PUNTO 2.1

#a)
A=(24/(-8)+7)/(9-6*2)
#b

B=2^3*(-7)+4-(1/3+1/2)

#c
C=(sqrt(16)+(5*4)-3^(-2))/(3*(4-8)+1)

#d
D=1/2*((5/4-2^(-1))*13/4-sqrt(7)+8/(2-1/5)-3^2)

#e
E=2*sin(pi/3)+5*cos(pi/4)-tan(pi/6)/4

#f
F=4*log(5,2)-3*log(7,3)+1/3*(log(8))^3
#Respuestas
print("RESPUESTAS 2.1")
## [1] "RESPUESTAS 2.1"
print("A"); round(A,2)
## [1] "A"
## [1] -1.33
print("B"); round(B,2)
## [1] "B"
## [1] -52.83
print("C"); round(C,2)
## [1] "C"
## [1] -2.17
print("D"); round(D,2)
## [1] "D"
## [1] -2.38
print("E"); round(E,2)
## [1] "E"
## [1] 5.12

PUNTO 2.3

x=c(1,3,5,7,9) #A
y=c(2,4,6,7,11,12) #B
x+1#C
## [1]  2  4  6  8 10
y*2#D
## [1]  4  8 12 14 22 24
length(x) & length(y) #E
## [1] TRUE
x+y # F, no tienen la misma londitud, no se pueden sumar
## Warning in x + y: longer object length is not a multiple of shorter object
## length
## [1]  3  7 11 14 20 13
sum(x>5) & sum(x[x>5])#G
## [1] TRUE
sum(x>5 | x< 3) #H
## [1] 3
y[2] #I
## [1] 4
y[-2] #J
## [1]  2  6  7 11 12
y[x]#K
## [1]  2  6 11 NA NA
#L, NA= valores no disponibles
y[y>=8]   #M
## [1] 11 12

PUNTO 2.4

millas=c(65241, 65665, 65998, 66014, 66547, 66857, 67025, 67447, 66958, 67002) #A
kms=millas*1.609#B
diff(millas) #c
## [1]  424  333   16  533  310  168  422 -489   44
diff(kms) #la función diff resta el primer valor con el siguiente
## [1]  682.216  535.797   25.744  857.597  498.790  270.312  678.998 -786.801
## [9]   70.796
#luego el segundo valor con el tercero, así hasta llegar al ultimo
#por eso el nuevo vector tiene un valor menos...
#D

PUNTO 2.5

c_euro=c(47, 32, 40, 36, 49, 31, 49, 30, 49, 35, 48, 32)
tail(c_euro, n = 1)##A, encontrar el ultimo valor del vector
## [1] 32
mean(c_euro)#promedio
## [1] 39.83333
min(c_euro)#minimo valor
## [1] 30
max(c_euro)#maximo valor
## [1] 49
meses=data.frame(euros=c_euro) #d, en qué meses realizo cada pago?
length(c_euro[c_euro>40]) #e, en x meses pago mas de 40 Euros
## [1] 5
parcial=sum(c_euro[c_euro>40])#
porcentaje=parcial/sum(c_euro)*100
porcentaje # f, representa el x% del gasto total
## [1] 50.62762

PUNTO 2.6 DIAGRAMA PORCENTUAL

diagrama=c(61, 88, 73, 49, 41, 72, 99, 07, 12, 13, 87, 91, 05, 17, 97)
etiquetas <- c("Uno", "Dos", "Tres", "Cuatro", "Cinco") # vector con etiquetas
pie(diagrama, main="Diagrama de tarta")

barplot(diagrama)

la diferencia entre summary() y fivenum es: summary arroja mean(x), max(x), median(x) primer y tercer cuartil five num arroja mean(x), max(x), median(x), sum(x), prod(x)

summary(diagrama)
##    Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
##    5.00   15.00   61.00   54.13   87.50   99.00
fivenum(diagrama)
## [1]  5.0 15.0 61.0 87.5 99.0

PUNTO 2.7 RANDOM NUMBERS

z=rnorm(100)
hist(z) ## se visualiza que el histograma varia, sin embargo, se mantiene la 

# la distribución normal de la grafica

2.8

w=rnorm(30,5,0.9)
hist(w) #el histograma presenta una mayor variación que el anterior punto, 

#y algunas veces no se mantiene la dsitribución normal (n=5, p=0.9)
#para que sea una distribución un poco más como la anterior, p=1

2.9 PUNTO El número de fallos en los 23 primeros intentos de puesta en órbita de un satélite fue

data=c(0, 1, 0,NA, 0, 0, 0, 0, 0, 1, 1, 1, 0, 0, 3, 0, 0, 0, 0, 0, 2, 0, 1)
barplot(data)

boxplot(data)## teniendo en cuenta la naturaleza de los datos, es mucho mejor usar

# un grafico de caja
mean(data,na.rm=TRUE) #numero medio de error
## [1] 0.4545455

2.10 PUNTO, estudiantes

datos=matrix(c(3,5,1,3,5,3,3,2,1,4,2,3,3,5,3,4,2,3,3,2,1,4,5,3,4,5,1,3,2,1),nrow = 3)
rownames(datos)=c("P1","P2","P3")
colnames(datos)=paste0("E",1:ncol(datos))
datos
##    E1 E2 E3 E4 E5 E6 E7 E8 E9 E10
## P1  3  3  3  4  3  4  3  4  4   3
## P2  5  5  2  2  5  2  2  5  5   2
## P3  1  3  1  3  3  3  1  3  1   1

leer datos tipo scan

datos2=scan("C:/Users/aleja/OneDrive/Escritorio/USC/Noveno/Informatica medica/Informatica Medica/datos.txt",what = numeric(), sep = " ")
datos2=matrix(datos2,nrow = 3,byrow = T)
datos2
##      [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
## [1,]    3    3    3    4    3    4    3    4    4     3
## [2,]    5    5    2    2    5    2    2    5    5     2
## [3,]    1    3    1    3    3    3    1    3    1     1

table

data3=read.table('C:/Users/aleja/OneDrive/Escritorio/USC/Noveno/Informatica medica/Informatica Medica/datos.txt',
                 header = TRUE,sep = " ")
## Warning in read.table("C:/Users/aleja/OneDrive/Escritorio/USC/Noveno/Informatica
## medica/Informatica Medica/datos.txt", : incomplete final line found by
## readTableHeader on 'C:/Users/aleja/OneDrive/Escritorio/USC/Noveno/Informatica
## medica/Informatica Medica/datos.txt'
data3
##  [1] X3    X3.1  X3.2  X4    X3.3  X4.1  X3.4  X4.2  X4.3  X3.5  X5    X5.1 
## [13] X2    X2.1  X5.2  X2.2  X2.3  X5.3  X5.4  X2.4  X1    X3.6  X1.1  X3.7 
## [25] X3.8  X3.9  X1.2  X3.10 X1.3  X1.4 
## <0 rows> (or 0-length row.names)

TABULAR

datos4=data.entry(datos)
datos4
## [1] "datos"
P1=datos[1,]
P1
##  E1  E2  E3  E4  E5  E6  E7  E8  E9 E10 
##   3   3   3   4   3   4   3   4   4   3
P2=datos[2,]
P2
##  E1  E2  E3  E4  E5  E6  E7  E8  E9 E10 
##   5   5   2   2   5   2   2   5   5   2
P3=datos[3,]
P3
##  E1  E2  E3  E4  E5  E6  E7  E8  E9 E10 
##   1   3   1   3   3   3   1   3   1   1
Tabla=table(P1, P2, P3)
ftable(Tabla)
##       P3 1 3
## P1 P2       
## 3  2     3 0
##    5     1 2
## 4  2     0 2
##    5     1 1

Graficos

grafica1= barplot(matrix(c(P1,P2),nrow=2,byrow=T),
              main = "GRAFICA DEL CURSO",
              xlab = "Estudiantes", col = c("green","red"))
legend("topleft",c("P2","P3"), fill = c("green","red"))

grafica2=barplot(datos,
                 main = "GRAFICA DEL CURSO SEGUNDA PARTE",
                 xlab = "Estudiantes",col = c("pink","green","red"),beside = TRUE)
legend("topleft",c("Pregunta 1","Pregunta 2","Pregunta 3"),
       fill = c("pink","green","red"))

2.11 la moda, la mediana, la media, desviación estándar, varianza y los cuartiles, para los datos de GC y NP

# debemos importar la libreria library("modeest")

library("modeest")
## Warning: package 'modeest' was built under R version 4.0.4
GC= c(14.2, 8.0, 9.2, 12.1, 8.7, 11.6, 11.0, 12.5, 10.0, 9.0, 8.5, 13.1, 12.9, 8.4, 11.2, 9.8, 12.4, 11.0, 13.0, 8.6)
NP=c (11, 10, 6, 9, 10, 12, 14, 10, 8, 9, 11, 12, 11, 11, 15, 13, 12, 12, 8, 13)
mean(NP)
## [1] 10.85
median(NP)
## [1] 11
mfv(NP)
## [1] 11 12
sd(NP)
## [1] 2.183069
var(NP)
## [1] 4.765789
quantile(NP)
##    0%   25%   50%   75%  100% 
##  6.00  9.75 11.00 12.00 15.00
median(GC)
## [1] 11
mfv(GC)
## [1] 11
mean(GC)
## [1] 10.76
sd(GC)
## [1] 1.914873
var(GC)
## [1] 3.666737
quantile(GC)
##     0%    25%    50%    75%   100% 
##  8.000  8.925 11.000 12.425 14.200

GRAFICAS CORRESPONDIENTES

# histogramas
hist(GC,col="blue")

hist(NP,col="red")

boxplot(GC,col = "green")

boxplot(NP)

2.12

PHP=c(14.0, 24.7, 16.4, 26.0, 25.7, 24.6)
PHP 
## [1] 14.0 24.7 16.4 26.0 25.7 24.6
TMI=c(8.8, 10.2, 8.0, 9.1, 8.2, 9.4)
TMI
## [1]  8.8 10.2  8.0  9.1  8.2  9.4
mfv(PHP)
## [1] 14.0 16.4 24.6 24.7 25.7 26.0
median(PHP)
## [1] 24.65
mean(PHP)
## [1] 21.9
sd(PHP)
## [1] 5.273329
var(PHP)
## [1] 27.808
mfv(TMI)
## [1]  8.0  8.2  8.8  9.1  9.4 10.2
median(TMI)
## [1] 8.95
mean(TMI) 
## [1] 8.95
sd(TMI)
## [1] 0.8093207
var(TMI)
## [1] 0.655

graficas

hist(PHP)

hist(TMI)

boxplot(PHP)

boxplot(TMI)

2.13

data = matrix(c(7,12,14,10,5,10),ncol=3) #Estado Conyugal
colnames(data)=c('Casado','Soltero','Otro')
rownames(data)=c('Masculino','Femenino')
data=as.table(data)
data
##           Casado Soltero Otro
## Masculino      7      14    5
## Femenino      12      10   10
barplot(data, xlab = "ESTADO CIVIL", ylab = "GÉNERO",col=rainbow(2))

plot(data, main = "ESTADO CIVIL")

dotchart(data)