Resumen de Estadísticas descriptivas para datos agrupados

Para iniciar se crea un vector de datos de diámetros a la altura del pecho (DAP) de la especie Santa María D_SM

D_SM<- c( 25,27,29,32,34,36,39,44,48,59,25,27,29,32,34,36,39,44,48,59,25,27,29,32,34,37,39,44,
49,61,25,27,29,32,34,37,39,44,49,63,25,27,29,33,34,37,39,44,49,63,25,27,29,33,34,37,
40,44,49,66,25,27,29,33,34,37,40,44,49,68,25,27,30,33,34,37,40,45,49,68,26,28,30,33,
34,37,40,45,49,80,26,28,30,33,35,37,40,45,50,80,26,28,30,33,35,37,40,45,50,26,28,30,
33,35,37,40,46,50,26,28,30,33,35,37,41,46,50,26,28,30,33,35,37,41,46,50,26,28,30,33,
35,37,41,46,51,26,28,30,33,35,37,41,46,51,26,28,30,33,35,38,41,46,51,26,28,31,33,35,
38,41,46,51,26,28,31,33,35,38,41,47,52,26,28,31,33,35,38,41,47,52,26,28,31,33,35,38,
42,47,52,26,28,31,33,35,38,42,48,52,26,29,31,33,35,38,42,48,52,27,29,31,33,35,38,42,
48,52,27,29,32,33,36,38,42,48,52,27,29,32,34,36,38,42,48,53,27,29,32,34,36,38,43,48,
53,27,29,32,34,36,39,43,48,53,27,29,32,34,36,39,44,48,54,27,29,32,34,36,39,44,48,56)

Histograma

Histograma de frecuencias para el vector D_SM

hist(D_SM,
main="Histograma de frecuencias",xlab="Diámetros de los árboles (cm)",ylab="Frecuencias absolutas",br=c(25,30.5,36,41.5,47,52.5,58,63.5,69,74.5,80),right=F,xlim=c(25,80),ylim=c(0,80),col=8,border="white")

Tabla de frecuencias

Número de clase

nclass.Sturges(D_SM)

Rango entre el valor mínimo y máximo

range(D_SM)

Intervalos

round(seq(25,80,length=nclass.Sturges(D_SM)),1)
intervalosD_SM<-cut(D_SM,breaks=seq(25,80,length=nclass.Sturges(D_SM)),include.lowest=TRUE)
table(intervalosD_SM)

El Lenguaje R funciona mediante la adición de paquetes elaborados por diferentes usuarios. Cada paquete puede realizar operaciones o cálculos específicos. Para el caso de las Ciencias Agronómicas, la Universidad Nacional Agraria La Molina de Perú a través de Felipe de Mendiburu ha creado el paquete agricolae. Para instalarlo ejecute:

install.packages('agricolae')

Se invoca para su uso el paquete “agricolae”

library(agricolae)

Se crea una tabla de frecuencias de un histograma

tbFreqDSM<-table.freq(hist(D_SM, br=c(25,30.5,36,41.5,47,52.5,58,63.5,69,74.5,80),plot=FALSE))

Para visualizar la tabla de frecuencias de un histograma, ejecute

tbFreqDSM

Gráfico de densidad

Se calcula el nivel de densidad del vector D_SM

d_DSM<-density(D_SM);d_DSM

Gráfico de densidad

plot(d_DSM, main="Comportamiento de densidad para el DAP Santa María")
polygon(d_DSM, col="blue", border="green")

Ojiva de Galton

Gráfica de Ojiva de tipo menor que

Se crea el objeto x_DSM

x_DSM<-c(22.5,27.75,33.25,38.75,44.25,49.75,55.25,60.75,66.25,71.75,77.25)

Se crea el objeto y_DSM

y_DSM<-c(0,77,152,200,231,265,270,275,278,278,280)
plot(x_DSM,y_DSM,main="Ojiva de Galton de tipo menor que", xlab="Marcas de clase", ylab="Frecuencia acumulada")
lines(x_DSM,y_DSM,type="l")

Gráfica de Ojiva de tipo mayor que

Se crea el objeto x1_DSM

x1_DSM<-c(27.75,33.25,38.75,44.25,49.75,55.25,60.75,66.25,71.75,77.25,82.75)

Se crea el objeto y1_DSM

y1_DSM<-c(280,203,128,80,49,15,10,5,2,2, 0)
plot(x1_DSM,y1_DSM,main="Ojiva de Galton de tipo mayor que", xlab="Marcas de clase", ylab="Frecuencia acumulada")
lines(x1_DSM,y1_DSM,type="l")

Otra manera de construir la Ojiva de Galton

Instalar el paquete fdth

install.packages('fdth')

Se invoca para su uso el paquete “fdth”

library(fdth)

Se crea una tabla data.frame aux100

aux100<-fdt(D_SM,start=22.25,h=5.5,end=77.25)

Gráfica de ojiva

plot(aux100,type="cfp",xlab="DAP promedio",ylab="Frecuencia absoluta acumulada")

Gráfica de Polígono de frecuencias

Se crea el objeto x2_DSM

x2_DSM<-c(22.5,27.75,33.25,38.75,44.25,49.75,55.25,60.75,66.25,71.75,77.25,82.75)

Se crea el objeto y2_DSM

y2_DSM<-c(0,77,75,48,31,34,5,5,3,0,2,0)
plot(x2_DSM,y2_DSM,main="Polígono de frecuencias", xlab="Marcas de clase", ylab="Frecuencia absoluta")
lines(x2_DSM,y2_DSM,type="l")

Regresar a la página principal de Scripts