“Reporte#2”

1 Sección 1

Instrucciones

Genere un documento R markdown para resolver los ejercicios. En su documento R markdown, incluya como texto el enunciado del ejercicio y en el chunk incluya el código y los resultados. Publique en Rpubs (Investigar) el documento renderizado con los las funciones requeridas y resultados (impresos en el reporte) para resolver los ejercicios.

1.1 Subsección 1.2

Ejercicios

1- Para el laboratorio se van a utilizar los datos de los siguientes 4 datasets:

2- Escoger individualmente 1 de los 4 datasets.

DataFrame X e Y, Dataset#1

library(dplyr)
library(graphics)


DF1D <- data.frame(x=c(10,8,13,9,11,14,6,4,12,7,5),
                     y=c(8.04,6.95,7.58,8.81,8.33,9.96,7.24,4.26,10.84,4.82,5.68))
DF1D

##     x     y
## 1  10  8.04
## 2   8  6.95
## 3  13  7.58
## 4   9  8.81
## 5  11  8.33
## 6  14  9.96
## 7   6  7.24
## 8   4  4.26
## 9  12 10.84
## 10  7  4.82
## 11  5  5.68

DataFrame X e Y, Dataset#2

DF2H <- data.frame(x=c(10,8,13,9,11,14,6,4,12,7,5),
                     y= c(9.14,8.14,8.74,8.77,9.26,8.1,6.13,3.1,9.13,7.26,4.74)
                   )
DF2H

##     x    y
## 1  10 9.14
## 2   8 8.14
## 3  13 8.74
## 4   9 8.77
## 5  11 9.26
## 6  14 8.10
## 7   6 6.13
## 8   4 3.10
## 9  12 9.13
## 10  7 7.26
## 11  5 4.74

DataFrame X e Y, Dataset#3

DF3W <- data.frame(x=c(10,8,13,9,11,14,6,4,12,7,5),
                     y=c(7.46,6.77,12.74,7.11,7.81,8.84,6.08,5.39,8.15,6.42,5.73)
                   )
DF3W

##     x     y
## 1  10  7.46
## 2   8  6.77
## 3  13 12.74
## 4   9  7.11
## 5  11  7.81
## 6  14  8.84
## 7   6  6.08
## 8   4  5.39
## 9  12  8.15
## 10  7  6.42
## 11  5  5.73

DataFrame X e Y, Dataset#4

DF4T <- data.frame(x=c(8,8,8,8,8,8,8,19,8,8,8),
                     y=c(6.58,5.76,7.71,8.84,8.47,7.04,5.25,12.5,5.56,7.91,6.89)
                   )
DF4T

##     x     y
## 1   8  6.58
## 2   8  5.76
## 3   8  7.71
## 4   8  8.84
## 5   8  8.47
## 6   8  7.04
## 7   8  5.25
## 8  19 12.50
## 9   8  5.56
## 10  8  7.91
## 11  8  6.89

3- Para el dataset escogido, calcular:

Media_Dataset 1

MEDIAxD=mean(DF1D$x);MEDIAyD=mean(DF1D$y)
MEDIAxD;MEDIAyD

## [1] 9

## [1] 7.500909

Media_Dataset 2

MEDIAxH=mean(DF2H$x);MEDIAyH=mean(DF2H$y)
MEDIAxH;MEDIAyH

## [1] 9

## [1] 7.500909

Media_Dataset 3

MEDIAxW=mean(DF3W$x);MEDIAyW=mean(DF3W$y)
MEDIAxW;MEDIAyW

## [1] 9

## [1] 7.5

Media_Dataset 4

MEDIAxT=mean(DF4T$x);MEDIAyT=mean(DF4T$y)
MEDIAxT;MEDIAyT

## [1] 9

## [1] 7.500909

Desviación estándar_Dataset 1

SDxD=sd(DF1D$x);SDyD=sd(DF1D$y)
SDxD;SDyD

## [1] 3.316625

## [1] 2.031568

Desviación estándar_Dataset 2

SDxH=sd(DF2H$x);SDyH=sd(DF2H$y)
SDxH;SDyH

## [1] 3.316625

## [1] 2.031657

Desviación estándar_Dataset 3

SDxW=sd(DF3W$x);SDyW=sd(DF3W$y)
SDxW;SDyW

## [1] 3.316625

## [1] 2.030424

Desviación estándar_Dataset 4

SDxT=sd(DF4T$x);SDyT=sd(DF4T$y)
SDxT;SDyT

## [1] 3.316625

## [1] 2.030579

Correlación de X e Y-Dataset 1

CorrelacionD=cor(DF1D$x,DF1D$y)
CorrelacionD

## [1] 0.8164205

Correlación de X e Y-Dataset 2

CorrelacionH=cor(DF2H$x,DF2H$y)
CorrelacionH

## [1] 0.8162365

Correlación de X e Y-Dataset 3

CorrelacionW=cor(DF3W$x,DF3W$y)
CorrelacionW

## [1] 0.8162867

Correlación de X e Y-Dataset 4

CorrelacionT=cor(DF4T$x,DF4T$y)
CorrelacionT

## [1] 0.8165214

1.1.1 Subsección 1.2.1

Scatterplot

1.Crear el scatterplot de x e y, con cada variable en su correspondiente eje.

Scatterplot Dataset 1

plot(x=DF1D$x, y=DF1D$y,
main= "Scatterplot entre X y Y_DF1Dennis",
xlab="X",
ylab = "Y",
pch = 19, frame = FALSE)

Scatterplot Dataset 2

plot(x=DF2H$x, y=DF2H$y,
main= "Scatterplot entre X y Y_DF2Hellen",
xlab="X",
ylab ="Y",
pch = 8, frame = FALSE)

Scatterplot Dataset 3

plot(x=DF3W$x, y=DF3W$y,
main= "Scatterplot entre X y Y_DF3Wendy",
xlab="X",
ylab = "Y",
pch = 23, frame = FALSE)

Scatterplot Dataset 4

plot(x=DF4T$x, y=DF4T$y,
main= "Scatterplot entre X y Y_DF4Thelma",
xlab="X",
ylab ="Y",
pch = 24, frame = FALSE)

1.2 Sección 2

Juntarse con tres compañeros que hayan escogido datasets diferentes(no se puede repetir datasets a menos que no hayan más opciones de compañeros).

Analisis de Resultados y Conclusiones

La media de la variable X en todos los datasets es de 9, mientras que la de Y es 7,5 en todos los Datasets.

Respecto a la desviación estándar de X, en todos los datasets es 3,16 mientras que la de Y en todos los datasets es 2,03.

Para los 4 datasets los scatterplots presentan una correlacion de 0.816, cercana a 1, con tendencia positiva, donde se hace notable la igualdad de los valores en X para los 3 primeros datasets, y dandose una variacion en los valores de Y.

Sin embargo, el que muestra el mejor es el Scatterplot 1 con una tendencia creciente variable con picos de incrementos, nostrando una correlacion positiva baja.

El Scatterplot 2, inicia con una tendencia ascendente y partir del x-11 empieza a decrecer.

En el Scatterplot 1, la correlación de X-Y es con un ascenso variable que difiere de los datesets 2 y 3, pero en el x-13 muestra un valor de 12.74, que se sale de la constante de crecimiento en relación con la tendencia que venía registrando.

El scatterplot del dataset 3 presenta casi una correlacion positiva perfecta de no ser por el eje X 13 e Y con 12.74 que hace que salga de la trayectoria lineal.

Finalmente, en el Scatterplot 4, las variable X muestra un mismo valor en la mayoria de los factores de X, por lo tanto su comportamiento lineal muestra una amplia dispercion entre los valores 8 y 19 en X.