Objetivo

Determinar, interpretar y visualizar medidas de tendencia central de un conjunto de datos de edades, sueldos y calificaciones respectivamente.

Descripción

Cargar tres conjuntos de datos:

Generar datos aleatoriamente mediante la función sample() anteponiendo semilla con valor de 2021 con la función set.seed(2021) para generar valores iguales al momento de construir los documentos markdown.

Identificar estadísticos descriptivos de la media, mediana, moda, valores máximos y mínimos, rango, cuartiles y visualizar los datos mediante histograma y diagrama de caja o bigotes.

Utilizar la función summary() para comprobar los estadísticos encontrados.

Realizar la interpretación correspondiente de cada conjunto de datos.

Desarrollo

Para los tres conjuntos de datos, se siembre una semilla para generar datos aleatorios.

set.seed(2030)

Edades

La muestra de edades

Una muestra del contexto de edades de personas entre 18 y 65 años. Se generan 50 datos.

edades<- sample(18:65, 50, replace = TRUE)
edades
##  [1] 32 49 18 49 57 24 43 40 35 20 59 48 53 58 48 29 23 26 64 34 41 47 61 35 48
## [26] 21 27 58 46 43 53 55 61 57 40 35 50 37 44 53 64 45 53 43 28 52 24 18 27 58

Media

media.edades<- mean(edades)

media.edades
## [1] 42.66

Mediana

mediana.edades <- median(edades)
mediana.edades
## [1] 44.5

Moda

library(modeest)
moda.edades<-mfv(edades)
moda.edades
## [1] 53
frecuencias.edades <- table(edades)
frecuencias.edades
## edades
## 18 20 21 23 24 26 27 28 29 32 34 35 37 40 41 43 44 45 46 47 48 49 50 52 53 55 
##  2  1  1  1  2  1  2  1  1  1  1  3  1  2  1  3  1  1  1  1  3  2  1  1  4  1 
## 57 58 59 61 64 
##  2  3  1  2  2

Valores máximos y mínimos

Maximos

max.edades <- max(edades)
max.edades
## [1] 64

Mínimos

min.edades <-min(edades)
min.edades
## [1] 18

Rango

rango.edades <- range(edades)
rango.edades
## [1] 18 64
intervalo<-rango.edades[2]- rango.edades[1]
intervalo
## [1] 46

Cuartiles

cuartiles.edades <- quantile(edades, c(0.25, 0.50, 0.75))
cuartiles.edades
##  25%  50%  75% 
## 32.5 44.5 53.0

Histograma

hist(edades, main = "Histograma de edades", xlab= "Edades", ylab = "Frecuencias")

Boxplot

boxplot(edades,horizontal = TRUE, main="Edades")

Sueldos

sueldos <- sample(10000:50000, 500, replace= TRUE)
sueldos
##   [1] 35653 14764 16730 27786 19095 32031 11872 42909 30739 46499 36631 45463
##  [13] 12427 10021 25269 47214 41868 10806 10955 20432 24582 32619 47035 37019
##  [25] 32835 24669 14848 19549 19808 29152 19745 11965 20308 38171 22639 13079
##  [37] 22210 24988 46391 32255 44548 18729 19668 26957 31926 48903 20390 34860
##  [49] 31172 34280 11607 30813 40979 11780 21313 34217 19172 27920 20744 44679
##  [61] 49333 39304 18270 45653 35438 28510 10834 33716 26416 44048 11317 34672
##  [73] 44005 19826 12722 19772 19267 33224 33483 36383 22609 38931 11948 45168
##  [85] 29685 22363 21758 29232 18689 36390 35981 48922 44340 45284 49726 46260
##  [97] 17992 34938 47233 27334 16108 17814 14519 34973 28255 23913 12594 28438
## [109] 40790 41197 43676 15652 18913 45793 28578 47043 29700 45901 18744 12147
## [121] 12104 12141 14355 14671 20237 35396 48954 14837 39862 26155 23710 17967
## [133] 29896 19252 11025 35371 14404 15398 27204 29924 19567 17795 28442 32636
## [145] 26945 24153 35175 14312 24470 44218 38781 32270 21276 11461 15316 30635
## [157] 10997 47467 14545 35644 46721 41534 14312 47305 36451 34977 37567 33393
## [169] 43965 35935 32794 10267 14176 33806 38860 16260 43403 22132 27955 44029
## [181] 13452 40928 26824 13071 38797 40493 23874 26929 43374 36477 28566 49447
## [193] 11889 14504 10146 36742 19975 12442 17346 40704 11084 22425 25958 12924
## [205] 24927 43529 13258 47903 18788 28375 21065 24869 22373 26603 11433 31451
## [217] 32761 20740 10998 23285 19258 34149 17320 29738 14116 27761 34319 10934
## [229] 40352 15018 37175 24289 48561 15888 24652 11990 36753 26471 21294 35273
## [241] 38573 11115 15274 27971 15405 32113 35921 38724 30391 42240 28013 12155
## [253] 20944 12166 29406 31807 12246 46640 28417 27377 40544 13867 17546 14748
## [265] 25724 33339 21054 24434 46840 19175 20343 10164 49450 11809 20161 28166
## [277] 40303 46848 22065 20749 14760 47773 12009 10981 28716 35001 10349 15273
## [289] 30973 37388 14901 23868 24985 23989 30761 24569 47810 46762 33652 45189
## [301] 13280 33409 48162 24548 46597 33071 17769 34625 27581 36066 41012 42487
## [313] 42313 42210 37100 43151 30622 39950 17415 33847 10657 12593 26358 45562
## [325] 33063 27942 18016 24656 36076 20487 14730 48796 32495 20125 32417 14127
## [337] 10142 31436 47925 42296 32294 26944 29381 21152 20171 44439 36162 38862
## [349] 47867 17934 39929 30312 28574 39253 33433 26229 11180 25987 45754 16362
## [361] 45743 44910 15194 32034 38223 18677 39721 26793 41036 21865 37472 31566
## [373] 42875 43897 26796 16624 14063 11569 44450 41454 41123 34802 23622 23369
## [385] 33998 15023 16706 32426 28808 25947 13083 41985 25269 28249 36970 49265
## [397] 23958 37297 42790 10913 24240 46814 49537 30599 26102 21967 19418 15601
## [409] 41945 36394 40036 22411 32146 23053 38755 46071 49460 26165 41708 36001
## [421] 19239 26559 27127 48143 23919 40575 33894 33764 12885 17112 15942 31084
## [433] 31344 37357 27565 30007 40701 16329 29627 23011 41707 14842 23402 46454
## [445] 18647 20151 30570 36915 38114 13101 27392 45915 31863 31837 21687 42069
## [457] 29013 30553 23325 47346 43138 11071 39557 30673 37957 17287 45589 34536
## [469] 30067 43080 29916 37578 48322 31705 25163 45425 23419 10209 29036 42726
## [481] 49792 15002 32485 31132 20766 34519 14296 32966 38770 43940 41422 29622
## [493] 33536 28276 43041 31142 34641 35007 26667 23753

Media y mediana de sueldos

media.sueldos<- mean(sueldos)
media.sueldos
## [1] 29025.67
mediana.sueldos <- median(sueldos)
mediana.sueldos
## [1] 28910.5

Moda

library(modeest)
moda.sueldos<-mfv(sueldos)
moda.sueldos
## [1] 14312 25269
frecuencias.sueldos <- table(sueldos)
frecuencias.sueldos
## sueldos
## 10021 10142 10146 10164 10209 10267 10349 10657 10806 10834 10913 10934 10955 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 10981 10997 10998 11025 11071 11084 11115 11180 11317 11433 11461 11569 11607 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 11780 11809 11872 11889 11948 11965 11990 12009 12104 12141 12147 12155 12166 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 12246 12427 12442 12593 12594 12722 12885 12924 13071 13079 13083 13101 13258 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 13280 13452 13867 14063 14116 14127 14176 14296 14312 14355 14404 14504 14519 
##     1     1     1     1     1     1     1     1     2     1     1     1     1 
## 14545 14671 14730 14748 14760 14764 14837 14842 14848 14901 15002 15018 15023 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 15194 15273 15274 15316 15398 15405 15601 15652 15888 15942 16108 16260 16329 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 16362 16624 16706 16730 17112 17287 17320 17346 17415 17546 17769 17795 17814 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 17934 17967 17992 18016 18270 18647 18677 18689 18729 18744 18788 18913 19095 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 19172 19175 19239 19252 19258 19267 19418 19549 19567 19668 19745 19772 19808 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 19826 19975 20125 20151 20161 20171 20237 20308 20343 20390 20432 20487 20740 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 20744 20749 20766 20944 21054 21065 21152 21276 21294 21313 21687 21758 21865 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 21967 22065 22132 22210 22363 22373 22411 22425 22609 22639 23011 23053 23285 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 23325 23369 23402 23419 23622 23710 23753 23868 23874 23913 23919 23958 23989 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 24153 24240 24289 24434 24470 24548 24569 24582 24652 24656 24669 24869 24927 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 24985 24988 25163 25269 25724 25947 25958 25987 26102 26155 26165 26229 26358 
##     1     1     1     2     1     1     1     1     1     1     1     1     1 
## 26416 26471 26559 26603 26667 26793 26796 26824 26929 26944 26945 26957 27127 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 27204 27334 27377 27392 27565 27581 27761 27786 27920 27942 27955 27971 28013 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 28166 28249 28255 28276 28375 28417 28438 28442 28510 28566 28574 28578 28716 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 28808 29013 29036 29152 29232 29381 29406 29622 29627 29685 29700 29738 29896 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 29916 29924 30007 30067 30312 30391 30553 30570 30599 30622 30635 30673 30739 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 30761 30813 30973 31084 31132 31142 31172 31344 31436 31451 31566 31705 31807 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 31837 31863 31926 32031 32034 32113 32146 32255 32270 32294 32417 32426 32485 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 32495 32619 32636 32761 32794 32835 32966 33063 33071 33224 33339 33393 33409 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 33433 33483 33536 33652 33716 33764 33806 33847 33894 33998 34149 34217 34280 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 34319 34519 34536 34625 34641 34672 34802 34860 34938 34973 34977 35001 35007 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 35175 35273 35371 35396 35438 35644 35653 35921 35935 35981 36001 36066 36076 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 36162 36383 36390 36394 36451 36477 36631 36742 36753 36915 36970 37019 37100 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 37175 37297 37357 37388 37472 37567 37578 37957 38114 38171 38223 38573 38724 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 38755 38770 38781 38797 38860 38862 38931 39253 39304 39557 39721 39862 39929 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 39950 40036 40303 40352 40493 40544 40575 40701 40704 40790 40928 40979 41012 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 41036 41123 41197 41422 41454 41534 41707 41708 41868 41945 41985 42069 42210 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 42240 42296 42313 42487 42726 42790 42875 42909 43041 43080 43138 43151 43374 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 43403 43529 43676 43897 43940 43965 44005 44029 44048 44218 44340 44439 44450 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 44548 44679 44910 45168 45189 45284 45425 45463 45562 45589 45653 45743 45754 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 45793 45901 45915 46071 46260 46391 46454 46499 46597 46640 46721 46762 46814 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 46840 46848 47035 47043 47214 47233 47305 47346 47467 47773 47810 47867 47903 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 47925 48143 48162 48322 48561 48796 48903 48922 48954 49265 49333 49447 49450 
##     1     1     1     1     1     1     1     1     1     1     1     1     1 
## 49460 49537 49726 49792 
##     1     1     1     1

Valores máximos y mínimos

max.sueldos <- max(sueldos)
max.sueldos
## [1] 49792
min.sueldos <-min(sueldos)
min.sueldos
## [1] 10021

Rango

rango.sueldos <- range(sueldos)
rango.sueldos
## [1] 10021 49792
intervalos<-rango.sueldos[2]- rango.sueldos[1]
intervalos
## [1] 39771

Cuartiles

cuartiles.sueldos <- quantile(sueldos, c(0.25, 0.50, 0.75))
cuartiles.sueldos
##      25%      50%      75% 
## 19516.25 28910.50 38128.25

Histograma

hist(sueldos, main = "Histograma de sueldos", xlab= "Sueldos", ylab = "Frecuencias")

Boxplot

boxplot(sueldos,horizontal = TRUE, main="Sueldos")

Calificaciones

cali<-sample(70:100, 100, replace= TRUE)
cali
##   [1]  78  72  87  88  73  98  98  82  86  84  86  77  72  87  99  76  92  78
##  [19]  85  96  90  73  70  70  70  83  90  71  72  86  75  96  99  79  81  87
##  [37] 100  80  87  92  94  75  81  81  73  84  71  90  86  85  84 100  90  95
##  [55]  74  70  82  76  78  96  81  92  98  71  80  83  94  74  90  98  84  99
##  [73]  98  83  83  80  92  84  83  79  72  84  76  97  83  70  87  85  88  77
##  [91]  97  92  93  92  71  95  81  85  96  95

Media y mediana de calificaciones

media.cali<- mean(cali)
media.cali
## [1] 84.52
mediana.cali <- median(cali)
mediana.cali
## [1] 84

Moda

library(modeest)
moda.cali<-mfv(cali)
moda.cali
## [1] 83 84 92
frecuencias.cali <- table(cali)
frecuencias.cali
## cali
##  70  71  72  73  74  75  76  77  78  79  80  81  82  83  84  85  86  87  88  90 
##   5   4   4   3   2   2   3   2   3   2   3   5   2   6   6   4   4   5   2   5 
##  92  93  94  95  96  97  98  99 100 
##   6   1   2   3   4   2   5   3   2

Valores máximos y mínimos

max.cali <- max(cali)
max.cali
## [1] 100
min.cali <-min(cali)
min.cali
## [1] 70

Rango

rango.cali <- range(cali)
rango.cali
## [1]  70 100
interva<-rango.cali[2]- rango.cali[1]
interva
## [1] 30

Cuartiles

cuartiles.cali <- quantile(cali, c(0.25, 0.50, 0.75))
cuartiles.cali
##   25%   50%   75% 
## 77.75 84.00 92.00

Histograma

hist(cali, main = "Histograma de calificaciones", xlab= "Calificaciones", ylab = "Frecuencias")

Boxplot

boxplot(cali,horizontal = TRUE, main="Calificaciones")

Interpretación

En este caso se dio a conocer diferentes tipos de datos como los de edades, sueldo y calificaciones, la cual sacamos media, mediana, moda, máximos, mínimos, rango, intervalos, cuartiles, histograma y boxplot de cada uno de ellos. Los resultados dados de los datos de edades empezamos con un rango de 18 a 64,su media fue de 42.66 y la mediana de 44.5, la moda fue de 53, sus valores de máximo y mínimo son de 64 y 18. Los datos obtenidos de los sueldos fueron que habia un rango de 10021 a 49792, su media fue de 29025.67 y la mediana que obtuvimos fue de 289105 y su moda fue de 1412. Y por ultimo de las edades generadas los resultados fueron los siguientes su rango fue entre 70 a 100 así como su valor máximo fue de 100 y el mínimo de 70, su media es de 84.52, su mediana de 84 y moda de 83. Y al finalizar concluimos con sacar el histograma y el boxplot para mostrar los resultados en graficas.