Академический Документы
Профессиональный Документы
Культура Документы
Taller 2
Fecha: 02/04/2020
Actividades
setwd('C:/nicole/universidad/TIN nico/taller2')
datos=read.csv2('geo_pol.csv')
head(datos)
rownames(datos)=datos$pais
datos$pais=NULL
head(datos)
popu giph ripo rupo rlpo rspo eltp rnnr nunh nunth
x1 x2 x3 x4 x5 x6 x7 x8 x9 x10
3. Calcule los componentes principales (sin incluir la variable x1) para estos
datos usando el comando “prcomp” y guarde el resultado en una variable
denominada “pcgeopol”. Para saber como se usa, utilice help(‘prcomp’)
help('prcomp')
pcgeopol=prcomp(~x2+x3+x4+x5+x6+x7+x8+x9+x10,scale=TRUE,data=datos)
head(pcgeopol)
4. Use print(pcgeopol) para ver los componentes principales calculados
pcgeopol.var = pcgeopol$sdev^2
pg = pcgeopol.var/sum(pcgeopol.var)
pg
tabla <- pg
View(tabla)
7. Haga un diagrama de dispersión para los componentes principales (PC1, PC) ,
(PC3,PC2) y (PC1,PC3) use para ello use los siguientes comandos:
par(mfrow=c(2,2))
text(pcgeopol$x[,c(1,2)],row.names(datos),cex=0.7)
text(pcgeopol$x[,c(3,2)],row.names(datos),cex=0.7)
text(pcgeopol$x[,c(1,3)],row.names(datos),cex=0.7)
par(mfrow=c(1,1))
biplot(pcgeopol,scale=0)
Según diagrama se puede decir que en PC1 los más influyentes indican los países que
tienen más alfabetismo, tiempo de vida y televisores; y estos serían x5, x7 y x10.
Además, se puede decir que en PC2 indican los que tienen mayor aumento de
población, incremento en PIB y necesidades nutriciones, que serían x2, x3 y x8.