Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Realizado Por:
Código: 1.033.656.035
Tutor:
Natalia Correa
Código Curso:
300046_79
Programa, Agronomía
CEAD - Medellín
Febrero de 2021
Variable Cuantitativa Discreta
siguientes respuestas:
Para hallar la media muestral se aplica la fórmula para ello la cual es:
Entonces se debe realizar una suma del total de los valores y dividirlo sobre el número de
datos.
0+ 0+0+1+1+1+1+2+2+2+2+2+2+3+3+3+ 3+4 +4 +5
Media muestral=
20
41
Media muestral=
20
Media muestral=2,05
La mediana muestral es el valor que ocupa el lugar central en todos los datos cuando estos
Siendo así el valor central de los datos anteriores es el dato número 10 que sería el 2.
c. Hallar moda
La moda es el valor con más frecuencia dentro de la distribución de los datos, es decir, el
0,0,0,1,1,1,1,2,2,2,2,2,2,3,3,3,3,4,4,5
Luego de ordenar los datos se evidencia que el valor que más se repite es el 2, lo que quiere
d. Hallar varianza
S2=¿
36,95
S2 =
19
S2=1,9447
Entonces,
36,95
S=
√ 19
S= √1,9447
S=1,3945
El rango de datos para este caso es de 5, porque se resta al número máximo (5) el número
Los cuartiles son los valores que dividen la muestra en tres partes iguales, para ello se toma la
0,0,0,1,1,1,1,2,2,2,2,2,2,3,3,3,3,4,4,5
Como para este caso son 20 datos, los cuartiles se dividen en dé a 5 como se subrayó
anteriormente.
Q1=1
Q2=2
Q3=3
Q4=5
absoluta.
Número de 0 1 2 3 4 5
Hermanos
Frecuencia 3 4 6 4 2 1
Teniendo la tabla se realiza el grafico de barras. Este tipo de gráficos es apto para representar
5
4
3
2
1
0
0 1 2 3 4 5
Número de Hermanos
>
2021
>
R UNIDAD 1
> > # Recuerde que para ejecutar cada una de las líneas del código debe digitar "Control+r"
>
> # Las líneas del código que inician con el símbolo # no son comandos sino textos explicatorios
>
> # Si por error lo modificó, ingrese nuevamente a la carpeta de Google Drive y descárguelo
nuevamente
>
> # En este ejercicio conoceremos los principales tipos de varables que se manejan en estadística
descriptiva:
>
> # Son variables de mediciones en individuos u objetos como peso, edad, altura, entre muchas
otras.
> # Tenga presente que la edad es una varible continua, ya que puede admitir números decimales
> # Por ejemplo, alguien que tenga 15 años y 6 meses, es equivalente a una edad de 15.5 años.
>
> edad=c(18.4,19.2,19.6,23,20,20.4,19.4,21.4,18,24,17,22,15,22,25,20,21.5,20,22.7,19.2)
>
> #Presentar en el informe grupal los siguientes resultados en un cuadro, explicando cada uno de
ellos:
[1] 20.39
> var(edad)#varianza
[1] 5.735684
[1] 2.394929
[1] 15
[1] 25
[1] 15 25
[1] 20
[1] 20
25%
19.2
75%
22
50%
20
> IQR(edad) #Rango intercuartílico
[1] 2.8
[1] 15.0 17.0 18.0 18.4 19.2 19.2 19.4 19.6 20.0 20.0 20.0 20.4 21.4 21.5 22.0
>
perdidos
[1] 15 25
[1] 6
[1] 15 17 19 21 23 25
>
intervalosEdad=cut(edad,breaks=seq(15,25,length=nclass.Sturges(edad)),include.lowest=TRUE)
> intervalosEdad # Se muestran los intervalos de edad, uno correspondiente a cada edad
observada
[1] (17,19] (19,21] (19,21] (21,23] (19,21] (19,21] (19,21] (21,23] (17,19]
[10] (23,25] [15,17] (21,23] [15,17] (21,23] (23,25] (19,21] (21,23] (19,21]
> puntos=min(edad)+(0:nclass.Sturges(edad))*(max(edad)-min(edad))/nclass.Sturges(edad)
>
> # Cuando el comando produce la gráfica, lo saca del código y lo dirige a esta.
> # Para volver al código para seguir ejecutándolo, es importante que ubique el cursor en la parte
> # en donde se encuentra el nombre del archivo: "Codigo Fase 2 - Variables Estadísticas.t"
> # Si ubica el cursor dentro del texto del archivo, corre el riesgo de perder el orden que llevaba al
ejecutar el código
>
> # Es obligatorio instalar la libreria Agricolae, para poder ejecutar los siguientes comandos del
código
>
> install.packages("agricolae")
--- Please select a CRAN mirror for use in this session ---
downloaded 28 KB
downloaded 559 KB
C:\Users\usuario\AppData\Local\Temp\Rtmp6ROD4t\downloaded_packages
downloaded 287 KB
downloaded 639 KB
ERROR: dependency 'questionr' is not available for package 'klaR'
* removing 'C:/Users/usuario/Documents/R/win-library/3.4/klaR'
* removing 'C:/Users/usuario/Documents/R/win-library/3.4/agricolae'
‘C:\Users\usuario\AppData\Local\Temp\Rtmp6ROD4t\downloaded_packages’
Warning messages:
"C:\Users\usuario\Documents\R\win-library\3.4"
C:\Users\usuario\AppData\Local\Temp\Rtmp6ROD4t/downloaded_packages/klaR_0.6-15.tar.gz'
tiene estatus 1
2: In install.packages("agricolae") :
"C:\Users\usuario\Documents\R\win-library\3.4"
C:\Users\usuario\AppData\Local\Temp\Rtmp6ROD4t/downloaded_packages/agricolae_1.3-
4: In install.packages("agricolae") :
>
> # Es obligatorio instalar la libreria Agricolae, para poder ejecutar los siguientes comandos del
código
> install.packages("agricolae")
There are binary versions available but the source versions are later:
downloaded 287 KB
downloaded 639 KB
* removing 'C:/Users/usuario/Documents/R/win-library/3.4/klaR'
* removing 'C:/Users/usuario/Documents/R/win-library/3.4/agricolae'
‘C:\Users\usuario\AppData\Local\Temp\Rtmp6ROD4t\downloaded_packages’
Warning messages:
"C:\Users\usuario\Documents\R\win-library\3.4"
C:\Users\usuario\AppData\Local\Temp\Rtmp6ROD4t/downloaded_packages/klaR_0.6-15.tar.gz'
tiene estatus 1
2: In install.packages("agricolae") :
"C:\Users\usuario\Documents\R\win-library\3.4"
C:\Users\usuario\AppData\Local\Temp\Rtmp6ROD4t/downloaded_packages/agricolae_1.3-
4: In install.packages("agricolae") :
>
> # Es una libreria grande, así que hay que tener paciencia y esperar hasta que esté totalmente
instalada
> # Esperar hasta que aparezca el mensaje: "The downloaded binary packages are in (muestra la
Console)
color rojo
> library(agricolae)
>
>
Edad")
>
> # Como pueden ver, una vez instalada la libreria "agricolae" no hace falta realizar todos los
pasos que se
> # El boxplot organiza los datos de menor a mayor y los agrupa en cuatro cuartiles, donde cada
>
>
> # Variables de conteos, solo toman valores en números enteros como número de hermanos, de
frutos, etc.
> # En la variable de ejemplo, se le preguntó a un curso de 15 estudiantes cuántos hermanos
>
> Hermanos=c(0,1,4,1,2,3,2,3,1,2,0,5,4,3,2,3,2,2,0,1)
>
> #Presentar en el informe grupal los siguientes resultados en un cuadro, explicando cada uno de
ellos:
[1] 0
[1] 5
[1] 0 5
SUMMARY
[1] 2.05
[1] 2
[1] 20
> sd(Hermanos)# Desviación típica
[1] 1.394538
25%
75%
50%
[1] 2
[1] 0 0 0 1 1 1 1 2 2 2 2 2 2 3 3 3 3 4 4 5
> ##En este caso las tablas de frecuencias se desarrollan por pasos:
Hermanos
012345
346421
> fabs
Hermanos
012345
346421
> fabsacum
0 1 2 3 4 5
3 7 13 17 19 20
> frel
Hermanos
0 1 2 3 4 5
> frelacum
0 1 2 3 4 5
> # Podemos decir que cero hermanos tiene el 0.133 en proporción ó el 13.3% de los individuos
encuestados.
>
de tarta
>
>
> # Son variables atribuibles a espectos cualitativos no numéricos, como el color, la raza, etc...
> # Pueden ser de tipo nominal, donde cada categoría es independiente de la otra, como el color o
la raza
> # O de tipo categórigo, donde existe algún tipo de estratificación o nivel, como el nivel de
> # Para poder codificar lo que cada agricultor respondió, se le asigna un número a cada nivel de
estudio:
3:“Estudios Superiores”
>
> estudios=c(1,2,0,1,0,1,1,2,3,2,3,1,2,3)
>
> # Esto es lo que respondió cada agricultor ya codificado, para poderlo analizar en el programa
R.
>
> # Ahora, hay que explicarle al programa lo que significa cada número
>
>
+ # Se indica a qué corresponde cada número, desde el menor grado hasta el mayor y cuál es su
etiqueta:
>
> estudios # Muestra lo que respondió cada agricultor y los cuatro niveles de la variable:
>
> summary(estudios)# debe aparecer cada nivel, con el número de agricultores que se encuentran
2 5 4
Estudios Superiores
estudios
2 5 4
Estudios Superiores
>
> # Hay que tener cuidado cuando se va a usar un comando que ya se había usado antes
> # Es importante cambiarle el nombre, o va a producir los resultados para los que se creó
inicialmente
> # Así que para usarlos nuevamente, les cambiamos el nombre a "fabs1" y "frel1":
>
> fabs1=table(estudios)# Tabla de frecuencias absolutas
> fabs1 # si no se le cambia el nombre, aparecería el mismo resultado que produjo en la variable
discreta
estudios
2 5 4
Estudios Superiores
> frel1
estudios
Estudios Superiores
0.2142857
>
> # Podemos decir que el 0.143 de los agricultores encuestados no tienen estudios o en
proporción, el 14.3%
>
>
> # Si tiene alguna inquietud, por favor consulte con su respectivo tutor, de acuerdo al grupo al
que pertenece.
> # Preparado por: Luis Alberto Cáceres - Director del curso Estadística Descriptiva (para
ciencias agrarias)
>
>