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 teórico

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 nombres de personas

nombres <- c('juan','angel','juan','miguel','victor','manuel','zayra','lizeth','lisa','lisa','francisco','francisco','juan','miguel','juan','angel','juan','miguel','victor','manuel','zayra','lizeth','lisa','lisa','francisco','francisco','juan','miguel','juan','angel','juan','miguel','victor','manuel','zayra','lizeth','lisa','lisa','francisco','francisco','juan','miguel','victor','victor','manuel','juan','angel','angel','luis','zayra')
nombres
##  [1] "juan"      "angel"     "juan"      "miguel"    "victor"    "manuel"   
##  [7] "zayra"     "lizeth"    "lisa"      "lisa"      "francisco" "francisco"
## [13] "juan"      "miguel"    "juan"      "angel"     "juan"      "miguel"   
## [19] "victor"    "manuel"    "zayra"     "lizeth"    "lisa"      "lisa"     
## [25] "francisco" "francisco" "juan"      "miguel"    "juan"      "angel"    
## [31] "juan"      "miguel"    "victor"    "manuel"    "zayra"     "lizeth"   
## [37] "lisa"      "lisa"      "francisco" "francisco" "juan"      "miguel"   
## [43] "victor"    "victor"    "manuel"    "juan"      "angel"     "angel"    
## [49] "luis"      "zayra"

Simular cien nombres

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

head(datos, 50)
##  [1] "zayra"     "lisa"      "juan"      "francisco" "francisco" "manuel"   
##  [7] "lisa"      "lisa"      "juan"      "victor"    "angel"     "francisco"
## [13] "juan"      "lisa"      "francisco" "miguel"    "juan"      "juan"     
## [19] "francisco" "francisco" "lizeth"    "lisa"      "lizeth"    "juan"     
## [25] "angel"     "manuel"    "victor"    "miguel"    "lizeth"    "victor"   
## [31] "lisa"      "lisa"      "miguel"    "victor"    "zayra"     "manuel"   
## [37] "lizeth"    "manuel"    "juan"      "manuel"    "lizeth"    "zayra"    
## [43] "angel"     "juan"      "luis"      "lisa"      "juan"      "lisa"     
## [49] "lisa"      "manuel"
tail(datos, 50)
##  [1] "miguel"    "angel"     "lizeth"    "victor"    "juan"      "angel"    
##  [7] "juan"      "francisco" "juan"      "juan"      "luis"      "lisa"     
## [13] "juan"      "juan"      "francisco" "luis"      "lizeth"    "lisa"     
## [19] "juan"      "juan"      "miguel"    "lisa"      "victor"    "angel"    
## [25] "victor"    "manuel"    "lisa"      "miguel"    "victor"    "lizeth"   
## [31] "lisa"      "juan"      "victor"    "juan"      "victor"    "juan"     
## [37] "zayra"     "francisco" "juan"      "manuel"    "francisco" "lisa"     
## [43] "lisa"      "victor"    "lizeth"    "lizeth"    "angel"     "juan"     
## [49] "angel"     "zayra"

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
##     angel francisco      juan      lisa    lizeth      luis    manuel    miguel 
##         8        10        22        17        10         3         8         6 
##    victor     zayra 
##        11         5

frecuencia relativa

frecuencia.relativa <- frecuencia.clase / n
frecuencia.relativa
## datos
##     angel francisco      juan      lisa    lizeth      luis    manuel    miguel 
##      0.08      0.10      0.22      0.17      0.10      0.03      0.08      0.06 
##    victor     zayra 
##      0.11      0.05

frecuencia porcentual

frecuencia.porcentual <- frecuencia.relativa * 100
frecuencia.porcentual
## datos
##     angel francisco      juan      lisa    lizeth      luis    manuel    miguel 
##         8        10        22        17        10         3         8         6 
##    victor     zayra 
##        11         5

tabla de frecuencias

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      angel                   8     0.08          8
## 2  francisco                  10     0.10         10
## 3       juan                  22     0.22         22
## 4       lisa                  17     0.17         17
## 5     lizeth                  10     0.10         10
## 6       luis                   3     0.03          3
## 7     manuel                   8     0.08          8
## 8     miguel                   6     0.06          6
## 9     victor                  11     0.11         11
## 10     zayra                   5     0.05          5

grafica de barras

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

grafica de top 5

tabla.frecuencia <- tabla.frecuencia[order(tabla.frecuencia$`Frecuencia de clase`, decreasing = TRUE), ]
tabla.frecuencia <- tabla.frecuencia[1:5,]
tabla.frecuencia
##      Clases Frecuencia de clase Relativa Porcentual
## 3      juan                  22     0.22         22
## 4      lisa                  17     0.17         17
## 9    victor                  11     0.11         11
## 2 francisco                  10     0.10         10
## 5    lizeth                  10     0.10         10
barplot(height = tabla.frecuencia$`Frecuencia de clase`, names.arg = tabla.frecuencia$Clases, main = "Frecuencia de nombres. Top 5")

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?

juan(25)

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

luis(2)

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

angel francisco juan lisa lizeth luis manuel miguel victor 0.07 0.14 0.25 0.19 0.05 0.02 0.08 0.07 0.07 zayra 0.06

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

angel francisco juan lisa lizeth luis manuel miguel victor 7 14 25 19 5 2 8 7 7 zayra 6

Que representa la tabla de distribución de frecuencias, la gráfica de barra y gráfica de pastel?

los datos que se obtuvieron de los nombres

Aspectos generales del caso:

¿qué aprendizajes se obtuvieron?

utilizar el programa y sus herramientas

¿qué deja el caso?

aprendizaje para la programacion

¿qué habilidades se desarrollan?

uso de herramientas

¿qué formación se obtiene?

seguir avanzando en la carrera

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.