Objetivo

Analizar y describir datos mediante técnicas de agrupación para valores cuantitativos con tablas de frecuencias y visualizar datos a través de histogramas y gráficas de tallo y hoja.

Descripción

Crear un conjunto de datos de personas con variables tales como la edad, peso, estatura como datos cualitativos y el género y estado de la República Mexicana con valores cualitativos.

Se usarán solo los valores cuantitativos la edad, el peso y la estatura para describir frecuencias usando la función fdt() de la librería o paquete fdth(); los datos se van a visualizar gráficamente mediante histograma y gráfico de tallo y hoja.

En el marco de referencia inicialmente se identifican conceptos y ejemplos de la descripción de datos cuantitativos para tablas frecuencias y visualización gráfica de los datos.

Al final se muestra una interpretación a preguntas específicas del caso con apreciaciones del autor.

Marco Teórico

En el caso 1 y 2 se presentó una descripción para datos cualitativos, siendo estas variables cualitativas producen datos que se pueden clasificar de acuerdo a similitudes o diferencias en clase; por lo tanto, con frecuencia se denominan datos categóricos.

Las variables como género de una persona, año de nacimiento o especialidad de un estudiante son variables cualitativas que producen datos categóricos. (Mendenhall, Beaver, and Beaver 2010).

Entonces las variables cualitativas miden una cualidad o característica en cada unidad experimental. Las variables cuantitativas miden una cantidad numérica en cada unidad experimental. (Mendenhall, Beaver, and Beaver 2010).

Las variables cuantitativas, con frecuencia representadas por la letra \(x\), producen datos numéricos, por ejemplo estos:

En las anteriores variables existe que una diferencia en los tipos de valores numéricos que pueden tomar estas variables cuantitativas. El número de pasajeros, por ejemplo, puede tomar sólo los valores \(x=0,1,2,…n\), mientras que el peso de un paquete o estatura de una persona puede tomar cualquier valor mayor a cero, o sea \(0<x< ∞\)

Para describir esta diferencia, definimos dos tipos de variables cuantitativas: discretas y continuas.

A una variable aleatoria que asuma ya sea un número finito de valores o una sucesión infinita de valores tales como \(x=0,1,2,...n¨\) se le llama variable aleatoria discreta. (Anderson, Sweeney, and Williams 2008).

A una variable que puede tomar cualquier valor numérico dentro de un intervalo o colección de intervalos se le llama variable aleatoria continua. \(0<x<∞.\)[@anderson_estadistica_2008].

El nombre de discreta se refiere a las brechas discretas entre los posibles valores que la variable puede tomar. Variables como el número de miembros de una familia, el número de ventas de autos nuevos y el número de llantas defectuosas devueltas para cambio son todos ellos ejemplos de variables discretas. Por el contrario, variables como la estatura, peso, tiempo, distancia y volumen son continuas porque pueden tomar valores en cualquier punto a lo largo de un intervalo de recta. (Mendenhall, Beaver, and Beaver 2010).

La imagen siguiente apoya lo anteriormete descrito para variables cualitativas y cuantitativas discretas y continuas.

Gráficas para datos cuantitativos

Gráfica de barras

A veces la información se recolecta para una variable cuantitativa medida en segmentos diferentes de la población, o para diferentes categorías de clasificación. Por ejemplo, se podría medir el promedio de ingresos de personas de diferentes grupos de edad, géneros diferentes o que viven en zonas geográficas diferentes del país. En tales casos, se pueden usar gráficas de pastel o gráficas de barras para describir los datos, usando la cantidad medida en cada categoría en lugar de la frecuencia con que se presenta cada una de las categorías.

El ejemplo siguiente visualiza la cantidad de alumnos de una Institución de educación superior categorizados por la carrera y la cantidad de alumnos inscritos.

carreras <- c("Arquitectura", "Civil", "Sistemas", "TIC", "Gestión")
inscritos <- c(820, 650, 320, 50, 608)
datos <- data.frame(carreras, inscritos)
datos
##       carreras inscritos
## 1 Arquitectura       820
## 2        Civil       650
## 3     Sistemas       320
## 4          TIC        50
## 5      Gestión       608
barplot(height=datos$inscritos, names.arg = datos$carreras)

Gráfica de Líneas

Cuando una variable cuantitativa se registra en el tiempo a intervalos igualmente espaciados (por ejemplo diario, semanal, mensual, trimestral o anual), el conjunto de datos forma una serie de tiempo. Los datos de una serie de tiempo se presentan con más efectividad en una gráfica de líneas con el tiempo como eje horizontal. La idea es tratar de distinguir un patrón o tendencia que sea probable de continuar en el futuro y luego usar ese patrón para hacer predicciones precisas para el futuro inmediato. (Mendenhall, Beaver, and Beaver 2010).

El siguiente ejemplo representa la cantidad de población de un país como México conforme y de acuerdo a los censos de 1980, 1990, 2000, 2010 y 2020. Los valores de población está dado en millones de habitantes.

años <- c('1980', '1990', '2000', '2010', '2020')
poblacion <- c(90.00, 95.65,100.26, 112.33, 126.01)

  
datos <- data.frame(años, poblacion)
datos
##   años poblacion
## 1 1980     90.00
## 2 1990     95.65
## 3 2000    100.26
## 4 2010    112.33
## 5 2020    126.01
plot(x=datos$años, y=datos$poblacion, type="b", xlab="Años", ylab="Población" )

Histograma

Un histograma de frecuencia relativa es semejante a una gráfica de barras, pero se usa para graficar cantidades en lugar de datos cualitativos (Mendenhall, Beaver, and Beaver 2010).

En el histograma se traza una barra sobre cada una de las columnas, se habrá creado un histograma de frecuencia o un histograma de frecuencia relativa, dependiendo de la escala del eje vertical. y la cantida de frecuencia.

El histograma representa agrupación de datos con la cantidad de frecuencias de cada clase.

El siguiente ejemplo simula una muestra de 30 personas a quienes se les pregunta su edad. Se representa un histograma de los datos

edades <- c(15, 16, 16, 14, 15, 19, 21, 22, 23, 23, 24, 25, 24, 25, 22, 23, 17, 18, 19, 17, 16, 20, 21, 22, 23, 24, 25, 23, 24, 20)

edades # Sin ordenar
##  [1] 15 16 16 14 15 19 21 22 23 23 24 25 24 25 22 23 17 18 19 17 16 20 21 22 23
## [26] 24 25 23 24 20
length(edades)
## [1] 30
range(edades)
## [1] 14 25
edades[order(edades)]
##  [1] 14 15 15 16 16 16 17 17 18 19 19 20 20 21 21 22 22 22 23 23 23 23 23 24 24
## [26] 24 24 25 25 25
hist(edades, main = "Frecuencia  de edades", xlab = "Edades", ylab = "Frecuencia")

plot(density(edades))

Gráfica de tallo y hoja

Otra forma sencilla de exhibir la distribución de un conjunto de datos cuantitativos es la gráfica de tallo y hoja. Esta gráfica presenta una exhibición gráfica de los datos usando los valores numéricos reales de cada punto de datos.

stem(x = edades, scale = 1)
## 
##   The decimal point is at the |
## 
##   14 | 000
##   16 | 00000
##   18 | 000
##   20 | 0000
##   22 | 00000000
##   24 | 0000000
stem(x = edades, scale = 2)
## 
##   The decimal point is at the |
## 
##   14 | 0
##   15 | 00
##   16 | 000
##   17 | 00
##   18 | 0
##   19 | 00
##   20 | 00
##   21 | 00
##   22 | 000
##   23 | 00000
##   24 | 0000
##   25 | 000

Regla de Sturges

En las tablas de frecuencias es necesario determinar matemáticamente el número de clases, La opción matemáticamente más consistente es la conocida como regla de Sturges , La solución de esta ecuación proporciona una regla práctica para obtener el número de clases.

\(k=1+3.322log(N)\)

  • Siendo \(k\) el número de clases

  • \(log\) es la función logarítmica de base 10, log10()

  • y \(N\) el total de la muestra

El rango de clase de acuerdo a Sturges está dada por

\[ h=\frac{Range}{k} \]

Siendo \(h\) el rango de cada clase y *Range el rango del total de los datos, es decir la diferencia entre límite superior menos límite inferir. (Soto Espinosa 2020)

Es importante hacer notar que existen otras formas de determinar el número de clases a utilizar, algunas más complejas, otras más simples. Independientemente de la forma de cálculo seleccionada ya se Sturges, Scott o Freedman-Diaconis (FD), lo realmente importante es que la información mostrada en la tabla de frecuencia sea fácil de revisar, que no contenga un número excesivo de clases y que la información que en ella se refleja permita comprender cómo se presentan los datos en la población.

Desarrollo

Cargar librería

La librería o paquete fdth sirve para generar tablas de distribución que presenta las frecuencias de clases, relativas, porcentuales y acumuladas para valores cuantitativos y cualitativos.

Para el ejemplo servirá para conocer tablas de distribución de variables cuantitativas de edades, pesos y estaturas de personas.

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

Cargar o crear el conjunto de los datos

Antes de crear los datos, se prepara el documento aplicando la función sed.seed(), esta instrucción permite establecer una semilla que permite generar los mismos valores aleatorios cuando se utilizan funciones que tiene que ver con elementos aleatorios, en este caso con la función sample(), que más adelante se utiliza.

set.seed(1234)

Se simulan 80 datos en un data.frame o conjunto de datos a partir de vectores.

Por medio de la función sample() se genera la muestra de 80 personas que simuladamente fueron encuestadas.

De cada persona se les pregunta estado de la República Mexicana en donde radica o vive, la edad de entre un rango de 18 a 65, la altura en metros, el peso en kilogramos y el género [Femenino o Masculino].

Las variables:

  • estados es una variable tipo vector con 6 elementos que contiene 6 diferentes estados de la República Mexicana. La variable estados se factoriza o categoriza con la función factor(). Para este ejemplo puede utilizarse otra variable como zona de la ciudad en donde radicas o vives, colonias, u otra variable de tipo cualitativa. Para este caso no tiene efecto alguno sólo es complemento.

  • entidades será una variable que contiene los 80 personas encuestadas conforme y de acuerdo al algún estado de la República Mexicana de los seis inicializados. Nuevamente aquí con esta variable puede utilizarse otra variable y hacer diferencia en el caso.

  • estaturas será una variable cuantitativa con valores reales representado en metros de la altura de cada persona.

  • pesos, es una variable cuantitativa dado en valor numérico entero, significa un valor en kilogramos del peso de una persona.

  • edades, será también una variable cuantitativa con valores numéricos entre 18 y 65 años.

  • generos Masculino o Femenino. Esta será una cualitativa además de ser variable categórica factorizada con la función factor().

  • datos es la variable que contiene el data.frame o conjunto de datos a partir de todo el conjunto de vectores.

Las funciones:

  • factor() es una función que convierte tipo char a tipo de dato categórico, es decir, que se puede saber cuáles son diferentes entre sí, las clase que hay y además se puede contar y determinar su frecuencia

  • length() determina a cantidad de elementos de un vector y se utiliza para determinar \(n\) que significa el tamaño de la muestra.

  • sample() es para generar muestras de cierta cantidad de elementos a partir de datos iniciales sample() se utiliza para simular 63 personas encuestadas

  • data.frame() es la función que construye el conjunto de datos o data.frame.

estados <- c('Durango', 'Zacatecas', 'CDMX', 
             'Yucatan', 'Coahuila', 
             'Chihuahua')
estados
## [1] "Durango"   "Zacatecas" "CDMX"      "Yucatan"   "Coahuila"  "Chihuahua"

Convertir los estados a tipo de datos factor

estados <- factor(estados)
estados
## [1] Durango   Zacatecas CDMX      Yucatan   Coahuila  Chihuahua
## Levels: CDMX Chihuahua Coahuila Durango Yucatan Zacatecas

Se crea el vector de entidades a partir de los estados, como ya se mencionó, se simula una encuesta de 63 personas; el valor de 63 es un valor aleatorio y pudo ser cualquier valor numérico que permita tan chico o tan grande como lo permita la memoria ram de la computadora en donde se simule la cantidad de personas encuestadas.

En la muestra sample() se utilizan los valores de x= estados que significa los valores de donde se sacan aleatoriamente los estados, size =80 que significa la cantidad de personas y replce significa que los valores de los seis estados se pueden repetir.

entidades <- sample(x = estados, size=80, replace = TRUE)
entidades
##  [1] Yucatan   Zacatecas Chihuahua Coahuila  Yucatan   Durango   Coahuila 
##  [8] Chihuahua Yucatan   Zacatecas Chihuahua Zacatecas Chihuahua Chihuahua
## [15] Yucatan   Chihuahua Chihuahua Chihuahua Yucatan   Yucatan   Coahuila 
## [22] Yucatan   CDMX      Yucatan   Coahuila  Zacatecas Coahuila  Zacatecas
## [29] Chihuahua CDMX      Yucatan   Yucatan   CDMX      Durango   CDMX     
## [36] Chihuahua Yucatan   Zacatecas CDMX      Zacatecas Coahuila  Chihuahua
## [43] Durango   Chihuahua CDMX      Chihuahua Durango   Coahuila  Durango  
## [50] Durango   Zacatecas Durango   CDMX      Zacatecas Chihuahua CDMX     
## [57] Durango   CDMX      Chihuahua Durango   Zacatecas Chihuahua Coahuila 
## [64] Durango   CDMX      CDMX      Zacatecas Coahuila  Zacatecas Chihuahua
## [71] Yucatan   Yucatan   Durango   Coahuila  CDMX      Chihuahua Coahuila 
## [78] CDMX      Yucatan   Yucatan  
## Levels: CDMX Chihuahua Coahuila Durango Yucatan Zacatecas

Crear la edades de las personas de entre 18 y 65 años

edades <- sample(x = 18:65, size=80, replace = TRUE)
edades
##  [1] 18 53 45 36 26 47 34 55 39 23 38 38 49 30 34 19 23 19 33 28 53 52 43 53 38
## [26] 59 55 23 26 60 36 39 63 57 46 62 33 19 55 41 47 60 23 47 36 32 39 31 40 36
## [51] 36 24 26 65 57 52 43 33 39 40 45 51 54 65 38 58 52 57 20 25 36 21 37 36 24
## [76] 49 34 42 52 19

Crear las estaturas de las personas de entre 1.45 y 2.05 metros. La función sample() genera valores en centímetros, es decir entre 145 y 205 cms., al dividirlo entre 100 se interpreta valores en metros.

estaturas <- sample(x = 145:205, size=80, replace = TRUE)
estaturas <- estaturas / 100
estaturas
##  [1] 1.81 1.91 1.91 1.74 1.54 1.66 2.01 1.93 1.79 1.69 1.60 1.53 1.64 1.56 1.81
## [16] 1.61 1.47 1.91 1.66 1.81 1.82 1.62 1.74 1.63 1.62 1.67 1.87 1.92 1.75 1.50
## [31] 1.51 1.52 1.48 1.87 2.05 1.59 1.61 1.87 1.83 1.86 1.68 1.87 1.79 2.02 1.62
## [46] 1.55 2.00 1.77 1.52 1.52 1.66 1.86 1.81 1.96 1.56 1.86 1.64 1.77 2.05 1.98
## [61] 1.50 2.03 1.47 1.80 1.80 1.55 1.79 1.77 1.95 1.73 1.45 1.74 2.01 1.72 1.88
## [76] 2.05 1.63 1.54 1.65 1.57

Crear los pesos de las personas de entre 45 y 110 kilogramos. La función sample() genera valores numéricos, es decir entre 45 y 110 kgs.

pesos <- sample(x = 45:110, size=80, replace = TRUE)

pesos
##  [1]  73  77  89  54  75 110  97  58  82  81  76  90 104  96  77  59  78  69  94
## [20]  88  81 110 110  49  96  81  99  71  82  68 100  49  96  82  67 104  57  72
## [39]  46  80  64  46  61  54  90  85  71  74 103  77 104  93  91  91  48 104  58
## [58]  90  61  86  92  99  61  58  59  83  97  71  97  82  57 105  98  96  95  60
## [77]  80  57  58  85

Finalmente generar el vector de géneros entre [Masculino o Femenino]. Al mismo tiempo con la función factor() se categoriza a [Femenino o Masculino]

generos <- sample(x = factor(c("Femeninos", "Masculinos")), size=80, replace = TRUE)
generos
##  [1] Femeninos  Masculinos Femeninos  Masculinos Masculinos Masculinos
##  [7] Femeninos  Masculinos Masculinos Femeninos  Femeninos  Femeninos 
## [13] Masculinos Femeninos  Femeninos  Femeninos  Femeninos  Femeninos 
## [19] Femeninos  Masculinos Femeninos  Masculinos Femeninos  Femeninos 
## [25] Femeninos  Masculinos Masculinos Femeninos  Masculinos Masculinos
## [31] Masculinos Masculinos Femeninos  Masculinos Femeninos  Femeninos 
## [37] Femeninos  Femeninos  Masculinos Femeninos  Femeninos  Masculinos
## [43] Masculinos Masculinos Masculinos Femeninos  Masculinos Femeninos 
## [49] Femeninos  Femeninos  Masculinos Masculinos Femeninos  Masculinos
## [55] Masculinos Femeninos  Femeninos  Masculinos Masculinos Masculinos
## [61] Femeninos  Femeninos  Masculinos Masculinos Femeninos  Femeninos 
## [67] Masculinos Masculinos Femeninos  Masculinos Femeninos  Femeninos 
## [73] Femeninos  Femeninos  Femeninos  Masculinos Masculinos Femeninos 
## [79] Masculinos Femeninos 
## Levels: Femeninos Masculinos

Ahora si, que ya se tienen los datos recabados es momento de generar el conjunto de datos con la función data.frame a partir de los vectores cada uno con los 63 elementos.

datos <- data.frame(entidades, edades, estaturas, pesos, generos)
datos
##    entidades edades estaturas pesos    generos
## 1    Yucatan     18      1.81    73  Femeninos
## 2  Zacatecas     53      1.91    77 Masculinos
## 3  Chihuahua     45      1.91    89  Femeninos
## 4   Coahuila     36      1.74    54 Masculinos
## 5    Yucatan     26      1.54    75 Masculinos
## 6    Durango     47      1.66   110 Masculinos
## 7   Coahuila     34      2.01    97  Femeninos
## 8  Chihuahua     55      1.93    58 Masculinos
## 9    Yucatan     39      1.79    82 Masculinos
## 10 Zacatecas     23      1.69    81  Femeninos
## 11 Chihuahua     38      1.60    76  Femeninos
## 12 Zacatecas     38      1.53    90  Femeninos
## 13 Chihuahua     49      1.64   104 Masculinos
## 14 Chihuahua     30      1.56    96  Femeninos
## 15   Yucatan     34      1.81    77  Femeninos
## 16 Chihuahua     19      1.61    59  Femeninos
## 17 Chihuahua     23      1.47    78  Femeninos
## 18 Chihuahua     19      1.91    69  Femeninos
## 19   Yucatan     33      1.66    94  Femeninos
## 20   Yucatan     28      1.81    88 Masculinos
## 21  Coahuila     53      1.82    81  Femeninos
## 22   Yucatan     52      1.62   110 Masculinos
## 23      CDMX     43      1.74   110  Femeninos
## 24   Yucatan     53      1.63    49  Femeninos
## 25  Coahuila     38      1.62    96  Femeninos
## 26 Zacatecas     59      1.67    81 Masculinos
## 27  Coahuila     55      1.87    99 Masculinos
## 28 Zacatecas     23      1.92    71  Femeninos
## 29 Chihuahua     26      1.75    82 Masculinos
## 30      CDMX     60      1.50    68 Masculinos
## 31   Yucatan     36      1.51   100 Masculinos
## 32   Yucatan     39      1.52    49 Masculinos
## 33      CDMX     63      1.48    96  Femeninos
## 34   Durango     57      1.87    82 Masculinos
## 35      CDMX     46      2.05    67  Femeninos
## 36 Chihuahua     62      1.59   104  Femeninos
## 37   Yucatan     33      1.61    57  Femeninos
## 38 Zacatecas     19      1.87    72  Femeninos
## 39      CDMX     55      1.83    46 Masculinos
## 40 Zacatecas     41      1.86    80  Femeninos
## 41  Coahuila     47      1.68    64  Femeninos
## 42 Chihuahua     60      1.87    46 Masculinos
## 43   Durango     23      1.79    61 Masculinos
## 44 Chihuahua     47      2.02    54 Masculinos
## 45      CDMX     36      1.62    90 Masculinos
## 46 Chihuahua     32      1.55    85  Femeninos
## 47   Durango     39      2.00    71 Masculinos
## 48  Coahuila     31      1.77    74  Femeninos
## 49   Durango     40      1.52   103  Femeninos
## 50   Durango     36      1.52    77  Femeninos
## 51 Zacatecas     36      1.66   104 Masculinos
## 52   Durango     24      1.86    93 Masculinos
## 53      CDMX     26      1.81    91  Femeninos
## 54 Zacatecas     65      1.96    91 Masculinos
## 55 Chihuahua     57      1.56    48 Masculinos
## 56      CDMX     52      1.86   104  Femeninos
## 57   Durango     43      1.64    58  Femeninos
## 58      CDMX     33      1.77    90 Masculinos
## 59 Chihuahua     39      2.05    61 Masculinos
## 60   Durango     40      1.98    86 Masculinos
## 61 Zacatecas     45      1.50    92  Femeninos
## 62 Chihuahua     51      2.03    99  Femeninos
## 63  Coahuila     54      1.47    61 Masculinos
## 64   Durango     65      1.80    58 Masculinos
## 65      CDMX     38      1.80    59  Femeninos
## 66      CDMX     58      1.55    83  Femeninos
## 67 Zacatecas     52      1.79    97 Masculinos
## 68  Coahuila     57      1.77    71 Masculinos
## 69 Zacatecas     20      1.95    97  Femeninos
## 70 Chihuahua     25      1.73    82 Masculinos
## 71   Yucatan     36      1.45    57  Femeninos
## 72   Yucatan     21      1.74   105  Femeninos
## 73   Durango     37      2.01    98  Femeninos
## 74  Coahuila     36      1.72    96  Femeninos
## 75      CDMX     24      1.88    95  Femeninos
## 76 Chihuahua     49      2.05    60 Masculinos
## 77  Coahuila     34      1.63    80 Masculinos
## 78      CDMX     42      1.54    57  Femeninos
## 79   Yucatan     52      1.65    58 Masculinos
## 80   Yucatan     19      1.57    85  Femeninos

Agrupación de datos

Se va a trabajar únicamente sobre los datos cuantitativos del conjunto de datos, es decir sobre las variables edades, estaturas y pesos respectivamente.

Variable edades

Con la función fdt() habiendo cargado la librería o el paquete fdth() se pueden generar las clases para la variable edades.

Se utiliza la expresión as.data.frame(frecuencia.edades$table) combinado la función as.data.frame() que significa que se transforma a tipo de datos ya conocido data.frame y con la función table() convierte a tabla la variable frecuencia.edades propia para tratarse como data.frame o conjunto de datos.

frecuencia.edades <- fdth::fdt(datos$edades, breaks='Sturges')
frecuencia.edades <- as.data.frame(frecuencia.edades$table)
frecuencia.edades
##      Class limits  f     rf rf(%) cf  cf(%)
## 1  [17.82,23.799) 11 0.1375 13.75 11  13.75
## 2 [23.799,29.778)  7 0.0875  8.75 18  22.50
## 3 [29.778,35.756)  9 0.1125 11.25 27  33.75
## 4 [35.756,41.735) 19 0.2375 23.75 46  57.50
## 5 [41.735,47.714)  9 0.1125 11.25 55  68.75
## 6 [47.714,53.693) 10 0.1250 12.50 65  81.25
## 7 [53.693,59.671)  9 0.1125 11.25 74  92.50
## 8  [59.671,65.65)  6 0.0750  7.50 80 100.00

Variable estaturas

Con la función fdt() habiendo cargado la librería o el paquete fdth() se pueden generar las clases para la variable estaturas.

Nuevamente se utiliza la expresión as.data.frame(frecuencia.estaturas$table) combinado tanto la función as.data.frame() que significa que se transforma a tipo de datos data.frame y con la función table() convierte a tabla la variable frecuencia.edades propia para tratarse como data.frame o conjunto de datos.

frecuencia.estaturas <- fdth::fdt(datos$estaturas)
frecuencia.estaturas <- as.data.frame(frecuencia.estaturas$table)
frecuencia.estaturas
##    Class limits  f     rf rf(%) cf  cf(%)
## 1 [1.435,1.515)  7 0.0875  8.75  7   8.75
## 2 [1.515,1.594) 12 0.1500 15.00 19  23.75
## 3 [1.594,1.674) 15 0.1875 18.75 34  42.50
## 4 [1.674,1.753)  8 0.1000 10.00 42  52.50
## 5 [1.753,1.832) 14 0.1750 17.50 56  70.00
## 6 [1.832,1.912) 11 0.1375 13.75 67  83.75
## 7 [1.912,1.991)  5 0.0625  6.25 72  90.00
## 8 [1.991,2.071)  8 0.1000 10.00 80 100.00


Variable pesos

Y finalmente, de la misma manera se utiliza la función fdt() generar las clases para la variable pesos.

Se utiliza la expresión as.data.frame(frecuencia.estaturas$table) combinado tanto la función as.data.frame() que significa que se transforma a tipo de datos data.frame y con la función table() convierte a tabla la variable frecuencia.pesos pra que sea más fácil tratar los datos como una estructura data.frame o conjunto de datos de renglones y columnas.

Se puede verifica en el espacio de las variable de entorno de R Studio el tipo de datos

frecuencia.pesos <- fdt(datos$pesos)
frecuencia.pesos <- as.data.frame(frecuencia.pesos$table)
frecuencia.pesos
##     Class limits  f     rf rf(%) cf  cf(%)
## 1 [45.54,53.735)  5 0.0625  6.25  5   6.25
## 2 [53.735,61.93) 15 0.1875 18.75 20  25.00
## 3 [61.93,70.125)  4 0.0500  5.00 24  30.00
## 4 [70.125,78.32) 12 0.1500 15.00 36  45.00
## 5 [78.32,86.515) 13 0.1625 16.25 49  61.25
## 6 [86.515,94.71) 10 0.1250 12.50 59  73.75
## 7 [94.71,102.91) 12 0.1500 15.00 71  88.75
## 8 [102.91,111.1)  9 0.1125 11.25 80 100.00

Visualización de datos

Histograma y densidad de la variable edades

hist(datos$edades, main= "Histograma de edades")

plot(density(datos$edades))

Diagrama de tallo y hoja de la variable edades

Se ordenan los datos$edades y se muestra el diagrama de tallo y hoja solo para verificar la frecuencia en los datos ordenados.

datos$edades[order(datos$edades)] # Ordenados
##  [1] 18 19 19 19 19 20 21 23 23 23 23 24 24 25 26 26 26 28 30 31 32 33 33 33 34
## [26] 34 34 36 36 36 36 36 36 36 37 38 38 38 38 39 39 39 39 40 40 41 42 43 43 45
## [51] 45 46 47 47 47 49 49 51 52 52 52 52 53 53 53 54 55 55 55 57 57 57 58 59 60
## [76] 60 62 63 65 65
stem(datos$edades, scale = 1)
## 
##   The decimal point is 1 digit(s) to the right of the |
## 
##   1 | 89999
##   2 | 01333344
##   2 | 56668
##   3 | 012333444
##   3 | 6666666788889999
##   4 | 001233
##   4 | 55677799
##   5 | 122223334
##   5 | 55577789
##   6 | 0023
##   6 | 55

Histograma y densidad de la variable estaturas

hist(datos$estaturas)

plot(density(datos$estaturas))

Histograma y densidad de la variable pesos

hist(datos$pesos)

plot(density(datos$pesos))

Interpretacion del caso

De la variable edades:

  • ¿Cuál es la menor y mayor edad registrada?

De acuerdo con los datos, al ordenar los datos adquiridos con la funcion order, obtuve que la edad minima registrada fue 18 y la mayor registrada fue la de 65.

  • ¿Cuál es el rango de edades?

Al analizar los datos y ordenarlos utilizando una funcion llamada range, se pudo determinar que el rango de los datos fue de 18 a 65, sin embargo la teoria nos dice que el rango es el intervalo obtenido de la diferencia del valor maximo y el valor minimo, por consiguiente \(65-18= 46\) .

  • ¿Cuántas clases se generaron? de acuerdo a la tabla de frecuencia y al histograma respectivamente.

El numero de clases generadas en la tabla de frecuencias se obtuvieron de acuerdo a la formula de Sturges que nos dice \(k=1+3.322log(N)\) la cual nos dio un resultado de 8 clases , por otra parte el histograma se pueden observar 10 clases, esto se debe a que el histograma clasifica de 5 en 5 cada clase, pero se puede observar que dentro del rango 20 a 60 hay 8 clases las otras 2 son porque hay pocas edades menores de 20 y mayores a 60, por eso se expresa asi.

  • ¿Cuáles es el rango de cada clase y como se demuestran o generan matemáticamente?. Sturges, Scott y FD

Siguiendo la regla o formula de Sturges que dice que el rango de clase se saca con la formula \(h=\frac{Range}{k}\) la cuan nos dio un resultado de 5.875 de rango entre cada clase.

  • ¿Cuál es la clase con mayor frecuencia de edades de acuerdo a la tabla de frecuencias?

Segun la tabla de frecuencias, dice que la clase numero 4 que es de 35.7 hasta 41.7 tiene la frecuencia mas alta con 19 datos.

  • ¿Cuál es la clase con mayor frecuencia de edades de acuerdo al histograma

Se puede observar a simple vista que en el histograma la clase con mas frecuencia es la de 35 a 40.

  • ¿Que relación hay entre histograma y diagrama de tallo y hoja?

El objetivo del diagrama de tallo y hoja es mostrar la frecuencia con la que ocurren los valores dentro de un conjunto de datos lo cual es muy parecido a lo que hace un histograma pero la diferencia es que en el diagrama de tallo no se observan barras sólidas sino que son los mismos números los que dan forma

De la variable estaturas:

  • ¿Cuál es la clase con mayor frecuencia de estaturas de acuerdo a la tabla de frecuencias y su frecuencia?

De acuerdo con la tabla, se tiene que la tercera clase es la que mayor numero de datos tiene.Con una frecuencia de 15

## 3 [1.594,1.674) 15
  • ¿Cuál es la clase con mayor frecuencia de estaturas de acuerdo al histograma y su frecuencia?

Se puede ver claramente que en el histograma la barra con mayor frecuencia o la mas alta es la de 1.6 a 1.7

De la variable pesos:

  • ¿Cuál es la clase con mayor frecuencia de pesos de acuerdo a la tabla de frecuencias y su frecuencia?

De acuerdo con la tabla, se muestra que la clase con mayor frecuencia es la siguiente, con una frecuencia de 15 datos.

  • ¿Cuál es la clase con mayor frecuencia de pesos de acuerdo al histograma y su frecuencia?

Se ve que la barra mas grande es la de 90 a 100

  • ¿Que les deja el caso?

De este caso pude aprender varias cosas, tales como lo es el uso de ciertos comandos y graficas en el lenguaje R, tambien pude recordar ciertas cosas que aprendi anteriormente que me ayudaron a entender un poco mas sobre este tipo de casos, sin embargo este software R, nos ayuda para hacer este proceso mas rapido y sencillo. Hablando especificamente de este caso, hablamos de diferentes tipos de datos los cuales se generan aleatoriamente con los cuales nos podemos dar una idea de como saldran los datos.

Referencias bibliograficas

Anderson, David R., Dennis J. Sweeney, and Thomas A. Williams. 2008. Estadística Para Administración y Economía. 10th ed. Australia • Brasil • Corea • España • Estados Unidos • Japón • México • Reino Unido • Singapur: Cengage Learning,.

Mendenhall, William, Robert J. Beaver, and Barbara M. Beaver. 2010. Introducción a La Probabilidad y Estadística. 13th ed. Cengage Learning Editores, S.A. de C.V.,.