Universidad de Córdoba

Estadística descriptiva
Duvan Andrés Pérez Herná ndez; Jesú s Manuel Pérez Contreras

7 de marzo del 2020

Datos relacionados a inundaciones en la India

1. Datos relacionados a vidas perdidas (personas)
#Directorio de archivo
setwd("C:/Users/admin/Downloads/Compressed/floodsdamageindia")
datos <- read.csv("FloodsDamage.csv")
#TDNA (Código útilizado)
TDNA<-function(x){
fi<- table(x)
hi<-prop.table(fi)
Fi<-round(cumsum(fi),3)
Hi<-round(cumsum(hi),3)
print(cbind(fi,hi,Fi,Hi))
}
TDNA (datos$Lives.Lost..in.Nos..)

## fi hi Fi Hi
## 834 1 0.08333333 1 0.083
## 898 1 0.08333333 2 0.167
## 948 1 0.08333333 3 0.250
## 1600 1 0.08333333 4 0.333
## 1677 1 0.08333333 5 0.417
## 1992 1 0.08333333 6 0.500
## 1995 1 0.08333333 7 0.583
## 2310 1 0.08333333 8 0.667
## 2402 1 0.08333333 9 0.750
## 2698 1 0.08333333 10 0.833
## 3405 1 0.08333333 11 0.917
## 3764 1 0.08333333 12 1.000

#Media
media <- mean(datos$Lives.Lost..in.Nos..); media #Código útilizado

## [1] 2043.583

#Mediana
mediana <- median(datos$Lives.Lost..in.Nos..); mediana #Código útilizado

## [1] 1993.5
#Varianza
varianza<- var(datos$Lives.Lost..in.Nos..);varianza #Código útilizado

## [1] 886628.8

#Desviación estandar
des_estandar <- sd(datos$Lives.Lost..in.Nos..); des_estandar #Código
útilizado

## [1] 941.6097

#Coeficiente de correlación
coef_correlación <- (des_estandar/media)*100; coef_correlación #Código
útilizado

## [1] 46.0764

#Percentiles
percentiles <- quantile(datos$Lives.Lost..in.Nos..,c(0.25,0.50,0.75));
percentiles #Código útilizado

## 25% 50% 75%

## 1437.0 1993.5 2476.0

Graficos
barplot(table(datos$Lives.Lost..in.Nos..), col = rainbow(11)) #Grafico
de barras (Código útilizado)

{width=5 5in
height=5 5in}
boxplot(datos$Lives.Lost..in.Nos..) #Diagrama de cajas (Código
útilizado)

{width=5 5in
height=5 5in}
2. Datos relacionados a vidas perdidas (ganado)
#Directorio de archivo
setwd("C:/Users/admin/Downloads/Compressed/floodsdamageindia")
datos <- read.csv("FloodsDamage.csv")
#TDNA (Código útilizado)
TDNA<-function(x){
fi<- table(x)
hi<-prop.table(fi)
Fi<-round(cumsum(fi),3)
Hi<-round(cumsum(hi),3)
print(cbind(fi,hi,Fi,Hi))
}
TDNA (datos$Cattle.Lost..in.Nos..)

## fi hi Fi Hi
## 3729 1 0.08333333 1 0.083
## 9126 1 0.08333333 2 0.167
## 12389 1 0.08333333 3 0.250
## 21269 1 0.08333333 4 0.333
## 24360 1 0.08333333 5 0.417
## 25393 1 0.08333333 6 0.500
## 48778 1 0.08333333 7 0.583
## 53833 1 0.08333333 8 0.667
## 110997 1 0.08333333 9 0.750
## 119218 1 0.08333333 10 0.833
## 128452 1 0.08333333 11 0.917
## 455619 1 0.08333333 12 1.000

#Media
media <- mean(datos$Cattle.Lost..in.Nos..); media #Código útilizado

## [1] 84430.25

#Mediana
mediana <- median(datos$Cattle.Lost..in.Nos..); mediana #Código
útilizado

## [1] 37085.5

#Varianza
varianza<- var(datos$Cattle.Lost..in.Nos..);varianza #Código útilizado

## [1] 15663526894

#Desviación estandar
des_estandar <- sd(datos$Cattle.Lost..in.Nos..); des_estandar #Código
útilizado

## [1] 125154

#Coeficiente de correlación
coef_correlación <- (des_estandar/media)*100; coef_correlación #Código
útilizado

## [1] 148.2336

#Percentiles
percentiles <- quantile(datos$Cattle.Lost..in.Nos..,c(0.25,0.50,0.75));
percentiles #Código útilizado

## 25% 50% 75%

## 19049.0 37085.5 113052.2

Graficos
barplot(table(datos$Cattle.Lost..in.Nos..), col = rainbow(17)) #Grafico
de barras (Código útilizado)
 {width=5 5in
height=5 5in}
boxplot(datos$Cattle.Lost..in.Nos..) #Diagrama de cajas (Código
útilizado)
 {width=5 5in
height=5 5in}
3. Datos relacionados a viviendas destruidas
#Directorio de archivo
setwd("C:/Users/admin/Downloads/Compressed/floodsdamageindia")
datos <- read.csv("FloodsDamage.csv")
#TDNA (Código útilizado)
TDNA<-function(x){
fi<- table(x)
hi<-prop.table(fi)
Fi<-round(cumsum(fi),3)
Hi<-round(cumsum(hi),3)
print(cbind(fi,hi,Fi,Hi))
}
TDNA (datos$House.damaged..in.Nos..)

## fi hi Fi Hi
## 346878 1 0.08333333 1 0.083
## 462700 1 0.08333333 2 0.167
## 671761 1 0.08333333 3 0.250
## 682209 1 0.08333333 4 0.333
## 876168 1 0.08333333 5 0.417
## 1338619 1 0.08333333 6 0.500
## 1359726 1 0.08333333 7 0.583
## 1603300 1 0.08333333 8 0.667
## 1646905 1 0.08333333 9 0.750
## 1934680 1 0.08333333 10 0.833
## 2120012 1 0.08333333 11 0.917
## 3527041 1 0.08333333 12 1.000

#Media
media <- mean(datos$House.damaged..in.Nos..); media #Código útilizado

## [1] 1380833

#Mediana
mediana <- median(datos$House.damaged..in.Nos..); mediana #Código
útilizado

## [1] 1349173

#Varianza
varianza<- var(datos$House.damaged..in.Nos..);varianza #Código útilizado

## [1] 794493707248

#Desviación estandar
des_estandar <- sd(datos$House.damaged..in.Nos..); des_estandar #Código
útilizado

## [1] 891343.8

#Coeficiente de correlación
coef_correlación <- (des_estandar/media)*100; coef_correlación #Código
útilizado

## [1] 64.55115

#Percentiles
percentiles <- quantile(datos$House.damaged..in.Nos..,c(0.25,0.50,0.75));
percentiles #Código útilizado

## 25% 50% 75%

## 679597 1349173 1718849

Graficos
barplot(table(datos$House.damaged..in.Nos..), col = rainbow(30))
#Grafico de barras (Código útilizado)
 {width=5 5in
height=5 5in}
boxplot(datos$House.damaged..in.Nos..) #Diagrama de cajas (Código
útilizado)
 {width=5 5in
height=5 5in}
4. Datos relacionados a las áreas cultivables afectadas
#Directorio de archivo
setwd("C:/Users/admin/Downloads/Compressed/floodsdamageindia")
datos <- read.csv("FloodsDamage.csv")
#TDNA (Código útilizado)
TDNA<-function(x){
fi<- table(x)
hi<-prop.table(fi)
Fi<-round(cumsum(fi),3)
Hi<-round(cumsum(hi),3)
print(cbind(fi,hi,Fi,Hi))
}
TDNA (datos$Cropped.areas.affected..in.lakh.ha.)

## fi hi Fi Hi
## 15.34 1 0.08333333 1 0.083
## 18.72 1 0.08333333 2 0.167
## 18.87 1 0.08333333 3 0.250
## 21 1 0.08333333 4 0.333
## 31.98 1 0.08333333 5 0.417
## 32.53 1 0.08333333 6 0.500
## 35.52 1 0.08333333 7 0.583
## 35.56 1 0.08333333 8 0.667
## 46.25 1 0.08333333 9 0.750
## 47.13 1 0.08333333 10 0.833
## 70.87 1 0.08333333 11 0.917
## 85.13 1 0.08333333 12 1.000

#Media
media <- mean(datos$Cropped.areas.affected..in.lakh.ha.); media #Código
útilizado

## [1] 38.24167

#Mediana
mediana <- median(datos$Cropped.areas.affected..in.lakh.ha.); mediana
#Código útilizado

## [1] 34.025

#Varianza
varianza<- var(datos$Cropped.areas.affected..in.lakh.ha.);varianza
#Código útilizado

## [1] 460.9826

#Desviación estandar
des_estandar <- sd(datos$Cropped.areas.affected..in.lakh.ha.);
des_estandar #Código útilizado

## [1] 21.47051

#Coeficiente de correlación
coef_correlación <- (des_estandar/media)*100; coef_correlación #Código
útilizado

## [1] 56.14427

#Percentiles
percentiles <-
quantile(datos$Cropped.areas.affected..in.lakh.ha.,c(0.25,0.50,0.75));
percentiles #Código útilizado

## 25% 50% 75%

## 20.4675 34.0250 46.4700

Graficos
barplot(table(datos$Cropped.areas.affected..in.lakh.ha.), col =
rainbow(20)) #Grafico de barras (Código útilizado)
 {width=5 5in
height=5 5in}
boxplot(datos$Cropped.areas.affected..in.lakh.ha.) #Diagrama de cajas
(Código útilizado)
 {width=5 5in
height=5 5in}