Caso3

Objetivo

Realizar cálculos para determinar medidas de localización y tendencia central como la media, mediana, moda con un conjunto de datos de personas

Descripción

Con un conjunto de datos de personas y con variables de interés como la edad, peso y estatura, determinar medidas de localización y tendencia central, se pide mostrar los datos, identificar las medidas visualizar gráficamente e interpretar las medidas.

1.-Cargar librerias o paquetes

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

2. Cargar los datos.

100 personas
edades de un rango entre 15 y 65 años.
pesos de un rango entre 40 y 100 kgs.
estaturas de un rango entre 1.40 y 2.05 metros.

set.seed(1211)
edades <- sample(15:65, 100, replace = TRUE)
pesos <- sample(40:100, 100, replace = TRUE)
estaturas <- sample(140:205, 100, replace = TRUE) /100

Construir un conjunto de datos llamado personas.
Modificar el nombre del conjuto de datos personas con ‘edad’, ‘peso’ y ‘estatura’ con la función name().
Mostrar el conjunto de datos personas.

personas <- data.frame(edades, pesos, estaturas)
names(personas) <- c("edad", "peso", "estatura")
personas

##     edad peso estatura
## 1     61   64     1.55
## 2     22   82     1.50
## 3     19   73     1.46
## 4     22   47     1.96
## 5     23   94     1.95
## 6     39   46     1.43
## 7     31   63     2.05
## 8     31   46     1.51
## 9     35   58     1.40
## 10    49   62     1.62
## 11    25   50     1.91
## 12    42   77     1.69
## 13    52   72     1.79
## 14    24   72     1.49
## 15    56   92     1.88
## 16    52   97     2.05
## 17    55   70     2.03
## 18    64   67     1.84
## 19    23   69     1.44
## 20    40   83     1.65
## 21    24   78     1.74
## 22    55   70     2.04
## 23    57   61     1.83
## 24    60   40     1.80
## 25    21   59     1.53
## 26    62  100     1.73
## 27    32   95     1.76
## 28    15   79     1.92
## 29    34   79     1.79
## 30    58   58     1.83
## 31    53   47     1.73
## 32    40   53     1.93
## 33    59   61     1.69
## 34    24   52     1.96
## 35    26   80     2.05
## 36    25   77     1.90
## 37    17   92     1.44
## 38    34   62     1.41
## 39    48   58     2.03
## 40    51   45     1.45
## 41    65   40     1.53
## 42    59   61     1.58
## 43    59   50     1.99
## 44    38   91     1.45
## 45    43   88     1.59
## 46    28   51     1.65
## 47    22   49     1.98
## 48    38   77     1.46
## 49    33   41     1.48
## 50    60   43     1.54
## 51    29   60     1.75
## 52    23   89     1.53
## 53    64   70     1.93
## 54    16   68     1.81
## 55    27   78     1.72
## 56    15   40     1.84
## 57    18   64     1.50
## 58    22   85     1.89
## 59    63   87     1.42
## 60    26   83     1.44
## 61    51   44     1.43
## 62    27   97     1.50
## 63    43   87     1.63
## 64    56   63     1.55
## 65    52   61     2.03
## 66    34   72     1.67
## 67    41   55     1.75
## 68    42   59     1.52
## 69    15   87     1.66
## 70    17   43     1.88
## 71    45   44     1.51
## 72    61   93     1.41
## 73    63   42     1.42
## 74    50   86     1.50
## 75    23   53     1.77
## 76    26   84     1.98
## 77    16   57     1.55
## 78    53   57     1.68
## 79    57   91     1.45
## 80    19   90     1.96
## 81    53   83     1.71
## 82    20   52     1.71
## 83    28   77     1.59
## 84    25   68     1.88
## 85    35   50     1.96
## 86    42   86     1.48
## 87    39   88     1.62
## 88    37   91     1.69
## 89    15   75     1.61
## 90    30   89     1.79
## 91    22   82     1.42
## 92    57   78     1.45
## 93    18   84     1.57
## 94    16   86     1.88
## 95    38   67     1.87
## 96    56   91     1.60
## 97    63   70     1.50
## 98    34   41     1.90
## 99    16   90     1.51
## 100   21   99     1.92

3. La media

La mejor forma en R de determinar la media de un conjunto de datos ya sea de una muestra o de una población es mediante al función mean()

Edad

media.edad <- mean(personas$edad)
media.edad

## [1] 37.64

Peso.

media.peso <- mean(personas$peso)
media.peso

## [1] 69.57

Estatura.

media.estatura <- mean(personas$estatura)
media.estatura

## [1] 1.6935

4. La mediana.

Para comprobar la mediana se ordenan las edades de personas.
Se determina el valor la posición de enmedio del total de los datos ordenados.
Si el número de observaciones es impar, la mediana es el valor de la posición de enmedio. 50 exactamente.
Si el número de observaciones es par, la mediana es valor promedio que está en las posiciones de las dos observaciones de enmedio (50 y 51).

orden.personas.edad <- sort(personas$edad)
posicion <- ceiling(100 /2)
orden.personas.edad

##   [1] 15 15 15 15 16 16 16 16 17 17 18 18 19 19 20 21 21 22 22 22 22 22 23 23 23
##  [26] 23 24 24 24 25 25 25 26 26 26 27 27 28 28 29 30 31 31 32 33 34 34 34 34 35
##  [51] 35 37 38 38 38 39 39 40 40 41 42 42 42 43 43 45 48 49 50 51 51 52 52 52 53
##  [76] 53 53 55 55 56 56 56 57 57 57 58 59 59 59 60 60 61 61 62 63 63 63 64 64 65

La posición.

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:  35

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:  35

Operacion simplificada

mediana.edad <- sum(orden.personas.edad[posicion], orden.personas.edad[posicion + 1]) / 2
mediana.edad

## [1] 35

La función median() determina la mediana de un conjunto de datos.

Edad.

mediana.edad <- median(personas$edad)
mediana.edad

## [1] 35

Peso.

mediana.peso <- median(personas$peso)
mediana.peso

## [1] 70

Estatura.

mediana.estatura <- median(personas$estatura)
mediana.estatura

## [1] 1.685

5. La moda.

Por medio de la función table() determinar las frecuencia de cada valor de edad.
Ordenar las frecuencias descendente para identificar de mejor manera las frecuencias de cada valor de edad y dejar el resultado en la misma variable (Vector) frecuencia.
El valor de la posición 1 es la de mayor frecuencia si es que se ordenó descendentemente.
Edad.

moda.edad <- Mode(personas$edad)
moda.edad

## [1] 22

Peso.

moda.peso <- Mode(personas$peso)
moda.peso

## [1] 61 70 77 91

Estatura.

moda.estatura <- Mode(personas$estatura)
moda.estatura

## [1] 1.5

6. Visualizar datos.

Utilizar la librería ggplot2.

Grafica de barras (Edad)

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

Histograma (Edad)

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

Histograma con medidas de localización (Edad).

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

Gráfico completo (Edad)

ggplot(aes(x = edad), data = personas) +
 geom_histogram(color = 'black',
                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.edad[1],
         color = "moda"),
     linetype = "dashed",
     size = 1
   )

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Gráfico completo (Peso)

ggplot(aes(x = peso), data = personas) +
 geom_histogram(color = 'red',
                fill = 'orange',
                alpha = 0.2) +
 labs(title = "Histograma de Peso") +
  geom_vline(aes(xintercept = median(peso),
                  color = "mediana"),
              linetype = "dashed",
              size = 1) +
   geom_vline(aes(xintercept = mean(peso),
                  color = "media"),
              linetype = "dashed",
              size = 1) +
  geom_vline(
     aes(xintercept = moda.peso[1],
         color = "moda"),
     linetype = "dashed",
     size = 1
   )

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

Gráfico completo (Estatura)

ggplot(aes(x = estatura), data = personas) +
 geom_histogram(color = 'blue',
                fill = 'yellow',
                alpha = 0.2) +
 labs(title = "Histograma de Estatura") +
  geom_vline(aes(xintercept = median(estatura),
                  color = "mediana"),
              linetype = "dashed",
              size = 1) +
   geom_vline(aes(xintercept = mean(estatura),
                  color = "media"),
              linetype = "dashed",
              size = 1) +
  geom_vline(
     aes(xintercept = moda.estatura[1],
         color = "moda"),
     linetype = "dashed",
     size = 1
   )

## `stat_bin()` using `bins = 30`. Pick better value with `binwidth`.

7 Conclución

En estadistica las medidas de tendencia central son medidas estadísticas que pretenden resumir en un solo valor a un conjunto de valores. Representan un centro en torno al cual se encuentra ubicado el conjunto de los datos. Las medidas de tendencia central más utilizadas son: media, mediana y moda. Y estas se pueden utilizar con la librería llamada “resumeRdesc” que nos permite calcular este tipo de datos.

Caso3

Emmanuel Castañeda

27/9/2020

Objetivo

Realizar cálculos para determinar medidas de localización y tendencia central como la media, mediana, moda con un conjunto de datos de personas

Descripción

Con un conjunto de datos de personas y con variables de interés como la edad, peso y estatura, determinar medidas de localización y tendencia central, se pide mostrar los datos, identificar las medidas visualizar gráficamente e interpretar las medidas.

1.-Cargar librerias o paquetes

2. Cargar los datos.

3. La media

La mejor forma en R de determinar la media de un conjunto de datos ya sea de una muestra o de una población es mediante al función mean()

4. La mediana.

La posición.

La posición cuando son par.

La función median() determina la mediana de un conjunto de datos.

5. La moda.

6. Visualizar datos.

Utilizar la librería ggplot2.

7 Conclución