R Version 3

R version 3.5.
3 (2019-03-11) -- "Great Truth"
Copyright (C) 2019 The R Foundation for Statistical Computing
Platform: x86_64-w64-mingw32/x64 (64-bit)
R es un software libre y viene sin GARANTIA ALGUNA.
Usted puede redistribuirlo bajo ciertas circunstancias.
Escriba 'license()' o 'licence()' para detalles de distribucion.
R es un proyecto colaborativo con muchos contribuyentes.
Escriba 'contributors()' para obtener más información y
'citation()' para saber cómo citar R o paquetes de R en publicaciones.
Escriba 'demo()' para demostraciones, 'help()' para el sistema on-line de ayuda,
o 'help.start()' para abrir el sistema de ayuda HTML con su navegador.
Escriba 'q()' para salir de R.
>
> # CURSO ESTADISTICA DESCRIPTIVA (300046_761) PERIODO ACADÉMICO 16-1 DE 2020
> # CONCEPTOS BÁSICOS DE ESTADÍSTICA DESCRIPTIVA Y MANEJO DEL CODIGO R UNIDAD 1
> # Recuerde que para ejecutar cada una de las líneas del código debe digitar "Control+r"
> # Recuerde siempre ejecutarlo en orden, de arriba hacia abajo
>
> # Las líneas del código que inician con el símbolo # no son comandos sino textos explicatorios
> # IMPORTANTE: NO MODIFIQUEN NINGUNA PARTE DEL CÓDIGO
> # Si lo modifican, les pueden aparecer errores
> # 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 cuantitativa discreta
> # Variable cualitativa o categórica
> ###VARIABLES CUANTITATIVAS CONTINUAS
> ###Son variables de mediciones en individuos u objetos peso, edad, altura
> ###son variables que admiten decimales.
> ###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:
> summary(edad)# Resumen estadístico
Min. 1st Qu. Median Mean 3rd Qu. Max.
15.00 18.80 20.00 20.29 22.00 25.00
> mean(edad)#media aritmética
[1] 20.29333
> var(edad)#varianza
[1] 7.182095
> sd(edad)#desviación estándar
[1] 2.679943
> min(edad) #Mínimo
[1] 15
> max(edad)# Máximo
[1] 25
> range(edad) #Rango
[1] 15 25
> median(edad)# Mediana
[1] 20
> length(edad)# Número de datos
[1] 15
> quantile(edad, 0.25)# Cuantil Q1
25%
18.8
> quantile(edad, 0.75)# Cuantil Q3
75%
22
> quantile(edad, 0.5)# Cuantil Q2 que es la mimsa mediana
50%
20
> IQR(edad) #Rango intercuartílico
[1] 3.2
> sort(edad)# Ordenar
[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
> range(edad,na.rm=TRUE) # incluimos na.rm=TRUE para que ignore la presencia de valores

perdidos
[1] 15 25
> nclass.Sturges(edad)#Número de intervalos
[1] 5
> seq(15,25,length=nclass.Sturges(edad)) # Límites de los intervalos
[1] 15.0 17.5 20.0 22.5 25.0
> 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]
Levels: [15,17.5] (17.5,20] (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:
> hist(edad,main="Histograma con Regla de Sturges variable edad",breaks=puntos) # este

comando crea el gráfico de histograma con la regla de Sturges
>
> # Instalación libreria "agricolae":
> # Es obligatorio instalar la libreria Agricolae, para poder ejecutar los siguientes comandos del
código
> # Esta es la forma de instalar desde el editor:
> install.packages("agricolae") # Esperar que salga una lista de países y seleccionar USA(IA)
> ## Damos "OK" y el programa instala el paquete
> ## 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)
>
> ### Gráficos de variables continuas:
> hist(edad,ylab="Frecuencia",main="Histograma de la variable continua Edad")# Histograma
> boxplot(edad,ylab="Edad (años)",main="Boxplot o diagrama de cajas variable continua") #

Gráfico de diagrama de cajas o Boxplot
>
> ###VARIABLES CUANTITATIVAS DISCRETAS
rojo
>

>
> ## variables de conteos, solo toman valores en números enteros numero de hermanos
> ## numero de frutos, número de partos.
> Hermanos=c(0,1,4,1,2,3,2,3,1,2,0,5,4,3,2)
>
ellos:
rojo
> #Histograma de la variable edad con la regla de Sturges:
> hist(edad,main="Histograma con Regla de Sturges variable edad",breaks=puntos) # este

comando crea el gráfico de histograma con la regla de Sturges
>
> # Instalación libreria "agricolae":
> # Es obligatorio instalar la libreria Agricolae, para poder ejecutar los siguientes comandos del
código
> # Esta es la forma de instalar desde el editor:
> install.packages("agricolae") # Esperar que salga una lista de países y seleccionar USA(IA)
Installing package into ‘C:/Users/User/Documents/R/win-library/3.5’
(as ‘lib’ is unspecified)
Warning: package ‘agricolae’ is in use and will not be installed
rojo
>

rojo
>


>
> ## variables de conteos, solo toman valores en números enteros numero de hermanos
> ## numero de frutos, número de partos.
> Hermanos=c(0,1,4,1,2,3,2,3,1,2,0,5,4,3,2)
>
ellos:
> summary(Hermanos)# Resumen estadístico
Min. 1st Qu. Median Mean 3rd Qu. Max.
0.0 1.0 2.0 2.2 3.0 5.0
> min(Hermanos) #Mínimo
[1] 0
> max(Hermanos)# Máximo
[1] 5
> range(Hermanos) #Rango
[1] 0 5
> mean(Hermanos)# Media aritmética ## SI HAY DATOS PERDIDOS TOCA CON SUMMARY
[1] 2.2
> median(Hermanos)# Mediana

[1] 2
> length(Hermanos)# NÚMERO DE DATOS
[1] 15
> sd(Hermanos)# Desviación típica
[1] 1.473577
> quantile(Hermanos, 0.25)# Cuantil Q1
25%
> quantile(Hermanos, 0.75)# Cuantil Q3
75%
> quantile(Hermanos, 0.5)# Cuantil Q2 que es la mimsa mediana
50%
> IQR(Hermanos) #Rango intercuartílico
[1] 2
> sort(Hermanos)# Ordenar
[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:
> table(Hermanos) #Tabla de frecuencias absolutas
Hermanos
012345
234321
> fabs=table(Hermanos)##Tabla de frecuencias absolutas
> fabs
Hermanos
012345
234321
> fabsacum<-as.table(cumsum(fabs))#Frecuencias absolutas acumuladas

> fabsacum
0 1 2 3 4 5
2 5 9 12 14 15
> frel=prop.table(table(Hermanos))#Tabla de frecuencias relativas
> frel
Hermanos
0 1 2 3 4 5
0.13333333 0.20000000 0.26666667 0.20000000 0.13333333 0.06666667
> frelacum<-as.table(cumsum(frel))#Frecuencias relativas acumuladas
> frelacum
0 1 2 3 4 5
0.1333333 0.3333333 0.6000000 0.8000000 0.9333333 1.0000000
> # Podemos decir que cero hermanos tiene el 0.1 en proporción ó el 10% de los individuos
encuestados.
> # Las proporciones se multiplican por 100 para expresarlas en porcentaje.
>
> ##Gráficos de variables cuantitaivas discretas:
> boxplot(Hermanos,ylab="número de hermanos",main="Boxplot o diagrama de cajas variable

discreta")

discreta")

discreta")
> barplot(fabs,xlab="Número de hermanos",ylab="Frecuencias absolutas",main="Diagrama de

barras Frecuencia Absoluta")
> barplot(frel,xlab="Número de hermanos",ylab="Frecuencias relativas",main="Diagrama de

barras Frecuencia relativa")
> barplot(frelacum,xlab="Número de hermanos",ylab="Frecuencias relativas",main="Diagrama de

barras Frecuencias relativas acumuladas")
> pie(fabs,col=rainbow(6),main=c("Grafico de tarta de Hermanos"))#Gráfico de tarta
>
> ##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:
> # Nivel de estudios: 0:“Sin estudios”; 1: “Estudios Primarios”; 2: “Estudios Secundarios”;

3:“Estudios Superiores”
>
> estudios=c(1,2,0,1,0,1,1,2,3,2,3,1,2,3) # Esto es lo que respondió cada agricultor ya codificado,

para poderlo analizar en el programa R.
>
> # Ahora, hay que explicarle al programa lo que significa cada número
> # Se le aclara que nuestra variable tiene 4 categorías, del 0 al 3
> # Se indica a qué corresponde cada número, desde el menor grado hasta el más avanzado y cuál
es su etiqueta:
>
> estudios=factor(estudios, levels=c(0,1,2,3),
+ labels=c("Sin estudios","Estudios Primarios",
+ "Estudios Secundarios","Estudios Superiores"))
>
> estudios # Muestra los que respondió cada agricultor
[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
Levels: Sin estudios Estudios Primarios Estudios Secundarios Estudios Superiores
>
> # Una vez se ha codificado exitosamente la variable, se puede analizar con R:
> # Presentar estos resultados en un cuadro y explicar:
> # Presentar estos resultados en un cuadro y explicar:
>
> summary(estudios)# debe aparecer cada categoria con el número de agricultores que se
encuentran en ella
Sin estudios Estudios Primarios Estudios Secundarios Estudios Superiores
2 5 4 3
> table(estudios) #Tabla de frecuencias absolutas
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
> # En la variable discreta, ya habíamos usado los comandos "fabs" y "frel"
> # Así que para usarlos nuevamente, les cambiamos el nombre a "fabs1" y "frel1":
>
> fabs1=table(estudios)# Tabla de frecuencias absolutas
> fabs1 # si no se le cambia el nombre, aparecería el mismo que produjo en la variable discreta
estudios
2 5 4 3
> frel1=prop.table(table(estudios))# Tabla de frecuencias relativas
> frel1
estudios
0.1428571 0.3571429 0.2857143 0.2142857
>
> # Podemos decir que el 0.1 de los agricultores encuestados no tienen estudios o en proporción,
el 10%
> # Para pasarlo a porcentaje, se multiplica el resultado por 100
>
> ##Gráficos de variables cualitativas
> barplot(fabs1,ylab="Frecuencias absolutas",main="Diagrama de barras frecuencias absolutas

nivel de estudio de agricultores") #
> barplot(frel1,ylab="Frecuencias relativas",main="Diagrama de barras frecuencias relativas nivel

de estudio de agricultores")
>
> #Les deseamos éxitos en la ejecución de este ejercicio.
> # Si tiene alguna inquietud, por favor consulte con su respectivo tutor, de acuerdo al grupo al
que pertenece.
> # Preparado por Luis Alberto Cáceres
> # Director del curso Estadística Descriptiva (para ciencias agrarias)

R Version 3

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

R Version 3

Загружено:

Авторское право:

Доступные форматы

R version 3.5.

3 (2019-03-11) -- "Great Truth"

Copyright (C) 2019 The R Foundation for Statistical Computing

Platform: x86_64-w64-mingw32/x64 (64-bit)

R es un software libre y viene sin GARANTIA ALGUNA.

Usted puede redistribuirlo bajo ciertas circunstancias.

Escriba 'license()' o 'licence()' para detalles de distribucion.

R es un proyecto colaborativo con muchos contribuyentes.

Escriba 'contributors()' para obtener más información y

'citation()' para saber cómo citar R o paquetes de R en publicaciones.

Escriba 'demo()' para demostraciones, 'help()' para el sistema on-line de ayuda,

o 'help.start()' para abrir el sistema de ayuda HTML con su navegador.

Escriba 'q()' para salir de R.

> # CURSO ESTADISTICA DESCRIPTIVA (300046_761) PERIODO ACADÉMICO 16-1 DE 2020

> # CONCEPTOS BÁSICOS DE ESTADÍSTICA DESCRIPTIVA Y MANEJO DEL CODIGO R UNIDAD 1

> # Recuerde siempre ejecutarlo en orden, de arriba hacia abajo

> # IMPORTANTE: NO MODIFIQUEN NINGUNA PARTE DEL CÓDIGO

> # Si lo modifican, les pueden aparecer errores

> # Variable cuantitativa discreta

> # Variable cualitativa o categórica

> ###VARIABLES CUANTITATIVAS CONTINUAS

> ###Son variables de mediciones en individuos u objetos peso, edad, altura

> ###son variables que admiten decimales.

> summary(edad)# Resumen estadístico

Min. 1st Qu. Median Mean 3rd Qu. Max.

15.00 18.80 20.00 20.29 22.00 25.00

> mean(edad)#media aritmética

> sd(edad)#desviación estándar

> min(edad) #Mínimo

> max(edad)# Máximo

> range(edad) #Rango

> median(edad)# Mediana

> length(edad)# Número de datos

> quantile(edad, 0.75)# Cuantil Q3

> quantile(edad, 0.5)# Cuantil Q2 que es la mimsa mediana

> IQR(edad) #Rango intercuartílico

> sort(edad)# Ordenar

> range(edad,na.rm=TRUE) # incluimos na.rm=TRUE para que ignore la presencia de valores

> nclass.Sturges(edad)#Número de intervalos

> seq(15,25,length=nclass.Sturges(edad)) # Límites de los intervalos

[1] 15.0 17.5 20.0 22.5 25.0

Levels: [15,17.5] (17.5,20] (20,22.5] (22.5,25]

> hist(edad,main="Histograma con Regla de Sturges variable edad",breaks=puntos) # este

> # Instalación libreria "agricolae":

> # Esta es la forma de instalar desde el editor:

> ## Damos "OK" y el programa instala el paquete

> ### Gráficos de variables continuas:

> hist(edad,ylab="Frecuencia",main="Histograma de la variable continua Edad")# Histograma

> boxplot(edad,ylab="Edad (años)",main="Boxplot o diagrama de cajas variable continua") #

> ###VARIABLES CUANTITATIVAS DISCRETAS

> hist(edad,ylab="Frecuencia",main="Histograma de la variable continua Edad")# Histograma

> boxplot(edad,ylab="Edad (años)",main="Boxplot o diagrama de cajas variable continua") #

> ###VARIABLES CUANTITATIVAS DISCRETAS

> ## numero de frutos, número de partos.

> #Histograma de la variable edad con la regla de Sturges:

> hist(edad,main="Histograma con Regla de Sturges variable edad",breaks=puntos) # este

> # Instalación libreria "agricolae":

> # Esta es la forma de instalar desde el editor:

Installing package into ‘C:/Users/User/Documents/R/win-library/3.5’

(as ‘lib’ is unspecified)

Warning: package ‘agricolae’ is in use and will not be installed

> ### Gráficos de variables continuas:

> ### Gráficos de variables continuas: