1.-Cargar librerias o paquetes

library(readr)
library(ggplot2)
library(resumeRdesc)

2.- Cargar o construir los datos

set.seed(2020)
n=100
edades= sample(15:65, n, replace = TRUE)
pesos= sample(40:100, n, replace = TRUE)
estaturas= sample(140:205, n, replace = TRUE)/100

personas=data.frame(edades, pesos, estaturas)
names(personas)= c("edad", "peso", "estatura" )
personas
##     edad peso estatura
## 1     42   97     1.97
## 2     58   89     1.77
## 3     37   52     1.43
## 4     36   44     1.65
## 5     38   63     1.60
## 6     15   87     1.64
## 7     31   59     1.72
## 8     50   91     1.70
## 9     56   59     1.70
## 10    20   53     1.40
## 11    63   52     1.90
## 12    59   67     1.43
## 13    22   56     1.42
## 14    56   69     1.59
## 15    64   84     1.98
## 16    30   78     1.63
## 17    43   80     1.59
## 18    48   99     1.83
## 19    62   99     1.68
## 20    17   79     1.40
## 21    16   66     1.83
## 22    43   68     1.83
## 23    54   92     1.61
## 24    18   74     1.96
## 25    64   98     1.51
## 26    28   74     1.51
## 27    28   41     2.00
## 28    26   52     1.49
## 29    62   47     1.52
## 30    61   62     1.66
## 31    28  100     1.96
## 32    21   71     1.41
## 33    34   43     1.88
## 34    32   78     1.83
## 35    35   85     1.50
## 36    62   88     1.90
## 37    58   94     1.80
## 38    32   92     1.41
## 39    24   75     1.93
## 40    45   63     1.59
## 41    20   87     1.46
## 42    61   80     2.01
## 43    57   99     1.53
## 44    27   68     1.64
## 45    46   67     1.75
## 46    38   93     1.62
## 47    27   41     1.90
## 48    59   71     2.03
## 49    16   56     1.52
## 50    45   56     1.66
## 51    30   76     1.66
## 52    27   49     1.59
## 53    15   90     1.62
## 54    52   86     1.67
## 55    17   50     1.91
## 56    43   90     1.78
## 57    39   56     1.92
## 58    59   78     1.84
## 59    57   52     1.87
## 60    39   49     1.55
## 61    19   77     1.65
## 62    57   94     1.81
## 63    52   95     1.67
## 64    16   60     1.89
## 65    39   49     2.04
## 66    49   98     1.81
## 67    38   50     1.73
## 68    64   99     1.84
## 69    47   86     1.45
## 70    21   42     1.90
## 71    22   64     1.42
## 72    35   83     1.86
## 73    27   70     1.65
## 74    48   62     1.93
## 75    19   90     1.95
## 76    18   84     1.77
## 77    33   87     1.73
## 78    62   43     1.43
## 79    37   60     1.82
## 80    18   99     1.81
## 81    32  100     1.80
## 82    56   80     1.69
## 83    15   76     1.71
## 84    61   91     1.95
## 85    36   95     1.70
## 86    45   98     1.77
## 87    55   42     1.66
## 88    30   97     1.86
## 89    20   65     1.50
## 90    38   93     1.41
## 91    40   40     1.40
## 92    24   68     1.46
## 93    40   53     1.58
## 94    47   63     1.92
## 95    42   66     1.84
## 96    15   78     1.51
## 97    31   57     1.93
## 98    54   75     1.50
## 99    29   58     1.98
## 100   58   64     1.67

3.- La media

media.edad=sum(personas$edad)/n
media.edad
## [1] 38.81
media.edad=mean(personas$edad)
media.edad
## [1] 38.81

4.-La mediana

mediana.edad=median(personas$edad)
mediana.edad
## [1] 38
orden.personas.edad=sort(personas$edad)
posicion=ceiling(n/2)
orden.personas.edad
##   [1] 15 15 15 15 16 16 16 17 17 18 18 18 19 19 20 20 20 21 21 22 22 24 24 26 27
##  [26] 27 27 27 28 28 28 29 30 30 30 31 31 32 32 32 33 34 35 35 36 36 37 37 38 38
##  [51] 38 38 39 39 39 40 40 42 42 43 43 43 45 45 45 46 47 47 48 48 49 50 52 52 54
##  [76] 54 55 56 56 56 57 57 57 58 58 58 59 59 59 61 61 61 62 62 62 62 63 64 64 64
cat("Valor de la posición ",posicion, "del conjunto de datos(Vector) edades es: ", orden.personas.edad[posicion])
## Valor de la posición  50 del conjunto de datos(Vector) edades es:  38
cat("Valor de la posición ",posicion + 1,"del conjunto de datos (Vector) edades es: ", orden.personas.edad[posicion+1])
## Valor de la posición  51 del conjunto de datos (Vector) edades es:  38
mediana.edad=sum(orden.personas.edad[posicion], orden.personas.edad[posicion+1])/2
media.edad
## [1] 38.81

5.-La moda

frecuencia=table(personas$edad)
frecuencia=sort(frecuencia, decreasing = TRUE)
frecuencia
## 
## 15 27 38 62 16 18 20 28 30 32 39 43 45 56 57 58 59 61 64 17 19 21 22 24 31 35 
##  4  4  4  4  3  3  3  3  3  3  3  3  3  3  3  3  3  3  3  2  2  2  2  2  2  2 
## 36 37 40 42 47 48 52 54 26 29 33 34 46 49 50 55 63 
##  2  2  2  2  2  2  2  2  1  1  1  1  1  1  1  1  1
moda= frecuencia[1]
moda
## 15 
##  4
cat("La moda de edad es: ", names(moda), " con ", frecuencia[1])
## La moda de edad es:  15  con  4
print("¿Es una moda, bimodal o multimodal ?")
## [1] "¿Es una moda, bimodal o multimodal ?"
library(resumeRdesc)
moda=Mode(personas$edad)
moda
## [1] 15 27 38 62

6.-Visualizar datos

ggplot(data=personas, aes(x=edad))+
  geom_bar()

ggplot(data=personas, aes(x=edad))+
  geom_histogram(bins=30)

ggplot(personas, aes(x=edad))+
  geom_histogram(aes(fill=..count..), bins = 20, color="white")+
  geom_vline(aes(xintercept=mean(edad)), color="red")+
  geom_vline(aes(xintercept=median(edad)), color="darkgreen")

ggplot(aes(x = edad), data = personas) +
 geom_histogram(color = 'green',
                fill = 'green',
                alpha = 0.2) +
 labs(title = "Histograma de Edad") +
  geom_vline(aes(xintercept = median(edad),
                  color = "mediana"),
              linetype = "dashed",
              size = 1) +
   geom_vline(aes(xintercept = mean(edad),
                  color = "media"),
              linetype = "dashed",
              size = 1) +
  geom_vline(
     aes(xintercept = moda[1],
         color = "moda"),
     linetype = "dashed",
     size = 1
   )
## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

7.- Descripcion

En este caso utilizamos un conjunto de datos de personas con variables de interés como la edad, peso y la estatura, lo que hicimos fue determinar las medidas de localización y tendencia central. Primero cargamos las librerías en este caso utilizamos dos nuevas librerías ggplot2 que es para visualizar los datos y resumeRdesc para estadísticos descriptivos, después construimos los datos para la media, mediana y la moda para la edad, peso y estatura. Por ultimo visualizamos los datos utilizando la librería ggplot2 para hacer las graficas y ver mejor los datos.