CASO 1
Brandon Diaz
10/6/2021
Objetivo Descripción Fundamento teórico Desarrollo Cargar librerías necesarias Los datos Estados con mayor y menor frecuencia Visualizar en una gráfica de barra Frecuencia por género Frecuencia relativa de generos Frecuencia porcentual Visualizar en una gráfica de barra el atributo de género Edades de las personas Histograma de edades Rango de edades de mayor y menor frecuencia Rango de estaturas de mayor y menor frecuencia Rango de pesos de mayor y menor frecuencia Interpretación Referencias bibliográficas
Objetivo Analizar datos mediante tablas de distribución de frecuencia de una simulación de 63000 personas encuestadas que contienen datos cualitativos y cuantitativos
Descripción El conjunto de datos son 63000 personas que contienen datos como la entidad de la RepúblicanMexicana, la edad, la altura en metros, el peso en kilogramos, el género.
Se generan tablas de frecuencias y visualiación gráfica de datos y congestar las cuestiones del caso.
Fundamento teorico Desarrollo CARGAR LIBRERIAS necesarias
library(fdth)##
## Attaching package: 'fdth'## The following objects are masked from 'package:stats':
##
## sd, varLos 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 misos 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(2021) # Semilla de este año Se simulan 63000 datos en un data.frame o conjunto de datos a partir de vectores.
Por medio de la función sample() se genera la muestra de 63000 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.
entidades será una variable que contiene los 63 mil personas encuestadas conforme y de acuerdo al * * * algún estado de la República Mexicana de los seis inicializados.
estaturas dado en metros de cada persona.
pesos dado en kilogramos.
edades de entre 18 y 65 años.
generos Masculino o Femenino.
datos es la variable que contiene el data.frame 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.muestra tamaño de la muestra
sample() es para generar muestras de cierta cantidad de elementos a partir de datos iniciales sample() se utiliza para simular 63000 personas encuestadas
data.frame() es la función que construye el conjunto de datos o data.frame.
estados <- c('Durango', 'Jalisco', 'Nuevo León',
'Baja California', 'Coahuila',
'Chihuahua')
estados## [1] "Durango" "Jalisco" "Nuevo León" "Baja California"
## [5] "Coahuila" "Chihuahua"estados <- factor(estados)
estados## [1] Durango Jalisco Nuevo León Baja California
## [5] Coahuila Chihuahua
## Levels: Baja California Chihuahua Coahuila Durango Jalisco Nuevo Leónentidades <- sample(x= estados, size = 63000, replace = TRUE)
n.muestra <- length(entidades)
n.muestra## [1] 63000edades <- sample(18:65, 63000, replace = TRUE)
alturas <- sample(145:200, 63000, replace = TRUE) / 100
pesos <- sample(40:120, 63000, replace = TRUE)
generos <- sample(factor(c('Femenino', 'Masculino')), 63000, replace=TRUE)
datos <- data.frame(entidades, edades, pesos, alturas, generos)
head(datos, 10) # Los primeros 10 registros## entidades edades pesos alturas generos
## 1 Chihuahua 55 66 1.68 Masculino
## 2 Chihuahua 35 107 1.48 Masculino
## 3 Jalisco 62 53 1.66 Masculino
## 4 Baja California 36 82 1.81 Masculino
## 5 Baja California 22 42 1.83 Femenino
## 6 Chihuahua 18 52 1.67 Masculino
## 7 Chihuahua 30 74 1.68 Femenino
## 8 Nuevo León 39 52 1.77 Masculino
## 9 Chihuahua 56 99 1.47 Masculino
## 10 Chihuahua 55 112 1.83 Femeninotail(datos, 10) # Los últimos 10 registros## entidades edades pesos alturas generos
## 62991 Jalisco 47 84 1.66 Masculino
## 62992 Coahuila 55 76 1.63 Masculino
## 62993 Durango 30 63 1.47 Femenino
## 62994 Jalisco 62 98 1.56 Femenino
## 62995 Durango 61 78 1.68 Femenino
## 62996 Nuevo León 43 110 1.47 Femenino
## 62997 Chihuahua 36 56 1.72 Femenino
## 62998 Jalisco 30 116 1.93 Femenino
## 62999 Chihuahua 62 61 1.50 Femenino
## 63000 Baja California 41 46 1.51 FemeninoEstados con mayor y menor frecuencia ¿Cual es estado de la República Mexicana que más encuestados hay?
¿Cual es estado de la república Mexicana que menos encuestados hay?
La función en R llamada table() permite contar o determianr la frecuencia de clase de un conjunto de datos simpre y cuando estos sean de tipo factor.
Se cuenta la frecuencia de la columna o variable entidades y se accede a través del signo de pesos pesos, la variable es datos$entidades.
frecuencia.entidades <- table(datos$entidades)
frecuencia.entidades##
## Baja California Chihuahua Coahuila Durango Jalisco
## 10583 10547 10295 10669 10516
## Nuevo León
## 10390Visualizar en una grafica de barra Se yutiliza la funcion barplot() para hacer un diagrama de barra. Se utilizan el atributo height() para determinar la altura de cada barra y en el eje horizontal el atributo nbamer.org para cada categoria o clase, en este caso cada estado de la republica Mexicana.
Se utiliza una funcion as.vector para acceder a los valores numericos de un tipo de datos creado con la funcion table()
barplot(height = as.vector(frecuencia.entidades), names.arg = levels(estados))
Frecuencia por gGenero Cuál es la frecuencia de clases, relativa y porcentual de géneros de personas? La función en R llamada table() permite contar o determianr la frecuencia de clase de un conjunto de datos simpre y cuando estos sean de tipo factor. Se cuenta la frecuencia de la columna o variable entidades y se accede a través del signo de pesos pesos, la variable es datos$generos.
frecuencia.generos <- table(datos$generos)
frecuencia.generos##
## Femenino Masculino
## 31494 31506Frecuencia relativa de generos La frecuencia relativa es la parte proporcional de una categoría con respecto al total.
frecuencia.relativa <- frecuencia.generos / n.muestra
frecuencia.relativa##
## Femenino Masculino
## 0.4999048 0.5000952Frecuencia porcentual Es multiplicar la frecuencia relativa por 100
frecuencia.porcentual <- frecuencia.relativa * 100
frecuencia.porcentual##
## Femenino Masculino
## 49.99048 50.00952Visualizar en una gráfica de barra el atributo de género Se utiliza la función barplot() para hacer un diagrama de barra. Se utilizan el atributo height() para determinar la altura de cada barra que hay en el eje vertical y en el eje horizontal el atributo names.org para cada categoría o clase, en este caso cada tipo de género masculino o femenino.
Se utiliza una función as.vector para acceder a los valores numéricos de un tipo de datos creado con la función table().
barplot(height = as.vector(frecuencia.generos), names.arg = c("Femenino","Masculino" ))
Edades de las personas ¿De qué edad es la persona de tiene más años? Se pueden usar funciones estadísticas tradiconales como max(), min(), mean(), sd() o utilizar la función summary() para presentar datos descriptivos de todo el conjunto de datos.
max(datos$edades)## [1] 65min(datos$edades)## [1] 18mean(datos$edades)## [1] 41.57816sd(datos$edades)## [1] 13.86342summary(datos)## entidades edades pesos alturas
## Baja California:10583 Min. :18.00 Min. : 40.00 Min. :1.450
## Chihuahua :10547 1st Qu.:30.00 1st Qu.: 60.00 1st Qu.:1.580
## Coahuila :10295 Median :42.00 Median : 80.00 Median :1.720
## Durango :10669 Mean :41.58 Mean : 80.16 Mean :1.725
## Jalisco :10516 3rd Qu.:54.00 3rd Qu.:100.00 3rd Qu.:1.860
## Nuevo León :10390 Max. :65.00 Max. :120.00 Max. :2.000
## generos
## Femenino :31494
## Masculino:31506
##
##
##
## Histograma de edades
hist(datos$edades, main = "Histograma ", xlab = "Edades", ylab = "Frecuencia", breaks = 10)
Rango de edades de mayor y menor frecuencia ¿Cual es el rango de edades de mayor y menor frecuencia?
tabla.frecuencia.edades <- fdt(datos$edades, start = 15, end = 65, h=5)
tabla.frecuencia.edades## Class limits f rf rf(%) cf cf(%)
## [15,20) 2573 0.04 4.08 2573 4.08
## [20,25) 6629 0.11 10.52 9202 14.61
## [25,30) 6531 0.10 10.37 15733 24.97
## [30,35) 6439 0.10 10.22 22172 35.19
## [35,40) 6453 0.10 10.24 28625 45.44
## [40,45) 6524 0.10 10.36 35149 55.79
## [45,50) 6596 0.10 10.47 41745 66.26
## [50,55) 6758 0.11 10.73 48503 76.99
## [55,60) 6620 0.11 10.51 55123 87.50
## [60,65) 6565 0.10 10.42 61688 97.92Rango de estaturas de mayor y menor frecuencia
tabla.frecuencia.estaturas <- fdt(datos$alturas)
tabla.frecuencia.estaturas## Class limits f rf rf(%) cf cf(%)
## [1.435,1.47) 2231 0.04 3.54 2231 3.54
## [1.47,1.504) 4536 0.07 7.20 6767 10.74
## [1.504,1.539) 3373 0.05 5.35 10140 16.10
## [1.539,1.573) 4502 0.07 7.15 14642 23.24
## [1.573,1.607) 3373 0.05 5.35 18015 28.60
## [1.607,1.642) 4573 0.07 7.26 22588 35.85
## [1.642,1.676) 3388 0.05 5.38 25976 41.23
## [1.676,1.711) 4382 0.07 6.96 30358 48.19
## [1.711,1.745) 3438 0.05 5.46 33796 53.64
## [1.745,1.779) 3365 0.05 5.34 37161 58.99
## [1.779,1.814) 4523 0.07 7.18 41684 66.17
## [1.814,1.848) 3414 0.05 5.42 45098 71.58
## [1.848,1.882) 4471 0.07 7.10 49569 78.68
## [1.882,1.917) 3423 0.05 5.43 52992 84.11
## [1.917,1.951) 4424 0.07 7.02 57416 91.14
## [1.951,1.986) 3307 0.05 5.25 60723 96.39
## [1.986,2.02) 2277 0.04 3.61 63000 100.00Rango de pesos de mayor y menor frecuencia
tabla.frecuencia.pesos <- fdt(datos$pesos)
tabla.frecuencia.pesos## Class limits f rf rf(%) cf cf(%)
## [39.6,44.4) 3869 0.06 6.14 3869 6.14
## [44.4,49.2) 3886 0.06 6.17 7755 12.31
## [49.2,54) 3063 0.05 4.86 10818 17.17
## [54,58.8) 3807 0.06 6.04 14625 23.21
## [58.8,63.6) 3861 0.06 6.13 18486 29.34
## [63.6,68.4) 3843 0.06 6.10 22329 35.44
## [68.4,73.2) 3953 0.06 6.27 26282 41.72
## [73.2,78) 3151 0.05 5.00 29433 46.72
## [78,82.8) 3835 0.06 6.09 33268 52.81
## [82.8,87.6) 3950 0.06 6.27 37218 59.08
## [87.6,92.4) 3935 0.06 6.25 41153 65.32
## [92.4,97.2) 3775 0.06 5.99 44928 71.31
## [97.2,102) 3118 0.05 4.95 48046 76.26
## [102,106.8) 3929 0.06 6.24 51975 82.50
## [106.8,111.6) 3908 0.06 6.20 55883 88.70
## [111.6,116.4) 3939 0.06 6.25 59822 94.96
## [116.4,121.2) 3178 0.05 5.04 63000 100.00Interpretación Responder a las siguientes preguntas:
¿Cual es estado de la República Mexicana que más encuestados hay? Al parecer Durango, y este resultado se vera reflejado de la mmisma manera que en la de mis compañeros debido a que utilizamos la misma semilla
¿Cual es estado de la república Mexicana que menos encuestados hay? Podemos opservar por medio de la frecuencia que Coahuila efectivamente es el estado con menos encuestados, debido a que cuenta con una frecuencia de encuestados de 10390
¿Cuál es la frecuencia de clases, relativa y porcentual de géneros de personas? La frecuencia relativa para el genero Femenino es de 0.4999048, y paraa el Masculino de 0.5000952 La frecuencia porcentual para el genero Femenino es de 49.99048, y paraa el Masculino de 50.00952
¿De qué edad es la persona de tiene más años? Por medio de la funcion ma() podemos observar la edad maxima en nuestro conjunto de datos es de 65 años.
¿Cual es el rango de edades de mayor y menor frecuencia? El rango de mayor edad es de [50,55) con una ftrecuencia de 6758
¿Cual es el rango de estaturas de mayor y menor frecuencia? El rango de mayor estatura corresponde al [1.607,1.642) con una frecuencia de 4573
¿Cual es el rango de pesos de mayor y menor frecuencia? El rango de mayores pesos corresponde al [68.4,73.2) con una frecuencia de 3953
¿Qué representan el diagrama de de barra
¿Qué representa un histograma?, con respecto al diagrama de barra, ¿que similitudes tiene? y ¿cuál es la diferencia? El histograma representa de una forma mas acertiva datos cuantificables, esto quierre decir que los datos o variables que evalua son cuantitativos, al contrario la grafica de barras evalua variables cualitativas.