CASO 2

Objetivo

Generar tablas de frecuencias con un conjunto de datos de 100 registros

Descripción

Descripción: Crear un conjunto de datos de 100 registros con cuatro variables:

nombre, genero, edad y deporte favorito de cada persona. Una vez construido el

conjunto de datos elaborar tablas de frecuencias de los nombres, géneros (sexo) y

deporte favorito; de igual forma determinar la tabla de frecuencia de las edades de

las personas.

1. Cargar librerias fdth.

library(fdth)

## 
## Attaching package: 'fdth'

## The following objects are masked from 'package:stats':
## 
##     sd, var

2. Crear un conjunto de datos llamado personas.

Crear 100 nombres a partir de 20 nombres.
Crear genero aleatorio entre Masculino y Femenino.
Crear la edad aleatoria entre 15 y 60.
Crear el deporte favorito de cada persona aleatorio entre 10.

Pnombres <- c("EMMANUEL",'LUDIVINA','JUAN','JORGE','ADOLFO','ALEXIS','DANIEL','LAURO','ANTONIO','DAVID')
Nombre <- sample(Pnombres, 100, replace = TRUE)
Genero <- sample(c('Masculino', 'Femenino'), 100, replace = TRUE)
Edad <- sample(15:60, 100, replace = TRUE)
Edeportes <- c("FUTBOL",'FUTBOLAMERICANO', 'JOCKEY','BASQUETBALL','BALONMANO','BOXEO','NATACION','WATERPOLO','ESGRIMA','CICLISMO')
Deportes <- sample(Edeportes, 100, replace = TRUE)
personas <- data.frame(Nombre, Genero, Edad, Deportes)
personas

##       Nombre    Genero Edad        Deportes
## 1      DAVID Masculino   21           BOXEO
## 2   EMMANUEL  Femenino   15          FUTBOL
## 3      JORGE Masculino   46          JOCKEY
## 4     ALEXIS  Femenino   44 FUTBOLAMERICANO
## 5      JORGE Masculino   16     BASQUETBALL
## 6       JUAN  Femenino   30        NATACION
## 7   LUDIVINA Masculino   34          FUTBOL
## 8      JORGE Masculino   60 FUTBOLAMERICANO
## 9     ADOLFO  Femenino   30        CICLISMO
## 10     JORGE  Femenino   28           BOXEO
## 11     DAVID  Femenino   59          FUTBOL
## 12     DAVID  Femenino   21       BALONMANO
## 13    ADOLFO Masculino   32          FUTBOL
## 14    ADOLFO  Femenino   20          FUTBOL
## 15   ANTONIO Masculino   35          FUTBOL
## 16     JORGE Masculino   54       WATERPOLO
## 17    ADOLFO  Femenino   52       WATERPOLO
## 18    ALEXIS  Femenino   51        CICLISMO
## 19     JORGE  Femenino   54       WATERPOLO
## 20   ANTONIO  Femenino   20       WATERPOLO
## 21  EMMANUEL Masculino   48         ESGRIMA
## 22      JUAN  Femenino   44       WATERPOLO
## 23    ADOLFO  Femenino   58           BOXEO
## 24    DANIEL Masculino   39       WATERPOLO
## 25    DANIEL Masculino   50        CICLISMO
## 26   ANTONIO  Femenino   33        NATACION
## 27   ANTONIO  Femenino   53       BALONMANO
## 28     LAURO Masculino   27          FUTBOL
## 29    ADOLFO  Femenino   59        CICLISMO
## 30     DAVID  Femenino   50 FUTBOLAMERICANO
## 31  LUDIVINA  Femenino   18     BASQUETBALL
## 32   ANTONIO  Femenino   18     BASQUETBALL
## 33     JORGE Masculino   50       WATERPOLO
## 34     DAVID  Femenino   48         ESGRIMA
## 35   ANTONIO Masculino   40          JOCKEY
## 36   ANTONIO  Femenino   60          FUTBOL
## 37   ANTONIO  Femenino   26       BALONMANO
## 38     JORGE Masculino   46        NATACION
## 39      JUAN Masculino   44         ESGRIMA
## 40    DANIEL Masculino   42        NATACION
## 41   ANTONIO  Femenino   39          FUTBOL
## 42   ANTONIO  Femenino   56       WATERPOLO
## 43     DAVID Masculino   48       BALONMANO
## 44     DAVID Masculino   39        CICLISMO
## 45      JUAN Masculino   30           BOXEO
## 46     JORGE Masculino   50          JOCKEY
## 47     LAURO  Femenino   34       BALONMANO
## 48    ALEXIS  Femenino   59       WATERPOLO
## 49     DAVID  Femenino   45       BALONMANO
## 50    ADOLFO Masculino   43     BASQUETBALL
## 51   ANTONIO  Femenino   44        NATACION
## 52    ALEXIS  Femenino   60 FUTBOLAMERICANO
## 53  LUDIVINA Masculino   60       BALONMANO
## 54  EMMANUEL  Femenino   28 FUTBOLAMERICANO
## 55      JUAN  Femenino   32        NATACION
## 56    ADOLFO Masculino   23        NATACION
## 57  LUDIVINA  Femenino   43        NATACION
## 58   ANTONIO Masculino   16          JOCKEY
## 59  LUDIVINA Masculino   50          JOCKEY
## 60     LAURO Masculino   24        NATACION
## 61     JORGE Masculino   18 FUTBOLAMERICANO
## 62   ANTONIO Masculino   56       BALONMANO
## 63      JUAN Masculino   31       BALONMANO
## 64     LAURO  Femenino   32     BASQUETBALL
## 65   ANTONIO Masculino   37       BALONMANO
## 66    ALEXIS Masculino   21         ESGRIMA
## 67    ADOLFO Masculino   41        CICLISMO
## 68    DANIEL  Femenino   16        CICLISMO
## 69   ANTONIO Masculino   59        NATACION
## 70     DAVID Masculino   20          FUTBOL
## 71    ADOLFO  Femenino   28       WATERPOLO
## 72  EMMANUEL Masculino   49     BASQUETBALL
## 73     LAURO Masculino   20          JOCKEY
## 74      JUAN  Femenino   54     BASQUETBALL
## 75  LUDIVINA Masculino   40       BALONMANO
## 76    DANIEL Masculino   51       WATERPOLO
## 77    DANIEL  Femenino   33       BALONMANO
## 78     DAVID Masculino   43 FUTBOLAMERICANO
## 79     LAURO Masculino   43         ESGRIMA
## 80     LAURO  Femenino   60     BASQUETBALL
## 81     LAURO Masculino   55         ESGRIMA
## 82     LAURO Masculino   30           BOXEO
## 83    DANIEL Masculino   57       BALONMANO
## 84    DANIEL Masculino   24       WATERPOLO
## 85     DAVID  Femenino   42           BOXEO
## 86  LUDIVINA Masculino   60           BOXEO
## 87     DAVID  Femenino   43       BALONMANO
## 88     JORGE  Femenino   43           BOXEO
## 89      JUAN  Femenino   40 FUTBOLAMERICANO
## 90    DANIEL  Femenino   37 FUTBOLAMERICANO
## 91     DAVID  Femenino   17 FUTBOLAMERICANO
## 92    ADOLFO  Femenino   17          JOCKEY
## 93   ANTONIO Masculino   37          JOCKEY
## 94    ADOLFO  Femenino   37 FUTBOLAMERICANO
## 95     DAVID Masculino   33         ESGRIMA
## 96    ADOLFO  Femenino   48          JOCKEY
## 97     JORGE Masculino   55         ESGRIMA
## 98     LAURO Masculino   28         ESGRIMA
## 99    ALEXIS  Femenino   35     BASQUETBALL
## 100   ADOLFO  Femenino   32       BALONMANO

3. Crear tabla de frecuencias con table() de la variable nombres

La variable de interés es nombres
table() genera la frecuencia de cada elemento
transform()) tranforma … significa renglones columnas
Con data.frame se construye un data.frame
con names() se modifica los nombres de variables de un data.frame
Determinar frecuencia absoluta

tabla_frec.Nombre <- data.frame(transform(table(personas$Nombre)))
names(tabla_frec.Nombre) <- c('Nombre', 'Frecuencia')
tabla_frec.Nombre

##      Nombre Frecuencia
## 1    ADOLFO         14
## 2    ALEXIS          6
## 3   ANTONIO         16
## 4    DANIEL          9
## 5     DAVID         14
## 6  EMMANUEL          4
## 7     JORGE         12
## 8      JUAN          8
## 9     LAURO         10
## 10 LUDIVINA          7

4. Crear tabla de frecuencias con fdt_cat() de la variable nombres

fdt_cat() es una función que genera la tabla de distribución
La función data.frame() convierte la tabla de distribución generada por fdt_cat() en un data.frame (conjunto de datos).
La función names() cambia los nombres de la tabla_frec.nombres

tabla_frec.Nombre <- data.frame(fdt_cat(personas$Nombre))
names(tabla_frec.Nombre) <- c('nombres', 'freq', 'freq.r', 'freq.p', 'freq.acum', 'frec.por.acum')
tabla_frec.Nombre

##     nombres freq freq.r freq.p freq.acum frec.por.acum
## 1   ANTONIO   16   0.16     16        16            16
## 2    ADOLFO   14   0.14     14        30            30
## 3     DAVID   14   0.14     14        44            44
## 4     JORGE   12   0.12     12        56            56
## 5     LAURO   10   0.10     10        66            66
## 6    DANIEL    9   0.09      9        75            75
## 7      JUAN    8   0.08      8        83            83
## 8  LUDIVINA    7   0.07      7        90            90
## 9    ALEXIS    6   0.06      6        96            96
## 10 EMMANUEL    4   0.04      4       100           100

5. Visualizar tabla de frecuencias de nombres

barplot(height = tabla_frec.Nombre$freq, names.arg = tabla_frec.Nombre$Nombre)

6. Visualizar un histograma de la variable edades

hist(personas$Edad, main = "Frecuencia de edades", xlab = "Edades", ylab = "Frecuencias")

7. Crear tabla de frecuencias con table() de la variable edades

La función table() genera frecuencias

tabla.frec.Edad <- data.frame(transform(table(personas$Edad)))
# tabla.frecuencias.edades
names(tabla.frec.Edad) <- c("edades", "freq")
tabla.frec.Edad

##    edades freq
## 1      15    1
## 2      16    3
## 3      17    2
## 4      18    3
## 5      20    4
## 6      21    3
## 7      23    1
## 8      24    2
## 9      26    1
## 10     27    1
## 11     28    4
## 12     30    4
## 13     31    1
## 14     32    4
## 15     33    3
## 16     34    2
## 17     35    2
## 18     37    4
## 19     39    3
## 20     40    3
## 21     41    1
## 22     42    2
## 23     43    6
## 24     44    4
## 25     45    1
## 26     46    2
## 27     48    4
## 28     49    1
## 29     50    5
## 30     51    2
## 31     52    1
## 32     53    1
## 33     54    3
## 34     55    2
## 35     56    2
## 36     57    1
## 37     58    1
## 38     59    4
## 39     60    6

Gráfica de frecuencias de tabla_frec.edades

tabla.frec.Edad <- data.frame(transform(table(personas$Edad)))
names(tabla.frec.Edad) <- c("edades", "freq")
barplot(height = tabla.frec.Edad$freq, 
        names.arg = tabla.frec.Edad$Edad,
        main = "Frecuencias de edades",
        xlab = "Edades", ylab = "Frecuencias")

8. Crear tabla de frecuencias con fdt() de la variable edades

Determinar frecuencia absoluta
Determinar frecuencia relativa
Determinar frecuencia porcentual
Determinar frecuencia acumulada
Determinar frecuencia porcentual acumulada

tabla.frec.Edad_2 <- fdt(personas$Edad)
tabla.frec.Edad_2 <- data.frame(tabla.frec.Edad_2$table)
names(tabla.frec.Edad_2) <- c('clases', 'freq', 'freq.r', 'freq.p', 'freq.acum', 'frec.por.acum') 
tabla.frec.Edad_2

##          clases freq freq.r freq.p freq.acum frec.por.acum
## 1 [14.85,20.57)   13   0.13     13        13            13
## 2 [20.57,26.29)    7   0.07      7        20            20
## 3 [26.29,32.01)   14   0.14     14        34            34
## 4 [32.01,37.73)   11   0.11     11        45            45
## 5 [37.73,43.44)   15   0.15     15        60            60
## 6 [43.44,49.16)   12   0.12     12        72            72
## 7 [49.16,54.88)   12   0.12     12        84            84
## 8  [54.88,60.6)   16   0.16     16       100           100

9. Visualizar tabla de frecuencias de edades (Barra)

Gráfica de frecuencias de tabla_frec.edades

barplot(height = tabla.frec.Edad_2$freq, 
        names.arg = tabla.frec.Edad_2$clases,
        main = "Frecuencias de Clases",
        xlab = "Clases de Edad", ylab = "Frecuencias")

### 10. Crear tabla de frecuencias con fdt_cat() de la variable genero Determinar frecuencia absoluta, frecuencia relativa, frecuencia porcentual, frecuencia acumulada, y frecuencia porcentual acumulada

tabla_frec.genero <- data.frame(fdt_cat(personas$Genero))
names(tabla_frec.genero) <- c('generos', 'freq', 'freq.r', 'freq.p', 'freq.acum', 'frec.por.acum')
tabla_frec.genero

##     generos freq freq.r freq.p freq.acum frec.por.acum
## 1  Femenino   50    0.5     50        50            50
## 2 Masculino   50    0.5     50       100           100

11. Visualizar tabla de frecuencias de generos

Grafica de barras

barplot(height = tabla_frec.genero$freq, 
        names.arg = tabla_frec.genero$generos,
        main = "Frecuencias de Géneros",
        xlab = "Géneros", ylab = "Frecuencias")

Grafica de pastel

pie(x = tabla_frec.genero$freq, 
    labels = tabla_frec.genero$genero,
    col = c(155,100))

12. Crear tabla de frecuencias con fdt_cat() de a variable deportes

Determinar frecuencia absoluta, frecuencia relativa, frecuencia porcentual, frecuencia acumulada, y frecuencia porcentual acumulada

tabla_frec.depo=data.frame(fdt_cat(personas$Deportes))
names(tabla_frec.depo)=c('deportes', 'freq', 'freq.r', 'freq.p', 'freq.acum', 'frec.por.acum')
tabla_frec.depo

##           deportes freq freq.r freq.p freq.acum frec.por.acum
## 1        BALONMANO   15   0.15     15        15            15
## 2        WATERPOLO   12   0.12     12        27            27
## 3  FUTBOLAMERICANO   11   0.11     11        38            38
## 4           FUTBOL   10   0.10     10        48            48
## 5         NATACION   10   0.10     10        58            58
## 6      BASQUETBALL    9   0.09      9        67            67
## 7          ESGRIMA    9   0.09      9        76            76
## 8           JOCKEY    9   0.09      9        85            85
## 9            BOXEO    8   0.08      8        93            93
## 10        CICLISMO    7   0.07      7       100           100

13. Visualizar tabla de frecuencias de deportes (Barra)

barplot(height = tabla_frec.depo$freq, 
        names.arg = tabla_frec.depo$Deportes,
        main = "Frecuencias de deportes",
        xlab = "Deportes", ylab = "Frecuencias")

Grafica de pastel

pie(x = tabla_frec.depo$freq, 
    labels = tabla_frec.depo$Deportes,
    col = rainbow(length(tabla_frec.depo$Deportes)))

14. Conclucion Caso 2

Las diferentes funciones que utilizamos en este caso fueron de gran utilidad a la hora de crear datos que queremos ver, por ejemplo, la función sample() que nos permite crear un número determinado de valores ya sean numéricos o de texto. Cuando generábamos número aleatorios, con estos fuimos capases de crear tablas con esos datos ya sean de barra o circulares.