- Cargar librerias
library(readr) # Por si acaso cargamos datos ...
library(ggplot2) # Para visualizar
library(resumeRdesc) # Para estadísticos descriptivos
- Cargar o Contruir datos
set.seed(2020)
n <- 100 # Total de observaciones
edades <- sample(18:65, n, replace = TRUE)
pesos <- sample(47:100, n, replace = TRUE)
estaturas <- sample(149:205, n, replace = TRUE) /100
personas <- data.frame(edades, pesos, estaturas)
names(personas) <- c("edad", "peso", "estatura")
personas
## edad peso estatura
## 1 45 66 1.75
## 2 61 98 1.52
## 3 40 66 1.51
## 4 39 60 1.68
## 5 41 59 1.72
## 6 18 74 1.68
## 7 34 63 1.92
## 8 53 76 1.77
## 9 59 91 1.49
## 10 23 85 1.87
## 11 62 87 1.92
## 12 25 86 1.92
## 13 59 73 1.70
## 14 33 75 2.05
## 15 46 99 1.60
## 16 51 81 1.60
## 17 65 81 1.58
## 18 20 48 1.61
## 19 19 59 1.75
## 20 46 54 1.93
## 21 57 69 1.90
## 22 21 78 1.89
## 23 31 50 1.92
## 24 31 85 1.77
## 25 29 92 1.73
## 26 65 95 2.04
## 27 64 99 2.05
## 28 31 82 2.05
## 29 24 70 1.67
## 30 37 94 1.50
## 31 35 87 1.97
## 32 38 75 1.92
## 33 65 74 1.52
## 34 61 100 1.59
## 35 35 48 1.67
## 36 27 78 1.99
## 37 48 63 1.99
## 38 23 63 1.77
## 39 64 83 1.99
## 40 60 56 1.89
## 41 30 97 1.50
## 42 49 93 2.02
## 43 41 57 1.68
## 44 30 97 1.55
## 45 62 63 1.56
## 46 19 85 1.62
## 47 48 59 1.92
## 48 33 56 1.73
## 49 30 84 1.84
## 50 18 67 1.71
## 51 55 56 1.58
## 52 20 57 1.99
## 53 46 93 1.61
## 54 42 49 1.75
## 55 62 71 1.83
## 56 60 90 1.75
## 57 42 77 2.02
## 58 22 69 1.75
## 59 60 97 1.68
## 60 55 91 1.71
## 61 19 94 1.55
## 62 42 50 1.76
## 63 52 67 1.53
## 64 41 87 2.00
## 65 50 83 1.75
## 66 24 98 1.87
## 67 25 49 2.01
## 68 38 72 1.70
## 69 30 100 1.69
## 70 51 47 1.73
## 71 22 75 1.93
## 72 21 60 1.96
## 73 36 70 1.74
## 74 65 73 1.64
## 75 40 85 1.67
## 76 21 64 1.80
## 77 35 82 1.74
## 78 59 65 1.90
## 79 18 71 1.84
## 80 64 84 1.84
## 81 39 50 1.57
## 82 48 56 1.76
## 83 58 72 1.96
## 84 33 97 1.98
## 85 23 70 1.49
## 86 41 67 1.93
## 87 43 81 1.96
## 88 27 90 1.90
## 89 43 71 1.82
## 90 50 89 1.93
## 91 45 68 1.54
## 92 18 79 1.89
## 93 34 98 1.72
## 94 57 61 1.99
## 95 32 77 1.51
## 96 61 58 1.95
## 97 30 77 1.98
## 98 22 47 1.74
## 99 41 97 2.02
## 100 65 96 2.04
- La media
media.edad <- sum(personas$edad) / n
media.edad
## [1] 40.72
media.edad <- mean(personas$edad)
media.edad
## [1] 40.72
- La mediana
mediana.edad <- median(personas$edad)
mediana.edad
## [1] 40.5
orden.personas.edad <- sort(personas$edad)
posicion <- ceiling(n /2)
orden.personas.edad
## [1] 18 18 18 18 19 19 19 20 20 21 21 21 22 22 22 23 23 23 24 24 25 25 27 27 29
## [26] 30 30 30 30 30 31 31 31 32 33 33 33 34 34 35 35 35 36 37 38 38 39 39 40 40
## [51] 41 41 41 41 41 42 42 42 43 43 45 45 46 46 46 48 48 48 49 50 50 51 51 52 53
## [76] 55 55 57 57 58 59 59 59 60 60 60 61 61 61 62 62 62 64 64 64 65 65 65 65 65
# La posicion
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: 40
# La posición cuando son par
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: 41
mediana.edad <- sum(orden.personas.edad[posicion], orden.personas.edad[posicion + 1]) / 2
mediana.edad
## [1] 40.5
- La moda
frecuencia <- table(personas$edad)
frecuencia <- sort(frecuencia, decreasing = TRUE)
frecuencia
##
## 30 41 65 18 19 21 22 23 31 33 35 42 46 48 59 60 61 62 64 20 24 25 27 34 38 39
## 5 5 5 4 3 3 3 3 3 3 3 3 3 3 3 3 3 3 3 2 2 2 2 2 2 2
## 40 43 45 50 51 55 57 29 32 36 37 49 52 53 58
## 2 2 2 2 2 2 2 1 1 1 1 1 1 1 1
moda <- frecuencia[1]
moda
## 30
## 5
cat("La moda de edad es: ", names(moda), " con ", frecuencia[1])
## La moda de edad es: 30 con 5
print("¿Es una sola moda, bimodal o multimodal ?")
## [1] "¿Es una sola moda, bimodal o multimodal ?"
library(resumeRdesc)
moda <- Mode(personas$edad)
moda
## [1] 30 41 65
- 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="black") +
geom_vline(aes(xintercept=mean(edad)), color="orange") +
geom_vline(aes(xintercept=median(edad)), color= "red")
ggplot(aes(x = edad), data = personas) +
geom_histogram(color = 'blue',
fill = 'blue',
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`.
- Interpretar y comunicar datos ‘’Al finalizar el caso, se da a saber que la MEDIA es de 40.72, la MEDIANA 40.5 y la MODA 30,5’’