Cargar la ibrería

library(readr)

Cargar los datos

datosalumnos <- read_csv("C:/Users/luisf/Documents/Probabilidad/Datos/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

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

Ver los datos

datosalumnos
##    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(datosalumnos) # Los primeros seis
##   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(datosalumnos) # Los últimos seis
##    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

Nombre mas largo

nombre=datosalumnos$NOMBRE

long=nchar(datosalumnos$NOMBRE, type = "chars", allowNA = FALSE, keepNA = NA)
long
##  [1] 5 5 4 6 5 5 5 5 6 7 4 6 4 7 5 7 5 6 5 4 4 8 5 7 5 5 3 5 6
nom=max(long)
nom
## [1] 8
nm=which(long== nom,arr.ind = TRUE)
datosalumnos$NOMBRE[nm]
## [1] "FERNANDA"

Generar diagrama de pastel del genero

pie(table(datosalumnos$GENERO))

Diagrama de tallo y hoja de las edades

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

Generar la media de edades de los hombres

hombres=subset(datosalumnos, GENERO=="M")
mediaM=mean(hombres$EDAD)
mediaM
## [1] 18.36364

Generar la media de edades de las mujeres

mujeres=subset(datosalumnos, GENERO=="F")
mediaF=mean(mujeres$EDAD)
mediaF
## [1] 18.14286
if(mediaM>mediaF){print ("Los hombres tienen edad mayor")}else if(mediaM<mediaF){print("Las mujeres tienen edad mayor")}else{print("Ambos tienen la misma edad")}
## [1] "Los hombres tienen edad mayor"

Generar la media de las estaturas de los hombres

hombres=subset(datosalumnos, GENERO=="M")
mediaM=mean(hombres$ESTATURA)
mediaM
## [1] 176.1364

Generar la media de las estaturas de las mujeres

mujeres=subset(datosalumnos, GENERO=="F")
mediaF=mean(mujeres$ESTATURA)
mediaF
## [1] 161.4286
if(mediaM>mediaF){print ("Los hombres tienen una altura mayor")}else if(mediaM<mediaF){print("Las mujeres tienen una altura menor")}else{print("Ambos miden lo mismo")}
## [1] "Los hombres tienen una altura mayor"

Generar la media de los pesos de los hombres

hombres=subset(datosalumnos, GENERO=="M")
mediaM=mean(hombres$PESO)
mediaM
## [1] 76.72727

Generar la media de los pesos de las mujeres

mujeres=subset(datosalumnos, GENERO=="F")
mediaF=mean(mujeres$PESO)
mediaF
## [1] 62.28571
if(mediaM>mediaF){print ("Los hombres tienen un peso mayor")}else if(mediaM<mediaF){print("Las mujeres tienen un peso mayor")}else{print("Ambos pesan lo mismo")}
## [1] "Los hombres tienen un peso mayor"

Summary(datos)

 summary(datosalumnos)
##        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

En esta práctica se llevó a cabo un análisis de un conjunto de datos de los alumnos de sistemas, los cuales eran nombre, género, edad, estatura, peso. Primero se debía obtener el nombre mayor en cuanto a caracteres, el cual fue “FERNANDA”. Después se genera un diagrama de pastel según la frecuencia del género que hay en el grupo. Luego se genera un diagrama de tallo y hoja de las edades del grupo. También se genera la media de las edades, estaturas y peso de los hombres y mujeres respectivamente, y también se muestra cual género tiene la mayor edad, estatura y peso. Por último se muestra la función summary() para observar los datos descriptivos que genera.