# Analisis de correspondencias simples # Ejemplo cabellos y ojos #----------------------------------------------------#Introducir tabla de frecuencias absolutas tabla<-matrix(c(688,326,343,98,116,38,84,48,584,241,909,403,188,110,412,681,4,3, 26,85),nrow=4) dimnames(tabla)<-list(col.ojos=c("Claros","Azules","Medios","Oscuros"),col.

cabel lo=c("Rubio","Rojo","Medio","Oscuro","Negro")) tabla # se agregan las marginales cat("\ Tabla 1. Frecuencias absolutas \n") addmargins(tabla) options("digits"=2) # sugerencia sobre el numero de cifras significativas cat("\n Tabla 2. frecuencias relativas \n") addmargins(100*prop.table(tabla)) options("digits"=4) #sugerencia sobre el numero de cifras significativas cat("n tabla 3. perfil fila \n") addmargins(prop.table(tabla,1),2) options("digits"=4) #sugerencias sobre el numero de cifras significativas cat("n tabla 4. perfil columna \n") addmargins(prop.table(tabla,2),1) options("digits"=4) #sugerencias sobre el numero de cifras significativas #--------------------------------------------------------------------------# Graficas de los perfiles #--------------------------------------------------------------------------par(ask=TRUE) # Para pausa antes de la grafica #en lo que sigue se realizan los graficos de los perfiles fila y columna #requiere (reshape) requiere (lattice) requiere (plyr) # activacion de lattice library (lattice) #activacion de plyr library(plyr) #activacion de reshape library(reshape) #se organizan los datos para realizar el grafico "perfiles fila" datosf<-melt(prop.table(tabla,1)) barchart(value~col.cabello col.ojos,data=datosf,layout=c(4,1), xlab="Color del cabello", main="perfiles de fila") #se organizan los datos para realizar el grafico "perfiles de columna" datosc<-melt(prop.table(tabla,2)) barchart(value~col.ojos col.cabello,data=datosc,layout=c(5,1), xlab="Color de ojos", main="perfiles de columna") #-------------------------------------------------------# Analisis de correspondencias simples #--------------------------------------------------------

# el analisis de correspondencias simples se encuentra dentro de la libreria "rg l" y "ca" require(rgl) require(ca) acs<-ca(tabla) summary(acs) #En rown: de la salida anterior, marcadas con k=1 y k=2 estan las coordenadas de las filas # (color de ojos) pero multiplicas por mil y con el signo contrario. res<-summary(acs) cord.filas<--cbind(res$rows[,5],res$rows[,8])/1000 cat("\n Tabla 5. coordenadas para las filas \n") cat("\n color de ojos \n") rownames(cord.filas) <- c("claros","azules","medios","oscuros") colnames(cord.filas)<-c("Dim.1","Dim.2") cord.filas # en columnas : de la salida de summary(acs), marcadas con k=1 y k=2 estan las c oordenas de las #columnas (color del cabello) pero multiplicadas por mil y con el signo contrari o. cord.col<--cbind(res$columns[,5],res$columns[,8])/1000 cat("\n Tabla 5. coordenadas para las columnas \n") cat("\n color del cabello \n") rownames(cord.col) <- c("rubio","rojo","medio","oscuros","negro") colnames(cord.col)<-c("Dim.1","Dim.2") cord.col #----------------------------------------------------# graficas de biplot #----------------------------------------------------plot(acs,main="Representacion de los datos color de ojos (?) y del cabello (?)")