Desafío 1

Realice otros 10 ejemplos con diferentes operadores matemáticos.

Variables

variable1 = 50
variable2 = 30
base = 6
exponente = 5
x = 5

1. Resta

resta = variable1 - variable2
resta
## [1] 20

2. Potencia

potencia = base**exponente
potencia
## [1] 7776

3. Módulo

modulo = variable1 %% variable2
modulo
## [1] 20

4. Seno hiperbólico

senohiperb = sinh(variable1)
senohiperb
## [1] 2.592353e+21

5. Coseno hiperbólico

cosenohiperb = cosh(variable1)
cosenohiperb
## [1] 2.592353e+21

6. Tangente hiperbólica

tangentehiperb = tanh(variable1)
tangentehiperb
## [1] 1

7. Coseno en radianes

cosrad = cos(variable1)
cosrad
## [1] 0.964966

8. Tangente en radianes

tanrad = tan(variable1)
tanrad
## [1] -0.2719006

9. Exponencial

exponencial = exp(x)
exponencial
## [1] 148.4132

10. Valor absoluto

absoluto = abs(variable1)
absoluto 
## [1] 50

Desafío 2

Realice ejemplos usando otros tipos de estructura de datos: elementos booleanos, factores, tablas, entre otros.

Factores

Se utiliza para almacenar variables categóricas o cualitativas con la finalidad de realizar clasificaciones de los datos, Cabe destacar que estas poseen un número finito de niveles o valores. A continuación se da cuenta de una lista de valores correspondientes al nivel educacional alcanzado de distintas personas, la cual es utilizada para crear un factor mediante la funcion factor().

nivel_educacional = c("media", "básica", "universitaria" , "universitaria" , "básica", "media", "universitaria" , "básica", "media", "básica", "universitaria" , "universitaria" , "básica", "básica", "básica", "media", "media", "universitaria")

factor_educacion = factor(nivel_educacional)
factor_educacion
##  [1] media         básica        universitaria universitaria básica       
##  [6] media         universitaria básica        media         básica       
## [11] universitaria universitaria básica        básica        básica       
## [16] media         media         universitaria
## Levels: básica media universitaria

Del ejemplo anterior, se puede dar cuenta que el factor posee 3 niveles, los cuales pueden ser ordenados jerárquicamente como se muestra a continuación.

factor_educacion = factor(nivel_educacional, ordered = TRUE, levels = c("básica", "media", "universitaria"))
factor_educacion
##  [1] media         básica        universitaria universitaria básica       
##  [6] media         universitaria básica        media         básica       
## [11] universitaria universitaria básica        básica        básica       
## [16] media         media         universitaria
## Levels: básica < media < universitaria

Arrays

Es la generalización de una matriz de dos dimensiones al caso multidimensional,es decir, puede tener un número n de dimensiones. El siguiente ejemplo muestra el puntaje PSU promedio de los alumnos egresados de 4to medio de dos colegios durante los años 2015 y 2016 en las asignaturas de lenguaje, matemáticas y física.

arreglo = array(c(650, 652, 532, 570, 521, 533, 574, 574, 697, 710, 688, 703),c(2,3,2))
dimnames(arreglo) = list(c("2015","2016"),c("lenguaje","matematicas","fisica"), c("colegio A","colegio B"))
arreglo
## , , colegio A
## 
##      lenguaje matematicas fisica
## 2015      650         532    521
## 2016      652         570    533
## 
## , , colegio B
## 
##      lenguaje matematicas fisica
## 2015      574         697    688
## 2016      574         710    703

Además, es posible conocer los elementos del arreglo como se muestra a acontinuación.

dimnames(arreglo)
## [[1]]
## [1] "2015" "2016"
## 
## [[2]]
## [1] "lenguaje"    "matematicas" "fisica"     
## 
## [[3]]
## [1] "colegio A" "colegio B"

Desafío 3

Construya una función que permita a un jugador jugar al piedra papel o tijeras.

La siguiente función recibe como parámetro 0, 1 o 2 los cuales corresponden a piedra, papel o tijeras respectivamente.

respuesta_user = 1

piedra_papel_tijera=function(respuesta_user){
  vector = c(0,1,2)
  respuesta_cpu = sample(0:2, 1, replace=F)
  
  cat("usuario =",respuesta_user, "v/s computador =",respuesta_cpu,"\n")
  if(respuesta_user == 0){
    if(respuesta_cpu == 0){print("Resultado final: Empate")}
    else if(respuesta_cpu == 1){
      print("Resultado final: Ha ganado el computador")}
    else{
      print("Resultado final: Ha ganado el usuario")}
  } else if(respuesta_user == 1){
    if(respuesta_cpu == 1){print("Resultado final: Empate")}
    else if(respuesta_cpu == 2){
      print("Resultado final: Ha ganado el computador")}
    else{
      print("Resultado final: Ha ganado el usuario")}
    
  } else{
    if(respuesta_cpu == 2){print("Resultado final: Empate")}
    else if(respuesta_cpu == 0){
      print("Resultado final: Ha ganado el computador")}
    else{
      print("Resultado final: Ha ganado el usuario")}
  }

print("Fin del juego")
}
piedra_papel_tijera(respuesta_user)
## usuario = 1 v/s computador = 2 
## [1] "Resultado final: Ha ganado el computador"
## [1] "Fin del juego"

Desafío 4

1.- Seleccione un conjunto de datos desde el paquete ‘datasets’ de R. Para ver los datasets disponibles en la consola puede utilizar la función “data()” o puede consultarlos en la página web https://stat.ethz.ch/R-manual/R-devel/library/datasets/html/00Index.html. Una vez seleccionado puede utilizar la función data(‘nombre_del_dataset’) para cargar el dataset.

El dataset seleccionado es HairEyeColor

2.- Describa el conjunto de datos y explique para que fue o podría ser utilizado. Puede usar la función help(‘nombre_del_dataset’). ¿Cuál es la fuente de los datos?

Descripcción y uso

El dataset corresponde a la distribución del color de pelo y ojos y del sexo en 592 estudiantes de estadística.

La tabla Cabello x Ojo proviene de una encuesta realizada a estudiantes de la Universidad de Delaware, reportada por Snee (1974). La división por sexo fue añadida por Friendly (1992a) con fines didácticos.

Este conjunto de datos es útil para ilustrar diversas técnicas de análisis de las tablas de contingencia, como la prueba estándar de chi-squared o, de forma más general, el modelado logarítmico lineal, y los métodos gráficos como los gráficos de mosaico, los diagramas de tamiz o los gráficos de asociación.

Fuente: Snee, R. D. (1974). Graphical display of two-way contingency tables. The American Statistician, 28, 9–12. doi: 10.2307/2683520.

3.- Describa cada variable, indique a qué tipo de variable corresponde, indique qué valores puede tomar y su unidad de medida.

Sexo: Sexo o género del estudiante (F: femenino, M: masculino). Es una variable cualitativa nominal y cualitativa dicotómica. Ojos: Color de ojos del estudiante. Puede ser de color café, azul,avellana o verde. Es una variable cualitativa nominal y cualitativa. politómica. Pelo: Color de pelo del estudiante. Puede ser de color negro, café, rojo o rubio. Es una variable cualitativa nominal y cualitativa politómica.

Cabe destacar que las variables anteriores no poseen unidad de medida.

4.- Ejecute la función summary(“conjunto_de_datos”). ¿Qué puede observar?

summary(HairEyeColor)
## Number of cases in table: 592 
## Number of factors: 3 
## Test for independence of all factors:
##  Chisq = 164.92, df = 24, p-value = 5.321e-23
##  Chi-squared approximation may be incorrect

La función summary corresponde a un resumen muestra la cantidad total de estudiantes que participaron en la encuesta (592), el número de variables (3) y las pruebas de independencia que se realizan de todos los factores, tales como chi-cuadrado, valor p y df.Además, menciona que la aproximación de chi-cuadrado puede ser incorrecta.

5.- Ejecute la función plot(“conjunto_de_datos”). ¿Qué puede observar?

plot(HairEyeColor)

La función plot muestra un gráfico de mosaico cuando se le pide graficar el dataset HairEyeColor, el cual representa la cantidad de estudiantes que tienen el pelo de color “x” y a su vez el color de sus ojos es “y”.