The Freak Equipo 4
Alejandra Nava,Yander Avila, Isaac Flores, Manuel Martinez, Saul Ortiz, Pablo Alvarez
3 de marzo de 2018
TABLAS, GRAFICAS Y PLOTEOS DE SISTEMAS, ELECTRICA, MECATRONICA Y BIOQUÍMICA
library(readr)
datos=(alumnos_inscritos_ene_jun_2018_1_=read_csv("C:/Users/admin/Downloads/alumnos inscritos ene-jun 2018 (1).csv"))## Parsed with column specification:
## cols(
## no = col_integer(),
## semetre = col_integer(),
## promedio = col_double(),
## carrera = col_character()
## )HISTOGRAMAS CON FORMULA DE STURGES, SCOTT Y FD EN SISTEMAS
Sis=(datos$promedio[which(datos$carrera == "SISTEMAS"& datos$semetre == 2 & datos$promedio>0)])
hist(Sis, breaks = "Sturges", freq = TRUE, main = "PROMEDIOS >0 DE SISTEMAS EN STURGES", xlab = "Promedios", ylab = "Frecuencia")
hist(Sis, breaks = "Scott", freq = TRUE, main = "PROMEDIOS >0 DE SISTEMAS EN SCOTT", xlab = "Promedios", ylab = "Frecuencia")
hist(Sis, breaks = "FD", freq = TRUE, main = "PROMEDIOS >0 DE SISTEMAS EN FD", xlab = "Promedios", ylab = "Frecuencia")
## TABLAS FRECUENCA DE SISTEMAS EN STURGES, SCOTT Y FD CON SU RESPECTIVA GRÁFICA DE PASTEL
library(plotrix)
#### Cantidad de alumnos
SisL=length(Sis)
SisL## [1] 67####Sturges cortes
clasSis=nclass.Sturges(Sis)
clasSis## [1] 8####Tabla
tabla.Sistemas2 = transform(table(cut(Sis, breaks = clasSis)))
tabla.Sistemas2 = data.frame(tabla.Sistemas2, 'Frec.Rel' = tabla.Sistemas2$Freq /SisL)
tabla.Sistemas2 = data.frame(tabla.Sistemas2, 'Frec.Porc' = tabla.Sistemas2$Freq *100)
tabla.Sistemas2## Var1 Freq Frec.Rel Frec.Porc
## 1 (76.7,78.9] 3 0.04477612 300
## 2 (78.9,81.2] 8 0.11940299 800
## 3 (81.2,83.5] 14 0.20895522 1400
## 4 (83.5,85.8] 11 0.16417910 1100
## 5 (85.8,88] 10 0.14925373 1000
## 6 (88,90.3] 11 0.16417910 1100
## 7 (90.3,92.6] 7 0.10447761 700
## 8 (92.6,94.8] 3 0.04477612 300####Grafica
pS1=paste(round(tabla.Sistemas2$Frec.Porc,2), " % de ", tabla.Sistemas2$Var1)
pie3D(round(tabla.Sistemas2$Frec.Porc,2), labels = pS1, main = paste("Frecuencia de clases. % ", SisL, " Vistas"), labelcex = 0.5) 
#En esta grafica de pastel podemos notrar que los promedios entre 81 y 83 respectivamente son los datos que más frecuencia presentan en la carrera de sistemas. Seguidos por los promedios de 83.5 hacia 90.library(plotrix)
#### Cantidad de alumnos
SisL=length(Sis)
SisL## [1] 67####Scott cortes
clasSis1=nclass.scott(Sis)
clasSis1## [1] 5####Tabla
tabla.Sistemas2_1 = transform(table(cut(Sis, breaks = clasSis1)))
tabla.Sistemas2_1 = data.frame(tabla.Sistemas2_1, 'Frec.Rel' = tabla.Sistemas2_1$Freq /SisL)
tabla.Sistemas2_1 = data.frame(tabla.Sistemas2_1, 'Frec.Porc' = tabla.Sistemas2_1$Freq*100)
tabla.Sistemas2_1## Var1 Freq Frec.Rel Frec.Porc
## 1 (76.7,80.3] 6 0.08955224 600
## 2 (80.3,83.9] 20 0.29850746 2000
## 3 (83.9,87.6] 19 0.28358209 1900
## 4 (87.6,91.2] 14 0.20895522 1400
## 5 (91.2,94.8] 8 0.11940299 800####Grafica
pS2=paste(round(tabla.Sistemas2_1$Frec.Porc,2)," % de ", tabla.Sistemas2_1$Var1)
pie3D(round(tabla.Sistemas2_1$Frec.Porc,2), labels = pS2, main = paste("Frecuencia de clases. % ", SisL, " Vistas"), labelcex = 0.5) 
#En esta grafica se nos presneta que los promedios de 80 hacia 83.9 ocupan la mayor frecuencia en la carrera de sistemas.library(plotrix)
#### Cantidad de alumnos
SisL=length(Sis)
SisL## [1] 67####FD cortes
clasSis2=nclass.FD(Sis)
clasSis2## [1] 7####Tabla
tabla.Sistemas2_2 = transform(table(cut(Sis, breaks = clasSis2)))
tabla.Sistemas2_2 = data.frame(tabla.Sistemas2_2, 'Frec.Rel' = tabla.Sistemas2_2$Freq /SisL)
tabla.Sistemas2_2 = data.frame(tabla.Sistemas2_2, 'Frec.Porc' = tabla.Sistemas2_2$Freq*100)
tabla.Sistemas2_2## Var1 Freq Frec.Rel Frec.Porc
## 1 (76.7,79.3] 4 0.05970149 400
## 2 (79.3,81.9] 10 0.14925373 1000
## 3 (81.9,84.5] 12 0.17910448 1200
## 4 (84.5,87] 18 0.26865672 1800
## 5 (87,89.6] 11 0.16417910 1100
## 6 (89.6,92.2] 7 0.10447761 700
## 7 (92.2,94.8] 5 0.07462687 500####Grafica
pS3=paste(round(tabla.Sistemas2_2$Frec.Porc,2)," % de ", tabla.Sistemas2_2$Var1)
pie3D(round(tabla.Sistemas2_2$Frec.Porc,2), labels = pS3, main = paste("Frecuencia de clases. % ", SisL, "Vistas"), labelcex = 0.5)
#Esta grafica toma los promedios de 84.5 a 87 como los datos con más frecuencia en la carrera de sistemas.MECATRONICA
mecatronica<-datos$promedio[which(datos$promedio > 0 & datos$carrera == 'MECATRONICA' & datos$semetre == '2')]
mecatronica## [1] 88.83 85.67 84.67 85.83 81.60 82.20 83.60 90.00 85.00 88.00 87.33
## [12] 93.17 90.67 81.50 88.00 84.00 86.67 81.00 84.17 88.17 87.33 84.83
## [23] 86.17 85.80 82.17 84.00 84.67 88.00 89.67 89.50 86.00 84.80 89.67
## [34] 83.50 80.25 94.67 89.50 83.40 91.17 86.00 85.00 97.33 84.83 81.60
## [45] 89.33 81.00 83.50 88.17 86.50 86.75 88.33 92.00 81.50 89.33 84.17
## [56] 84.83 80.00 87.33 86.00 87.17 84.33 92.17 83.67 84.33 86.33 92.83
## [67] 94.60 87.00 90.50 82.80n<-length(mecatronica)
n## [1] 70Histograma Sturges
hist(mecatronica, breaks = "Sturges", freq = TRUE, main = "Promedio de los alumnos de MECATRONICA del ITD.Sturges", xlab = "Promedios", ylab = "Frecuencia")
Histograma Scott
hist(mecatronica, breaks = "Scott", freq = TRUE, main = "Promedio de los alumnos de MECATRONICA del ITD.Scott", xlab = "Promedios", ylab = "Frecuencia")
Histograma FD
hist(mecatronica, breaks = "FD", freq = TRUE, main = "Promedio de los alumnos de MECATRONICA del ITD.FD", xlab = "Promedios", ylab = "Frecuencia")
Tabla de frecuencia Sturges
clases<-nclass.Sturges(mecatronica)
clases## [1] 8tabla.intervalos<-transform(table(cut(mecatronica, breaks = clases)))
tabla.intervalos## Var1 Freq
## 1 (80,82.2] 8
## 2 (82.2,84.3] 14
## 3 (84.3,86.5] 16
## 4 (86.5,88.7] 14
## 5 (88.7,90.8] 10
## 6 (90.8,93] 4
## 7 (93,95.2] 3
## 8 (95.2,97.3] 1tabla.intervalos<-data.frame(tabla.intervalos, 'Freq.Rel' = tabla.intervalos$Freq/n)
tabla.intervalos<-data.frame(tabla.intervalos, 'Freq.Porc' = tabla.intervalos$Freq.Rel*100)
tabla.intervalos## Var1 Freq Freq.Rel Freq.Porc
## 1 (80,82.2] 8 0.11428571 11.428571
## 2 (82.2,84.3] 14 0.20000000 20.000000
## 3 (84.3,86.5] 16 0.22857143 22.857143
## 4 (86.5,88.7] 14 0.20000000 20.000000
## 5 (88.7,90.8] 10 0.14285714 14.285714
## 6 (90.8,93] 4 0.05714286 5.714286
## 7 (93,95.2] 3 0.04285714 4.285714
## 8 (95.2,97.3] 1 0.01428571 1.428571Gráfica de pastel Sturges
library(plotrix)
etiquetas <- paste(round(tabla.intervalos$Freq.Porc,2)," % de ", tabla.intervalos$Var1)
pie3D(round(tabla.intervalos$Freq.Porc,2), labels = etiquetas, main = paste("Frecuencia de clases. % ", n, "Observaciones"), labelcex = 0.5)
#En esta gráfica se nos presentan como mayor frecuencia los promedios entre 84.3 y 86.5 de la carrera de mecatronica, seguidos por los promedios entre 82.2 al 88.7 respectivamente.Tabla de frecuencias Scott
clases<-nclass.scott(mecatronica)
clases## [1] 6tabla.intervalos<-transform(table(cut(mecatronica, breaks = clases)))
tabla.intervalos## Var1 Freq
## 1 (80,82.9] 11
## 2 (82.9,85.8] 20
## 3 (85.8,88.7] 21
## 4 (88.7,91.6] 11
## 5 (91.6,94.4] 4
## 6 (94.4,97.3] 3tabla.intervalos<-data.frame(tabla.intervalos, 'Freq.Rel' = tabla.intervalos$Freq/n)
tabla.intervalos<-data.frame(tabla.intervalos, 'Freq.Porc' = tabla.intervalos$Freq.Rel*100)
tabla.intervalos## Var1 Freq Freq.Rel Freq.Porc
## 1 (80,82.9] 11 0.15714286 15.714286
## 2 (82.9,85.8] 20 0.28571429 28.571429
## 3 (85.8,88.7] 21 0.30000000 30.000000
## 4 (88.7,91.6] 11 0.15714286 15.714286
## 5 (91.6,94.4] 4 0.05714286 5.714286
## 6 (94.4,97.3] 3 0.04285714 4.285714Gráfica de pastel Scott
library(plotrix)
etiquetas <- paste(round(tabla.intervalos$Freq.Porc,2)," % de ", tabla.intervalos$Var1)
pie3D(round(tabla.intervalos$Freq.Porc,2), labels = etiquetas, main = paste("Frecuencia de clases. % ", n, "Observaciones"), labelcex = 0.5)
#La grafica nos presenta que la mayor frecuenca en cortes de Scott son los datos entre el 85.8 y el 88.7 de los alumnos de mecatroncia.Tablas de frecuencias FD
clases<-nclass.FD(mecatronica)
clases## [1] 8tabla.intervalos<-transform(table(cut(mecatronica, breaks = clases)))
tabla.intervalos## Var1 Freq
## 1 (80,82.2] 8
## 2 (82.2,84.3] 14
## 3 (84.3,86.5] 16
## 4 (86.5,88.7] 14
## 5 (88.7,90.8] 10
## 6 (90.8,93] 4
## 7 (93,95.2] 3
## 8 (95.2,97.3] 1tabla.intervalos<-data.frame(tabla.intervalos, 'Freq.Rel' = tabla.intervalos$Freq/n)
tabla.intervalos<-data.frame(tabla.intervalos, 'Freq.Porc' = tabla.intervalos$Freq.Rel*100)
tabla.intervalos## Var1 Freq Freq.Rel Freq.Porc
## 1 (80,82.2] 8 0.11428571 11.428571
## 2 (82.2,84.3] 14 0.20000000 20.000000
## 3 (84.3,86.5] 16 0.22857143 22.857143
## 4 (86.5,88.7] 14 0.20000000 20.000000
## 5 (88.7,90.8] 10 0.14285714 14.285714
## 6 (90.8,93] 4 0.05714286 5.714286
## 7 (93,95.2] 3 0.04285714 4.285714
## 8 (95.2,97.3] 1 0.01428571 1.428571Gráfica de pastel FD
library(plotrix)
etiquetas <- paste(round(tabla.intervalos$Freq.Porc,2)," % de ", tabla.intervalos$Var1)
pie3D(round(tabla.intervalos$Freq.Porc,2), labels = etiquetas, main = paste("Frecuencia de clases. % ", n, "Observaciones"), labelcex = 0.5)
#La grafica nos muestra que la mayor frecuencia tiene datos de 84.3 al 86.5 en promedios de la carrera de mecatronicaBIOQUIMICA
bioquimica<-datos$promedio[which(datos$promedio > 0 & datos$carrera == 'BIOQUIMICA' & datos$semetre == '2')]
bioquimica## [1] 81.17 89.50 83.60 88.17 87.75 85.83 91.67 87.50 84.20 83.80 90.25
## [12] 83.67 77.57 88.40 77.50 88.00 94.67 87.00 83.17 79.67 90.00 92.17
## [23] 93.17 84.67 84.00 85.40 88.20 89.00 88.33 86.80 94.00 93.17 91.20
## [34] 85.40 93.33 88.33 89.17 83.80 81.00 82.33 81.40 79.50 80.00 84.83
## [45] 83.40 79.40 82.50 90.83 88.17 88.00 84.40 81.20 83.00 81.80 82.20
## [56] 87.83 86.33 85.33 83.50 89.00 81.67 90.50 85.33 89.50 95.17n<-length(bioquimica)
n## [1] 65Histograma Sturges
hist(bioquimica, breaks = "Sturges", freq = TRUE, main = "Promedio de los alumnos de BIOQUIMICA del ITD.Sturges", xlab = "Promedios", ylab = "Frecuencia")
Histrograma Scott
hist(bioquimica, breaks = "Scott", freq = TRUE, main = "Promedio de los alumnos de BIOQUIMICA del ITD.Scott", xlab = "Promedios", ylab = "Frecuencia")
Histograma FD
hist(bioquimica, breaks = "FD", freq = TRUE, main = "Promedio de los alumnos de BIOQUIMICA del ITD.FD", xlab = "Promedios", ylab = "Frecuencia")
Tabla de frecuencia Sturges
clases<-nclass.Sturges(bioquimica)
clases## [1] 8tabla.intervalos<-transform(table(cut(bioquimica, breaks = clases)))
tabla.intervalos## Var1 Freq
## 1 (77.5,79.7] 5
## 2 (79.7,81.9] 7
## 3 (81.9,84.1] 12
## 4 (84.1,86.3] 10
## 5 (86.3,88.5] 13
## 6 (88.5,90.8] 8
## 7 (90.8,93] 4
## 8 (93,95.2] 6tabla.intervalos<-data.frame(tabla.intervalos, 'Freq.Rel' = tabla.intervalos$Freq/n)
tabla.intervalos<-data.frame(tabla.intervalos, 'Freq.Porc' = tabla.intervalos$Freq.Rel*100)
tabla.intervalos## Var1 Freq Freq.Rel Freq.Porc
## 1 (77.5,79.7] 5 0.07692308 7.692308
## 2 (79.7,81.9] 7 0.10769231 10.769231
## 3 (81.9,84.1] 12 0.18461538 18.461538
## 4 (84.1,86.3] 10 0.15384615 15.384615
## 5 (86.3,88.5] 13 0.20000000 20.000000
## 6 (88.5,90.8] 8 0.12307692 12.307692
## 7 (90.8,93] 4 0.06153846 6.153846
## 8 (93,95.2] 6 0.09230769 9.230769Gráfica de pastel Sturges
library(plotrix)
etiquetas <- paste(round(tabla.intervalos$Freq.Porc,2)," % de ", tabla.intervalos$Var1)
pie3D(round(tabla.intervalos$Freq.Porc,2), labels = etiquetas, main = paste("Frecuencia de clases. % ", n, "Observaciones"), labelcex = 0.5)
#La grafica nos presenta que los datos con mayor frecuencia en los promedios de bioquimica estan en 83.3 a 86, seguidos por los que van del 81 al 83 respectivamente, teniendo en cuenta que ambos cortes son los que mayor frecuencia tienen.Tabla de frecuencias Scott
clases<-nclass.scott(bioquimica)
clases## [1] 5tabla.intervalos<-transform(table(cut(bioquimica, breaks = clases)))
tabla.intervalos## Var1 Freq
## 1 (77.5,81] 7
## 2 (81,84.6] 19
## 3 (84.6,88.1] 15
## 4 (88.1,91.6] 16
## 5 (91.6,95.2] 8tabla.intervalos<-data.frame(tabla.intervalos, 'Freq.Rel' = tabla.intervalos$Freq/n)
tabla.intervalos<-data.frame(tabla.intervalos, 'Freq.Porc' = tabla.intervalos$Freq.Rel*100)
tabla.intervalos## Var1 Freq Freq.Rel Freq.Porc
## 1 (77.5,81] 7 0.1076923 10.76923
## 2 (81,84.6] 19 0.2923077 29.23077
## 3 (84.6,88.1] 15 0.2307692 23.07692
## 4 (88.1,91.6] 16 0.2461538 24.61538
## 5 (91.6,95.2] 8 0.1230769 12.30769Gráfica de pastel Scott
library(plotrix)
etiquetas <- paste(round(tabla.intervalos$Freq.Porc,2)," % de ", tabla.intervalos$Var1)
pie3D(round(tabla.intervalos$Freq.Porc,2), labels = etiquetas, main = paste("Frecuencia de clases. % ", n, "Observaciones"), labelcex = 0.5)
#En esta graficas se nos muestra que la mayor frecuencia de promedios son los que van de 82.8 a 84.9 respectivamente en la carrera de bioquimica.Tablas de frecuencias FD
clases<-nclass.FD(bioquimica)
clases## [1] 7tabla.intervalos<-transform(table(cut(bioquimica, breaks = clases)))
tabla.intervalos## Var1 Freq
## 1 (77.5,80] 6
## 2 (80,82.5] 9
## 3 (82.5,85.1] 13
## 4 (85.1,87.6] 9
## 5 (87.6,90.1] 16
## 6 (90.1,92.6] 6
## 7 (92.6,95.2] 6tabla.intervalos<-data.frame(tabla.intervalos, 'Freq.Rel' = tabla.intervalos$Freq/n)
tabla.intervalos<-data.frame(tabla.intervalos, 'Freq.Porc' = tabla.intervalos$Freq.Rel*100)
tabla.intervalos## Var1 Freq Freq.Rel Freq.Porc
## 1 (77.5,80] 6 0.09230769 9.230769
## 2 (80,82.5] 9 0.13846154 13.846154
## 3 (82.5,85.1] 13 0.20000000 20.000000
## 4 (85.1,87.6] 9 0.13846154 13.846154
## 5 (87.6,90.1] 16 0.24615385 24.615385
## 6 (90.1,92.6] 6 0.09230769 9.230769
## 7 (92.6,95.2] 6 0.09230769 9.230769Gráfica de pastel FD
library(plotrix)
etiquetas <- paste(round(tabla.intervalos$Freq.Porc,2)," % de ", tabla.intervalos$Var1)
pie3D(round(tabla.intervalos$Freq.Porc,2), labels = etiquetas, main = paste("Frecuencia de clases. % ", n, "Observaciones"), labelcex = 0.5)
#En esta grafica de corte FD miramos que los promedios de esta carrera con mayor frecuencia viran entre 82.6 y 84.6.HISTOGRAMAS CON FORMULA DE STURGES, SCOTT Y FD EN ELECTRICA
Elec=(datos$promedio[which(datos$carrera == "ELECTRICA" & datos$semetre == 2 & datos$promedio>0)])
hist(Elec, breaks = "Sturges", freq = TRUE, main = "PROMEDIOS >0 DE ELECTRICA EN STURGES", xlab = "Promedios", ylab = "Frecuencia")
hist(Elec, breaks = "Scott", freq = TRUE, main = "PROMEDIOS >0 DE ELECTRICA EN SCOTT", xlab = "Promedios", ylab = "Frecuencia")
hist(Elec, breaks = "FD", freq = TRUE, main = "PROMEDIOS >0 DE ELECTRICA EN FD", xlab = "Promedios", ylab = "Frecuencia")
## TABLAS FRECUENCA DE ELECTRICA EN STURGES, SCOTT Y FD CON SU RESPECTIVA GRÁFICA DE PASTEL
library(plotrix)
#### Cantidad de alumnos
ElecL=length(Elec)
ElecL## [1] 37####Sturges cortes
clasElec=nclass.Sturges(Elec)
clasElec## [1] 7####Tabla
tabla.Electrica2 = transform(table(cut(Elec, breaks = clasElec)))
tabla.Electrica2 = data.frame(tabla.Electrica2,'Frec.Rel'=tabla.Electrica2$Freq/ElecL)
tabla.Electrica2 = data.frame(tabla.Electrica2,'Frec.Porc'=tabla.Electrica2$Freq*100)
tabla.Electrica2## Var1 Freq Frec.Rel Frec.Porc
## 1 (78.7,80.9] 1 0.02702703 100
## 2 (80.9,83.1] 3 0.08108108 300
## 3 (83.1,85.3] 4 0.10810811 400
## 4 (85.3,87.5] 15 0.40540541 1500
## 5 (87.5,89.7] 8 0.21621622 800
## 6 (89.7,92] 4 0.10810811 400
## 7 (92,94.2] 2 0.05405405 200####Grafica
pE1=paste(round(tabla.Electrica2$Frec.Porc,2), " % de ", tabla.Electrica2$Var1)
pie3D(round(tabla.Electrica2$Frec.Porc,2), labels = pE1, main = paste("Frecuencia de clases. % ", ElecL, "Vistas"), labelcex = 0.5)
#Para la carrera de electrica, la gráfica nos presenta que los promedios que viran entre 85.3 y 87.5 poseen la mayor frecuencia.library(plotrix)
#### Cantidad de alumnos
ElecL=length(Elec)
ElecL## [1] 37#### Scott cortes
clasElec1=nclass.scott(Elec)
clasElec1## [1] 5####Tabla
tabla.Electrica2_1 = transform(table(cut(Elec, breaks = clasElec1)))
tabla.Electrica2_1 = data.frame(tabla.Electrica2_1,'Frec.Rel'=tabla.Electrica2_1$Freq/ElecL)
tabla.Electrica2_1 = data.frame(tabla.Electrica2_1,'Frec.Porc'=tabla.Electrica2_1$Freq*100)
tabla.Electrica2_1## Var1 Freq Frec.Rel Frec.Porc
## 1 (78.7,81.8] 1 0.02702703 100
## 2 (81.8,84.9] 7 0.18918919 700
## 3 (84.9,88] 16 0.43243243 1600
## 4 (88,91.1] 11 0.29729730 1100
## 5 (91.1,94.2] 2 0.05405405 200####Grafica
pE2=paste(round(tabla.Electrica2_1$Frec.Porc,2), " % de ", tabla.Electrica2_1$Var1)
pie3D(round(tabla.Electrica2_1$Frec.Porc,2), labels = pE2, main = paste("Frecuencia de clases. % ", ElecL, "Vistas"), labelcex = 0.5)
#En esta grafica los cortes de Scott muestran que los promedios con mayor frecuencia son aquellos que estan entre 84.9 y 88 respectivamente de la carrera de electrica.library(plotrix)
#### Cantidad de alumnos
ElecL=length(Elec)
ElecL## [1] 37#### FD cortes
clasElec2=nclass.FD(Elec)
clasElec2## [1] 9####Tabla
tabla.Electrica2_2 = transform(table(cut(Elec, breaks = clasElec2)))
tabla.Electrica2_2 = data.frame(tabla.Electrica2_2,'Frec.Rel'=tabla.Electrica2_2$Freq/ElecL)
tabla.Electrica2_2 = data.frame(tabla.Electrica2_2,'Frec.Porc'=tabla.Electrica2_2$Freq*100)
tabla.Electrica2_2## Var1 Freq Frec.Rel Frec.Porc
## 1 (78.7,80.4] 1 0.02702703 100
## 2 (80.4,82.1] 0 0.00000000 0
## 3 (82.1,83.8] 5 0.13513514 500
## 4 (83.8,85.6] 3 0.08108108 300
## 5 (85.6,87.3] 12 0.32432432 1200
## 6 (87.3,89] 10 0.27027027 1000
## 7 (89,90.7] 2 0.05405405 200
## 8 (90.7,92.4] 2 0.05405405 200
## 9 (92.4,94.2] 2 0.05405405 200#En esta tabla se nos presentan los promedios que viran en 85.6 y 87.3 son los que tienen mayor frecuencia en la carrera de Electrica.
####Grafica
##La frecuencia ha marcado 0, queda nula la gráfica