Tarea semana 2
Jorge Iván Rivera Bermúdez
CC: 1031164050
1. Registrar/simular datos de temperatura (°C) y humedad relativa (de forma ordenada).
set.seed(1243)
temp <- sort(runif(120, 25.0, 26.3))
HR <- sort(runif(120, 84, 87))2. Gráfico sin estandarizar y estandarizado.
# funcion para estandarizacion
estand <- function(x){
media = mean(x)
desv = sd(x)
z = (x - media)/desv
return(z)
}temp_z <- estand(temp)
HR_z <- estand(HR)par(mfrow = c(2, 2))
plot(temp, main = "Gráfico de temperatura \n sin estandarizar", type = "l",
col = "steelblue", xlab = "Datos", ylab = "Temperatura °C")
plot(HR, main = "Gráfico de humedad relativa \n sin estandarizar", type = "l",
col = "orange", xlab = "Datos", ylab = "HR")
plot(temp_z, main = "Gráfico de temperatura \n estandarizado", type = "l",
col = "steelblue", xlab = "Datos", ylab = "Temperatura °C")
plot(HR_z, main = "Gráfico de humedad relativa \n estandarizado", type = "l",
col = "orange", xlab = "Datos", ylab = "HR")
par(mfrow = c(2, 2))
hist(temp, main = "Distribución de temperatura \n sin estandarizar",
col = "steelblue", ylab = "Frecuencia", xlab = "Temperatura °C")
hist(HR, main = "Distribución de la humedad relativa \n sin estandarizar",
col = "orange", ylab = "Frecuencia")
hist(temp_z, main = "Distribución de temperatura \n estandarizada",
col = "steelblue", ylab = "Frecuencia", xlab = "Temperatura °C")
hist(HR_z, main = "Distribución de la humedad relativa \n estandarizada",
col = "orange", ylab = "Frecuencia", xlab = "HR")
3. Determinar si el gráfico es realista o engañoso.
Es evidente que al ordenar los datos pareciera existir una correlación cuasi-perfecta, sin embargo, esto no demuestra el
comportamiento real de los datos. Si los corremos de forma que no se ordenen automaticamente se verÃan de la siguiente
forma:
set.seed(1243)
temp_x <- runif(120, 25.0, 26.3)
HR_x <- runif(120, 84, 87)
temp_x_z <- estand(temp_x)
HR_x_z <- estand(HR_x)par(mfrow = c(2, 2))
plot(temp_x, main = "Gráfico de temperatura \n sin estandarizar", type = "l",
col = "steelblue", xlab = "Datos", ylab = "Temperatura °C")
abline(h = mean(temp_x), col = "red")
plot(HR_x, main = "Gráfico de humedad relativa \n sin estandarizar", type = "l",
col = "orange", xlab = "Datos", ylab = "HR")
abline(h = mean(HR_x), col = "red")
plot(temp_x_z, main = "Gráfico de temperatura \n estandarizado", type = "l",
col = "steelblue", xlab = "Datos", ylab = "Temperatura °C")
abline(h = mean(temp_x_z), col = "red")
plot(HR_x_z, main = "Gráfico de humedad relativa \n estandarizado", type = "l",
col = "orange", xlab = "Datos", ylab = "HR")
abline(h = mean(HR_x_z), col = "red")
par(mfrow = c(2, 2))
hist(temp_x, main = "Distribución de temperatura \n sin estandarizar",
col = "steelblue", ylab = "Frecuencia", xlab = "Temperatura °C")
hist(HR_x, main = "Distribución de la humedad relativa \n sin estandarizar",
col = "orange", ylab = "Frecuencia")
hist(temp_x_z, main = "Distribución de temperatura \n estandarizada",
col = "steelblue", ylab = "Frecuencia", xlab = "Temperatura °C")
hist(HR_x_z, main = "Distribución de la humedad relativa \n estandarizada",
col = "orange", ylab = "Frecuencia", xlab = "HR")
Esto nos muestra la gran diferencia que se produce al tener los datos ordenados y desordenados (que son como
realmente se recolectan en campo), y que el fenómeno se ve completamente distinto a lo que se tenÃa en un inicio.
El comportamiento obtenido pareciera no tener una tendencia clara, por lo cual los primeros gráficos realizados son una
representación engañosa de los datos, que mostraban una aparente relación lineal, pero que al graficarlos tal y como
se debe, muestran un comportamiento diferente y mucho más cercano a la realidad, pues algunas variables de tipo
climatológico tienen comportamientos de ese estilo.
Modelos de crecimiento
library(growthmodels)
par(mfrow = c(2,2))
grw_Blumberg <- blumberg(0:100, 10, 2, 0.5)
plot(grw_Blumberg, pch = 10, cex = 0.5,
main = 'Blumberg', xlab = 'Tiempo',
col = 'steelblue', type = "l", ylab = "Crecimiento")
grw_Brody <- brody(0:10, 10, 5, 0.3)
plot(grw_Brody, pch = 10, cex = 0.5, main =
'Brody',xlab = 'Tiempo',
col = 'steelblue', type = "l", ylab = "Crecimiento")
grw_Chapman <- chapmanRichards(0:10, 10, 0.5, 0.3, 0.5)
plot(grw_Chapman, pch = 10, cex = 0.5, main =
'Chapman-Richards', xlab = 'Tiempo',
col = 'steelblue', type = "l", ylab = "Crecimiento")
grw_generalogist <- generalisedLogistic(0:10, 5, 10, 0.3, 0.5, 3)
plot(grw_generalogist, pch = 10, cex = 0.5, main =
'Generalised Logistic', xlab = 'Tiempo',
col = 'steelblue', type = "l", ylab = "Crecimiento")
par(mfrow = c(2, 2))
grw_generalrichards <- generalisedRichard(0:10, 5, 10, 0.3, 0.5, 1, 3)
plot(grw_generalrichards, pch = 10, cex = 0.5, main =
'Generalised Richard', xlab = 'Tiempo',
col = 'steelblue', type = "l", ylab = "Crecimiento")
grw_gompertz <- gompertz(0:10, 10, 0.5, 0.3)
plot(grw_gompertz, pch = 10, cex = 0.5, main =
'Gompertz', xlab = 'Tiempo',
col = 'steelblue', type = "l", ylab = "Crecimiento")
grw_Logistic <- logistic(0:10, 10, 0.5, 0.3)
plot(grw_Logistic, pch = 10, cex = 0.5, main =
'Logistic', xlab = 'Tiempo',
col = 'steelblue', type = "l", ylab = "Crecimiento")
grw_mitcherlich <- mitcherlich(0:10, 10, 0.5, 0.3)
plot(grw_mitcherlich, pch = 10, cex = 0.5, main =
'Mitcherlich', xlab = 'Tiempo',
col = 'steelblue', type = "l", ylab = "Crecimiento")
par(mfrow = c(2, 2))
grw_morgan <- mmf(0:10, 10, 0.5, 4, 1)
plot(grw_morgan, pch = 10, cex = 0.5, main =
'Morgan-Mercer-Flodin', xlab = 'Tiempo',
col = 'steelblue', type = "l", ylab = "Crecimiento")
grw_monomolecular <- monomolecular(0:10, 10, 0.5, 0.3)
plot(grw_monomolecular, pch = 10, cex = 0.5, main =
'Monomolecular', xlab = 'Tiempo',
col = 'steelblue', type = "l", ylab = "Crecimiento")
grw_neg_expon <- negativeExponential(0:10, 4, 0.1)
plot(grw_neg_expon, pch = 10, cex = 0.5, main =
'Negative exponential', xlab = 'Tiempo',
col = 'steelblue', type = "l", ylab = "Crecimiento")
grw_richard <- richard(0:10, 10, 0.5, 0.3, 0.5)
plot(grw_richard, pch = 10, cex = 0.5, main =
'Richard', xlab = 'Tiempo',
col = 'steelblue', type = "l", ylab = "Crecimiento")
par(mfrow = c(2, 2))
grw_schnute <- schnute(0:10, 10, 5, .5, .5)
plot(grw_schnute, pch = 10, cex = 0.5, main =
'Schnute', xlab = 'Tiempo',
col = 'steelblue', type = "l", ylab = "Crecimiento")
grw_stannard <- stannard(0:10, 1, .2, .1, .5)
plot(grw_stannard, pch = 10, cex = 0.5, main =
'Stannard', xlab = 'Tiempo',
col = 'steelblue', type = "l", ylab = "Crecimiento")
grw_vbertalanffy <- vonBertalanffy(0:10, 10, 0.5, 0.3, 0.5)
plot(grw_vbertalanffy, pch = 10, cex = 0.5, main =
'Von Bertalanffy', xlab = 'Tiempo',
col = 'steelblue', type = "l", ylab = "Crecimiento")
grw_weibul <- weibull(0:10, 10, 0.5, 0.3, 0.5)
plot(grw_vbertalanffy, pch = 10, cex = 0.5, main =
'Weibull', xlab = 'Tiempo',
col = 'steelblue', type = "l", ylab = "Crecimiento")