Parcial practico 1
Tomas Ramirez y Gabriela Valbuena
2022-09-14
Se importan las bases de datos correspondientes para el desarrollo del parcial, los cuales son algunos pasajeros que viajaron en el Titanic.
La primera se llama ATitanic
library(readxl)
ATitanic <- read_excel("ATitanic.xlsx")
head(ATitanic) La segunda se llama BNI
library(readxl)
BNI <- read_excel("BNI.xlsx")
head(BNI) La tercera se llama CNI2
library(readxl)
CNI2 <- read_excel("CNI2.xlsx")
head(CNI2) Posteriormente se empieza a desarrollar los puntos del parcial.
- Una todas las bases de datos en un solo Data Frame (Por favor no elimine filas con datos faltantes, pues para las variables de interés los datos se encuentran completos).
BaseCombinada <- rbind(ATitanic, BNI, CNI2)
head(BaseCombinada)names(BaseCombinada)## [1] "name" "pclass" "survived" "sex" "age" "fare"str(BaseCombinada)## tibble [1,309 × 6] (S3: tbl_df/tbl/data.frame)
## $ name : chr [1:1309] "Allen, Miss. Elisabeth Walton" "Allison, Master. Hudson Trevor" "Allison, Miss. Helen Loraine" "Allison, Mr. Hudson Joshua Creighton" ...
## $ pclass : num [1:1309] 1 1 1 1 1 1 1 1 1 1 ...
## $ survived: num [1:1309] 1 1 0 0 0 1 1 0 1 0 ...
## $ sex : chr [1:1309] "female" "male" "female" "male" ...
## $ age : num [1:1309] 29 0.917 2 30 25 ...
## $ fare : num [1:1309] 211 152 152 152 152 ...- Clasifique las variables de acuerdo a su naturaleza y su escala de medición.
En la base de datos original se consideran 4 variables para el desarrollo del parcial las cuales son: name, survived, pclass, sex, age y fare. Lo que decidimos hacer es traducir las variables que utilizaremos y cambiarlas dentro de la base de datos.
names(BaseCombinada)## [1] "name" "pclass" "survived" "sex" "age" "fare"names(BaseCombinada) = c("Nombre", "Clase", "Sobrevivientes", "Sexo", "Edad", "Pago de Tiquete")
names(BaseCombinada)## [1] "Nombre" "Clase" "Sobrevivientes" "Sexo"
## [5] "Edad" "Pago de Tiquete"attach(BaseCombinada)El significado de las variables, junto a su nuevo nombre son:
- Nombre: Es el identificador de la unidad poblacional.
-Sobrevivientes: Indica 1: la persona sobrevivió y 0: Murió.
Clase: Si el pasajero fue de primera, segunda o tercera clase.
Sexo: male, female, es decir si es masculino (male) o femenino (female)
Edad: Edad en años (si hay bebes se hace la conversión).
Pago de Tiquete: Cuánto pagó por el tiquete de entrada.
Clasificación
- Nombre: Es una variable cualitativa porque no se expresa de forma numérica y es ordinal porque se organiza en orden alfabético.
- Sobreviviente: Esta variable es Discreta y se mide con una escala nominal, en donde (1) significa persona sobreviviente y (0) persona no sobreviviente
- Clase: La presente variable es Discreta y ordinal, porque tiene números enteros y a su vez se encuentra organizada en primera (1), segunda (2) y tercera (3) clase.
- Sexo: Esta variable es cualitativa y es nominal porque no hay un orden entre “Female” y “Male”
- Pago: La variable es continua porque los números no son enteros y es ordinal porque según la clase entonces se paga más o menos.
- Edad: La variable es discreta porque la edad está en números enteros.
- Extraiga los individuos del número 500 al 510 y genere una tabla.
IndividuosExtraidos = BaseCombinada[500:510,]
head(IndividuosExtraidos)- Describa estadisticamente cada una de las variables. Si quiere puede resumirlo en un pequeño párrafo.
summary(BaseCombinada)## Nombre Clase Sobrevivientes Sexo
## Length:1309 Min. :1.000 Min. :0.000 Length:1309
## Class :character 1st Qu.:2.000 1st Qu.:0.000 Class :character
## Mode :character Median :3.000 Median :0.000 Mode :character
## Mean :2.295 Mean :0.382
## 3rd Qu.:3.000 3rd Qu.:1.000
## Max. :3.000 Max. :1.000
##
## Edad Pago de Tiquete
## Min. : 0.1667 Min. : 0.000
## 1st Qu.: 22.0000 1st Qu.: 7.896
## Median : 29.0000 Median : 14.454
## Mean : 31.7171 Mean : 33.295
## 3rd Qu.: 41.0000 3rd Qu.: 31.275
## Max. :100.0000 Max. :512.329
## NA's :1- Nombre: Es una variable cualitativa por lo cual no se puede entender mediante herramientas cuantitativas. Solo sabemos que en la BaseCombinada hay un registro de 1309 nombres, o sea la cantidad total de pasajeros.
table(Sobrevivientes)## Sobrevivientes
## 0 1
## 809 500- Sobreviviente: El min igual a 0 hace referencia a los no sobrevivientes y el max que es 1 significa los sobrevivientes.
table(Clase)## Clase
## 1 2 3
## 323 277 709- Clase: El min es la primera clase y el max es la tercera clase, esto refleja que hubo más personas en tercera clase que en primera, la media o sea el promedio es de 2.295 esto quiere decir que normalmente los pasajeros estaban entre primera o tercera clase. No obstante, tienden a estar en tercera clase como lo demuestra la mediana.
table(Sexo)## Sexo
## female male
## 466 843- Sexo: Esta variable es cualitativa, por lo que no podemos realizar operaciones de medidas centrales. Solo nos arroja el dato de 1309 personas, entre las cuales 466 eran mujeres y 843 hombres.
table(`Pago de Tiquete`)## Pago de Tiquete
## 0 3.1708 4.0125 5 6.2375 6.4375 6.45 6.4958
## 17 1 1 1 1 3 1 3
## 6.75 6.8583 6.95 6.975 7 7.0458 7.05 7.0542
## 2 1 2 2 2 1 9 2
## 7.125 7.1417 7.225 7.2292 7.25 7.2833 7.3125 7.4958
## 4 1 21 24 18 1 1 3
## 7.5208 7.55 7.575 7.5792 7.6292 7.65 7.7208 7.725
## 1 8 1 1 2 6 1 2
## 7.7292 7.7333 7.7375 7.7417 7.75 7.775 7.7792 7.7875
## 1 7 2 1 55 26 1 1
## 7.7958 7.8 7.8208 7.8292 7.85 7.8542 7.875 7.8792
## 10 1 1 3 1 21 1 10
## 7.8875 7.8958 7.925 8.0292 8.05 8.1125 8.1375 8.1583
## 2 49 23 1 60 2 1 1
## 8.3 8.3625 8.4042 8.4333 8.4583 8.5167 8.6542 8.6625
## 1 1 1 1 1 2 1 21
## 8.6833 8.7125 8.85 8.9625 9 9.2167 9.225 9.325
## 1 2 1 1 2 1 3 1
## 9.35 9.475 9.4833 9.5 9.5875 9.6875 9.825 9.8375
## 3 1 1 12 2 1 2 1
## 9.8417 9.8458 10.1708 10.4625 10.5 10.5167 10.7083 11.1333
## 1 1 1 2 35 1 1 3
## 11.2417 11.5 12 12.1833 12.275 12.2875 12.35 12.475
## 2 6 1 2 1 2 5 4
## 12.525 12.65 12.7375 12.875 13 13.4167 13.5 13.775
## 1 1 1 2 59 2 7 3
## 13.7917 13.8583 13.8625 13.9 14 14.1083 14.4 14.4542
## 1 3 2 2 1 2 3 10
## 14.4583 14.5 15 15.0333 15.0458 15.05 15.1 15.2458
## 4 11 1 1 3 1 2 9
## 15.5 15.55 15.5792 15.7417 15.75 15.85 15.9 16
## 10 2 1 3 2 4 3 2
## 16.1 16.7 17.4 17.8 18 18.75 18.7875 19.2583
## 12 3 2 2 4 3 2 4
## 19.5 19.9667 20.2125 20.25 20.525 20.575 21 21.075
## 2 2 3 3 3 4 14 5
## 21.6792 22.025 22.3583 22.525 23 23.25 23.45 24
## 3 3 3 3 7 3 4 2
## 24.15 25.4667 25.5875 25.7 25.7417 25.925 25.9292 26
## 9 5 1 1 1 1 2 50
## 26.25 26.2833 26.2875 26.3875 26.55 27 27.4458 27.7208
## 6 1 3 1 22 2 1 11
## 27.75 27.9 28.5 28.5375 28.7125 29 29.125 29.7
## 5 6 2 1 1 3 6 5
## 30 30.0708 30.5 30.6958 31 31.275 31.3875 31.5
## 7 2 6 2 3 7 7 3
## 31.6792 31.6833 32.3208 32.5 33 33.5 34.0208 34.375
## 1 1 1 3 3 1 1 5
## 34.6542 35 35.5 36.75 37.0042 38.5 39 39.4
## 1 1 4 4 3 1 7 2
## 39.6 39.6875 40.125 41.5792 42.4 42.5 45.5 46.9
## 3 7 1 4 2 1 1 8
## 47.1 49.5 49.5042 50 50.4958 51.4792 51.8625 52
## 2 1 2 2 2 2 4 8
## 52.5542 53.1 55 55.4417 55.9 56.4958 56.9292 57
## 4 6 2 4 2 8 2 2
## 57.75 57.9792 59.4 60 61.175 61.3792 61.9792 63.3583
## 2 2 4 2 2 2 2 2
## 65 66.6 69.3 69.55 71 71.2833 73.5 75.2417
## 5 2 2 11 2 2 7 2
## 75.25 76.2917 76.7292 77.2875 77.9583 78.2667 78.85 79.2
## 2 2 3 2 3 2 3 6
## 79.65 80 81.8583 82.1708 82.2667 83.1583 83.475 86.5
## 3 2 3 2 2 6 2 3
## 89.1042 90 91.0792 93.5 106.425 108.9 110.8833 113.275
## 2 5 2 4 3 3 4 3
## 120 133.65 134.5 135.6333 136.7792 146.5208 151.55 153.4625
## 4 2 5 4 2 3 6 3
## 164.8667 211.3375 211.5 221.7792 227.525 247.5208 262.375 263
## 4 4 5 4 5 3 7 6
## 512.3292
## 4- Pago: Se observa en el min, que hubo 17 personas que no pagaron tiquete. Por otro lado, quien mas pago fueron 4 personas que pagaron 512.329, finalmente el promedio que pagaron los pasajeros fue de 33.295
table(Edad)## Edad
## 0.1667 0.25 0.3333 0.4167 0.5 0.6667 0.75 0.8333 0.9167 1 2
## 1 4 1 1 2 1 7 3 2 11 13
## 3 4 5 6 7 8 9 10 11 11.5 12
## 9 10 5 6 4 6 10 4 4 1 9
## 13 14 14.5 15 16 17 18 18.5 19 20 20.5
## 10 8 2 6 20 20 42 3 29 24 1
## 21 22 22.5 23 23.5 24 24.5 25 26 26.5 27
## 41 52 1 55 1 65 1 35 30 1 30
## 28 28.5 29 30 30.5 31 32 32.5 33 34 34.5
## 32 3 30 40 2 24 29 4 27 46 2
## 35 36 36.5 37 38 38.5 39 40 40.5 41 42
## 42 32 2 10 17 1 20 18 3 11 23
## 43 44 45 45.5 46 47 48 49 50 51 52
## 15 11 33 2 23 14 14 9 15 8 7
## 53 54 55 55.5 56 57 58 59 60 60.5 61
## 8 11 11 1 15 17 7 3 8 1 5
## 62 63 64 65 66 67 68 70 70.5 71 72
## 5 4 6 4 4 8 2 2 1 2 1
## 74 75 76 77 78 79 80 85 87 89 90
## 1 5 2 1 2 1 1 1 1 1 1
## 96 97 98 100
## 1 3 1 1- Edad: La persona que mayor edad tenía según el Max era de 100 años y el que manos edad tenia según el min era de 0,19 años, aproximadamente 2 meses y medio. El promedio y la mediana reflejan que había mayor cantidad de personas con edad de 29 a 32 años.
- Haga dos tablas de contingencia o tablas cruzadas interesantes y saque conclusiones de ellas. (Por favor calcule porcentajes del total fila y columna y redondeelas con dos decimales).
Las tablas de contingencia nos permiten leer y entender las variables de una forma más clara, en ese sentido, logramos estas conclusiones:
Comparacion entre la Clase y el Sexo
head(table(Clase, Sexo))## Sexo
## Clase female male
## 1 144 179
## 2 106 171
## 3 216 493PorcentajeFemaleClase1=(144*100)/1309
round(PorcentajeFemaleClase1, 2)## [1] 11PorcentajeMaleClase1=(179*100)/1309
round(PorcentajeMaleClase1, 2)## [1] 13.67PorcentajeFemaleClase2=(106*100)/1309
round(PorcentajeFemaleClase2, 2)## [1] 8.1PorcentajeMaleClase2=(171*100)/1309
round(PorcentajeMaleClase2, 2)## [1] 13.06PorcentajeFemaleClase3=(216*100)/1309
round(PorcentajeFemaleClase3, 2)## [1] 16.5PorcentajeMaleClase3=(493*100)/1309
round(PorcentajeMaleClase3, 2)## [1] 37.66- Se observa que en primera clase iban 144 mujeres y 179 hombres, en segunda clase 106 mujeres y 171 hombres, finalmente, en tercera clase iban 216 mujeres y 493 hombres. De esto podemos entender que, a principios del siglo XX, las mujeres no tenían la misma capacidad adquisitiva de los hombres, ni el mismo privilegio de acceder a estos medios de transporte. Es por esto, que se observa una cantidad mayor de hombres en la tripulación
Comparacion entre Sobrevivientes y Sexo
head(table(Sobrevivientes, Sexo))## Sexo
## Sobrevivientes female male
## 0 127 682
## 1 339 161PorcentajeFemaleNoSobrevivientes=(127*100)/1309
round(PorcentajeFemaleNoSobrevivientes, 2)## [1] 9.7PorcentajeMaleNoSobrevivientes=(682*100)/1309
round(PorcentajeMaleNoSobrevivientes, 2)## [1] 52.1PorcentajeFemaleSobrevivientes=(339*100)/1309
round(PorcentajeFemaleSobrevivientes, 2)## [1] 25.9PorcentajeMaleSobrevivientes=(161*100)/1309
round(PorcentajeMaleSobrevivientes, 2)## [1] 12.3- Esta tabla, nos muestra que hubo más muertos que sobrevivientes, podríamos explicar que murieron más hombres porque había mayor cantidad de hombres en el barco y porque se dio un privilegio a la vida de niños y mujeres.
Comparacion entre Pago de Tiquete y Sexo
table(`Pago de Tiquete`, Sexo)## Sexo
## Pago de Tiquete female male
## 0 0 17
## 3.1708 0 1
## 4.0125 0 1
## 5 0 1
## 6.2375 0 1
## 6.4375 0 3
## 6.45 0 1
## 6.4958 0 3
## 6.75 1 1
## 6.8583 0 1
## 6.95 1 1
## 6.975 0 2
## 7 1 1
## 7.0458 0 1
## 7.05 0 9
## 7.0542 0 2
## 7.125 0 4
## 7.1417 0 1
## 7.225 3 18
## 7.2292 4 20
## 7.25 1 17
## 7.2833 1 0
## 7.3125 0 1
## 7.4958 1 2
## 7.5208 0 1
## 7.55 2 6
## 7.575 0 1
## 7.5792 0 1
## 7.6292 2 0
## 7.65 2 4
## 7.7208 1 0
## 7.725 1 1
## 7.7292 0 1
## 7.7333 4 3
## 7.7375 1 1
## 7.7417 0 1
## 7.75 24 31
## 7.775 6 20
## 7.7792 1 0
## 7.7875 1 0
## 7.7958 0 10
## 7.8 0 1
## 7.8208 0 1
## 7.8292 1 2
## 7.85 0 1
## 7.8542 6 15
## 7.875 0 1
## 7.8792 7 3
## 7.8875 0 2
## 7.8958 1 48
## 7.925 7 16
## 8.0292 1 0
## 8.05 6 54
## 8.1125 1 1
## 8.1375 1 0
## 8.1583 0 1
## 8.3 0 1
## 8.3625 0 1
## 8.4042 0 1
## 8.4333 0 1
## 8.4583 0 1
## 8.5167 1 1
## 8.6542 0 1
## 8.6625 5 16
## 8.6833 1 0
## 8.7125 0 2
## 8.85 1 0
## 8.9625 1 0
## 9 0 2
## 9.2167 0 1
## 9.225 0 3
## 9.325 0 1
## 9.35 1 2
## 9.475 1 0
## 9.4833 0 1
## 9.5 0 12
## 9.5875 2 0
## 9.6875 0 1
## 9.825 2 0
## 9.8375 1 0
## 9.8417 1 0
## 9.8458 0 1
## 10.1708 0 1
## 10.4625 2 0
## 10.5 9 26
## 10.5167 1 0
## 10.7083 0 1
## 11.1333 2 1
## 11.2417 1 1
## 11.5 0 6
## 12 1 0
## 12.1833 2 0
## 12.275 0 1
## 12.2875 2 0
## 12.35 2 3
## 12.475 3 1
## 12.525 0 1
## 12.65 1 0
## 12.7375 0 1
## 12.875 0 2
## 13 17 42
## 13.4167 1 1
## 13.5 2 5
## 13.775 2 1
## 13.7917 1 0
## 13.8583 2 1
## 13.8625 0 2
## 13.9 1 1
## 14 0 1
## 14.1083 1 1
## 14.4 1 2
## 14.4542 6 4
## 14.4583 2 2
## 14.5 3 8
## 15 0 1
## 15.0333 0 1
## 15.0458 0 3
## 15.05 0 1
## 15.1 0 2
## 15.2458 5 4
## 15.5 6 4
## 15.55 1 1
## 15.5792 0 1
## 15.7417 2 1
## 15.75 2 0
## 15.85 2 2
## 15.9 1 2
## 16 1 1
## 16.1 5 7
## 16.7 3 0
## 17.4 1 1
## 17.8 1 1
## 18 2 2
## 18.75 1 2
## 18.7875 0 2
## 19.2583 4 0
## 19.5 2 0
## 19.9667 0 2
## 20.2125 2 1
## 20.25 1 2
## 20.525 1 2
## 20.575 2 2
## 21 8 6
## 21.075 3 2
## 21.6792 0 3
## 22.025 2 1
## 22.3583 2 1
## 22.525 0 3
## 23 6 1
## 23.25 2 1
## 23.45 2 2
## 24 1 1
## 24.15 3 6
## 25.4667 4 1
## 25.5875 0 1
## 25.7 1 0
## 25.7417 0 1
## 25.925 0 1
## 25.9292 2 0
## 26 19 31
## 26.25 4 2
## 26.2833 1 0
## 26.2875 0 3
## 26.3875 0 1
## 26.55 3 19
## 27 1 1
## 27.4458 1 0
## 27.7208 5 6
## 27.75 3 2
## 27.9 3 3
## 28.5 0 2
## 28.5375 0 1
## 28.7125 1 0
## 29 1 2
## 29.125 1 5
## 29.7 0 5
## 30 3 4
## 30.0708 1 1
## 30.5 0 6
## 30.6958 0 2
## 31 1 2
## 31.275 5 2
## 31.3875 2 5
## 31.5 0 3
## 31.6792 1 0
## 31.6833 1 0
## 32.3208 0 1
## 32.5 1 2
## 33 2 1
## 33.5 0 1
## 34.0208 0 1
## 34.375 3 2
## 34.6542 0 1
## 35 0 1
## 35.5 0 4
## 36.75 2 2
## 37.0042 1 2
## 38.5 0 1
## 39 5 2
## 39.4 2 0
## 39.6 1 2
## 39.6875 2 5
## 40.125 0 1
## 41.5792 3 1
## 42.4 0 2
## 42.5 0 1
## 45.5 0 1
## 46.9 3 5
## 47.1 0 2
## 49.5 1 0
## 49.5042 1 1
## 50 0 2
## 50.4958 0 2
## 51.4792 2 0
## 51.8625 1 3
## 52 3 5
## 52.5542 2 2
## 53.1 3 3
## 55 2 0
## 55.4417 2 2
## 55.9 1 1
## 56.4958 0 8
## 56.9292 1 1
## 57 1 1
## 57.75 1 1
## 57.9792 2 0
## 59.4 3 1
## 60 1 1
## 61.175 1 1
## 61.3792 0 2
## 61.9792 1 1
## 63.3583 1 1
## 65 3 2
## 66.6 1 1
## 69.3 2 0
## 69.55 5 6
## 71 1 1
## 71.2833 1 1
## 73.5 0 7
## 75.2417 0 2
## 75.25 1 1
## 76.2917 2 0
## 76.7292 1 2
## 77.2875 0 2
## 77.9583 3 0
## 78.2667 2 0
## 78.85 2 1
## 79.2 2 4
## 79.65 2 1
## 80 2 0
## 81.8583 1 2
## 82.1708 1 1
## 82.2667 1 1
## 83.1583 5 1
## 83.475 1 1
## 86.5 3 0
## 89.1042 1 1
## 90 3 2
## 91.0792 1 1
## 93.5 2 2
## 106.425 2 1
## 108.9 2 1
## 110.8833 2 2
## 113.275 2 1
## 120 2 2
## 133.65 1 1
## 134.5 3 2
## 135.6333 3 1
## 136.7792 1 1
## 146.5208 2 1
## 151.55 4 2
## 153.4625 2 1
## 164.8667 3 1
## 211.3375 4 0
## 211.5 2 3
## 221.7792 2 2
## 227.525 3 2
## 247.5208 2 1
## 262.375 5 2
## 263 4 2
## 512.3292 2 2- De esta Tabla podemos demostrar que hubo 17 hombres que no pagaron tiquete, podríamos asumir que hacían parte de la tripulación del barco. Solo dos mujeres y dos hombres pagaron los tiquetes más caros. Por último, hubo más compra de tiquetes por hombre que por mujeres.
Comparacion entre Sexo y Edad
table(Sexo, Edad)## Edad
## Sexo 0.1667 0.25 0.3333 0.4167 0.5 0.6667 0.75 0.8333 0.9167 1 2 3 4 5
## female 1 0 0 0 0 0 2 0 1 5 7 3 5 4
## male 0 4 1 1 2 1 5 3 1 6 6 6 5 1
## Edad
## Sexo 6 7 8 9 10 11 11.5 12 13 14 14.5 15 16 17 18 18.5 19 20 20.5 21 22
## female 2 1 3 5 2 1 0 4 4 4 1 5 8 8 20 1 10 6 0 10 26
## male 4 3 3 5 2 3 1 5 6 4 1 1 12 12 22 2 19 18 1 31 26
## Edad
## Sexo 22.5 23 23.5 24 24.5 25 26 26.5 27 28 28.5 29 30 30.5 31 32 32.5 33 34
## female 0 22 0 28 0 7 9 0 10 9 0 12 17 1 10 3 1 10 11
## male 1 33 1 37 1 28 21 1 20 23 3 18 23 1 14 26 3 17 35
## Edad
## Sexo 34.5 35 36 36.5 37 38 38.5 39 40 40.5 41 42 43 44 45 45.5 46 47 48 49
## female 0 16 13 0 4 7 0 8 6 0 4 6 5 4 16 0 5 4 8 2
## male 2 26 19 2 6 10 1 12 12 3 7 17 10 7 17 2 18 10 6 7
## Edad
## Sexo 50 51 52 53 54 55 55.5 56 57 58 59 60 60.5 61 62 63 64 65 66 67 68 70
## female 6 2 2 3 4 6 0 3 6 4 1 4 0 0 1 3 2 0 1 4 1 0
## male 9 6 5 5 7 5 1 12 11 3 2 4 1 5 4 1 4 4 3 4 1 2
## Edad
## Sexo 70.5 71 72 74 75 76 77 78 79 80 85 87 89 90 96 97 98 100
## female 0 0 0 0 0 1 0 2 0 0 0 0 1 0 0 1 0 1
## male 1 2 1 1 5 1 1 0 1 1 1 1 0 1 1 2 1 0- En esta tabla se evidencia, que hubo más hombres mayores que mujeres mayores, habían mas mujeres de 55 y 58 años que hombres de estas mismas edades, a pesar de que había más hombres que mujeres, el rango de edad de pasajeras mujeres fueron entre los 18 y los 58 años
Comparacion entre Edad y Clase
table(Edad, Clase)## Clase
## Edad 1 2 3
## 0.1667 0 0 1
## 0.25 2 2 0
## 0.3333 0 0 1
## 0.4167 0 0 1
## 0.5 2 0 0
## 0.6667 0 1 0
## 0.75 2 0 5
## 0.8333 0 2 1
## 0.9167 1 1 0
## 1 0 3 8
## 2 2 3 8
## 3 1 3 5
## 4 1 2 7
## 5 0 1 4
## 6 1 1 4
## 7 0 1 3
## 8 0 4 2
## 9 0 0 10
## 10 0 0 4
## 11 1 0 3
## 11.5 0 0 1
## 12 0 4 5
## 13 2 1 7
## 14 1 2 5
## 14.5 0 0 2
## 15 1 1 4
## 16 3 2 15
## 17 4 3 13
## 18 9 9 24
## 18.5 0 1 2
## 19 5 8 16
## 20 1 4 19
## 20.5 0 0 1
## 21 5 8 28
## 22 10 8 34
## 22.5 0 0 1
## 23 9 9 37
## 23.5 0 0 1
## 24 9 16 40
## 24.5 0 0 1
## 25 5 10 20
## 26 3 7 20
## 26.5 0 0 1
## 27 7 8 15
## 28 5 11 16
## 28.5 1 0 2
## 29 4 11 15
## 30 11 15 14
## 30.5 0 0 2
## 31 7 7 10
## 32 6 7 16
## 32.5 1 2 1
## 33 9 5 13
## 34 3 11 32
## 34.5 0 0 2
## 35 11 4 27
## 36 12 9 11
## 36.5 0 1 1
## 37 5 1 4
## 38 6 2 9
## 38.5 0 0 1
## 39 9 3 8
## 40 5 6 7
## 40.5 0 0 3
## 41 3 3 5
## 42 7 7 9
## 43 4 2 9
## 44 3 4 4
## 45 15 4 14
## 45.5 1 0 1
## 46 6 1 16
## 47 8 2 4
## 48 9 3 2
## 49 7 1 1
## 50 8 5 2
## 51 4 1 3
## 52 4 2 1
## 53 4 0 4
## 54 6 4 1
## 55 9 2 0
## 55.5 0 0 1
## 56 4 2 9
## 57 2 3 12
## 58 6 0 1
## 59 1 1 1
## 60 6 2 0
## 60.5 0 0 1
## 61 3 1 1
## 62 3 2 0
## 63 2 1 1
## 64 5 0 1
## 65 2 0 2
## 66 1 2 1
## 67 2 0 6
## 68 0 0 2
## 70 1 1 0
## 70.5 0 0 1
## 71 2 0 0
## 72 0 0 1
## 74 0 0 1
## 75 0 0 5
## 76 1 0 1
## 77 0 1 0
## 78 0 0 2
## 79 0 0 1
## 80 1 0 0
## 85 0 0 1
## 87 0 0 1
## 89 1 0 0
## 90 0 0 1
## 96 0 0 1
## 97 0 0 3
## 98 0 0 1
## 100 0 0 1- Esta tabla refleja que hay más niños de edad 0 a 10 en la clase 3, al analizar los jóvenes entre 10 y 20 la mayoría también hacen parte de la clase 3, de hecho, si seguimos observando, la mayoría de las personas iban en la clase 3 sin importar la edad. No obstante, había más personas en primera clase que cumplían estos rangos de edad entre 37- 39, 45- 55 y 60-65, esto podriamos entenderlo como aquellas personas que, entre mayor edad, su capacidad adquisitiva era mayor, tal vez porque fueron personas que al ya haber trabajado desde su juventud, pudieron a través del tiempo acumular el suficiente capital para permitirse pagar un mejor servicio.
- Compare el costo pagado (fare) de los pasajeros, en términos de la variable survived. Utilice: Min, max, Medidas de tendencia central, medidas de variabilidad, medidas de forma y un histograma. Interprete estas medidas conjuntamente con el histograma.
TPS = table(`Pago de Tiquete`, Sobrevivientes)
TPS## Sobrevivientes
## Pago de Tiquete 0 1
## 0 15 2
## 3.1708 0 1
## 4.0125 1 0
## 5 1 0
## 6.2375 1 0
## 6.4375 3 0
## 6.45 1 0
## 6.4958 3 0
## 6.75 2 0
## 6.8583 1 0
## 6.95 1 1
## 6.975 1 1
## 7 1 1
## 7.0458 1 0
## 7.05 8 1
## 7.0542 2 0
## 7.125 4 0
## 7.1417 0 1
## 7.225 16 5
## 7.2292 17 7
## 7.25 17 1
## 7.2833 1 0
## 7.3125 1 0
## 7.4958 2 1
## 7.5208 1 0
## 7.55 6 2
## 7.575 1 0
## 7.5792 0 1
## 7.6292 2 0
## 7.65 3 3
## 7.7208 0 1
## 7.725 1 1
## 7.7292 1 0
## 7.7333 4 3
## 7.7375 1 1
## 7.7417 1 0
## 7.75 38 17
## 7.775 19 7
## 7.7792 0 1
## 7.7875 0 1
## 7.7958 5 5
## 7.8 1 0
## 7.8208 0 1
## 7.8292 2 1
## 7.85 1 0
## 7.8542 17 4
## 7.875 1 0
## 7.8792 6 4
## 7.8875 1 1
## 7.8958 48 1
## 7.925 14 9
## 8.0292 0 1
## 8.05 51 9
## 8.1125 1 1
## 8.1375 1 0
## 8.1583 1 0
## 8.3 1 0
## 8.3625 1 0
## 8.4042 1 0
## 8.4333 1 0
## 8.4583 1 0
## 8.5167 0 2
## 8.6542 1 0
## 8.6625 20 1
## 8.6833 0 1
## 8.7125 2 0
## 8.85 1 0
## 8.9625 0 1
## 9 2 0
## 9.2167 1 0
## 9.225 2 1
## 9.325 1 0
## 9.35 1 2
## 9.475 1 0
## 9.4833 1 0
## 9.5 9 3
## 9.5875 1 1
## 9.6875 1 0
## 9.825 2 0
## 9.8375 1 0
## 9.8417 0 1
## 9.8458 1 0
## 10.1708 1 0
## 10.4625 2 0
## 10.5 23 12
## 10.5167 1 0
## 10.7083 1 0
## 11.1333 0 3
## 11.2417 0 2
## 11.5 6 0
## 12 0 1
## 12.1833 2 0
## 12.275 1 0
## 12.2875 0 2
## 12.35 3 2
## 12.475 0 4
## 12.525 1 0
## 12.65 0 1
## 12.7375 0 1
## 12.875 2 0
## 13 42 17
## 13.4167 0 2
## 13.5 5 2
## 13.775 3 0
## 13.7917 0 1
## 13.8583 0 3
## 13.8625 0 2
## 13.9 1 1
## 14 1 0
## 14.1083 1 1
## 14.4 3 0
## 14.4542 9 1
## 14.4583 4 0
## 14.5 9 2
## 15 1 0
## 15.0333 1 0
## 15.0458 3 0
## 15.05 1 0
## 15.1 2 0
## 15.2458 3 6
## 15.5 6 4
## 15.55 2 0
## 15.5792 1 0
## 15.7417 0 3
## 15.75 0 2
## 15.85 2 2
## 15.9 0 3
## 16 1 1
## 16.1 9 3
## 16.7 0 3
## 17.4 0 2
## 17.8 2 0
## 18 4 0
## 18.75 0 3
## 18.7875 1 1
## 19.2583 0 4
## 19.5 0 2
## 19.9667 2 0
## 20.2125 3 0
## 20.25 2 1
## 20.525 1 2
## 20.575 1 3
## 21 9 5
## 21.075 5 0
## 21.6792 3 0
## 22.025 0 3
## 22.3583 0 3
## 22.525 3 0
## 23 0 7
## 23.25 0 3
## 23.45 4 0
## 24 1 1
## 24.15 8 1
## 25.4667 5 0
## 25.5875 1 0
## 25.7 0 1
## 25.7417 0 1
## 25.925 1 0
## 25.9292 0 2
## 26 31 19
## 26.25 2 4
## 26.2833 0 1
## 26.2875 0 3
## 26.3875 0 1
## 26.55 12 10
## 27 1 1
## 27.4458 0 1
## 27.7208 5 6
## 27.75 2 3
## 27.9 6 0
## 28.5 1 1
## 28.5375 0 1
## 28.7125 1 0
## 29 0 3
## 29.125 6 0
## 29.7 3 2
## 30 1 6
## 30.0708 1 1
## 30.5 2 4
## 30.6958 2 0
## 31 1 2
## 31.275 7 0
## 31.3875 4 3
## 31.5 3 0
## 31.6792 1 0
## 31.6833 0 1
## 32.3208 1 0
## 32.5 1 2
## 33 1 2
## 33.5 1 0
## 34.0208 1 0
## 34.375 5 0
## 34.6542 1 0
## 35 1 0
## 35.5 1 3
## 36.75 1 3
## 37.0042 1 2
## 38.5 1 0
## 39 1 6
## 39.4 0 2
## 39.6 1 2
## 39.6875 7 0
## 40.125 1 0
## 41.5792 1 3
## 42.4 2 0
## 42.5 1 0
## 45.5 1 0
## 46.9 8 0
## 47.1 2 0
## 49.5 0 1
## 49.5042 1 1
## 50 2 0
## 50.4958 2 0
## 51.4792 0 2
## 51.8625 3 1
## 52 4 4
## 52.5542 0 4
## 53.1 2 4
## 55 0 2
## 55.4417 0 4
## 55.9 1 1
## 56.4958 2 6
## 56.9292 0 2
## 57 0 2
## 57.75 0 2
## 57.9792 0 2
## 59.4 1 3
## 60 1 1
## 61.175 1 1
## 61.3792 1 1
## 61.9792 1 1
## 63.3583 0 2
## 65 2 3
## 66.6 1 1
## 69.3 0 2
## 69.55 11 0
## 71 1 1
## 71.2833 1 1
## 73.5 7 0
## 75.2417 2 0
## 75.25 1 1
## 76.2917 0 2
## 76.7292 0 3
## 77.2875 2 0
## 77.9583 0 3
## 78.2667 0 2
## 78.85 1 2
## 79.2 3 3
## 79.65 1 2
## 80 0 2
## 81.8583 0 3
## 82.1708 1 1
## 82.2667 0 2
## 83.1583 1 5
## 83.475 1 1
## 86.5 0 3
## 89.1042 0 2
## 90 1 4
## 91.0792 0 2
## 93.5 2 2
## 106.425 1 2
## 108.9 1 2
## 110.8833 1 3
## 113.275 1 2
## 120 0 4
## 133.65 0 2
## 134.5 0 5
## 135.6333 1 3
## 136.7792 1 1
## 146.5208 1 2
## 151.55 3 3
## 153.4625 1 2
## 164.8667 1 3
## 211.3375 0 4
## 211.5 3 2
## 221.7792 3 1
## 227.525 2 3
## 247.5208 1 2
## 262.375 1 6
## 263 2 4
## 512.3292 0 4summary(`Pago de Tiquete`, Sobrevivientes)## Min. 1st Qu. Median Mean 3rd Qu. Max. NA's
## 0.000 7.896 14.454 33.295 31.275 512.329 1range(`Pago de Tiquete`, Sobrevivientes, na.rm = FALSE)## [1] NA NArange(`Pago de Tiquete`, Sobrevivientes, na.rm = TRUE)## [1] 0.0000 512.3292var(`Pago de Tiquete`, Sobrevivientes, na.rm = FALSE)## [1] NAvar(`Pago de Tiquete`, Sobrevivientes, na.rm = TRUE)## [1] 6.146023hist(`Pago de Tiquete`)
hist(Sobrevivientes)
- En este punto se tienen en cuenta y no, los datos que no estan registrados (NA).
- Elabore e interprete un boxplot comparativo del fare pagado de acuerdo a la clase del pasajero. Por favor haga que este gráfico sea legible y que tenga títulos apropiados. Interprete este boxplot apoyándose en un conjunto de medidas descriptivas pertinentes. Por favor sea generoso en esta interpretación.
plot.new()
set.seed(1)
rect(par("usr")[1], par("usr")[3], par("usr")[2], par("usr")[4],
col = "#ebebeb")
grid(nx = NULL, ny = NULL, col = "white", lty = 1,
lwd = par("lwd"), equilogs = TRUE)
par(new = TRUE)
boxplot(`Pago de Tiquete`, Clase,
horizontal = FALSE,
lwd = 2,
col = rgb(1, 0, 0, alpha = 0.4),
xlab = "Clase",
ylab = "Pago de Tiquete",
main = "Boxplot Pago vs Clase",
notch = TRUE,
border = "black",
outpch = 25,
outbg = "red",
whiskcol = "yellow",
whisklty = 2,
lty = 1) ## Warning in (function (z, notch = FALSE, width = NULL, varwidth = FALSE, : some
## notches went outside hinges ('box'): maybe set notch=FALSElegend("topright", legend = "Boxplot",
fill = rgb(1, 0, 0, alpha = 0.4),
inset = c(0.03, 0.05),
bg = "white") 
- Fuente de grafico = https://r-coder.com/boxplot-en-r/
- Extraiga una muestra aleatoria de tamaño 50, con los datos de la muestra calcule media x¯ , desviación estándar s y coeficiente de variación CV de las variables cuantitativas. Comparé los estadísticos calculados en la muestra con los parámetros de la población.
n=50
muestra = sample(1:nrow(BaseCombinada), size = n, replace = FALSE)
muestra## [1] 1017 679 129 930 471 299 270 1211 597 330 37 1129 729 878 485
## [16] 874 382 975 801 852 931 326 1300 554 111 532 556 889 343 582
## [31] 1145 40 537 375 248 1222 378 39 435 810 526 642 1069 22 193
## [46] 499 1128 983 843 465summary(muestra)## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 22.0 351.0 555.0 616.0 886.2 1300.0sd(muestra)## [1] 354.4223- Presente la distribución de muestreo de p̂, la proporción de sobrevivientes en la muestra.
m=mean(muestra)
de = sd(muestra)
x=50
z= function(x,m,de){pnorm(x,m,de,lower.tail = TRUE)}
z(x,m,de)*100## [1] 5.514935