Desafío N° 1

10 operaciones matematicas

N°1 potencia:

a = 2
b = 3
c = b**a
print(c)
## [1] 9

N°2 modulo:

a = 3
b= 5
c = b %% a
print(c)
## [1] 2

N°3 menor igual que:

a = 3
b= 5
c = a <= b
print(c)
## [1] TRUE

N°4 mayor igual que:

a = 3
b= 5
c = b >= a
print(c)
## [1] TRUE

N°5 log_base_2:

a = 2
b = log2(a)
print(b)
## [1] 1

N°6 coseno_rad:

a = 90
b = cos(a)
print(b)
## [1] -0.4480736

N°7 cos_grad:

a = 90
b = cos(a * pi/180)
print(b)
## [1] 6.123032e-17

N°8 resta:

a = 50
b = 49
c= a - b
print(c)
## [1] 1

N°9 valor absoluto:

a = -7
b = abs(a)
print(b)
## [1] 7

N°10 entero menor más cercano:

a = 5.6
b = floor(a)
print(b)
## [1] 5

Desafío n°2 Estructuras de datos

a = matrix(c(sample(1:6, 1),sample(1:6, 1),sample(1:6, 1),sample(1:6, 1),sample(1:6, 1),sample(1:6, 1)),nrow=2,ncol=3)
d = matrix(c(sample(1:6, 1),sample(1:6, 1),sample(1:6, 1),sample(1:6, 1),sample(1:6, 1),sample(1:6, 1)),nrow=2,ncol=3)
print(a<d)
##      [,1]  [,2]  [,3]
## [1,] TRUE  TRUE FALSE
## [2,] TRUE FALSE  TRUE
personas = c("Arantza", "Ignacio", "Manuel", "Esperanza")
estado = c("casada", "soltero", "divorciado", "viuda")
estado_persona = data.frame(personas =personas, estado=estado)
head(estado_persona)
##    personas     estado
## 1   Arantza     casada
## 2   Ignacio    soltero
## 3    Manuel divorciado
## 4 Esperanza      viuda

Desafío n°3 Función

cachipun=function(x) {
  opciones = c("papel", "tijera", "piedra")
  vs = opciones[sample(1:3, 1)]
  if (x =="papel"){
    if (vs == "tijera"){
      print("perdiste, el oponente eligió tijera")
    }
    if (vs =="piedra"){
      print("ganaste, el oponente eligió piedra")
    }
    if (vs =="papel"){
      print("empate, el oponente eligió papel")
    }
  }
  if (x =="piedra"){
    if (vs == "tijera"){
      print("ganaste, el oponente eligió tijera")
    }
    if (vs =="piedra"){
      print("empate, el oponente eligió piedra")
    }
    if (vs =="papel"){
      print("perdiste, el oponente eligió papel")
    }
  }
  if (x =="tijera"){
    if (vs == "tijera"){
      print("empaste, el oponente eligió tijera")
    }
    if (vs =="piedra"){
      print("perdiste, el oponente eligió piedra")
    }
    if (vs =="papel"){
      print("ganaste, el oponente eligió papel")
    }
  }
}
cachipun("piedra")
## [1] "ganaste, el oponente eligió tijera"

Desafío n°4

Para este desafío se elegió el dataset “trees”, por lo que se procede a caragr el dataset

data(trees)

Este conjunto de datos corresponden a las medidas del diametro, altura y volumen de 31 trozos cortados de madera de cerezo. Primero se obtiene el diametro, el cual se puede definir como el grosor del trozo, luego la altura y posteriormente el volúmen. Las medidas correspondiente a cada dato es pulgadas para el caso del diametro, pies para el caso de la altura y pies cúbicos para el caso del volúmen. Los datos del diametro y altura de los trozos del árbol corresponde a variables de medición del tipo “métrico”, que a su vez se subclasifica en el tipo “ratio” al ser mediciones de longitud. Para el caso del volumen corresponde a la variable “categoría y precisión” del tipo “métrico”, que a su vez se subclasifica en “continua”. Estos 3 datos pueden tomar valores decimales. Para la recolección de información se ocupa la fuente “Ryan, T. A., Joiner, B. L. and Ryan, B. F. (1976) The Minitab Student Handbook. Duxbury Press”.

Ahora se procede a ver lo que sucede al ejecutar “summary()” con este dataset

summary(trees)
##      Girth           Height       Volume     
##  Min.   : 8.30   Min.   :63   Min.   :10.20  
##  1st Qu.:11.05   1st Qu.:72   1st Qu.:19.40  
##  Median :12.90   Median :76   Median :24.20  
##  Mean   :13.25   Mean   :76   Mean   :30.17  
##  3rd Qu.:15.25   3rd Qu.:80   3rd Qu.:37.30  
##  Max.   :20.60   Max.   :87   Max.   :77.00

Aqui se puede observar que al ejecutar esta función se entrega un “resumen” de los 3 tipos de datos que tiene este data set, en este resumen se puede encontrar el dato minimo, el 1er cuartil, la media, la mediana. el 3er cuartil y el dato maximo para cada tipo de dato, es decir, para el diametro, altura y volúmen.

Ahora se procede a ver lo que sucede al ejecutar “plot()” con este dataset

plot(trees)

Aqui se puede observar que al ejecutar esta función se entregan diagramas de dispersión, con las variables de este dataset, es decir, con el diametro, altura y volúmen. Cabe destacar que esta función entrega un diagrama de dispersión debido a que las variables corresponden al tipo continuo, o sea, que son valores númericos solamentes y no caracteres por ejemplo. Si las variables no fueran continuas la función entregaria otro tipo de diagrama o gráfico.