Objetivo

Realizar una interpretación de datos a partir de una simulación de un conjunto de datos cualitativos y por medio de una distribución de frecuencias y visualización gráfica de datos.

Descripción

A través de un proceso que incluye datos, codificación y resultados se hace un análisis e interpretación de datos.

El proceso incluye varios aspectos: la creación de los datos que implica crear y procesar diez mil nombres de personas a partir de un vector de cincuenta nombres diferentes; el formateo o categorización de los mismos; la generación de frecuencias de clase, relativas y porcentuales y la creación de la distribución de frecuencias.

El análisis de los datos se hace a partir de la tabla de frecuencias, se genera una visualización gráfica se interpretan los resultados. La visualización de datos es mediante gráfica de barra y de pastel respectivamente y la interpretación del caso incluye responder a las cuestiones particulares del caso.

marco teorico

pendiente

Desarrollo

Se presentan datos de cincuenta nombre de personas credos a partir de la función c() y amacenados en una variable tipo vector llamada nombres.

Se utiliza la función factor() para categorizar los nombres, es decir que se pueda identificar nombres diferentes además que se pueda determinar su frecuencia.

Se determinan frecuencias de clase, frecuencias relativas y porcentuales, tablas de frecuencias, gráficas de barra y pastel del ejercicio.

Simular la generación de una muestra diez mil (10000) nombres de personas a partir de la simulación de 50 datos nombres diferentes para determinar la ditribución de frecuencias.

Se utiliza la variable tipo vector nombres ## sembrar una semilla

set.seed(2021)

datos. Los nombres de personas

nombres <- c('Claudia', 'Leonardo', 'Antonio', 'Cristina', 'Luis','Leonardo' , 'Claudia' , 'Antonio' , 'Luis', 'Leonardo', 'Luis','Cristina,','Antonio','Luis','Leonardo','Claudia','Claudia','Claudia','Antonio','Claudia','Claudia','Claudia','Claudia','Leonardo','Claudia','Antonio','Cristina','Claudia','Claudia','Leonardo','Luis','Antonio','Claudia','Cristina','Luis','Claudia','Leonardo','Cristina','Clauida','Leonardo','Claudia','Antonio','Antonio','Claudia','Leonardo','Luis','Cristina','Cristina','Leonardo','Claudia')
nombres
##  [1] "Claudia"   "Leonardo"  "Antonio"   "Cristina"  "Luis"      "Leonardo" 
##  [7] "Claudia"   "Antonio"   "Luis"      "Leonardo"  "Luis"      "Cristina,"
## [13] "Antonio"   "Luis"      "Leonardo"  "Claudia"   "Claudia"   "Claudia"  
## [19] "Antonio"   "Claudia"   "Claudia"   "Claudia"   "Claudia"   "Leonardo" 
## [25] "Claudia"   "Antonio"   "Cristina"  "Claudia"   "Claudia"   "Leonardo" 
## [31] "Luis"      "Antonio"   "Claudia"   "Cristina"  "Luis"      "Claudia"  
## [37] "Leonardo"  "Cristina"  "Clauida"   "Leonardo"  "Claudia"   "Antonio"  
## [43] "Antonio"   "Claudia"   "Leonardo"  "Luis"      "Cristina"  "Cristina" 
## [49] "Leonardo"  "Claudia"

simular 100 nombres

datos <- sample(nombres, size = 100, replace = TRUE)

head(datos, 50)
##  [1] "Claudia"   "Cristina"  "Luis"      "Clauida"   "Cristina," "Leonardo" 
##  [7] "Cristina"  "Cristina"  "Luis"      "Luis"      "Cristina"  "Clauida"  
## [13] "Claudia"   "Claudia"   "Cristina," "Claudia"   "Antonio"   "Luis"     
## [19] "Leonardo"  "Antonio"   "Claudia"   "Leonardo"  "Claudia"   "Luis"     
## [25] "Cristina"  "Cristina"  "Antonio"   "Cristina"  "Claudia"   "Luis"     
## [31] "Luis"      "Cristina"  "Claudia"   "Antonio"   "Claudia"   "Leonardo" 
## [37] "Claudia"   "Leonardo"  "Leonardo"  "Cristina"  "Claudia"   "Claudia"  
## [43] "Claudia"   "Leonardo"  "Leonardo"  "Leonardo"  "Claudia"   "Cristina" 
## [49] "Leonardo"  "Claudia"
tail(datos, 50)
##  [1] "Cristina" "Leonardo" "Antonio"  "Antonio"  "Antonio"  "Leonardo"
##  [7] "Claudia"  "Leonardo" "Claudia"  "Luis"     "Leonardo" "Luis"    
## [13] "Claudia"  "Cristina" "Luis"     "Leonardo" "Claudia"  "Cristina"
## [19] "Luis"     "Leonardo" "Claudia"  "Luis"     "Antonio"  "Claudia" 
## [25] "Claudia"  "Cristina" "Leonardo" "Antonio"  "Claudia"  "Claudia" 
## [31] "Cristina" "Cristina" "Claudia"  "Antonio"  "Claudia"  "Luis"    
## [37] "Claudia"  "Claudia"  "Luis"     "Leonardo" "Luis"     "Luis"    
## [43] "Claudia"  "Antonio"  "Claudia"  "Claudia"  "Leonardo" "Luis"    
## [49] "Cristina" "Claudia"

numero de elementos

n <- length(datos)
n
## [1] 100

Determinar los datos como tipo factor o categóricos

datos <- factor(datos)

frecuencia de clase

frecuencia.clase <- table(datos)
frecuencia.clase
## datos
##   Antonio   Claudia   Clauida  Cristina Cristina,  Leonardo      Luis 
##        11        32         2        17         2        19        17

frecuencia relativa

frecuencia.relativa <- frecuencia.clase / n
frecuencia.relativa
## datos
##   Antonio   Claudia   Clauida  Cristina Cristina,  Leonardo      Luis 
##      0.11      0.32      0.02      0.17      0.02      0.19      0.17

frecuencia porcentual

frecuencia.porcentual <- frecuencia.relativa * 100
frecuencia.porcentual
## datos
##   Antonio   Claudia   Clauida  Cristina Cristina,  Leonardo      Luis 
##        11        32         2        17         2        19        17

tabla de frecuencia

tabla.frecuencia <- data.frame(names(frecuencia.clase), as.vector(frecuencia.clase), as.vector(frecuencia.relativa), as.vector(frecuencia.porcentual))

names(tabla.frecuencia) <- c('Clases', 'Frecuencia de clase', 'Relativa', 'Porcentual')

tabla.frecuencia
##      Clases Frecuencia de clase Relativa Porcentual
## 1   Antonio                  11     0.11         11
## 2   Claudia                  32     0.32         32
## 3   Clauida                   2     0.02          2
## 4  Cristina                  17     0.17         17
## 5 Cristina,                   2     0.02          2
## 6  Leonardo                  19     0.19         19
## 7      Luis                  17     0.17         17

grafica de barras

barplot(height = tabla.frecuencia$`Frecuencia de clase`, names.arg = tabla.frecuencia$Clases, main = "Frecuencia de nombres. ")

grafica de barra top 5

tabla.frecuencia <- tabla.frecuencia[order(tabla.frecuencia$`Frecuencia de clase`, decreasing = TRUE), ]
tabla.frecuencia <- tabla.frecuencia[1:5,]
tabla.frecuencia
##     Clases Frecuencia de clase Relativa Porcentual
## 2  Claudia                  32     0.32         32
## 6 Leonardo                  19     0.19         19
## 4 Cristina                  17     0.17         17
## 7     Luis                  17     0.17         17
## 1  Antonio                  11     0.11         11

grafica de pastel

pie(x = tabla.frecuencia$`Frecuencia de clase`, labels = tabla.frecuencia$Clases)

Interpretación del caso

Contestar de manera descriptiva cada una de las siguientes preguntas:

¿Cual es el nombre de personas que más se repite y su frecuencia de clase?

claudia 33

¿Cuál es el nombre de persona que menos se repite y su frecuencia de clase?

cristina 2

¿Cuáles son las frecuencias relativas de cada nombres de persona?

Antonio Claudia Clauida Cristina Cristina, Leonardo 0.11 0.32 0.02 0.17 0.02 0.19 Luis 0.17

¿Cuales son los procentajes de nombres de personas más y menos ?

Antonio Claudia Clauida Cristina Cristina, Leonardo 11 32 2 17 2 19 Luis 17 # Que representa la tabla de distribución de frecuencias, la gráfica de barra y gráfica de pastel? 1-el numero de ocurrencias por cada valor 2-la comparacion de dos o mas valores 3-porcentajes y proporciones

##Aspectos generales del caso:

¿qué aprendizajes se obtuvieron?

moverle al programa, tener una idea mas clara.

¿qué deja el caso?

el conocimiento de datos y el uso correcto de ellos

¿qué habilidades se desarrollan?

el familiarizarse con el programa y usar bien las formulas

¿qué formación se obtiene?

tener mas posibilidades de realizar los casos

Referencias bibliográficas

Anderson, D., Sweeney, D., & Williams, T. (2008). Estadística para administración y economía Estadística para administración y economía. 10a. Edición. México, D.F: Cengage Learning Editores,S.A. de C.V.

Mendenhall, W., Beaver, R. J., & Beaver, B. M. (2010). Introducción a la probabilidad y estadística. México, D.F.: Cengage Learning Editores, S.A. de C.V.

Walpole, R., Myers, R. H., Myers, S. L., & Ye, K. (2007). Probabilidad y estadística para Ingeniería y Ciencias. Octava Edición (Octava Edición ed.). México: Prentice Hill. Pearson Educación.

Walpole, R., Myers, R., Myers, S., & Ye, K. (2012). Probabilidad y estadística para ingeniería y ciencias (Novena Edición ed.). Cd. México: Pearson.