caso 4

1. Cargar librerías o paquetes

library(readr)
library(ggplot2)

2. Cargar o construir los datos

set.seed(2020)

Simular los datos
Total de observaciones de la muestra
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
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

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

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

personas

##     edad peso estatura
## 1     42   97     1.97
## 2     58   89     1.77
## 3     37   52     1.43
## 4     36   44     1.65
## 5     38   63     1.60
## 6     15   87     1.64
## 7     31   59     1.72
## 8     50   91     1.70
## 9     56   59     1.70
## 10    20   53     1.40
## 11    63   52     1.90
## 12    59   67     1.43
## 13    22   56     1.42
## 14    56   69     1.59
## 15    64   84     1.98
## 16    30   78     1.63
## 17    43   80     1.59
## 18    48   99     1.83
## 19    62   99     1.68
## 20    17   79     1.40
## 21    16   66     1.83
## 22    43   68     1.83
## 23    54   92     1.61
## 24    18   74     1.96
## 25    64   98     1.51
## 26    28   74     1.51
## 27    28   41     2.00
## 28    26   52     1.49
## 29    62   47     1.52
## 30    61   62     1.66
## 31    28  100     1.96
## 32    21   71     1.41
## 33    34   43     1.88
## 34    32   78     1.83
## 35    35   85     1.50
## 36    62   88     1.90
## 37    58   94     1.80
## 38    32   92     1.41
## 39    24   75     1.93
## 40    45   63     1.59
## 41    20   87     1.46
## 42    61   80     2.01
## 43    57   99     1.53
## 44    27   68     1.64
## 45    46   67     1.75
## 46    38   93     1.62
## 47    27   41     1.90
## 48    59   71     2.03
## 49    16   56     1.52
## 50    45   56     1.66
## 51    30   76     1.66
## 52    27   49     1.59
## 53    15   90     1.62
## 54    52   86     1.67
## 55    17   50     1.91
## 56    43   90     1.78
## 57    39   56     1.92
## 58    59   78     1.84
## 59    57   52     1.87
## 60    39   49     1.55
## 61    19   77     1.65
## 62    57   94     1.81
## 63    52   95     1.67
## 64    16   60     1.89
## 65    39   49     2.04
## 66    49   98     1.81
## 67    38   50     1.73
## 68    64   99     1.84
## 69    47   86     1.45
## 70    21   42     1.90
## 71    22   64     1.42
## 72    35   83     1.86
## 73    27   70     1.65
## 74    48   62     1.93
## 75    19   90     1.95
## 76    18   84     1.77
## 77    33   87     1.73
## 78    62   43     1.43
## 79    37   60     1.82
## 80    18   99     1.81
## 81    32  100     1.80
## 82    56   80     1.69
## 83    15   76     1.71
## 84    61   91     1.95
## 85    36   95     1.70
## 86    45   98     1.77
## 87    55   42     1.66
## 88    30   97     1.86
## 89    20   65     1.50
## 90    38   93     1.41
## 91    40   40     1.40
## 92    24   68     1.46
## 93    40   53     1.58
## 94    47   63     1.92
## 95    42   66     1.84
## 96    15   78     1.51
## 97    31   57     1.93
## 98    54   75     1.50
## 99    29   58     1.98
## 100   58   64     1.67

3. La media

Media de edades

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

## [1] 38.81

Media del peso

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

## [1] 72.65

Media de estatura

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

## [1] 1.7069

4. La mediana

Mediana de edad de personas

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

## [1] 38

Comprobacion de la mediana de edad de personas

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

##   [1] 15 15 15 15 16 16 16 17 17 18 18 18 19 19 20 20 20 21 21 22 22 24 24 26 27
##  [26] 27 27 27 28 28 28 29 30 30 30 31 31 32 32 32 33 34 35 35 36 36 37 37 38 38
##  [51] 38 38 39 39 39 40 40 42 42 43 43 43 45 45 45 46 47 47 48 48 49 50 52 52 54
##  [76] 54 55 56 56 56 57 57 57 58 58 58 59 59 59 61 61 61 62 62 62 62 63 64 64 64

La posicion de la mediana

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:  38

La posicion de la mediana cuando es inpar

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:  38

Segunda comprobacion

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

## [1] 38

Mediana de peso de personas

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

## [1] 74

Comprobacion de la mediana de edad de personas

orden.personas.peso <- sort(personas$peso)
posicion <- ceiling(n /2)
orden.personas.peso

##   [1]  40  41  41  42  42  43  43  44  47  49  49  49  50  50  52  52  52  52
##  [19]  53  53  56  56  56  56  57  58  59  59  60  60  62  62  63  63  63  64
##  [37]  64  65  66  66  67  67  68  68  68  69  70  71  71  74  74  75  75  76
##  [55]  76  77  78  78  78  78  79  80  80  80  83  84  84  85  86  86  87  87
##  [73]  87  88  89  90  90  90  91  91  92  92  93  93  94  94  95  95  97  97
##  [91]  98  98  98  99  99  99  99  99 100 100

La posicion de la mediana

cat("Valor de la posición ",posicion, " del conjunto de datos (Vector) edades es: ", orden.personas.peso[posicion])

## Valor de la posición  50  del conjunto de datos (Vector) edades es:  74

La posicion de la mediana cuando es inpar

cat("Valor de la posición ",posicion + 1, " del conjunto de datos (Vector) edades es: ", orden.personas.peso[posicion + 1])

## Valor de la posición  51  del conjunto de datos (Vector) edades es:  74

Segunda comprobacion

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

## [1] 74

5. La moda

Moda de edades

frecuencia <- table(personas$edad)
frecuencia <- sort(frecuencia, decreasing = TRUE)
frecuencia

## 
## 15 27 38 62 16 18 20 28 30 32 39 43 45 56 57 58 59 61 64 17 19 21 22 24 31 35 
##  4  4  4  4  3  3  3  3  3  3  3  3  3  3  3  3  3  3  3  2  2  2  2  2  2  2 
## 36 37 40 42 47 48 52 54 26 29 33 34 46 49 50 55 63 
##  2  2  2  2  2  2  2  2  1  1  1  1  1  1  1  1  1

moda <- frecuencia[1]
moda

## 15 
##  4

cat("La moda de edad es: ", names(moda), " con ", frecuencia[1])

## La moda de edad es:  15  con  4

Moda de peso

frecuencia <- table(personas$peso)
frecuencia <- sort(frecuencia, decreasing = TRUE)
frecuencia

## 
##  99  52  56  78  49  63  68  80  87  90  98  41  42  43  50  53  59  60  62  64 
##   5   4   4   4   3   3   3   3   3   3   3   2   2   2   2   2   2   2   2   2 
##  66  67  71  74  75  76  84  86  91  92  93  94  95  97 100  40  44  47  57  58 
##   2   2   2   2   2   2   2   2   2   2   2   2   2   2   2   1   1   1   1   1 
##  65  69  70  77  79  83  85  88  89 
##   1   1   1   1   1   1   1   1   1

moda <- frecuencia[1]
moda

## 99 
##  5

cat("La moda de edad es: ", names(moda), " con ", frecuencia[1])

## La moda de edad es:  99  con  5

Moda de estatura

frecuencia <- table(personas$estatura)
frecuencia <- sort(frecuencia, decreasing = TRUE)
frecuencia

## 
## 1.59 1.66 1.83  1.9  1.4 1.41 1.43  1.5 1.51 1.65 1.67  1.7 1.77 1.81 1.84 1.93 
##    4    4    4    4    3    3    3    3    3    3    3    3    3    3    3    3 
## 1.42 1.46 1.52 1.62 1.64 1.73  1.8 1.86 1.92 1.95 1.96 1.98 1.45 1.49 1.53 1.55 
##    2    2    2    2    2    2    2    2    2    2    2    2    1    1    1    1 
## 1.58  1.6 1.61 1.63 1.68 1.69 1.71 1.72 1.75 1.78 1.82 1.87 1.88 1.89 1.91 1.97 
##    1    1    1    1    1    1    1    1    1    1    1    1    1    1    1    1 
##    2 2.01 2.03 2.04 
##    1    1    1    1

moda <- frecuencia[1]
moda

## 1.59 
##    4

cat("La moda de edad es: ", names(moda), " con ", frecuencia[1])

## La moda de edad es:  1.59  con  4

6. Visualizar datos

Edades

Gráfica de barra de edad

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

Histograma de edad

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

Histograma de edad con medidas de localización

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

Grafico mas completo

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

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

Peso

Gráfica de barra de peso

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

Histograma de peso

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

Histograma de peso con medidas de localización

ggplot(personas, aes(x=peso)) + 
  geom_histogram(aes(fill=..count..), bins=20, color="white") +
  geom_vline(aes(xintercept=mean(peso)), color="red") +
  geom_vline(aes(xintercept=median(peso)), color= "darkgreen")

Grafico mas completo

ggplot(aes(x = peso), data = personas) +
 geom_histogram(color = 'green',
                fill = 'green',
                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[1],
         color = "moda"),
     linetype = "dashed",
     size = 1
   )

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

Estatura

Gráfica de barra de estatura

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

Histograma de estatura

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

Histograma de estatura con medidas de localización

ggplot(personas, aes(x=estatura)) + 
  geom_histogram(aes(fill=..count..), bins=20, color="white") +
  geom_vline(aes(xintercept=mean(estatura)), color="red") +
  geom_vline(aes(xintercept=median(estatura)), color= "darkgreen")

Grafico mas completo

ggplot(aes(x = estatura), data = personas) +
 geom_histogram(color = 'green',
                fill = 'green',
                alpha = 0.2) +
 labs(title = "Histograma de Edad") +
  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[1],
         color = "moda"),
     linetype = "dashed",
     size = 1
   )

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

7.-Interpretacion de los datos.

La moda de un conjunto de datos es el que mas se repite, la mediana es el promedio y la media es el dato que esta en medio de todos los datos ordenándolos de menor a mayor, Estos datos nos dan una base para interpretar mejor los datos por ejemplo, en una población que se compone de las calificaciones de 100 alumnos, podemos saber cual es la calificación que mas se repite o cual es el promedio de las calificaciones de todos los alumnos o saber cuantos alumnos están por debajo o por encima del promedio. La mediana y la media en varias ocasiones pueden ser similares pero la moda no siempre es así pues no sabemos cual dato es el que se puede repetir mas.

caso 4

jesus javier gomez soto

30/9/2020

1. Cargar librerías o paquetes

2. Cargar o construir los datos

3. La media

4. La mediana

Mediana de edad de personas

Comprobacion de la mediana de edad de personas

La posicion de la mediana

La posicion de la mediana cuando es inpar

Segunda comprobacion

Mediana de peso de personas

Comprobacion de la mediana de edad de personas

La posicion de la mediana

La posicion de la mediana cuando es inpar

Segunda comprobacion

5. La moda

Moda de peso

6. Visualizar datos

Edades

Peso

Estatura

7.-Interpretacion de los datos.