Objetivo: Realizar un análisis descriptivo de datos de un conjunto de personas para determinar

1 Llenamos los vectores con con los 15 registros

nombre <- c("Juan", "Mary", "Rubén","Paty", "Jorge", "Luis", "Olga", "Veronica", "Mimi",
            "Karina","Hugo", "Cindy", "Marlen", "Pablo", "Karen")
edad <- c(40, 26, 56, 70, 3, 17, 23, 45, 34, 28, 37, 28, 21, 40, 24)
genero <- c('M', 'F', 'M', 'F', 'M', 'M', 'F', 'F', 'F', 'F', 'M', 'F', 'F', 'M', 'F')
sueldo <- c(5400.90, 6800.50, 34200.20, 68400.40, 23500.90,
             32900, 23550.90, 25800.20, 20500.40, 21800.20,
            35000, 5400.99, 2000, 27500.50, 5000)
edocivil <- c('S', 'C', 'V', 'D', 'V','S', 'C', 'V', 'D', 'V', 'C', 'S', 'S', 'V', 'C')

personas <- data.frame(nombre, edad, genero, sueldo, edocivil)

2 Mostrar valores del Dataframe

personas
##      nombre edad genero   sueldo edocivil
## 1      Juan   40      M  5400.90        S
## 2      Mary   26      F  6800.50        C
## 3     Rubén   56      M 34200.20        V
## 4      Paty   70      F 68400.40        D
## 5     Jorge    3      M 23500.90        V
## 6      Luis   17      M 32900.00        S
## 7      Olga   23      F 23550.90        C
## 8  Veronica   45      F 25800.20        V
## 9      Mimi   34      F 20500.40        D
## 10   Karina   28      F 21800.20        V
## 11     Hugo   37      M 35000.00        C
## 12    Cindy   28      F  5400.99        S
## 13   Marlen   21      F  2000.00        S
## 14    Pablo   40      M 27500.50        V
## 15    Karen   24      F  5000.00        C

3 Acceder a Registros

Mostrar datos del atributo Nombre del Dataframe personas

personas$nombre
##  [1] Juan     Mary     Rubén    Paty     Jorge    Luis     Olga    
##  [8] Veronica Mimi     Karina   Hugo     Cindy    Marlen   Pablo   
## [15] Karen   
## 15 Levels: Cindy Hugo Jorge Juan Karen Karina Luis Marlen Mary ... Veronica

Mostras datos del atributo Genero del Dataframe personas

personas$genero
##  [1] M F M F M M F F F F M F F M F
## Levels: F M

Mostrar Registro 5 y todos sus atributos

personas[5,]
##   nombre edad genero  sueldo edocivil
## 5  Jorge    3      M 23500.9        V

Mostrar el Registro 6 y todos sus atributos

personas[6,]
##   nombre edad genero sueldo edocivil
## 6   Luis   17      M  32900        S

Mostrar el Registro 7 y 8 con columnas 1,3 y 4

personas[c(7,8),c(1,3,4)]
##     nombre genero  sueldo
## 7     Olga      F 23550.9
## 8 Veronica      F 25800.2

4 Analisis General

Mostrar datos de las personas que mas ganan

personas[which.max(personas$sueldo),]
##   nombre edad genero  sueldo edocivil
## 4   Paty   70      F 68400.4        D

Mostrar datos de las personas que menos ganan

personas[which.min(personas$sueldo),]
##    nombre edad genero sueldo edocivil
## 13 Marlen   21      F   2000        S

Mostrar datos de las personas que tienen mas edad

personas[which.max(personas$edad),]
##   nombre edad genero  sueldo edocivil
## 4   Paty   70      F 68400.4        D

Mostrar datos de las personas que tienen menos edad

personas[which.min(personas$edad),]
##   nombre edad genero  sueldo edocivil
## 5  Jorge    3      M 23500.9        V

5 Mostras la media de sueldos y edades

Mostrar la media de sueldos

paste("La media de sueldos es:",mean(personas$sueldo))
## [1] "La media de sueldos es: 22517.0726666667"

Mostrar la media de edades

paste("La media de edades es:",mean(personas$edad))
## [1] "La media de edades es: 32.8"

6 Determinar Rango de Personas por edad y sueldo

Mostrar cuales personas estan por encima de la media de Edad

mediaedad <- mean(edad)
cuales <- which(personas$edad >= mediaedad)
personas[cuales,]
##      nombre edad genero  sueldo edocivil
## 1      Juan   40      M  5400.9        S
## 3     Rubén   56      M 34200.2        V
## 4      Paty   70      F 68400.4        D
## 8  Veronica   45      F 25800.2        V
## 9      Mimi   34      F 20500.4        D
## 11     Hugo   37      M 35000.0        C
## 14    Pablo   40      M 27500.5        V

Mostrar cuales personas estan por encima de la media de sueldo

mediasueldo <- mean(sueldo)
cuales <- which(personas$sueldo >= mediasueldo)
personas[cuales,]
##      nombre edad genero  sueldo edocivil
## 3     Rubén   56      M 34200.2        V
## 4      Paty   70      F 68400.4        D
## 5     Jorge    3      M 23500.9        V
## 6      Luis   17      M 32900.0        S
## 7      Olga   23      F 23550.9        C
## 8  Veronica   45      F 25800.2        V
## 11     Hugo   37      M 35000.0        C
## 14    Pablo   40      M 27500.5        V

Mostrar cuales personas tienen sueldo entre 22000 y 28000

cuales <- which(personas$sueldo >= 22000 & personas$sueldo <=28000)
personas [cuales,]
##      nombre edad genero  sueldo edocivil
## 5     Jorge    3      M 23500.9        V
## 7      Olga   23      F 23550.9        C
## 8  Veronica   45      F 25800.2        V
## 14    Pablo   40      M 27500.5        V