CASO 4

Cargamos las librerias

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

Cargar o construir los datos

*Semilla para datos aleatorios

set.seed(2020)
n <- 100
media.edad <-55; ds.edad <-10
media.peso <- 75; ds.peso <- 20
media.estatura <- 1.77; ds.estatura <-0.80

#Construir el conjunto de datos personas head(personas); tail(personas); los primeros y ulltimos 6 registros u observaciones del conjunto

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   59 40.42     1.19
## 2   58 55.17     2.45
## 3   44 63.29     1.45
## 4   44 82.67     2.10
## 5   27 89.93     0.94
## 6   62 56.43     0.77
##     edad  peso estatura
## 95    53 60.46     2.03
## 96    47 87.53     1.22
## 97    58 53.17     1.35
## 98    62 64.68     3.23
## 99    50 75.34     1.01
## 100   48 88.22     1.31

Cuartiles al 25%, 50% y 75%

cuartiles <- quantile(personas$edad, probs = c(0.25,0.50,0.70), type = 6)

cuartiles[1]
## 25% 
##  49
cuartiles[2]
## 50% 
##  56
cuartiles[3]
## 70% 
##  61

Percentiles

*Percentiles es un Vector de 5 posiciones [1],[2],[3],[4],[5]

percentil <- quantile(personas$edad, probs = c(0.10, 0.30, 0.50, 0.70, 0.90), type = 7)

percentil[1]
##  10% 
## 42.9
percentil[2]
##  30% 
## 51.7
percentil[3]
## 50% 
##  56
percentil[4]
## 70% 
##  61
percentil[5]
##  90% 
## 71.1

Visualizar Datos

*Histograma de edad con ggplot

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

#### Interpretar y comunicar datos *En una distribución de datos estadísticos los cuartiles son aquellos que la dividen en curtos, Los cuales son los siguientes en este caso el valor es el que que sirve para comparar un conjunto de datos, los percentiles son una medida de estadística relativa, indica que porcentaje de mediciones son iguales o menores que el valor concreto que se ha obtenido. Los cuartiles y percentiles nos ayudan a ubicar datos en particular en cierta posición en una distribución de datos, de hecho, son las medidas de posición más conocidas en la estadística. Más comúnmente se utilizan en datos de ventas y encuestas, sirven para dividir las poblaciones en grupos, y así pode manejarlos de una manera más cómoda y por p.