CASO4

1.- Cargar librerías

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

2.- Construir datos

set.seed(2020)

n=100
media.edad=45;ds.edad=10
media.peso=75;ds.peso=15
media.estatura=1.70;ds.estatura=0.10

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   49 49.07     1.63
## 2   48 60.13     1.79
## 3   34 66.22     1.66
## 4   34 80.75     1.74
## 5   17 86.20     1.60
## 6   52 61.07     1.57

##     edad  peso estatura
## 95    43 64.09     1.73
## 96    37 84.40     1.63
## 97    48 58.63     1.65
## 98    52 67.26     1.88
## 99    40 75.25     1.60
## 100   38 84.91     1.64

3.- Cuartiles al 25%, 50% y 75%

cuartiles=quantile(personas$edad, probs = c(0.25, 0.50, 0.75), type = 6)
cuartiles[1]

## 25% 
##  39

cuartiles[2]

## 50% 
##  46

cuartiles[3]

##   75% 
## 52.75

4.- Percentiles

percentil=quantile(personas$edad,probs = c(0.10, 0.30, 0.50, 0.70, 0.90), type = 7)
percentil[1]

##  10% 
## 32.9

percentil[2]

##  30% 
## 41.7

percentil[3]

## 50% 
##  46

percentil[4]

## 70% 
##  51

percentil[5]

##  90% 
## 61.1

5.- Visualizar datos

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

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

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))) 

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)))

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)))

7.- Interpretar y comunicar datos

Con los datos de edad, peso y estatura determinamos las medidas de localizacion y tendencia central.

Primero cargamos las librerias para despues de esto cargar los datos antes mencionados.

Despues determinamos los cuartiles para 25%, 50% y 75% para los datos de edad, peso y estatura

Luego hacemos lo mismo para los percentiles al 10%,30%,50%, 70% y 90% para los mismos datos.

Por ultimo visualizamos los datos para el historiagrama, densidad, cuartiles y los percentiles utilizando la libreria ggplot2