Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
>
> # Recuerde que para ejecutar cada una de las líneas del código debe digitar "Control+r"
>
> # Las líneas del código que inician con el símbolo # no son comandos sino textos explicatorios
> # Si por error lo modificó, ingrese nuevamente a la carpeta de Google Drive y descárguelo
nuevamente
>
> # En este ejercicio, conoceremos los principales tipos de varables que se manejan en estadística
descriptiva:
> # Variable cuantitativa continua
> ###VARIABLE EDAD: es una varible continua, ya que se pueden tener 10.5 años
> edad=c(18.4,19.2,19.6,23,20,20.4,19.4,21.4,18,24,17,22,15,22,25)
> #Presentar en el informe grupal los siguientes resultados en un cuadro, explicando cada uno de
ellos:
[1] 20.29333
> var(edad)#varianza
[1] 7.182095
[1] 2.679943
[1] 15
[1] 25
[1] 15 25
[1] 20
[1] 15
> quantile(edad, 0.25)# Cuantil Q1
25%
18.8
75%
22
50%
20
[1] 3.2
[1] 15.0 17.0 18.0 18.4 19.2 19.4 19.6 20.0 20.4 21.4 22.0 22.0 23.0 24.0 25.0
>
> ### Regla de Sturges OPCIONAL PERO SE DEBE ACLARAR EL NUMERO DE INTERVALOS
[1] 15 25
[1] 5
> intervalosEdad=cut(edad,breaks=seq(15,25,length=nclass.Sturges(edad)),include.lowest=TRUE)
> intervalosEdad # Se muestran los intervalos de edad, uno correspondiente a cada edad
observada
[1] (17.5,20] (17.5,20] (17.5,20] (22.5,25] (17.5,20] (20,22.5] (17.5,20] (20,22.5] (17.5,20] (22.5,25]
[15,17.5] (20,22.5] [15,17.5] (20,22.5] (22.5,25]
> puntos=min(edad)+(0:nclass.Sturges(edad))*(max(edad)-min(edad))/nclass.Sturges(edad)
>
> #Histograma de la variable edad con la regla de Sturges:
>
> # Es obligatorio instalar la libreria Agricolae, para poder ejecutar los siguientes comandos del
código
> install.packages("agricolae") # Esperar que salga una lista de países y seleccionar USA(IA)
> ## Es una libreria grande, así que hay que tener paciencia y esperar hasta que esté totalmente
instalada
> ## Esperar hasta que aparezca el mensaje "The downloaded binary packages are in (muestra la
carpeta donde se guardaron)
> # finalmente, debe aparecer nuevamente el cursor rojo en la consola de resultados a la izquierda
> ## Esperar hasta que aparezca el mensaje "The downloaded binary packages are in (muestra la
carpeta donde se guardaron)
> # finalmente, debe aparecer nuevamente el cursor rojo en la consola de resultados a la izquierda
> # si la libreria quedó bien instalada, al dar "CONTROL+R" aparece "library(agricolae)" en color
rojo
> library(agricolae)
>
>
> # si la libreria quedó bien instalada, al dar "CONTROL+R" aparece "library(agricolae)" en color
rojo
> library(agricolae)
>
> ### Gráficos de variables continuas:
>
> ## variables de conteos, solo toman valores en números enteros numero de hermanos
> Hermanos=c(0,1,4,1,2,3,2,3,1,2,0,5,4,3,2)
>
> #Presentar en el informe grupal los siguientes resultados en un cuadro, explicando cada uno de
ellos:
> # si la libreria quedó bien instalada, al dar "CONTROL+R" aparece "library(agricolae)" en color
rojo
>
> # Es obligatorio instalar la libreria Agricolae, para poder ejecutar los siguientes comandos del
código
> install.packages("agricolae") # Esperar que salga una lista de países y seleccionar USA(IA)
> # si la libreria quedó bien instalada, al dar "CONTROL+R" aparece "library(agricolae)" en color
rojo
> library(agricolae)
>
> library(agricolae)
>
>
> ## variables de conteos, solo toman valores en números enteros numero de hermanos
> Hermanos=c(0,1,4,1,2,3,2,3,1,2,0,5,4,3,2)
>
> #Presentar en el informe grupal los siguientes resultados en un cuadro, explicando cada uno de
ellos:
[1] 0
[1] 5
[1] 0 5
> mean(Hermanos)# Media aritmética ## SI HAY DATOS PERDIDOS TOCA CON SUMMARY
[1] 2.2
[1] 15
[1] 1.473577
25%
75%
50%
[1] 2
[1] 0 0 1 1 1 2 2 2 2 3 3 3 4 4 5
> ##En este caso las tablas de frecuencias se desarrollan por pasos:
Hermanos
012345
234321
> fabs
Hermanos
012345
234321
0 1 2 3 4 5
2 5 9 12 14 15
> frel
Hermanos
0 1 2 3 4 5
> frelacum
0 1 2 3 4 5
> # Podemos decir que cero hermanos tiene el 0.1 en proporción ó el 10% de los individuos
encuestados.
>
>
> ##VARIABLES CUALITATIVAS
> # Son variables atribuibles a espectos cualitativos no numéricos, como el color, la raza, etc...
> # Pueden ser de tipo nominal, donde cada categoría es independiente de la otra, como el color o
la raza
> # O de tipo categórigo, donde existe algún tipo de estratificación o nivel, como el nivel de
estudios o el estrato socioeconómico.
> # A continuación tomaremos como ejemplo la variable categórica "Nivel de estudios" de los
agricultores pertenecientes a una misma vereda.
> # Para poder codificar lo que cada agricultor respondió, se le asigna un número a cada nivel de
estudio:
>
>
> # Ahora, hay que explicarle al programa lo que significa cada número
> # Se indica a qué corresponde cada número, desde el menor grado hasta el más avanzado y cuál
es su etiqueta:
>
>
[1] Estudios Primarios Estudios Secundarios Sin estudios Estudios Primarios Sin estudios
Estudios Primarios Estudios Primarios
[8] Estudios Secundarios Estudios Superiores Estudios Secundarios Estudios Superiores Estudios
Primarios Estudios Secundarios Estudios Superiores
>
> # Una vez se ha codificado exitosamente la variable, se puede analizar con R:
>
> summary(estudios)# debe aparecer cada categoria con el número de agricultores que se
encuentran en ella
2 5 4 3
estudios
2 5 4 3
>
> # Hay que tener cuidado cuando se va a usar un comando que ya se había usado antes
> # Es importante cambiarle el nombre, o va a producir los resultados para los que se creó
inicialmente
> # Así que para usarlos nuevamente, les cambiamos el nombre a "fabs1" y "frel1":
>
> fabs1 # si no se le cambia el nombre, aparecería el mismo que produjo en la variable discreta
estudios
2 5 4 3
> frel1
estudios
>
> # Podemos decir que el 0.1 de los agricultores encuestados no tienen estudios o en proporción,
el 10%
>
>
> # Si tiene alguna inquietud, por favor consulte con su respectivo tutor, de acuerdo al grupo al
que pertenece.