library(readr)
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
#Asegurarse de que los datos son del tipo data.frame
datos <- as.data.frame(datos)
class(datos) # Que tipo de datos es ? .. data.frame
## [1] "data.frame"
#Ver los 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) # 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(datos) # 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
#Summary(datos)
#Genera valores descriptivos 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
#Tabla de frecuencias
library(fdth)
##
## Attaching package: 'fdth'
## The following objects are masked from 'package:stats':
##
## sd, var
#Calculo de distribucion de frecuencias
dist<-fdt(datos,breaks="Sturges")
dist
## NO
## Class limits f rf rf(%) cf cf(%)
## [0.99,5.7) 5 0.17 17.24 5 17.24
## [5.7,10) 5 0.17 17.24 10 34.48
## [10,15) 5 0.17 17.24 15 51.72
## [15,20) 4 0.14 13.79 19 65.52
## [20,25) 5 0.17 17.24 24 82.76
## [25,29) 5 0.17 17.24 29 100.00
##
## EDAD
## Class limits f rf rf(%) cf cf(%)
## [17.8,18) 20 0.69 68.97 20 68.97
## [18,18.3) 0 0.00 0.00 20 68.97
## [18.3,18.5) 0 0.00 0.00 20 68.97
## [18.5,18.7) 0 0.00 0.00 20 68.97
## [18.7,19) 0 0.00 0.00 20 68.97
## [19,19.2) 9 0.31 31.03 29 100.00
##
## ESTATURA
## Class limits f rf rf(%) cf cf(%)
## [144,151) 2 0.07 6.90 2 6.90
## [151,158) 1 0.03 3.45 3 10.34
## [158,166) 3 0.10 10.34 6 20.69
## [166,173) 6 0.21 20.69 12 41.38
## [173,180) 15 0.52 51.72 27 93.10
## [180,188) 2 0.07 6.90 29 100.00
##
## PESO
## Class limits f rf rf(%) cf cf(%)
## [50,58) 5 0.17 17.24 5 17.24
## [58,66) 6 0.21 20.69 11 37.93
## [66,75) 3 0.10 10.34 14 48.28
## [75,83) 7 0.24 24.14 21 72.41
## [83,92) 5 0.17 17.24 26 89.66
## [92,1e+02) 3 0.10 10.34 29 100.00
#Donde
#f= frecuencia absoluta
#rf= frecuencia relativa
#rf(%) frecuencia relativa porcentual
#cf= frecuencia acumulada
#cf(%)=frecuencia acumulada porcentual
par(mfrow=c(3,2)) # particiona mi ventana grafica en 3x2.
#Histograma de Frecuencia Acumulada
plot(dist, type="cfh")
plot(dist, type="cfp") #poligono de frecuencias acumulado
####La practica aqui mostrada describe y muestra de manera grafica y numerica la frecuencia absoluta,frecuencia relativa,frecuencia relativa porcentual, frecuencia acumulada y frecuencia acumulada porcentual del conjunto de datos proporcionados por el facilitador, en el cual podemos observar variantes interesantes entre los diferentes datos , como lo son edad, estatura, peso, etc , entre los alumnos, todo esto con el fin de conocer e indagar un poco mas en la estadistica y su funcionamiento, al igual de el correcto manejo de la Herramienta R la cual nos permite poder manipular los datos de manera facil y versatil