0.1974 0.2414 0.198 ...
## $ Puntos_concavos_media : num 0.1471 0.0702 0.1279 0.1052 0.1043 ...
## $ Simetria_media : num 0.242 0.181 0.207 0.26 0.181 ...
## $ Dimension_fractal_media: num 0.0787 0.0567 0.06 0.0974 0.0588 ...
## $ Radio_SE : num 1.095 0.543 0.746 0.496 0.757 ...
## $ Textura_SE : num 0.905 0.734 0.787 1.156 0.781 ...
## $ Perimetro_SE : num 8.59 3.4 4.58 3.44 5.44 ...
## $ Area_SE : num 153.4 74.1 94 27.2 94.4 ...
## $ Suavidad_SE : num 0.0064 0.00522 0.00615 0.00911 0.01149 ...
## $ Compacidad_SE : num 0.049 0.0131 0.0401 0.0746 0.0246 ...
## $ Concavidad_SE : num 0.0537 0.0186 0.0383 0.0566 0.0569 ...
## $ Puntos_concavos_SE : num 0.0159 0.0134 0.0206 0.0187 0.0188 ...
## $ Simetria_SE : num 0.03 0.0139 0.0225 0.0596 0.0176 ...
## $ Dimension_fractal_SE : num 0.00619 0.00353 0.00457 0.00921 0.00511 ...
## $ Radio_peor : num 25.4 25 23.6 14.9 22.5 ...
## $ Textura_peor : num 17.3 23.4 25.5 26.5 16.7 ...
## $ Perimetro_peor : num 184.6 158.8 152.5 98.9 152.2 ...
## $ Area_peor : num 2019 1956 1709 568 1575 ...
## $ Suavidad_peor : num 0.162 0.124 0.144 0.21 0.137 ...
## $ Compacidad_peor : num 0.666 0.187 0.424 0.866 0.205 ...
## $ Concavidad_peor : num 0.712 0.242 0.45 0.687 0.4 ...
## $ Puntos_concavos_peor : num 0.265 0.186 0.243 0.258 0.163 ...
## $ Simetria_peor : num 0.46 0.275 0.361 0.664 0.236 ...
## $ Dimension_fractal_peor : num 0.1189 0.089 0.0876 0.173 0.0768 ...Ejercicio 5
En el siguiente ejemplo veremos cómo utilizar diferentes operadores sobre el conjunto de datos birthwt, así como también algunas funciones que nos permiten obtener más información de las variables:
a) ¿Cuál es la edad máxima de las madres del conjunto de datos?
Primero importamos el conjunto de datos birthwt:
library(MASS)
data("birthwt")
# Se observan los tipos de varibles
str(birthwt)## 'data.frame': 189 obs. of 10 variables:
## $ low : int 0 0 0 0 0 0 0 0 0 0 ...
## $ age : int 19 33 20 21 18 21 22 17 29 26 ...
## $ lwt : int 182 155 105 108 107 124 118 103 123 113 ...
## $ race : int 2 3 1 1 1 3 1 3 1 1 ...
## $ smoke: int 0 0 1 1 1 0 0 0 1 1 ...
## $ ptl : int 0 0 0 0 0 0 0 0 0 0 ...
## $ ht : int 0 0 0 0 0 0 0 0 0 0 ...
## $ ui : int 1 0 0 1 1 0 0 0 0 0 ...
## $ ftv : int 0 3 1 2 0 0 1 1 1 0 ...
## $ bwt : int 2523 2551 2557 2594 2600 2622 2637 2637 2663 2665 ...Para obtener la edad maxima de las madres del conjunto de datos se utiliza la funcion max:
max(birthwt$age)## [1] 45b) ¿Cuál es la edad mínima de las madres del conjunto de datos?
Se utiliza la función min:
min(birthwt$age)## [1] 14c) ¿Cuál es el rango de edad de las madres?
Para obtener el rango se resta la edad maxima menos la edad mínima:
max(birthwt$age)-min(birthwt$age)## [1] 31d) ¿Fumaba la madre cuyo recién nacido era el de menor peso?
birthwt$smoke[birthwt$bwt==min(birthwt$bwt)]## [1] 1Según el resultado obtenido sí que fumaba.
e) ¿Cuánto pesó el recién nacido cuya madre tenía la edad máxima?
birthwt$bwt[birthwt$age==max(birthwt$age)]## [1] 4990El recién nacido cuya madre tenía la edad máxima pesaba casi 5g.
f) Listad los pesos de los recién nacidos, cuyas madres visitarán menos de dos veces al médico durante el primer trimestre.
A continuación se muestra el listado de pesos de los recién nacidos cuyas madres visitarán menos de dos veces al médico en el primer trimestre:
birthwt$bwt[birthwt$ftv<2]## [1] 2523 2557 2600 2622 2637 2637 2663 2665 2722 2733 2751 2769 2769 2778 2807
## [16] 2821 2836 2863 2877 2906 2920 2920 2920 2948 2948 2977 2977 2922 3033 3062
## [31] 3062 3062 3062 3090 3090 3100 3104 3132 3175 3175 3203 3203 3203 3225 3225
## [46] 3232 3234 3260 3274 3317 3317 3331 3374 3374 3402 3416 3444 3459 3460 3473
## [61] 3544 3487 3544 3572 3572 3586 3600 3614 3614 3629 3637 3643 3651 3651 3651
## [76] 3651 3699 3728 3756 3770 3770 3770 3790 3799 3827 3884 3912 3940 3941 3941
## [91] 3969 3997 3997 4054 4054 4111 4174 4238 4593 4990 709 1135 1330 1474 1588
## [106] 1588 1701 1729 1790 1818 1885 1893 1899 1928 1936 1970 2055 2055 2084 2084
## [121] 2100 2125 2187 2187 2211 2225 2240 2240 2282 2296 2296 2325 2353 2353 2367
## [136] 2381 2381 2381 2410 2410 2410 2424 2442 2466 2466 2495 2495Ejercicio 6:
A partir del conjunto de datos anorexia trabajado en apartados anteriores, cread una matriz que tenga como columnas los valores de Prewt y Postwt, y cada fila sean los valores correspondientes para cada posición.
# Cargamos el conjunto de datos de anorexia
data("anorexia")
# Creamos la matrix:
matrix(c(anorexia$Prewt,anorexia$Postwt),ncol=2)## [,1] [,2]
## [1,] 80.7 80.2
## [2,] 89.4 80.1
## [3,] 91.8 86.4
## [4,] 74.0 86.3
## [5,] 78.1 76.1
## [6,] 88.3 78.1
## [7,] 87.3 75.1
## [8,] 75.1 86.7
## [9,] 80.6 73.5
## [10,] 78.4 84.6
## [11,] 77.6 77.4
## [12,] 88.7 79.5
## [13,] 81.3 89.6
## [14,] 78.1 81.4
## [15,] 70.5 81.8
## [16,] 77.3 77.3
## [17,] 85.2 84.2
## [18,] 86.0 75.4
## [19,] 84.1 79.5
## [20,] 79.7 73.0
## [21,] 85.5 88.3
## [22,] 84.4 84.7
## [23,] 79.6 81.4
## [24,] 77.5 81.2
## [25,] 72.3 88.2
## [26,] 89.0 78.8
## [27,] 80.5 82.2
## [28,] 84.9 85.6
## [29,] 81.5 81.4
## [30,] 82.6 81.9
## [31,] 79.9 76.4
## [32,] 88.7 103.6
## [33,] 94.9 98.4
## [34,] 76.3 93.4
## [35,] 81.0 73.4
## [36,] 80.5 82.1
## [37,] 85.0 96.7
## [38,] 89.2 95.3
## [39,] 81.3 82.4
## [40,] 76.5 72.5
## [41,] 70.0 90.9
## [42,] 80.4 71.3
## [43,] 83.3 85.4
## [44,] 83.0 81.6
## [45,] 87.7 89.1
## [46,] 84.2 83.9
## [47,] 86.4 82.7
## [48,] 76.5 75.7
## [49,] 80.2 82.6
## [50,] 87.8 100.4
## [51,] 83.3 85.2
## [52,] 79.7 83.6
## [53,] 84.5 84.6
## [54,] 80.8 96.2
## [55,] 87.4 86.7
## [56,] 83.8 95.2
## [57,] 83.3 94.3
## [58,] 86.0 91.5
## [59,] 82.5 91.9
## [60,] 86.7 100.3
## [61,] 79.6 76.7
## [62,] 76.9 76.8
## [63,] 94.2 101.6
## [64,] 73.4 94.9
## [65,] 80.5 75.2
## [66,] 81.6 77.8
## [67,] 82.1 95.5
## [68,] 77.6 90.7
## [69,] 83.5 92.5
## [70,] 89.9 93.8
## [71,] 86.0 91.7
## [72,] 87.3 98.0Ejercicio 7:
Copia el código siguiente en tu consola para generar un data frame con veinticinco registros y seis variables, y responde a los siguientes apartados:
Identificador <- c("I1","I2","I3","I4","I5","I6","I7","I8","I9","I10","I11","I12","I13","I14", "I15","I16","I17","I18","I19","I20","I21","I22","I23","I24","I25")
Edad <- c(23,24,21,22,23,25,26,24,21,22,23,25,26,24,22,21,25,26,24,21,25,27,26,22,29)
Sexo <-c(1,2,1,1,1,2,2,2,1,2,1,2,2,2,1,1,1,2,2,2,1,2,1,1,2) #1 para mujeres y 2 para hombres
Peso <- c(76.5,81.2,79.3,59.5,67.3,78.6,67.9,100.2,97.8,56.4,65.4,67.5,87.4,99.7,87.6,93.4,65.4,73.7,85.1,61.2,54.8,103.4,65.8,71.7,85.0)
Alt <- c(165,154,178,165,164,175,182,165,178,165,158,183,184,164,189,167,182,179,165,158,183,184,189,166,175) #altura en cm
Fuma <- c("SÍ","NO","SÍ","SÍ","NO","NO","NO","SÍ","SÍ","SÍ","NO","NO","SÍ","SÍ","SÍ","SÍ","NO","NO","SÍ","SÍ","SÍ","NO","SÍ","NO","SÍ")
Trat_Pulmon <- data.frame(Identificador,Edad,Sexo,Peso,Alt,Fuma)
Trat_Pulmon ## Identificador Edad Sexo Peso Alt Fuma
## 1 I1 23 1 76.5 165 SÍ
## 2 I2 24 2 81.2 154 NO
## 3 I3 21 1 79.3 178 SÍ
## 4 I4 22 1 59.5 165 SÍ
## 5 I5 23 1 67.3 164 NO
## 6 I6 25 2 78.6 175 NO
## 7 I7 26 2 67.9 182 NO
## 8 I8 24 2 100.2 165 SÍ
## 9 I9 21 1 97.8 178 SÍ
## 10 I10 22 2 56.4 165 SÍ
## 11 I11 23 1 65.4 158 NO
## 12 I12 25 2 67.5 183 NO
## 13 I13 26 2 87.4 184 SÍ
## 14 I14 24 2 99.7 164 SÍ
## 15 I15 22 1 87.6 189 SÍ
## 16 I16 21 1 93.4 167 SÍ
## 17 I17 25 1 65.4 182 NO
## 18 I18 26 2 73.7 179 NO
## 19 I19 24 2 85.1 165 SÍ
## 20 I20 21 2 61.2 158 SÍ
## 21 I21 25 1 54.8 183 SÍ
## 22 I22 27 2 103.4 184 NO
## 23 I23 26 1 65.8 189 SÍ
## 24 I24 22 1 71.7 166 NO
## 25 I25 29 2 85.0 175 SÍa) Seleccionad los registros con edad > 22.
Para seleccionar datos con condición se usa la función subset:
subset(Trat_Pulmon, Edad > 22)## Identificador Edad Sexo Peso Alt Fuma
## 1 I1 23 1 76.5 165 SÍ
## 2 I2 24 2 81.2 154 NO
## 5 I5 23 1 67.3 164 NO
## 6 I6 25 2 78.6 175 NO
## 7 I7 26 2 67.9 182 NO
## 8 I8 24 2 100.2 165 SÍ
## 11 I11 23 1 65.4 158 NO
## 12 I12 25 2 67.5 183 NO
## 13 I13 26 2 87.4 184 SÍ
## 14 I14 24 2 99.7 164 SÍ
## 17 I17 25 1 65.4 182 NO
## 18 I18 26 2 73.7 179 NO
## 19 I19 24 2 85.1 165 SÍ
## 21 I21 25 1 54.8 183 SÍ
## 22 I22 27 2 103.4 184 NO
## 23 I23 26 1 65.8 189 SÍ
## 25 I25 29 2 85.0 175 SÍb) Seleccionad el elemento 3 de la columna 4 del conjunto de datos (contando el identificador).
Trat_Pulmon[3,4]## [1] 79.3c) Usad el comando subset() para seleccionar todas las filas que tienen una edad menor que 27 años y sin incluir la columna Alt.
subset(Trat_Pulmon, Edad<27, select = -Alt)## Identificador Edad Sexo Peso Fuma
## 1 I1 23 1 76.5 SÍ
## 2 I2 24 2 81.2 NO
## 3 I3 21 1 79.3 SÍ
## 4 I4 22 1 59.5 SÍ
## 5 I5 23 1 67.3 NO
## 6 I6 25 2 78.6 NO
## 7 I7 26 2 67.9 NO
## 8 I8 24 2 100.2 SÍ
## 9 I9 21 1 97.8 SÍ
## 10 I10 22 2 56.4 SÍ
## 11 I11 23 1 65.4 NO
## 12 I12 25 2 67.5 NO
## 13 I13 26 2 87.4 SÍ
## 14 I14 24 2 99.7 SÍ
## 15 I15 22 1 87.6 SÍ
## 16 I16 21 1 93.4 SÍ
## 17 I17 25 1 65.4 NO
## 18 I18 26 2 73.7 NO
## 19 I19 24 2 85.1 SÍ
## 20 I20 21 2 61.2 SÍ
## 21 I21 25 1 54.8 SÍ
## 23 I23 26 1 65.8 SÍ
## 24 I24 22 1 71.7 NOEjercicio 8:
Incorporad el dataset ChickWeight que contiene información sobre el peso de 578 pollitos en gramos (weight), el tiempo desde la medición al nacer (Time), una variable identificadora de cada pollito (Chick) a partir del rango de peso y una variable factor con el tipo de dieta experimental que cada pollito recibió (Diet).
Para más información sobre ChickWeight:
https://rdrr.io/r/datasets/ChickWeight.html
a) Incorporad el conjunto de datos ChickWeight del paquete datasets a vuestro entorno de trabajo.
data.frame(ChickWeight)## weight Time Chick Diet
## 1 42 0 1 1
## 2 51 2 1 1
## 3 59 4 1 1
## 4 64 6 1 1
## 5 76 8 1 1
## 6 93 10 1 1
## 7 106 12 1 1
## 8 125 14 1 1
## 9 149 16 1 1
## 10 171 18 1 1
## 11 199 20 1 1
## 12 205 21 1 1
## 13 40 0 2 1
## 14 49 2 2 1
## 15 58 4 2 1
## 16 72 6 2 1
## 17 84 8 2 1
## 18 103 10 2 1
## 19 122 12 2 1
## 20 138 14 2 1
## 21 162 16 2 1
## 22 187 18 2 1
## 23 209 20 2 1
## 24 215 21 2 1
## 25 43 0 3 1
## 26 39 2 3 1
## 27 55 4 3 1
## 28 67 6 3 1
## 29 84 8 3 1
## 30 99 10 3 1
## 31 115 12 3 1
## 32 138 14 3 1
## 33 163 16 3 1
## 34 187 18 3 1
## 35 198 20 3 1
## 36 202 21 3 1
## 37 42 0 4 1
## 38 49 2 4 1
## 39 56 4 4 1
## 40 67 6 4 1
## 41 74 8 4 1
## 42 87 10 4 1
## 43 102 12 4 1
## 44 108 14 4 1
## 45 136 16 4 1
## 46 154 18 4 1
## 47 160 20 4 1
## 48 157 21 4 1
## 49 41 0 5 1
## 50 42 2 5 1
## 51 48 4 5 1
## 52 60 6 5 1
## 53 79 8 5 1
## 54 106 10 5 1
## 55 141 12 5 1
## 56 164 14 5 1
## 57 197 16 5 1
## 58 199 18 5 1
## 59 220 20 5 1
## 60 223 21 5 1
## 61 41 0 6 1
## 62 49 2 6 1
## 63 59 4 6 1
## 64 74 6 6 1
## 65 97 8 6 1
## 66 124 10 6 1
## 67 141 12 6 1
## 68 148 14 6 1
## 69 155 16 6 1
## 70 160 18 6 1
## 71 160 20 6 1
## 72 157 21 6 1
## 73 41 0 7 1
## 74 49 2 7 1
## 75 57 4 7 1
## 76 71 6 7 1
## 77 89 8 7 1
## 78 112 10 7 1
## 79 146 12 7 1
## 80 174 14 7 1
## 81 218 16 7 1
## 82 250 18 7 1
## 83 288 20 7 1
## 84 305 21 7 1
## 85 42 0 8 1
## 86 50 2 8 1
## 87 61 4 8 1
## 88 71 6 8 1
## 89 84 8 8 1
## 90 93 10 8 1
## 91 110 12 8 1
## 92 116 14 8 1
## 93 126 16 8 1
## 94 134 18 8 1
## 95 125 20 8 1
## 96 42 0 9 1
## 97 51 2 9 1
## 98 59 4 9 1
## 99 68 6 9 1
## 100 85 8 9 1
## 101 96 10 9 1
## 102 90 12 9 1
## 103 92 14 9 1
## 104 93 16 9 1
## 105 100 18 9 1
## 106 100 20 9 1
## 107 98 21 9 1
## 108 41 0 10 1
## 109 44 2 10 1
## 110 52 4 10 1
## 111 63 6 10 1
## 112 74 8 10 1
## 113 81 10 10 1
## 114 89 12 10 1
## 115 96 14 10 1
## 116 101 16 10 1
## 117 112 18 10 1
## 118 120 20 10 1
## 119 124 21 10 1
## 120 43 0 11 1
## 121 51 2 11 1
## 122 63 4 11 1
## 123 84 6 11 1
## 124 112 8 11 1
## 125 139 10 11 1
## 126 168 12 11 1
## 127 177 14 11 1
## 128 182 16 11 1
## 129 184 18 11 1
## 130 181 20 11 1
## 131 175 21 11 1
## 132 41 0 12 1
## 133 49 2 12 1
## 134 56 4 12 1
## 135 62 6 12 1
## 136 72 8 12 1
## 137 88 10 12 1
## 138 119 12 12 1
## 139 135 14 12 1
## 140 162 16 12 1
## 141 185 18 12 1
## 142 195 20 12 1
## 143 205 21 12 1
## 144 41 0 13 1
## 145 48 2 13 1
## 146 53 4 13 1
## 147 60 6 13 1
## 148 65 8 13 1
## 149 67 10 13 1
## 150 71 12 13 1
## 151 70 14 13 1
## 152 71 16 13 1
## 153 81 18 13 1
## 154 91 20 13 1
## 155 96 21 13 1
## 156 41 0 14 1
## 157 49 2 14 1
## 158 62 4 14 1
## 159 79 6 14 1
## 160 101 8 14 1
## 161 128 10 14 1
## 162 164 12 14 1
## 163 192 14 14 1
## 164 227 16 14 1
## 165 248 18 14 1
## 166 259 20 14 1
## 167 266 21 14 1
## 168 41 0 15 1
## 169 49 2 15 1
## 170 56 4 15 1
## 171 64 6 15 1
## 172 68 8 15 1
## 173 68 10 15 1
## 174 67 12 15 1
## 175 68 14 15 1
## 176 41 0 16 1
## 177 45 2 16 1
## 178 49 4 16 1
## 179 51 6 16 1
## 180 57 8 16 1
## 181 51 10 16 1
## 182 54 12 16 1
## 183 42 0 17 1
## 184 51 2 17 1
## 185 61 4 17 1
## 186 72 6 17 1
## 187 83 8 17 1
## 188 89 10 17 1
## 189 98 12 17 1
## 190 103 14 17 1
## 191 113 16 17 1
## 192 123 18 17 1
## 193 133 20 17 1
## 194 142 21 17 1
## 195 39 0 18 1
## 196 35 2 18 1
## 197 43 0 19 1
## 198 48 2 19 1
## 199 55 4 19 1
## 200 62 6 19 1
## 201 65 8 19 1
## 202 71 10 19 1
## 203 82 12 19 1
## 204 88 14 19 1
## 205 106 16 19 1
## 206 120 18 19 1
## 207 144 20 19 1
## 208 157 21 19 1
## 209 41 0 20 1
## 210 47 2 20 1
## 211 54 4 20 1
## 212 58 6 20 1
## 213 65 8 20 1
## 214 73 10 20 1
## 215 77 12 20 1
## 216 89 14 20 1
## 217 98 16 20 1
## 218 107 18 20 1
## 219 115 20 20 1
## 220 117 21 20 1
## 221 40 0 21 2
## 222 50 2 21 2
## 223 62 4 21 2
## 224 86 6 21 2
## 225 125 8 21 2
## 226 163 10 21 2
## 227 217 12 21 2
## 228 240 14 21 2
## 229 275 16 21 2
## 230 307 18 21 2
## 231 318 20 21 2
## 232 331 21 21 2
## 233 41 0 22 2
## 234 55 2 22 2
## 235 64 4 22 2
## 236 77 6 22 2
## 237 90 8 22 2
## 238 95 10 22 2
## 239 108 12 22 2
## 240 111 14 22 2
## 241 131 16 22 2
## 242 148 18 22 2
## 243 164 20 22 2
## 244 167 21 22 2
## 245 43 0 23 2
## 246 52 2 23 2
## 247 61 4 23 2
## 248 73 6 23 2
## 249 90 8 23 2
## 250 103 10 23 2
## 251 127 12 23 2
## 252 135 14 23 2
## 253 145 16 23 2
## 254 163 18 23 2
## 255 170 20 23 2
## 256 175 21 23 2
## 257 42 0 24 2
## 258 52 2 24 2
## 259 58 4 24 2
## 260 74 6 24 2
## 261 66 8 24 2
## 262 68 10 24 2
## 263 70 12 24 2
## 264 71 14 24 2
## 265 72 16 24 2
## 266 72 18 24 2
## 267 76 20 24 2
## 268 74 21 24 2
## 269 40 0 25 2
## 270 49 2 25 2
## 271 62 4 25 2
## 272 78 6 25 2
## 273 102 8 25 2
## 274 124 10 25 2
## 275 146 12 25 2
## 276 164 14 25 2
## 277 197 16 25 2
## 278 231 18 25 2
## 279 259 20 25 2
## 280 265 21 25 2
## 281 42 0 26 2
## 282 48 2 26 2
## 283 57 4 26 2
## 284 74 6 26 2
## 285 93 8 26 2
## 286 114 10 26 2
## 287 136 12 26 2
## 288 147 14 26 2
## 289 169 16 26 2
## 290 205 18 26 2
## 291 236 20 26 2
## 292 251 21 26 2
## 293 39 0 27 2
## 294 46 2 27 2
## 295 58 4 27 2
## 296 73 6 27 2
## 297 87 8 27 2
## 298 100 10 27 2
## 299 115 12 27 2
## 300 123 14 27 2
## 301 144 16 27 2
## 302 163 18 27 2
## 303 185 20 27 2
## 304 192 21 27 2
## 305 39 0 28 2
## 306 46 2 28 2
## 307 58 4 28 2
## 308 73 6 28 2
## 309 92 8 28 2
## 310 114 10 28 2
## 311 145 12 28 2
## 312 156 14 28 2
## 313 184 16 28 2
## 314 207 18 28 2
## 315 212 20 28 2
## 316 233 21 28 2
## 317 39 0 29 2
## 318 48 2 29 2
## 319 59 4 29 2
## 320 74 6 29 2
## 321 87 8 29 2
## 322 106 10 29 2
## 323 134 12 29 2
## 324 150 14 29 2
## 325 187 16 29 2
## 326 230 18 29 2
## 327 279 20 29 2
## 328 309 21 29 2
## 329 42 0 30 2
## 330 48 2 30 2
## 331 59 4 30 2
## 332 72 6 30 2
## 333 85 8 30 2
## 334 98 10 30 2
## 335 115 12 30 2
## 336 122 14 30 2
## 337 143 16 30 2
## 338 151 18 30 2
## 339 157 20 30 2
## 340 150 21 30 2
## 341 42 0 31 3
## 342 53 2 31 3
## 343 62 4 31 3
## 344 73 6 31 3
## 345 85 8 31 3
## 346 102 10 31 3
## 347 123 12 31 3
## 348 138 14 31 3
## 349 170 16 31 3
## 350 204 18 31 3
## 351 235 20 31 3
## 352 256 21 31 3
## 353 41 0 32 3
## 354 49 2 32 3
## 355 65 4 32 3
## 356 82 6 32 3
## 357 107 8 32 3
## 358 129 10 32 3
## 359 159 12 32 3
## 360 179 14 32 3
## 361 221 16 32 3
## 362 263 18 32 3
## 363 291 20 32 3
## 364 305 21 32 3
## 365 39 0 33 3
## 366 50 2 33 3
## 367 63 4 33 3
## 368 77 6 33 3
## 369 96 8 33 3
## 370 111 10 33 3
## 371 137 12 33 3
## 372 144 14 33 3
## 373 151 16 33 3
## 374 146 18 33 3
## 375 156 20 33 3
## 376 147 21 33 3
## 377 41 0 34 3
## 378 49 2 34 3
## 379 63 4 34 3
## 380 85 6 34 3
## 381 107 8 34 3
## 382 134 10 34 3
## 383 164 12 34 3
## 384 186 14 34 3
## 385 235 16 34 3
## 386 294 18 34 3
## 387 327 20 34 3
## 388 341 21 34 3
## 389 41 0 35 3
## 390 53 2 35 3
## 391 64 4 35 3
## 392 87 6 35 3
## 393 123 8 35 3
## 394 158 10 35 3
## 395 201 12 35 3
## 396 238 14 35 3
## 397 287 16 35 3
## 398 332 18 35 3
## 399 361 20 35 3
## 400 373 21 35 3
## 401 39 0 36 3
## 402 48 2 36 3
## 403 61 4 36 3
## 404 76 6 36 3
## 405 98 8 36 3
## 406 116 10 36 3
## 407 145 12 36 3
## 408 166 14 36 3
## 409 198 16 36 3
## 410 227 18 36 3
## 411 225 20 36 3
## 412 220 21 36 3
## 413 41 0 37 3
## 414 48 2 37 3
## 415 56 4 37 3
## 416 68 6 37 3
## 417 80 8 37 3
## 418 83 10 37 3
## 419 103 12 37 3
## 420 112 14 37 3
## 421 135 16 37 3
## 422 157 18 37 3
## 423 169 20 37 3
## 424 178 21 37 3
## 425 41 0 38 3
## 426 49 2 38 3
## 427 61 4 38 3
## 428 74 6 38 3
## 429 98 8 38 3
## 430 109 10 38 3
## 431 128 12 38 3
## 432 154 14 38 3
## 433 192 16 38 3
## 434 232 18 38 3
## 435 280 20 38 3
## 436 290 21 38 3
## 437 42 0 39 3
## 438 50 2 39 3
## 439 61 4 39 3
## 440 78 6 39 3
## 441 89 8 39 3
## 442 109 10 39 3
## 443 130 12 39 3
## 444 146 14 39 3
## 445 170 16 39 3
## 446 214 18 39 3
## 447 250 20 39 3
## 448 272 21 39 3
## 449 41 0 40 3
## 450 55 2 40 3
## 451 66 4 40 3
## 452 79 6 40 3
## 453 101 8 40 3
## 454 120 10 40 3
## 455 154 12 40 3
## 456 182 14 40 3
## 457 215 16 40 3
## 458 262 18 40 3
## 459 295 20 40 3
## 460 321 21 40 3
## 461 42 0 41 4
## 462 51 2 41 4
## 463 66 4 41 4
## 464 85 6 41 4
## 465 103 8 41 4
## 466 124 10 41 4
## 467 155 12 41 4
## 468 153 14 41 4
## 469 175 16 41 4
## 470 184 18 41 4
## 471 199 20 41 4
## 472 204 21 41 4
## 473 42 0 42 4
## 474 49 2 42 4
## 475 63 4 42 4
## 476 84 6 42 4
## 477 103 8 42 4
## 478 126 10 42 4
## 479 160 12 42 4
## 480 174 14 42 4
## 481 204 16 42 4
## 482 234 18 42 4
## 483 269 20 42 4
## 484 281 21 42 4
## 485 42 0 43 4
## 486 55 2 43 4
## 487 69 4 43 4
## 488 96 6 43 4
## 489 131 8 43 4
## 490 157 10 43 4
## 491 184 12 43 4
## 492 188 14 43 4
## 493 197 16 43 4
## 494 198 18 43 4
## 495 199 20 43 4
## 496 200 21 43 4
## 497 42 0 44 4
## 498 51 2 44 4
## 499 65 4 44 4
## 500 86 6 44 4
## 501 103 8 44 4
## 502 118 10 44 4
## 503 127 12 44 4
## 504 138 14 44 4
## 505 145 16 44 4
## 506 146 18 44 4
## 507 41 0 45 4
## 508 50 2 45 4
## 509 61 4 45 4
## 510 78 6 45 4
## 511 98 8 45 4
## 512 117 10 45 4
## 513 135 12 45 4
## 514 141 14 45 4
## 515 147 16 45 4
## 516 174 18 45 4
## 517 197 20 45 4
## 518 196 21 45 4
## 519 40 0 46 4
## 520 52 2 46 4
## 521 62 4 46 4
## 522 82 6 46 4
## 523 101 8 46 4
## 524 120 10 46 4
## 525 144 12 46 4
## 526 156 14 46 4
## 527 173 16 46 4
## 528 210 18 46 4
## 529 231 20 46 4
## 530 238 21 46 4
## 531 41 0 47 4
## 532 53 2 47 4
## 533 66 4 47 4
## 534 79 6 47 4
## 535 100 8 47 4
## 536 123 10 47 4
## 537 148 12 47 4
## 538 157 14 47 4
## 539 168 16 47 4
## 540 185 18 47 4
## 541 210 20 47 4
## 542 205 21 47 4
## 543 39 0 48 4
## 544 50 2 48 4
## 545 62 4 48 4
## 546 80 6 48 4
## 547 104 8 48 4
## 548 125 10 48 4
## 549 154 12 48 4
## 550 170 14 48 4
## 551 222 16 48 4
## 552 261 18 48 4
## 553 303 20 48 4
## 554 322 21 48 4
## 555 40 0 49 4
## 556 53 2 49 4
## 557 64 4 49 4
## 558 85 6 49 4
## 559 108 8 49 4
## 560 128 10 49 4
## 561 152 12 49 4
## 562 166 14 49 4
## 563 184 16 49 4
## 564 203 18 49 4
## 565 233 20 49 4
## 566 237 21 49 4
## 567 41 0 50 4
## 568 54 2 50 4
## 569 67 4 50 4
## 570 84 6 50 4
## 571 105 8 50 4
## 572 122 10 50 4
## 573 155 12 50 4
## 574 175 14 50 4
## 575 205 16 50 4
## 576 234 18 50 4
## 577 264 20 50 4
## 578 264 21 50 4b) Generad un gráfico de dispersión de la variable weight.
plot(ChickWeight$weight, col="darkgreen")
c) Cread un diagrama de caja con la variable Time.
boxplot(ChickWeight$Time, col="darkgreen")
Ejercicio 9:
A partir del conjunto de datos anorexia del paquete MASS, cread otro data frame que se llame anorexia_treat_df formado por Treat y por un vector nuevo calculado a partir de la diferencia Prewt-Postwt. De esta manera, nos quedará un data frame que contenga el tipo de tratamiento y el valor del peso ganado o perdido después de haber realizado el tratamiento. Seleccionad aquellos individuos que han ganado peso después del tratamiento y cread un nuevo conjunto llamado anorexia_treat_C_df que contenga solo los datos de aquellos que han seguido el tratamiento «Cont» y que han ganado peso después del tratamiento.
# Primero creamos el nuevo conjunto de datos
data("anorexia")
anorexia_treat_df <- data.frame(Treat = anorexia$Treat, Peso = anorexia$Postwt - anorexia$Prewt)
# A continuación se seleccionan los individuos que han ganado peso que han seguido el tratamiento Cont
anorexia_treat_C_df <- anorexia_treat_C_df <- subset(anorexia_treat_df,Peso > 0 & anorexia_treat_df$Treat=="Cont")
head(anorexia_treat_C_df)## Treat Peso
## 4 Cont 12.3
## 8 Cont 11.6
## 10 Cont 6.2
## 13 Cont 8.3
## 14 Cont 3.3
## 15 Cont 11.3Ejercicio 10:
Entrad en RPubs y registraros. Crearos un perfil y subid un documento R Markdown. Los prerequisitos son tener instalado R y RStudio (v0.96.230 o más), y el paquete knitr (v0.5 o más).
Pasos que tenéis que seguir para publicar vuestro documento:
1) En RStudio, cread un documento R Markdown.
2) Generad el documento con Knit.
3) En la ventana de previsualización, clicad el botón de publicar.
Como solución de vuestro ejercicio, copiad el enlace de vuestra página de prueba de RPubs.