setwd("~/Trabajos Estadistica")
library(readr)
sonora <- read_csv("sonora.cSV")
## 
## -- Column specification --------------------------------------------------------
## cols(
##   YEAR = col_double(),
##   PROMIEL = col_double()
## )

Conociendo los datos

Para esta actividad se nos pido que hicieramos un estudio de la miel de la abejas aqui en sonora con datos reales para sacar algunos datos claves en este caso la media ,la mediana y la moda

En este partado insertamos lo que es la tabla de los años y la miel que se logro producir

head(sonora)
## # A tibble: 6 x 2
##    YEAR PROMIEL
##   <dbl>   <dbl>
## 1  2003     542
## 2  2004     452
## 3  2005     743
## 4  2006     378
## 5  2007     369
## 6  2008     387
library(modeest)


mlv(sonora$PROMIEL, method = "mfv")
##  [1] 250.000 340.000 369.000 377.000 378.000 387.000 410.000 432.000 452.000
## [10] 516.000 526.000 528.214 540.000 542.000 569.000 583.000 743.000

En este apartado logramos sacar la cantidad maxima y la minma de la miel

maximo <- max(sonora$PROMIEL)
maximo
## [1] 743
minimo <- min(sonora$PROMIEL)
minimo
## [1] 250
rango <- (maximo-minimo)
rango
## [1] 493

Y por ultimo sacamos las partes de la media , la mediana, y la moda exlipacando que es como si partieramos las cantidades en varias partes

summary(sonora$PROMIEL)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##   250.0   378.0   452.0   467.2   540.0   743.0

Grafico de caja y bigote

boxplot(sonora$PROMIEL)

### Rango intercuartil

RIC = IQR(sonora$PROMIEL)
RIC
## [1] 162
#lIMITE SUPERIROR(Maximun)
Q3 <- 540.0 
Limitesuperior <- (Q3+1.5*RIC)
Limitesuperior
## [1] 783
# Limite inferior (Minimo)
Q1 <- 378.0
Limiteinferior <- (Q1+1.5*RIC)

Limiteinferior
## [1] 621

Media

media <- mean(sonora$PROMIEL) # dentro de esta variable estan guardados los datos de la productividad de miel en toneladas
media
## [1] 467.1891

Mediana

mediana <- median(sonora$PROMIEL)
mediana
## [1] 452

La moda

library(modeest)
mlv(sonora$PROMIEL, method = "mfv")
##  [1] 250.000 340.000 369.000 377.000 378.000 387.000 410.000 432.000 452.000
## [10] 516.000 526.000 528.214 540.000 542.000 569.000 583.000 743.000
#most frequent value - valor mas frecuente

Analisis de frecuencia

library(fdth)
## 
## Attaching package: 'fdth'
## The following object is masked from 'package:modeest':
## 
##     mfv
## The following objects are masked from 'package:stats':
## 
##     sd, var

Frecuencais absolutas, relativas, acomuladas

*Tabla de frecuecuencia

dist <- fdt(sonora$PROMIEL,   breaks ="Sturges")
dist
##       Class limits f   rf rf(%) cf  cf(%)
##    [247.5,331.322) 1 0.06  5.88  1   5.88
##  [331.322,415.143) 6 0.35 35.29  7  41.18
##  [415.143,498.965) 2 0.12 11.76  9  52.94
##  [498.965,582.787) 6 0.35 35.29 15  88.24
##  [582.787,666.608) 1 0.06  5.88 16  94.12
##   [666.608,750.43) 1 0.06  5.88 17 100.00

dist# nos brinda una tabla con los calculos de la distribucion de frecuencias. #Donde #F= frecuencia absoluta #rf= frecuencia relativa #rf% frecuencia relativa procentual #cf= frecuencia acumulada #cf% =frecuencia acumulada procentual

Poligonos e histograma

#ABSOLUTO
plot(dist, type = "fh")

plot(dist, type = "fp")

#ACUMULADOS
plot(dist, type = "cfh")

plot(dist, type = "cfp")

#RELATIVOS
plot(dist, type = "rfh")

plot(dist, type = "rfp")