SEDE PRINCIPAL

DISEÑO DE EXPERIMENTOS

PRACTICA R

EJERCICIO 1

1. Instale los siguientes paquetes:

ggpubr
mass

Utilice la siguiente instrucción:

install.packages('ggplot2')

2. Cargue los paquetes:

library(ggpubr)
library(mass)

3. Establezca la ruta de trabajo:

setwd("D:/R/2020-I") #Escribir aqui la ruta de la carpeta con los datos

4. Cargue los archivos de trabajo tipo .csv y guárdelos en una variable

denominada Data:

Data =read.csv("Edades.csv",header = TRUE,sep = ";")

5. Visualice la información contenida en su archivo:

view(Data)

str(Data)

summary(Data)

summary(Data$Sex)

6. Organice la información:

xtabs(~ Date + Sex,data=Data)

XT = xtabs(~ Date + Sex,data=Data)

 SEDE PRINCIPAL
DISEÑO DE EXPERIMENTOS

# Proporción por renglón

prop.table(XT, margin = 1)

# Proporción por columna

prop.table(XT, margin = 2)
Si deseamos graficar proporciones en lugar de conteos, usamos la función  prop.table().
Esta función nos pide como argumento una tabla de contingencia generada por  table().
y un número para  margin.

 Si damos como argumento 1, las proporciones se calcularán agrupadas por

renglón. La suma de proporciones por renglón será igual a 1.
 Si damos como argumento 2, las proporciones se calcularán agrupadas por
columna. La suma de proporciones por columna será igual a 1
 Si no damos ningún argumento, las proporciones se calcularán usando toda la
tabla como grupo. La suma de proporciones de todas las celdas en la tabla será igual a
1.

sum(XT)

### Sum of observation in the table

rowSums(XT)

### Sum of observation in each row of the table

colSums(XT)

### Sum of observation in each column of the table

##Two-way data

xtabs(~ Country + Sex + Date, data=Data)

7. Cree una variable que contenga su información organizada de acuerdo al

país:

tab_country <- table(Data$Sex, Data$Country)

tab_country
 SEDE PRINCIPAL
DISEÑO DE EXPERIMENTOS

8. Construya una gráfica de barras:

barplot(tab_country)

EJERCICIO 2

1. Cargue el archivo de trabajo tipo Ensayo2.csv

2. Visualice la información contenida en su archivo.

3. Elimine columnas:

c=B
B$SDT <- NULL

4. Obtenga los estadísticos descriptivos utilizando las siguientes funciones:

5. Utilice el comando sapply para obtener los estadísticos de su base de

datos:

sapply(B,mean)

6. Construya un boxplot:

boxplot(c$Planta~c$SDT)

7. Asigne títulos a los ejes:

 SEDE PRINCIPAL
DISEÑO DE EXPERIMENTOS

boxplot(c$Planta~c$SDT, main="Solanum pseudocapsicum", xlab =

"Semana",ylab="Planta")

8. Construya diagramas de dispersión:

pairs(B, main="Solanum pseudocapsicum")

9. Construya diagramas de dispersión con histrogramas.

########################Histogramas
panel.hist <- function(x, ...)
{
usr <- par("usr"); on.exit(par(usr))
#para definir regi\’on de graficiaci\’on
par(usr = c(usr[1:2], 0, 1.5) )
h <- hist(x, plot = FALSE)
breaks <- h$breaks;
nB <- length(breaks)
y <- h$counts; y <- y/max(y)
rect(breaks[-nB], 0, breaks[-1], y, col="cyan", ...)
#para dibujar los histogramas
}

pairs(B, panel=panel.smooth, cex = 1.5,

pch = 19, bg="light blue",
diag.panel=panel.hist, cex.labels = 1, font.labels=1)

10. Construya diagramas de dispersión con correlaciones.

panel.cor <- function(x, y, digits=2, prefix="", cex.cor)

{
usr <- par("usr"); on.exit(par(usr))
par(usr = c(0, 1, 0, 1))
r <- abs(cor(x, y))
txt <- format(c(r, 0.123456789), digits=digits)[1]
txt <- paste(prefix, txt, sep="")
if(missing(cex.cor))
cex <- 0.8/strwidth(txt)
text(0.5, 0.5, txt, cex = cex)
}
pairs(B, lower.panel=panel.smooth,
upper.panel=panel.cor)
 SEDE PRINCIPAL
DISEÑO DE EXPERIMENTOS

par(oma=c(1,1,1,1),new=T,font=2,cex=0.5)
mtext(outer=T,"Matriz de dispersi´on con
correlaciones",side=3)

11.Construya histogramas:

hist(c$Planta)
hist(c$Hojas)
hist(c$Tallo)

hist(x = c$Planta, main = "Histograma Plantas",

xlab = "Longitud (cm)", ylab = "Frecuencia",
col = "purple")

hist(x = c$Planta, breaks = "Scott")

hist(x = c$Planta, main = "Histograma Plantas",

xlab = "Longitud (cm)", ylab = "Frecuencia",
col = "purple")

hist(x = c$Planta, breaks = "Scott")

12.Construya histogramas, curvas de densidad y curvas de densidad

acumuladas.

gghistogram(c$Planta,xlab = 'Planta', bins=6, add = "mean")

ggdensity(c$Planta)
ggecdf(c$Planta)
##Verificar si los datos están normalmente distribuidos
ggqqplot(c$Planta)

EJERCICIO 3

Utilice el archivo “ R-distributions.pdf” hasta la página 9.

 SEDE PRINCIPAL
DISEÑO DE EXPERIMENTOS

Referencias:

http://www.sthda.com/english/articles/24-ggpubr-publication-ready-plots/

https://bookdown.org/jboscomendoza/r-principiantes4/exportar-graficos.html
https://cran.r-project.org/doc/contrib/grafi3.pdf