Ejercicio 2: EDA, análisis exploratorio de datos (utilizando Iriss Dataset)
Conociendo el conjunto de datos de IRIS
El conjunto de datos de iris es un famoso conjunto de datos de flores que se introdujo en 1936. Es una clasificación multivariada. Este dato viene de: UCI Irvine Machine Learning Repository. (https://archive.ics.uci.edu/ml/datasets/Iris)
imagen ilustrativa del conjunto de datos
Paquetes
library(pacman)
p_load("datasets","DT","fdth","prettydoc","xfun")Datos
data("iris")
dim(iris)## [1] 150 5Conociendo los datos, tabla interactiva
datatable(iris)Contando los datos en sus clases
table(iris$Species)##
## setosa versicolor virginica
## 50 50 50Conociendo las medidas de tendencia central
Gráfico de caja y bigote
summary(iris)## Sepal.Length Sepal.Width Petal.Length Petal.Width
## Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100
## 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300
## Median :5.800 Median :3.000 Median :4.350 Median :1.300
## Mean :5.843 Mean :3.057 Mean :3.758 Mean :1.199
## 3rd Qu.:6.400 3rd Qu.:3.300 3rd Qu.:5.100 3rd Qu.:1.800
## Max. :7.900 Max. :4.400 Max. :6.900 Max. :2.500
## Species
## setosa :50
## versicolor:50
## virginica :50
##
##
## boxplot(iris)
# Linea roja que representa la media del largo del pétalo
abline(h=mean(iris$Petal.Length),col="red")
Histograma
Histograma de frecuenccias absolutas
hist(iris$Petal.Length)
Histograma con granularidad de clases más distribuidas
hist(iris$Petal.Length,breaks=100,col="green")
Análisis de distribución de frecuencias, tablas e histogramas
Análisis para el largo del pétalo del conjunto de datos
Tablas de frecuencia
tabla <- fdt(iris$Petal.Length,breaks = "Sturges")
tabla## Class limits f rf rf(%) cf cf(%)
## [0.99,1.654) 44 0.29 29.33 44 29.33
## [1.654,2.319) 6 0.04 4.00 50 33.33
## [2.319,2.983) 0 0.00 0.00 50 33.33
## [2.983,3.647) 6 0.04 4.00 56 37.33
## [3.647,4.312) 19 0.13 12.67 75 50.00
## [4.312,4.976) 29 0.19 19.33 104 69.33
## [4.976,5.64) 27 0.18 18.00 131 87.33
## [5.64,6.305) 14 0.09 9.33 145 96.67
## [6.305,6.969) 5 0.03 3.33 150 100.00Medidas de dispersión
Varianza
var(iris$Petal.Length)## [1] 3.116278Desviación estandar
sd(iris$Petal.Length)## [1] 1.765298Gráfico de disperción
plot(iris$Petal.Length)
Histogramas
Histograma de frecuencia absoluta
plot(tabla,type = "fh")
Histograma de frecuencia relativa
plot(tabla,type = "rfh")
Histograma de frecuencia acumulada
plot(tabla,type = "cfh")
Polígonos
Polígono de frecuencia absoluta
plot(tabla,type = "fp")
Polígono de frecuencia relativa
plot(tabla,type = "rfp")
Polígono de frecuencia acumulada
plot(tabla,type = "cfp")