Para construir una tabla de distribución de frecuencias es necesario establecer cuántos intervalos se utilizarán para organizar los datos. En este documento se comparan tres reglas mediante R y se representa el resultado con un gráfico de barras.
En el ejemplo se trabajará con un conjunto hipotético de 100 datos.
Sea:
k: número aproximado de intervalos.n: número total de datos.El investigador establece directamente el número de intervalos, considerando la cantidad y las características de los datos.
\[ k = \sqrt{n} \]
\[ k = 2\sqrt{n} \]
\[ k = 1 + 3.3\log_{10}(n) \]
El número de intervalos debe ser entero. En este ejemplo se redondean los resultados al entero más cercano. Como referencia, suele recomendarse trabajar con entre 5 y 20 intervalos, aunque la elección depende también de los datos y del propósito del análisis.
Primero se establece el número total de datos. En este caso, se utilizarán 100 observaciones.
# Numero total de datos
n <- 100
A continuación, se aplican las tres fórmulas. En R,
sqrt() calcula la raíz cuadrada y log10()
calcula el logaritmo en base 10.
# Regla de la raiz cuadrada
raiz <- sqrt(n)
# Regla del doble de la raiz cuadrada
doble_raiz <- 2 * sqrt(n)
# Regla de Sturges
sturges <- 1 + 3.3 * log10(n)
Se reúnen los resultados en un solo objeto y se redondean al entero
más cercano mediante round().
# Reunir y redondear los resultados
resultados <- round(c(
"Raiz cuadrada" = raiz,
"Doble raiz cuadrada" = doble_raiz,
"Sturges" = sturges
))
# Mostrar los resultados
print(resultados)
## Raiz cuadrada Doble raiz cuadrada Sturges
## 10 20 8
La función which.min() identifica la posición del valor
más pequeño. Con names() se obtiene el nombre de la regla
correspondiente.
# Identificar la posicion del menor resultado
menor <- which.min(resultados)
# Mostrar la regla que produce menos intervalos
cat(
"La regla que proporciona menos intervalos es:",
names(resultados)[menor],
"con", resultados[menor], "intervalos.\\n"
)
## La regla que proporciona menos intervalos es: Sturges con 8 intervalos.\n
Se utiliza barplot() para representar los resultados
mediante un gráfico de barras. Así se puede comparar visualmente el
número de intervalos estimado por cada regla.
# Crear el grafico de barras
posiciones <- barplot(
resultados,
main = "Comparacion del numero de intervalos",
xlab = "Reglas utilizadas",
ylab = "Numero de intervalos",
col = c("skyblue", "orange", "lightgreen"),
ylim = c(0, max(resultados) + 5)
)
# Agregar los valores encima de cada barra
text(
x = posiciones,
y = resultados,
labels = resultados,
pos = 3
)
Con n = 100, se obtienen los siguientes resultados:
En este ejemplo, la regla de Sturges proporciona el menor número de intervalos, con 8. El gráfico permite observar y comparar las diferencias entre los tres resultados.
Las tres reglas permiten estimar el número de intervalos que se pueden utilizar en una tabla de distribución de frecuencias. Al aplicarlas a un conjunto de 100 datos, se observó que cada una produce un resultado diferente. La regla de Sturges obtuvo la menor cantidad, con 8 intervalos. R facilitó los cálculos, la comparación y la representación gráfica.
Nota: Este ejercicio compara las fórmulas utilizando
un número hipotético de datos. Para aplicarlo a una investigación real,
se debe reemplazar n <- 100 por la cantidad de
observaciones del conjunto que se esté analizando.