1 Cargar librerías

library(readr)
library (ggplot2)
library(resumeRdesc)
  1. Construir los datos *Semilla para datos aleatorios
set.seed(2020)
n <-100
media.edad <- 60; ds.edad <- 15
media.peso <- 80; ds.peso <- 20
media.estatura <- 1.80; ds.estatura <- 0.15
edad <- round(rnorm(n = n, mean = media.edad, sd = ds.edad),0)
peso <- round(rnorm(n = n, mean = media.peso, sd = ds.peso),2)
estatura <- round(rnorm(n = n, mean = media.estatura, sd = ds.estatura),2)

personas <- data.frame(edad, peso, estatura)

head(personas); tail(personas)
##   edad  peso estatura
## 1   66 45.42     1.69
## 2   65 60.17     1.93
## 3   44 68.29     1.74
## 4   43 87.67     1.86
## 5   18 94.93     1.64
## 6   71 61.43     1.61
##     edad  peso estatura
## 95    57 65.46     1.85
## 96    48 92.53     1.70
## 97    65 58.17     1.72
## 98    70 69.68     2.07
## 99    52 80.34     1.66
## 100   50 93.22     1.71
  1. Cuartiles al 25%, 50% y 75%
cuartiles <- quantile(personas$edad, probs = c(0.25, 0.50, 0.75), type = 6)
cuartiles[1]
##   25% 
## 51.25
cuartiles[2]
## 50% 
##  62
cuartiles[3]
##   75% 
## 71.75
cuartiles <- quantile(personas$peso, probs = c(0.25, 0.50, 0.75), type = 6)
cuartiles[1]
##    25% 
## 59.375
cuartiles[2]
##    50% 
## 78.855
cuartiles[3]
##    75% 
## 94.505
cuartiles <- quantile(personas$estatura, probs = c(0.25, 0.50, 0.75), type = 6)
cuartiles[1]
##    25% 
## 1.6625
cuartiles[2]
##   50% 
## 1.785
cuartiles[3]
## 75% 
## 1.9
  1. Percentiles
percentil <- quantile(personas$edad, probs = c(0.10, 0.30, 0.50, 0.70, 0.90), type = 7)
percentil[1]
##  10% 
## 41.8
percentil[2]
##  30% 
## 54.7
percentil[3]
## 50% 
##  62
percentil[4]
## 70% 
##  69
percentil[5]
##  90% 
## 85.1
percentil <- quantile(personas$peso, probs = c(0.10, 0.30, 0.50, 0.70, 0.90), type = 7)
percentil[1]
##    10% 
## 47.878
percentil[2]
##    30% 
## 64.406
percentil[3]
##    50% 
## 78.855
percentil[4]
##    70% 
## 90.152
percentil[5]
##     90% 
## 104.931
percentil <- quantile(personas$estatura, probs = c(0.10, 0.30, 0.50, 0.70, 0.90), type = 7)
percentil[1]
##   10% 
## 1.568
percentil[2]
##  30% 
## 1.69
percentil[3]
##   50% 
## 1.785
percentil[4]
##   70% 
## 1.873
percentil[5]
##  90% 
## 1.99
  1. Visualizar datos

*Histograma de edad con ggplot

ggplot(data = personas, aes(edad, color = 'edad')) +
    geom_histogram(position = "stack", bins = 30)

*Densidad de edad con ggplot

ggplot(data = personas, aes(edad, colour = 'edad')) +
    geom_density()

*Histograma media, mediana juntos

ggplot(data = personas, aes(edad)) +
    geom_histogram(bins = 30) + 
    geom_vline(aes(xintercept = median(edad),
                  color = "mediana"),
              linetype = "dashed",
              size = 1) +
    geom_vline(aes(xintercept = mean(edad),
                  color = "media"),
              linetype = "dashed",
              size = 1) +
  labs(title = "Histograma de Edad",subtitle =  paste("Media = ", round(mean(edad),2), ", Mediana = ", round(median(edad),2)))

*Histograma y cuartiles juntos

ggplot(data = personas, aes(edad)) +
    geom_histogram(bins = 30) + 
    geom_vline(aes(xintercept = cuartiles[1],
                  color = "Q1"),
              linetype = "dashed",
              size = 1) +
    geom_vline(aes(xintercept = cuartiles[2],
                  color = "Q2"),
              linetype = "dashed",
              size = 1) +
    geom_vline(aes(xintercept = cuartiles[3],
                  color = "Q3"),
              linetype = "dashed",
              size = 1) +  
  labs(title = "Histograma de Edad",subtitle =  paste("Cuartil 1 al 25% = ",round(cuartiles[1],2), ", Cuartil 2 al 50% = ",round(cuartiles[2],2), ", Cuartil 3 al 75% = ",round(cuartiles[3],2)))

*Histograma y percentiles juntos

ggplot(data = personas, aes(edad)) +
    geom_histogram(bins = 30) + 
    geom_vline(aes(xintercept = percentil[1],
                  color = "Perc1"),
              linetype = "solid",
              size = 2) +
    geom_vline(aes(xintercept = percentil[2],
                  color = "Perc2"),
              linetype = "solid",
              size = 2) +
    geom_vline(aes(xintercept = percentil[3],
                  color = "Perc3"),
              linetype = "solid",
              size = 2) +  
      geom_vline(aes(xintercept = percentil[4],
                  color = "Perc4"),
              linetype = "solid",
              size = 2) +
    geom_vline(aes(xintercept = percentil[5],
                  color = "Perc5"),
              linetype = "solid",
              size = 2) + 
  labs(title = "Histograma de Edad. Perc = Percentiles",subtitle =  paste("Perc al 10% = ",round(percentil[1],2), "Perc al 30% = ",round(percentil[2],2),"Perc al 50% = ",round(percentil[3],2),"Perc al 70% = ",round(percentil[4],2),"Perc al 90% = ",round(percentil[5],2)))

  1. Interpretar y comunicar datos

Los cuartiles son medidas estadísticas de posición que tienen la propiedad de dividir la serie estadística en cuatro grupos de números iguales de términos. Un percentil es una medición en la cual ese porcentaje de los valores totales es el mismo o menor que esa medición. Con esto se pudieron realizar las graficas y poder observar el movimiento de lineas de la edad, peso y estatura. aprendiendo asi que solo se sacan 3 porcentajes 25%, 50% y 75%. El saber interpretar las graficas y los histogramas por colores, se intento cambiar el color de las lineas a el gusto pero no se pudo realizar, se aprendió bastante con esta practica y poco a poco voy familiarizandome.