Semana 6

Esteban Diaz Granados Bolañ o

3/2/2021

Ejercicio
Con la variable peso wt varibale numérica. La variable transmisió n am. Hallar
1. Tabla de frecuencias para las dos variables.
2. Diagrama circular y de barras para variable am
3. Histigrama, polígono de frecuencias y ojiva para la variable wt
4. Varianza, desviació n está ndar y coeficiente de variació n para la variable wt asociada a
am.
5. Cuartiles para la variable wt asociada a am.
6. El decil 80 para la variable wt asociada a am.
7. El percentil 87 para la variable wt asociada a am.
8. El resumen para la variable wt asociada a am.
9. El rango intercuartílico para la variable wt asociada a am.
10. Diagrama de cajas para la variable wt asociada a am. 4:13 PM
11. Medidas de tendencia central para la variable wt, graficar en el histograma.
data("mtcars")
attach(mtcars)

1. Tabla de frecuencias para la variable peso wt

nclass.Sturges(wt)

## [1] 6

Tabpeso<-data.frame(table(tabla=factor(cut(wt,breaks = 6))))
Tabpeso

## tabla Freq
## 1 (1.51,2.16] 5
## 2 (2.16,2.82] 6
## 3 (2.82,3.47] 10
## 4 (3.47,4.12] 8
## 5 (4.77,5.43] 3

Tabla de frecuencias completa para la variable peso

Tabpeso2<-transform(Tabpeso,FA=cumsum(Freq),FR=round(prop.table(Freq),2),
FRA=round(cumsum(prop.table(Freq)),2))
Tabpeso2
## tabla Freq FA FR FRA
## 1 (1.51,2.16] 5 5 0.16 0.16
## 2 (2.16,2.82] 6 11 0.19 0.34
## 3 (2.82,3.47] 10 21 0.31 0.66
## 4 (3.47,4.12] 8 29 0.25 0.91
## 5 (4.77,5.43] 3 32 0.09 1.00

Tabla de frecuencias para la variable am

Tabtransm<-data.frame(table(am))
Tabtransm

## am Freq
## 1 0 19
## 2 1 13

Tabtransm2<-transform(Tabtransm,FA=cumsum(Freq),
FR=round(prop.table(Freq),2),
FRA=round(cumsum(prop.table(Freq)),2))
Tabtransm2

## am Freq FA FR FRA
## 1 0 19 19 0.59 0.59
## 2 1 13 32 0.41 1.00

2. Diadrama circular am
Barras
porcentajetr<-round(prop.table(table(am))*100,0)
pegarport<-paste(porcentajetr,"%")
pegarport

## [1] "59 %" "41 %"

t<-barplot(table(am),axes = F,main = "Transmisión",col = rainbow(2),

names.arg = c("Automatico","Manual"))
text(t,c(7,7),labels = pegarport)
Circular
nombre<-c("Automatico","Manual")
pegarnomypor<-paste(nombre,porcentajetr,"%")
pegarnomypor

## [1] "Automatico 59 %" "Manual 41 %"

pie(table(am),main = "Transmisión",labels = pegarnomypor,col = rainbow(2))

3. Histograma, poligono de frecuencias y ojiva para la variable wt
Histograma
carro<-hist(wt,breaks = "Sturges",plot = F)
carro

## $breaks
## [1] 1.5 2.0 2.5 3.0 3.5 4.0 4.5 5.0 5.5
##
## $counts
## [1] 4 4 4 9 7 1 0 3
##
## $density
## [1] 0.2500 0.2500 0.2500 0.5625 0.4375 0.0625 0.0000 0.1875
##
## $mids
## [1] 1.75 2.25 2.75 3.25 3.75 4.25 4.75 5.25
##
## $xname
## [1] "wt"
##
## $equidist
## [1] TRUE
##
## attr(,"class")
## [1] "histogram"

porcentajepeso<-round(prop.table(carro$counts)*100,0)
pegarporcpeso<-paste(porcentajepeso,"%")
pegarporcpeso

## [1] "12 %" "12 %" "12 %" "28 %" "22 %" "3 %" "0 %" "9 %"

carro<-hist(wt,breaks = "Sturges",plot = T,main = "Peso Carro",col =

rainbow(8),labels = pegarporcpeso,ylim = c(0,10),xlab = "Peso")
lines(c(min(carro$breaks),carro$mids,max(carro$breaks)),c(0,carro$counts,0),t
ype = "l")

Ojiva
x<-c(1.5,2.0,2.5,3.0,3.5,4.0,5.0,5.5)

Hallar eje y, que es la frecuencia relativa acumulada

tabla<-factor(cut(wt,breaks = x))
tabla
## [1] (2.5,3] (2.5,3] (2,2.5] (3,3.5] (3,3.5] (3,3.5] (3.5,4] (3,3.5]
(3,3.5]
## [10] (3,3.5] (3,3.5] (4,5] (3.5,4] (3.5,4] (5,5.5] (5,5.5] (5,5.5]
(2,2.5]
## [19] (1.5,2] (1.5,2] (2,2.5] (3.5,4] (3,3.5] (3.5,4] (3.5,4] (1.5,2]
(2,2.5]
## [28] (1.5,2] (3,3.5] (2.5,3] (3.5,4] (2.5,3]
## Levels: (1.5,2] (2,2.5] (2.5,3] (3,3.5] (3.5,4] (4,5] (5,5.5]

Frecuencia<-table(tabla)
Frecuencia

## tabla
## (1.5,2] (2,2.5] (2.5,3] (3,3.5] (3.5,4] (4,5] (5,5.5]
## 4 4 4 9 7 1 3

y=Frecuencia Relativa Acumulada

y<-round(cumsum(prop.table(Frecuencia))*100,0)
y

## (1.5,2] (2,2.5] (2.5,3] (3,3.5] (3.5,4] (4,5] (5,5.5]

## 12 25 38 66 88 91 100

texto<-paste(y,"%")
texto

## [1] "12 %" "25 %" "38 %" "66 %" "88 %" "91 %" "100 %"

plot(x[-1],y,col="purple",lwd=2,type = "b",ylim = c(0,110))

text(x[-1],labels = texto,round(y,1),pos = 3,cex=0.8)
4. Varianza, desviacion estandar de wt asociacada a am
v<-tapply(wt,am,var)
desv<-tapply(wt,am,sd)
v

## 0 1
## 0.6043510 0.3806663

desv

## 0 1
## 0.7774001 0.6169816

Varianza para el peso de los automaticos es de 0.6. Varianza para el peso de los manuales
es 0.38. Es mas variable el peso de los automaticos, que el peso de los manuales. Desviacion

Coeficiente de variacion
media<-tapply(wt,am,mean)
media

## 0 1
## 3.768895 2.411000
cvautom<-0.78/3.78*100
cvmanual<-0.61/2.41*100
cvautom

## [1] 20.63492

cvmanual

## [1] 25.3112

cvautom=20.6% cvmanual=25.3%
5. Cuartiles para la variable wt asociada a am.
tapply(wt,am,quantile)

## $`0`
## 0% 25% 50% 75% 100%
## 2.4650 3.4375 3.5200 3.8425 5.4240
##
## $`1`
## 0% 25% 50% 75% 100%
## 1.513 1.935 2.320 2.780 3.570

Automatico
Dato minimo 2.46 Cuartil 1 = 3.43 es decirr, hasta este peso se tiene el 25% de los datos.
Cuartil 2 = 3.52 es decir, hasta este peso se tiene el 50% de los datos. Cuartil 3 = 3.84 es
decir, hasta este peso se tiene el 75% de los datos. Dato maximo es 5.42

Manual
Dato minimo 1.51 Cuartil 1 = 1.96, es decir, hasta este peso se tiene el 25%% de los datos.
Cuartil 2 = 2.32, es decir, hasta este peso se tiene el 50% de los datos. Cuartil 3 = 2.78 es
decir, hasta este peso se tiene el 75% de los datos. Dato maximo es 3.57
6. El decil 80 para la variable wt asociada a am
tapply(wt,am,quantile,p=0.80)

## 0 1
## 3.935 2.837

7. El percentil 87 para la variable wt asociada a am

tapply(wt,am,quantile.p=0.87)

## [1] 2 2 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 2 1 1 1 1 1 2 2 2 2 2 2 2

Automatico
El decil 80 es = 3.94 es decir hasta este peso se tiene el 80% de los datos.
Manual
El decil 80 es = 2.84 es decir hasta este peso se tiene el 80% de los datos.
8. El resumen para la variable wt asociada am
tapply(wt,am,summary)

## $`0`
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 2.465 3.438 3.520 3.769 3.842 5.424
##
## $`1`
## Min. 1st Qu. Median Mean 3rd Qu. Max.
## 1.513 1.935 2.320 2.411 2.780 3.570

9. El rango intercuartilico para la variable wt asociada a am

tapply(wt,am,IQR)

## 0 1
## 0.405 0.845

Automatico
0.4 pesos diferentes

Manual
1 peso diferente
10. Diagrama de cajas para la variable wt asociada a am
boxplot(wt~am,col=rainbow(2),horizontal = T,names=c("Automatico","Manual"))