library(UsingR)
## Loading required package: MASS
## Loading required package: HistData
## Loading required package: Hmisc
## Loading required package: lattice
## Loading required package: survival
## Loading required package: Formula
## Loading required package: ggplot2
##
## Attaching package: 'Hmisc'
## The following objects are masked from 'package:base':
##
## format.pval, units
##
## Attaching package: 'UsingR'
## The following object is masked from 'package:survival':
##
## cancer
#1.Promedio de peso y altura, de mujeres y hombres
#Niños:
prom_peso_hombres = mean(kid.weights$weight[kid.weights$gender=='M'])
prom_altura_hombres = mean(kid.weights$height[kid.weights$gender=='M'])
c(paste("Promedio de peso (niños): ", prom_peso_hombres))
## [1] "Promedio de peso (niños): 40.2644628099174"
c(paste("Promedio de altura (niños): ", prom_altura_hombres))
## [1] "Promedio de altura (niños): 37.0413223140496"
#Niñas:
prom_peso_mujeres = mean(kid.weights$weight[kid.weights$gender=='F'])
prom_altura_mujeres = mean(kid.weights$height[kid.weights$gender=='F'])
c(paste("Promedio de peso (niñas): ", prom_peso_mujeres))
## [1] "Promedio de peso (niñas): 36.6201550387597"
c(paste("Promedio de altura (niñas): ", prom_altura_mujeres))
## [1] "Promedio de altura (niñas): 36.0387596899225"
#2.Persona más pesada y más alta por género
#Niños: más pesado
ninos = kid.weights[kid.weights$gender=='M',];ninos
## age weight height gender
## 1 58 38 38 M
## 2 103 87 43 M
## 3 87 50 48 M
## 4 138 98 61 M
## 7 28 24 29 M
## 9 107 144 59 M
## 10 45 24 24 M
## 12 6 15 27 M
## 17 128 80 59 M
## 20 11 24 24 M
## 21 52 35 36 M
## 22 52 30 36 M
## 25 44 28 33 M
## 26 4 14 23 M
## 28 5 11 25 M
## 29 35 31 35 M
## 30 35 28 34 M
## 34 5 15 23 M
## 37 70 40 36 M
## 39 22 21 31 M
## 43 139 69 58 M
## 48 25 25 34 M
## 49 43 29 36 M
## 52 48 28 38 M
## 54 4 13 12 M
## 56 26 33 24 M
## 59 33 27 36 M
## 60 16 20 26 M
## 61 39 30 38 M
## 62 56 45 40 M
## 63 23 34 24 M
## 64 8 19 28 M
## 68 7 14 24 M
## 69 48 43 41 M
## 73 130 105 58 M
## 74 111 94 48 M
## 77 5 17 25 M
## 82 4 13 25 M
## 84 4 16 28 M
## 85 48 45 37 M
## 88 78 54 46 M
## 89 72 60 38 M
## 90 33 30 31 M
## 96 73 48 48 M
## 97 36 30 36 M
## 99 55 38 36 M
## 103 124 74 54 M
## 104 50 30 36 M
## 107 39 33 34 M
## 108 141 78 55 M
## 110 71 40 34 M
## 111 55 32 39 M
## 112 39 31 37 M
## 113 7 15 24 M
## 114 7 19 22 M
## 116 36 40 35 M
## 117 33 37 38 M
## 119 96 45 45 M
## 122 65 50 47 M
## 125 20 22 24 M
## 130 14 23 32 M
## 134 68 40 38 M
## 135 29 32 32 M
## 137 19 30 33 M
## 140 75 52 48 M
## 141 20 23 37 M
## 143 7 18 28 M
## 144 41 32 38 M
## 147 73 36 43 M
## 148 77 47 50 M
## 149 130 80 61 M
## 150 10 23 30 M
## 151 142 64 61 M
## 152 69 45 47 M
## 155 27 26 33 M
## 156 38 38 38 M
## 158 133 150 59 M
## 159 61 42 42 M
## 163 139 150 67 M
## 164 42 25 29 M
## 168 34 27 36 M
## 170 26 30 31 M
## 171 60 35 36 M
## 172 78 42 51 M
## 175 7 14 26 M
## 176 39 32 39 M
## 180 142 59 50 M
## 186 6 13 24 M
## 187 15 18 24 M
## 192 101 50 50 M
## 193 3 14 25 M
## 194 3 13 24 M
## 195 31 26 26 M
## 197 44 32 39 M
## 200 87 50 42 M
## 207 126 131 59 M
## 210 143 70 56 M
## 212 31 35 36 M
## 214 139 85 58 M
## 217 12 17 22 M
## 218 47 34 36 M
## 222 22 23 31 M
## 223 10 17 23 M
## 225 53 41 43 M
## 227 3 13 22 M
## 229 51 32 39 M
## 230 8 18 28 M
## 231 14 35 36 M
## 232 39 32 39 M
## 233 129 108 61 M
## 235 53 42 30 M
## 237 25 26 36 M
## 238 26 26 26 M
## 239 26 23 29 M
## 241 12 28 32 M
## 242 69 55 43 M
## 245 64 49 40 M
## 247 5 14 25 M
## 248 23 26 33 M
## 249 122 85 40 M
## 250 5 14 27 M
ninos_pesados = which(ninos$weight==max(ninos$weight))
ninos[c(ninos_pesados),]
## age weight height gender
## 158 133 150 59 M
## 163 139 150 67 M
#Niños: más alto
ninos_altos = which(ninos$height==max(ninos$height))
ninos[c(ninos_altos),]
## age weight height gender
## 163 139 150 67 M
#Niñas: más pesada
ninas = kid.weights[kid.weights$gender=='F',];ninas
## age weight height gender
## 5 82 47 47 F
## 6 52 30 24 F
## 8 79 45 48 F
## 11 58 40 40 F
## 13 7 20 26 F
## 14 3 10 29 F
## 15 8 19 29 F
## 16 11 29 28 F
## 18 11 20 28 F
## 19 14 28 30 F
## 23 64 52 47 F
## 24 107 72 48 F
## 27 6 18 28 F
## 31 46 31 32 F
## 32 6 14 25 F
## 33 34 38 40 F
## 35 12 27 33 F
## 36 62 60 36 F
## 38 60 40 40 F
## 40 65 47 39 F
## 41 51 46 41 F
## 42 18 30 33 F
## 44 124 76 53 F
## 45 7 16 31 F
## 46 5 11 23 F
## 47 28 38 33 F
## 50 8 21 21 F
## 51 84 36 48 F
## 53 63 41 36 F
## 55 10 21 27 F
## 57 59 40 24 F
## 58 23 32 36 F
## 65 63 41 36 F
## 66 41 40 30 F
## 67 8 19 27 F
## 70 104 90 33 F
## 71 49 45 45 F
## 72 15 29 30 F
## 75 7 22 26 F
## 76 73 69 36 F
## 78 37 27 32 F
## 79 3 12 23 F
## 80 61 40 40 F
## 81 30 25 24 F
## 83 8 20 27 F
## 86 18 27 26 F
## 87 9 20 25 F
## 91 5 18 30 F
## 92 77 55 52 F
## 93 5 14 23 F
## 94 44 34 24 F
## 95 64 45 53 F
## 98 22 25 32 F
## 100 3 13 24 F
## 101 11 22 29 F
## 102 8 19 28 F
## 105 117 89 50 F
## 106 69 35 42 F
## 109 42 43 30 F
## 115 111 55 58 F
## 118 23 34 30 F
## 120 79 44 48 F
## 121 71 50 46 F
## 123 14 28 32 F
## 124 45 32 35 F
## 126 65 52 49 F
## 127 46 40 48 F
## 128 60 42 40 F
## 129 13 22 28 F
## 131 8 16 28 F
## 132 4 17 22 F
## 133 48 30 40 F
## 136 7 26 29 F
## 138 108 61 53 F
## 139 131 65 54 F
## 142 21 29 31 F
## 145 113 50 54 F
## 146 3 13 24 F
## 153 21 25 40 F
## 154 91 65 48 F
## 157 15 20 30 F
## 160 66 53 48 F
## 161 78 35 36 F
## 162 5 16 26 F
## 165 40 30 24 F
## 166 98 52 41 F
## 167 36 27 38 F
## 169 19 22 34 F
## 173 3 12 23 F
## 174 74 47 50 F
## 177 31 25 30 F
## 178 126 93 58 F
## 179 31 30 35 F
## 181 144 100 60 F
## 182 47 34 42 F
## 183 83 52 47 F
## 184 61 43 43 F
## 185 56 32 36 F
## 188 36 38 38 F
## 189 3 17 27 F
## 190 67 46 48 F
## 191 27 29 34 F
## 196 5 11 23 F
## 198 101 70 45 F
## 199 5 16 26 F
## 201 18 26 33 F
## 202 17 23 31 F
## 203 46 37 41 F
## 204 115 60 54 F
## 205 94 45 51 F
## 206 22 26 34 F
## 208 16 22 23 F
## 209 4 12 23 F
## 211 130 86 58 F
## 213 3 14 24 F
## 215 105 58 52 F
## 216 25 28 34 F
## 219 5 19 24 F
## 220 5 13 22 F
## 221 11 18 29 F
## 224 46 30 36 F
## 226 49 30 33 F
## 228 125 125 49 F
## 234 60 40 39 F
## 236 40 28 36 F
## 240 74 42 45 F
## 243 126 65 36 F
## 244 113 80 56 F
## 246 10 18 27 F
ninas_pesadas = which(ninas$weight==max(ninas$weight))
ninas[c(ninas_pesadas),]
## age weight height gender
## 228 125 125 49 F
#Niñas: más alta
ninas_altas = which(ninas$height==max(ninas$height))
ninas[c(ninas_altas),]
## age weight height gender
## 181 144 100 60 F
#3: Número de niños con peso entre: 0-20, 20-50, 50-200
#Entre 0 - 20:
rango_peso1 = kid.weights[kid.weights$weight>=0 & kid.weights$weight<=20,];rango_peso1
## age weight height gender
## 12 6 15 27 M
## 13 7 20 26 F
## 14 3 10 29 F
## 15 8 19 29 F
## 18 11 20 28 F
## 26 4 14 23 M
## 27 6 18 28 F
## 28 5 11 25 M
## 32 6 14 25 F
## 34 5 15 23 M
## 45 7 16 31 F
## 46 5 11 23 F
## 54 4 13 12 M
## 60 16 20 26 M
## 64 8 19 28 M
## 67 8 19 27 F
## 68 7 14 24 M
## 77 5 17 25 M
## 79 3 12 23 F
## 82 4 13 25 M
## 83 8 20 27 F
## 84 4 16 28 M
## 87 9 20 25 F
## 91 5 18 30 F
## 93 5 14 23 F
## 100 3 13 24 F
## 102 8 19 28 F
## 113 7 15 24 M
## 114 7 19 22 M
## 131 8 16 28 F
## 132 4 17 22 F
## 143 7 18 28 M
## 146 3 13 24 F
## 157 15 20 30 F
## 162 5 16 26 F
## 173 3 12 23 F
## 175 7 14 26 M
## 186 6 13 24 M
## 187 15 18 24 M
## 189 3 17 27 F
## 193 3 14 25 M
## 194 3 13 24 M
## 196 5 11 23 F
## 199 5 16 26 F
## 209 4 12 23 F
## 213 3 14 24 F
## 217 12 17 22 M
## 219 5 19 24 F
## 220 5 13 22 F
## 221 11 18 29 F
## 223 10 17 23 M
## 227 3 13 22 M
## 230 8 18 28 M
## 246 10 18 27 F
## 247 5 14 25 M
## 250 5 14 27 M
#Entre 20 - 50:
rango_peso2 = kid.weights[kid.weights$weight>20 & kid.weights$weight<=50,];rango_peso2
## age weight height gender
## 1 58 38 38 M
## 3 87 50 48 M
## 5 82 47 47 F
## 6 52 30 24 F
## 7 28 24 29 M
## 8 79 45 48 F
## 10 45 24 24 M
## 11 58 40 40 F
## 16 11 29 28 F
## 19 14 28 30 F
## 20 11 24 24 M
## 21 52 35 36 M
## 22 52 30 36 M
## 25 44 28 33 M
## 29 35 31 35 M
## 30 35 28 34 M
## 31 46 31 32 F
## 33 34 38 40 F
## 35 12 27 33 F
## 37 70 40 36 M
## 38 60 40 40 F
## 39 22 21 31 M
## 40 65 47 39 F
## 41 51 46 41 F
## 42 18 30 33 F
## 47 28 38 33 F
## 48 25 25 34 M
## 49 43 29 36 M
## 50 8 21 21 F
## 51 84 36 48 F
## 52 48 28 38 M
## 53 63 41 36 F
## 55 10 21 27 F
## 56 26 33 24 M
## 57 59 40 24 F
## 58 23 32 36 F
## 59 33 27 36 M
## 61 39 30 38 M
## 62 56 45 40 M
## 63 23 34 24 M
## 65 63 41 36 F
## 66 41 40 30 F
## 69 48 43 41 M
## 71 49 45 45 F
## 72 15 29 30 F
## 75 7 22 26 F
## 78 37 27 32 F
## 80 61 40 40 F
## 81 30 25 24 F
## 85 48 45 37 M
## 86 18 27 26 F
## 90 33 30 31 M
## 94 44 34 24 F
## 95 64 45 53 F
## 96 73 48 48 M
## 97 36 30 36 M
## 98 22 25 32 F
## 99 55 38 36 M
## 101 11 22 29 F
## 104 50 30 36 M
## 106 69 35 42 F
## 107 39 33 34 M
## 109 42 43 30 F
## 110 71 40 34 M
## 111 55 32 39 M
## 112 39 31 37 M
## 116 36 40 35 M
## 117 33 37 38 M
## 118 23 34 30 F
## 119 96 45 45 M
## 120 79 44 48 F
## 121 71 50 46 F
## 122 65 50 47 M
## 123 14 28 32 F
## 124 45 32 35 F
## 125 20 22 24 M
## 127 46 40 48 F
## 128 60 42 40 F
## 129 13 22 28 F
## 130 14 23 32 M
## 133 48 30 40 F
## 134 68 40 38 M
## 135 29 32 32 M
## 136 7 26 29 F
## 137 19 30 33 M
## 141 20 23 37 M
## 142 21 29 31 F
## 144 41 32 38 M
## 145 113 50 54 F
## 147 73 36 43 M
## 148 77 47 50 M
## 150 10 23 30 M
## 152 69 45 47 M
## 153 21 25 40 F
## 155 27 26 33 M
## 156 38 38 38 M
## 159 61 42 42 M
## 161 78 35 36 F
## 164 42 25 29 M
## 165 40 30 24 F
## 167 36 27 38 F
## 168 34 27 36 M
## 169 19 22 34 F
## 170 26 30 31 M
## 171 60 35 36 M
## 172 78 42 51 M
## 174 74 47 50 F
## 176 39 32 39 M
## 177 31 25 30 F
## 179 31 30 35 F
## 182 47 34 42 F
## 184 61 43 43 F
## 185 56 32 36 F
## 188 36 38 38 F
## 190 67 46 48 F
## 191 27 29 34 F
## 192 101 50 50 M
## 195 31 26 26 M
## 197 44 32 39 M
## 200 87 50 42 M
## 201 18 26 33 F
## 202 17 23 31 F
## 203 46 37 41 F
## 205 94 45 51 F
## 206 22 26 34 F
## 208 16 22 23 F
## 212 31 35 36 M
## 216 25 28 34 F
## 218 47 34 36 M
## 222 22 23 31 M
## 224 46 30 36 F
## 225 53 41 43 M
## 226 49 30 33 F
## 229 51 32 39 M
## 231 14 35 36 M
## 232 39 32 39 M
## 234 60 40 39 F
## 235 53 42 30 M
## 236 40 28 36 F
## 237 25 26 36 M
## 238 26 26 26 M
## 239 26 23 29 M
## 240 74 42 45 F
## 241 12 28 32 M
## 245 64 49 40 M
## 248 23 26 33 M
#Entre 50 - 200:
rango_peso3 = kid.weights[kid.weights$weight>50 & kid.weights$weight<=200,];rango_peso3
## age weight height gender
## 2 103 87 43 M
## 4 138 98 61 M
## 9 107 144 59 M
## 17 128 80 59 M
## 23 64 52 47 F
## 24 107 72 48 F
## 36 62 60 36 F
## 43 139 69 58 M
## 44 124 76 53 F
## 70 104 90 33 F
## 73 130 105 58 M
## 74 111 94 48 M
## 76 73 69 36 F
## 88 78 54 46 M
## 89 72 60 38 M
## 92 77 55 52 F
## 103 124 74 54 M
## 105 117 89 50 F
## 108 141 78 55 M
## 115 111 55 58 F
## 126 65 52 49 F
## 138 108 61 53 F
## 139 131 65 54 F
## 140 75 52 48 M
## 149 130 80 61 M
## 151 142 64 61 M
## 154 91 65 48 F
## 158 133 150 59 M
## 160 66 53 48 F
## 163 139 150 67 M
## 166 98 52 41 F
## 178 126 93 58 F
## 180 142 59 50 M
## 181 144 100 60 F
## 183 83 52 47 F
## 198 101 70 45 F
## 204 115 60 54 F
## 207 126 131 59 M
## 210 143 70 56 M
## 211 130 86 58 F
## 214 139 85 58 M
## 215 105 58 52 F
## 228 125 125 49 F
## 233 129 108 61 M
## 242 69 55 43 M
## 243 126 65 36 F
## 244 113 80 56 F
## 249 122 85 40 M
#4.Grafique el punto 3 de forma adecuada
colores = c("yellow","blue","red")
barplot(c(nrow(rango_peso1),nrow(rango_peso2),nrow(rango_peso3)),main = "Número de niños con peso entre: 0-20, 20-50, 50-200",
ylab = "Cantidad de niños",xlab = "Rangos de peso (libras)", col = colores,
names.arg = c("Entre 0-20","Entre 20-50","Entre 50-200"))
legend("topright",legend = c(nrow(rango_peso1),nrow(rango_peso2),nrow(rango_peso3)), fill = colores)
