Análisis Estadístico
Gráficos de barras
Puestos de empresas que ocuparon en Florida central 2003
- ¿Qué empresas ocuparon los primeros puestos en Florida central en 2003?
library(ggplot2)
df <- data.frame(Empresa =
c("Disney World",
"Florida Hospital",
"Publix Supermarkets Inc",
"Walmart Stores Ind",
"Univaersal Orlando"),
Asalariados =
c(51600,
19283,
14995,
14995,
12000))
knitr::kable(df)
| Disney World |
51600 |
| Florida Hospital |
19283 |
| Publix Supermarkets Inc |
14995 |
| Walmart Stores Ind |
14995 |
| Univaersal Orlando |
12000 |
ggplot(data=df, aes(x=Empresa, y=Asalariados)) + geom_bar(stat="identity", color="black", fill="aquamarine")
ggplot(data=df, aes(x=Empresa, y=Asalariados)) + geom_bar(stat="identity", color="black", fill="aquamarine") + coord_flip()
ggplot(data=df, aes(x=Empresa, y=Asalariados)) + geom_bar(stat="identity", color="black", fill="aquamarine", width=0.5)
ggplot(data=df, aes(x=Empresa, y=Asalariados)) + geom_bar(stat="identity", , color="black", fill="aquamarine")
p <- ggplot(data=df, aes(x=Empresa, y=Asalariados)) + geom_bar(stat="identity", fill="aquamarine") + theme_minimal()
p
Gráfico de barras agrupado
library(ggplot2)
library(dplyr)
##
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
##
## filter, lag
## The following objects are masked from 'package:base':
##
## intersect, setdiff, setequal, union
specie <- c(rep("sorgho" , 3),
rep("poacee" , 3),
rep("banana" , 3),
rep("triticum" , 3))
condition <- rep(c("normal" , "stress" , "Nitrogen") , 4)
value <- abs(rnorm(12 , 0 , 15))
data <- data.frame(specie, condition, value)
knitr::kable(data)
| sorgho |
normal |
7.708625 |
| sorgho |
stress |
10.004997 |
| sorgho |
Nitrogen |
17.509681 |
| poacee |
normal |
2.987581 |
| poacee |
stress |
11.522784 |
| poacee |
Nitrogen |
45.777850 |
| banana |
normal |
9.960783 |
| banana |
stress |
13.429849 |
| banana |
Nitrogen |
14.695009 |
| triticum |
normal |
40.503453 |
| triticum |
stress |
11.241767 |
| triticum |
Nitrogen |
20.048795 |
head(data)
## specie condition value
## 1 sorgho normal 7.708625
## 2 sorgho stress 10.004997
## 3 sorgho Nitrogen 17.509681
## 4 poacee normal 2.987581
## 5 poacee stress 11.522784
## 6 poacee Nitrogen 45.777850
ggplot(data, aes(fill=condition, y=value, x=specie)) +
geom_bar(position="dodge", stat="identity")
Gráfico de barras apilado
ggplot(data, aes(fill=condition, y=value, x=specie)) +
geom_bar(position="stack", stat="identity")
- Ejemplo 13: Número de estudiantes matriculados en tres especialidades de administración de empresas. Finanzas, Marketing y Contabilidad. Año 2000 y 2005.
df <- data.frame(Especialidad = c(rep("Finanzas", 2),
rep("Marketing", 2),
rep("Contabilidad", 2)),
Año = rep(c(2000, 2005), 3),
Matriculados = c(160, 250,
140, 200,
100, 150))
knitr::kable(df)
| Finanzas |
2000 |
160 |
| Finanzas |
2005 |
250 |
| Marketing |
2000 |
140 |
| Marketing |
2005 |
200 |
| Contabilidad |
2000 |
100 |
| Contabilidad |
2005 |
150 |
ggplot(df, aes(fill = Especialidad, y = Matriculados, x = Año)) +
geom_bar(position="dodge", stat="identity")
ggplot(df, aes(fill = Especialidad, y = Matriculados, x = Año)) +
geom_bar(position="stack", stat="identity")
Gráfico circular
- Ejemplo 14: El gerente de una universidad pidió una desagregación de los gastos de viaje de los profesores que asistían a diversas reuniones profesionales. Se observó que el 31 por ciento de los gastos estaba representado por los costes de transporte, el 25 por ciento por los costes de alojamiento, el 12 por ciento por los gastos de alimentación, el 20 por ciento por los gastos de matrícula y el resto por costes varios. Represente gráficamente estos datos.
library(ggplot2)
library(dplyr)
data <- data.frame(group =
c("Transporte",
"Alojamiento",
"Alimentaión",
"Gastos de matricula",
"Varios"),
value = c(31, 25, 12, 20, 12))
knitr::kable(data)
| Transporte |
31 |
| Alojamiento |
25 |
| Alimentaión |
12 |
| Gastos de matricula |
20 |
| Varios |
12 |
ggplot(data, aes(x = "", y = value, fill=group)) +
geom_bar(stat = "identity", width = 1) +
coord_polar("y", start = 0)
library(ggplot2)
library(dplyr)
data <- data %>%
arrange(desc(group)) %>%
mutate(prop = value / sum(data$value) *100) %>%
mutate(ypos = cumsum(prop)- 0.5*prop )
require(scales)
## Loading required package: scales
ggplot(data, aes(x="", y = prop, fill=group)) +
geom_bar(stat="identity", width=1, color="black") +
coord_polar("y", start=0) +
theme_void() +
theme(legend.position="none") +
geom_text(aes(y = ypos, label = percent(value/100)), color = "black", size=6) +
scale_fill_brewer(palette="Set1")
Diagrama de pareto
- Ejemplo 14: Identificar las principales causas de los problemas e intentar corregirlas rápidamente con un coste mínimo a menudo.
df <- data.frame(Error =
c("Códigos de procedimientos y diagnósticos",
"Información de proveedor",
"Información del paciente",
"Tablas de precios",
"Solicitudes de contratos",
"Ajustes de los proveedores",
"Otros"),
Frecuencia =
c(40, 9, 6, 17, 37, 7, 4))
knitr::kable(df)
| Códigos de procedimientos y diagnósticos |
40 |
| Información de proveedor |
9 |
| Información del paciente |
6 |
| Tablas de precios |
17 |
| Solicitudes de contratos |
37 |
| Ajustes de los proveedores |
7 |
| Otros |
4 |
head(df)
## Error Frecuencia
## 1 Códigos de procedimientos y diagnósticos 40
## 2 Información de proveedor 9
## 3 Información del paciente 6
## 4 Tablas de precios 17
## 5 Solicitudes de contratos 37
## 6 Ajustes de los proveedores 7
library(ggQC)
library(ggplot2)
ggplot(df, aes(x = Error, y = Frecuencia)) +
stat_pareto(point.color = "green",
point.size = 3,
line.color = "black",
bars.fill = c("yellow", "red")) +
theme(axis.text.x = element_text(angle = 10))
Diagrama de tallo y hojas
- Ejemplo 17: De los apuntes de clase relacionado con la colección de 25 calificaciones en un examen de álgebra.
df <- data.frame(calificaciones = c(78, 67, 65, 87, 75, 65, 71, 54, 94, 64, 84, 82, 81, 68, 85, 76, 89, 98, 59, 57, 79, 65, 59, 80, 67))
head(df)
## calificaciones
## 1 78
## 2 67
## 3 65
## 4 87
## 5 75
## 6 65
knitr::kable(head(df))
stem(df$calificaciones)
##
## The decimal point is 1 digit(s) to the right of the |
##
## 5 | 4799
## 6 | 4555778
## 7 | 15689
## 8 | 0124579
## 9 | 48
head(ChickWeight)
## weight Time Chick Diet
## 1 42 0 1 1
## 2 51 2 1 1
## 3 59 4 1 1
## 4 64 6 1 1
## 5 76 8 1 1
## 6 93 10 1 1
knitr::kable(head(ChickWeight))
| 42 |
0 |
1 |
1 |
| 51 |
2 |
1 |
1 |
| 59 |
4 |
1 |
1 |
| 64 |
6 |
1 |
1 |
| 76 |
8 |
1 |
1 |
| 93 |
10 |
1 |
1 |
stem(ChickWeight$weight)
##
## The decimal point is 1 digit(s) to the right of the |
##
## 2 | 599999999
## 4 | 00000111111111111111111112222222222222223333456678888888899999999999+38
## 6 | 00111111122222222333334444455555666677777888888900111111222222333334+8
## 8 | 00112223344444455555566777788999990001223333566666788888889
## 10 | 0000111122233333334566667778889901122223445555667789
## 12 | 00002223333344445555667788890113444555566788889
## 14 | 11123444455556666677788890011234444555666777777789
## 16 | 00002233334444466788990000134445555789
## 18 | 12244444555677782225677778889999
## 20 | 0123444555557900245578
## 22 | 0012357701123344556788
## 24 | 08001699
## 26 | 12344569259
## 28 | 01780145
## 30 | 355798
## 32 | 12712
## 34 | 1
## 36 | 13
stem(ChickWeight$weight, scale = 2)
##
## The decimal point is 1 digit(s) to the right of the |
##
## 3 | 599999999
## 4 | 00000111111111111111111112222222222222223333456678888888899999999999
## 5 | 000000111111112222333334445555566667778888899999
## 6 | 001111111222222223333344444555556666777778888889
## 7 | 0011111122222233333444444446667778889999
## 8 | 0011222334444445555556677778899999
## 9 | 0001223333566666788888889
## 10 | 00001111222333333345666677788899
## 11 | 01122223445555667789
## 12 | 0000222333334444555566778889
## 13 | 0113444555566788889
## 14 | 1112344445555666667778889
## 15 | 0011234444555666777777789
## 16 | 0000223333444446678899
## 17 | 0000134445555789
## 18 | 1224444455567778
## 19 | 2225677778889999
## 20 | 01234445555579
## 21 | 00245578
## 22 | 00123577
## 23 | 01123344556788
## 24 | 08
## 25 | 001699
## 26 | 12344569
## 27 | 259
## 28 | 0178
## 29 | 0145
## 30 | 35579
## 31 | 8
## 32 | 127
## 33 | 12
## 34 | 1
## 35 |
## 36 | 1
## 37 | 3
library(readr)
##
## Attaching package: 'readr'
## The following object is masked from 'package:scales':
##
## col_factor
library(knitr)
df <- read_csv("https://raw.githubusercontent.com/lihkir/AnalisisEstadisticoUN/main/Data/annual_csv.csv")
## Rows: 274 Columns: 3
## -- Column specification --------------------------------------------------------
## Delimiter: ","
## chr (1): Source
## dbl (2): Year, Mean
##
## i Use `spec()` to retrieve the full column specification for this data.
## i Specify the column types or set `show_col_types = FALSE` to quiet this message.
knitr::kable(head(df))
| GCAG |
2016 |
0.9363 |
| GISTEMP |
2016 |
0.9900 |
| GCAG |
2015 |
0.8998 |
| GISTEMP |
2015 |
0.8700 |
| GCAG |
2014 |
0.7408 |
| GISTEMP |
2014 |
0.7400 |
library(ggplot2)
library(dplyr)
ggplot(df, aes(x = Year, y = Mean)) +
geom_line(color="aquamarine", size = 1) +
xlab("Year")
