Primero Importar el archivo de excel peso.xlsx a R studio



#### Ahora vamos a realizar lo mismo pero R va a armar los intervalos  



```r
histograma<-hist(peso$gramos)

bins<-histograma$breaks
bins
## [1] 100 120 140 160 180 200 220 240

#####Muestra los intervalos de clase obtenidos.

Intervalos <-cut(peso$gramos, bins)
table(Intervalos)
## Intervalos
## (100,120] (120,140] (140,160] (160,180] (180,200] (200,220] (220,240] 
##         3        12        22        17         9         2        15
transform(table(Intervalos))
##   Intervalos Freq
## 1  (100,120]    3
## 2  (120,140]   12
## 3  (140,160]   22
## 4  (160,180]   17
## 5  (180,200]    9
## 6  (200,220]    2
## 7  (220,240]   15
transform(table(Intervalos), Frec.rel =prop.table(Freq), Frec.acum=cumsum(Freq), Frec.rel.acum
= cumsum(Frec.rel=prop.table(Freq)))
##   Intervalos Freq Frec.rel Frec.acum Frec.rel.acum
## 1  (100,120]    3   0.0375         3        0.0375
## 2  (120,140]   12   0.1500        15        0.1875
## 3  (140,160]   22   0.2750        37        0.4625
## 4  (160,180]   17   0.2125        54        0.6750
## 5  (180,200]    9   0.1125        63        0.7875
## 6  (200,220]    2   0.0250        65        0.8125
## 7  (220,240]   15   0.1875        80        1.0000

Diagrama de cajas y bigotes

boxplot(peso$gramos)

A continuación se muestra una explicación de el diagrama de cajas y bigotes o boxplot

Procederemos a calcular las distintas medidas descriptivas

Medidas de tendencia central

Cálculo de la media muestral

media<-mean(peso$gramos)
media
## [1] 170.5083

###Muestra el valor de la mediana la variable.

mediana<-median(peso$gramos)
mediana
## [1] 166.13

###Medidas de posición no central

Cuartiles

Para mostrar el resultado del primer cuartil

q1<-quantile(peso$gramos,.25)
q1
##    25% 
## 144.66

Para mostrar el resultado del segundo cuartil

q2<-quantile(peso$gramos,.50)
q2
##    50% 
## 166.13

Para mostrar el resultado del tercer cuartil

q3<-quantile(peso$gramos,.75)
q3
##      75% 
## 193.9675

Medidas de dispersión

Varianza muestral

varianza<-var(peso$gramos)
varianza
## [1] 1171.514

Desvío estándar

desvioestandar<-sd(peso$gramos)
desvioestandar
## [1] 34.22738

Coeficiente de variación

cv<-desvioestandar/media
cv
## [1] 0.2007374

También puedo utilizar la siguiente función para tener un resumen de los parámetros más importantes de una variable

summary(peso$gramos)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   112.1   144.7   166.1   170.5   194.0   230.3

Cálculo de la asimetría

library(moments)
skewness(peso$gramos)
## [1] 0.4208708

Cálculo de la curtosis

kurtosis(peso$gramos)
## [1] 2.044728