###Libreria

library(readr)

###Datos

datos <- read_csv("datosalumnos.csv")
## Parsed with column specification:
## cols(
##   NO = col_double(),
##   NOMBRE = col_character(),
##   GENERO = col_character(),
##   EDAD = col_double(),
##   ESTATURA = col_double(),
##   PESO = col_double()
## )

###Transformar a data.frame

datos <- as.data.frame(datos)
class(datos) # Que tipo de dato que es
## [1] "data.frame"

###Mostrar datos

datos
##    NO   NOMBRE GENERO EDAD ESTATURA PESO
## 1   1    ANAND      M   18      176   72
## 2   2    DIANA      F   18      178   78
## 3   3     IVAN      M   19      170   55
## 4   4   DANIEL      M   18      180   78
## 5   5    KEVIN      M   18      178   80
## 6   6    ANGEL      M   19      173   55
## 7   7    JESUS      M   18      170   70
## 8   8    MARCO      M   18      180   91
## 9   9   IRVING      M   19      170   70
## 10 10  ELEAZAR      M   18      180   95
## 11 11     JUAN      M   19      180   60
## 12 12   BORDAS      M   18      185   80
## 13 13     LUIS      M   19      177   92
## 14 14  JAZHIEL      M   18      172   87
## 15 15    KEYLA      F   18      154   63
## 16 16  VANESSA      F   18      162   50
## 17 17    JESUS      M   18      160   60
## 18 18   ALEXEI      M   19      170   80
## 19 19    FANNY      F   18      165   52
## 20 20     ALDO      M   18      176   85
## 21 21     LUIS      M   18      186   87
## 22 22 FERNANDA      F   19      145   58
## 23 23    FRIDA      F   18      150   55
## 24 24  JESABEL      F   18      176   80
## 25 25    MARIO      M   18      176   65
## 26 26    FABIO      M   18      180   60
## 27 27      NOE      M   19      176   77
## 28 28    ELIAS      M   19      180   90
## 29 29   OSIRIS      M   18      180   99
head(datos) #Se mostraran solo los primeros 6
##   NO NOMBRE GENERO EDAD ESTATURA PESO
## 1  1  ANAND      M   18      176   72
## 2  2  DIANA      F   18      178   78
## 3  3   IVAN      M   19      170   55
## 4  4 DANIEL      M   18      180   78
## 5  5  KEVIN      M   18      178   80
## 6  6  ANGEL      M   19      173   55
tail(datos) #Se mostraran solo los ultimos 6
##    NO  NOMBRE GENERO EDAD ESTATURA PESO
## 24 24 JESABEL      F   18      176   80
## 25 25   MARIO      M   18      176   65
## 26 26   FABIO      M   18      180   60
## 27 27     NOE      M   19      176   77
## 28 28   ELIAS      M   19      180   90
## 29 29  OSIRIS      M   18      180   99

###Sumario de Datos

summary(datos)
##        NO        NOMBRE             GENERO               EDAD      
##  Min.   : 1   Length:29          Length:29          Min.   :18.00  
##  1st Qu.: 8   Class :character   Class :character   1st Qu.:18.00  
##  Median :15   Mode  :character   Mode  :character   Median :18.00  
##  Mean   :15                                         Mean   :18.31  
##  3rd Qu.:22                                         3rd Qu.:19.00  
##  Max.   :29                                         Max.   :19.00  
##     ESTATURA          PESO      
##  Min.   :145.0   Min.   :50.00  
##  1st Qu.:170.0   1st Qu.:60.00  
##  Median :176.0   Median :77.00  
##  Mean   :172.6   Mean   :73.24  
##  3rd Qu.:180.0   3rd Qu.:85.00  
##  Max.   :186.0   Max.   :99.00
x=datos$NOMBRE

longi=nchar(datos$NOMBRE, type = "chars", allowNA = FALSE, keepNA = NA)
longi
##  [1] 5 5 4 6 5 5 5 5 6 7 4 6 4 7 5 7 5 6 5 4 4 8 5 7 5 5 3 5 6
y=max(longi)
y
## [1] 8

###Grafica de pastel

pie(table(datos$GENERO))

stem(datos$EDAD, scale=.5)
## 
##   The decimal point is 1 digit(s) to the left of the |
## 
##   180 | 00000000000000000000
##   182 | 
##   184 | 
##   186 | 
##   188 | 
##   190 | 000000000

###Edades pronedio de hombres

dfOnvres=subset(datos, GENERO=="M")
print("La edad promedio de los hombres es de ")
## [1] "La edad promedio de los hombres es de "
promedM=mean(dfOnvres$EDAD)
promedM
## [1] 18.36364

###Edad promedio mujeres

dfMujeres=subset(datos, GENERO=="F")
print("La edad promedio de los mujeres es de ")
## [1] "La edad promedio de los mujeres es de "
promedF=mean(dfMujeres$EDAD)
promedF
## [1] 18.14286

###Mayor, menor o igual

if(promedM>promedF){print ("Los hombres son mayores")}else if(promedM<promedF){print("Las mujeres son mayores")}else{print("Ambos tienen la misma edad")}
## [1] "Los hombres son mayores"

###Peso promedio

dfOnvres=subset(datos, GENERO=="M")
print("El peso promedio de los hombres es de ")
## [1] "El peso promedio de los hombres es de "
promedM=mean(dfOnvres$PESO)
promedM
## [1] 76.72727
dfMujeres=subset(datos, GENERO=="F")
print("El peso promedio de las mujeres es de ")
## [1] "El peso promedio de las mujeres es de "
promedF=mean(dfMujeres$PESO)
promedF
## [1] 62.28571
if(promedM>promedF){print ("Los hombres pesan mas")}else if(promedM<promedF){print("Las mujeres pesan mas")}else{print("Ambos pesan lo mismo")}
## [1] "Los hombres pesan mas"

###Estatura promedio

dfOnvres=subset(datos, GENERO=="M")
print("La estatura promedio de los hombres es de ")
## [1] "La estatura promedio de los hombres es de "
promedM=mean(dfOnvres$ESTATURA)
round(promedM, 0)
## [1] 176
dfMujeres=subset(datos, GENERO=="F")
print("La estatura promedio de las mujeres es de ")
## [1] "La estatura promedio de las mujeres es de "
promedF=mean(dfMujeres$ESTATURA)
round(promedF, 0)
## [1] 161
if(promedM>promedF){print ("Los hombres son mas altos")}else if(promedM<promedF){print("Las mujeres son mas altas")}else{print("Ambos miden lo mismo")}
## [1] "Los hombres son mas altos"

El propósito tras esta práctica además de familiarizarse aun mas con el ambiente de RStudio es el análisis de datos tanto numéricos como no numéricos, esto referente al sexo, edades, estatura y peso, así como la comparación de los mismos con la muestra obtenida de los alumnos que conformar el grupo, comparando dichos datos se logra denotar que la población masculina dentro del grupo es mayor, por ende predominarían en la mayoría de aspectos, como si son mayores, mayor estatura, y/o en los pesos, además de que por normalidad los varones tienen mas peso y altura por contrario a la normativa que se encuentra en las mujeres, dándonos así cuenta de las distintas variaciones que se pueden obtener en distintas muestras con distintas circunstancias.