Fase 2 - Identificación de Variables Estadísticas

Estadística Descriptiva

Estudiantes

Maira Fernanda Villota Mavisoy

N.C: 1085322246

Evelia Cristina Franco Yara

N.C: 1006813240

Emmanuel Felipe Quiñones Agredo

N.C: 1061788343

Liseth Vanesa Franco Erazo

N.C: 1002956514

Código del curso

300046_4

Tutor:

Manuel Torres

Universidad Nacional Abierta y a Distancia Unad

Escuela de Ciencias Agrícolas y Pecuarias y del Medio Ecapma

Programa de zootecnia

Junio 2020
 Introducción

En el presente trabajo encontraremos el desarrollo de la guía de actividades y rúbrica de

evaluación - Fase 2 - Identificación de variables estadísticas, donde se analizarán cada uno
de los ejercicios propuestos dándole significado a una serie de preguntas donde se trata de
redactar con palabras o pensamientos inéditos, observando gráficas y los resultados que
arroja el programa R en su ejecución completa. También se podrá observar las conclusiones
que deja el desarrollo de la actividad, bibliografías con su respectiva normas APA y la
copia de los resultados que aparecen en R Consola después de ejecutar la totalidad del
código.
La estadística descriptiva; es un conjunto de herramientas matemáticas, que se utilizan para
explicar el comportamiento de determinados fenómenos del mundo real. M (2012). de la
misma manera, la estadística nos permite, analizar, estudiar y describir la totalidad de
individuos de una determinada población, con la finalidad, de obtener información
necesaria, para el análisis e interpretación de los datos, de igual manera, para el estudio y el
análisis de una población emprenderemos unos pasos:
Identificar y definir adecuadamente el problema a resolver, obtener la muestra de datos,
organizar los datos y realizar un análisis descriptivo de los mismos, analizar la información
proporcionada por los datos y por último tomar decisiones. 
Como estudiantes del curso de estadística, es necesario comprender, analizar los diferentes
conceptos y vocabulario que se asocian a esta herramienta, sabiendo que es una fuente de
acceso a diferentes alternativas de aprendizaje. 
 Objetivos

 Revisar los contenidos de la unidad 1, estadística descriptiva, aplicada en las

ciencias agrarias, para realizar el desarrollo de la actividad. 
 
 Interpretar, los fundamentos de los tipos de variables estadísticas, tales como,
cuantitativas y cualitativas, así mismo, su forma de procesamiento.

 Desarrollar, conocimiento de competencias, para realizar recomendaciones del uso

y manejo de las variables estadísticas.

 Realizar ejercicios grupales, con el propósito, de interactuar con los compañeros del
curso y emprender al desarrollo de aprendizaje más satisfactorio.

 Analizar los gráficos obtenidos al ejecutar el código, en el programa R; 

separándolos en las tres secciones que aparecen en este (Variable Continua, Discreta
y Cualitativa).

 Desarrollar pensamientos autónomos para la redacción de ideas propias e inéditas

dando sentido lógico y coherente a diferentes tipos de textos. 
 Desarrollo de los puntos indicados en la guía fase 2 identificación variables estadísticas.

1. Con los siguientes datos de la variable cuantitativa continua Edad:

18. 19. 19. 2 2

4 2 6 3 0

20. 19. 21. 1 2

4 4 4 8 4

17 22 15 2 2
2 5

Datos organizados

 15,  17,  18,  18.4,     19.2,   19.4,   19.6,    20,    20.4,   21.4,    22 ,   22,   23,   24,  
25       

Hallar:

a.       Media: 20.29333.. Esta es la media aritmética ya que es el promedio del total de los datos

 b. Mediana: 20 es la mediana ya que es el número medio del listado de datos

c. Moda. 22 vendría siendo la moda ya que es el valor que más se repite

d. Varianza. 7.182095  

e. Desviación estándar. 2.679943 

f. Rango de datos. 10   es el rango de datos ya que 15 es el número menor y 25 es el número

mayor que nos permite organizar los datos. y si restamos 22-15 nos daría 10 como rango.

 g. Indicar el valor de los cuatro cuartiles.

1Q:   25%      18.8 

2Q:    50%      20

3Q:    75%      22 INTERCUARTÍLICO     3.2

h. Realice el gráfico de frecuencia absoluta utilizando la regla de Sturges

 Edad Frecuencia absoluta

[ 15- 17,5]     2

[ 17,5-  20]  5

[ 20 - 22,5] 3

[22,5 - 5
25]     

En esta grafica podemos observar la distribución de edades conformada por intervalos, es

necesario distribuir los datos correctamente, en este caso la edad promedia de los datos es
20 

2. Con los siguientes datos de la variable cuantitativa discreta “Número de hermanos”: 

0 1 4 1 2

3 2 3 1 2
 0 5 4 3 2

Hermanos= c(0,1,4,1,2,3,2,3,1,2,0,5,4,3,2)

Hallar:

a. Media: El resultado de la media = 2,2 

Este valor se obtiene, de la suma de  todos los datos, dividido por el número de datos es
decir:
Media= 0+1+4+1+2+3+2+3+1+2+0+5+4+3+2= 33/15= 2,2 

b. Mediana. El resultado de la mediana =2 

Esto quiere decir que es el dato que ocupa posición central 

c. Moda. Moda= 2 
Esto quiere decir, que 2 es el número de datos que más se repite; en este caso se repite 4
veces  

d. Varianza. 1.473577

e. Desviación estándar. 1.473577

 f. Rango de datos. [ 0 - 5]

 g. Indicar el valor de los cuatro cuartiles.

(Q ): valor >25%        
1

(Q ): valor >50%       
2

(Q ): valor> 75% de las muestras más bajas.

3

INTERCUARTÍLICO: 2

 h. Realice el gráfico de frecuencia absoluta.

Tabla de frecuencias absolutas

Hermanos Frecuencia absoluta

0 2
 1 3

2 4

3 3

4 2

5 1

Esta gráfica nos indica la cantidad de datos obtenidos y el número de veces que se repite
cada dato, con la frecuencia absoluta podemos conocer el número de datos obtenidos, por
ejemplo, podemos observar que el 2 es el número de más se repite. como conclusión 2 es el
número de hermanos con mayor frecuencia

3. Resolver las siguientes preguntas:

a. Qué es una variable cuantitativa continua.

Esta variable, presenta un número incontable de valores, así mismo, las posibles respuestas
pueden tomar cualquier valor, admiten decimales, podemos tomar ejemplos como: El peso,
la altura, la temperatura, velocidad, hora, entre otros. Es necesario reconocer, que para
 medir este tipo de variables, no dependemos de un número entero, al contrario serán datos
con números decimales, con exactitud ponemos ejemplos; el peso, a nuestro alrededor, no
hay un individuo que tengan un peso de  60 o 50  kg exactos, en estos resultados hay
diferentes respuestas, puede ser que los pesos de cada uno,  varía con unos gramos de más,
a causa de esto se las denomina variables continua, está representada por variación de
resultados. 

b.    Qué es una variable cuantitativa discreta.

Esta variable, siempre está representada con valores contables por números enteros, a
diferencia de la continua está si se puede contar. Por ejemplo: Edad, número de hijos por
familia; número de enfermos, número de muertos son unidades que podemos contar ya sean
un grupo de 60 personas pues si las vamos a poder contar. esta variable está representada,
por única respuesta.

c.    Qué es una variable cualitativa nominal.

En esta variable, los valores son, nombres o etiquetas, donde no tienen un orden entre ellos.
se puede tomar como ejemplo; las cualidades de una población de un universo que existe
un orden de tamaño, color, estado civil; nacionalidad; religión.  

d. Qué es una variable cualitativa categórica.

Una variable cualitativa categórica: puede ser, la raza, el sexo, la clase social, lugar de
procedencia, de igual manera, son variables con las que únicamente se puede tomar
medidas nominal u ordinal de manera que estas no pueden ser infinitas. 

e. Cuál es la diferencia entre media poblacional y media muestral.

La diferencia es que, la media poblacional es el total de datos que sacamos al

estudiar una población, como por ejemplo las vacas de Colombia son una población ya
que el 

universo serían todas las vacas del mundo.  mientras que la media muestra, es un es una
pequeña parte de esa población como por ejemplo las vacas de una ciudad o más
ciudades; con esta se facilita llevar una base de datos ya que es más poca cantidad de
vacas a tomarle las respectivas muestras.

f. Qué es la varianza de una población.

Es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son
iguales, la prueba se basa en analizar la muestra obtenida de la población, que representa la
 variabilidad de una serie de datos respecto a su media. Formalmente se calcula como la
suma de los residuos al cuadrado divididos entre el total de observaciones.

g. Qué es desviación estándar.

Mide cuánto se separan los datos. es la raíz cuadrada de la varianza

h.    Qué es la Regla de Sturges ¿para qué sirve?

Es una técnica muy utilizada para realizar un histograma de frecuencia, para calcular en
número de intervalos, lo único que tenemos que tener es una calculadora

·         Escribir la cantidad de datos

·         Aplicar el botón log

·         Multiplicar por 3,332

·         Sumar 1

·         Al resultado lo dejamos en número entero sin redondear

i.    Qué es frecuencia absoluta.

Nos indica el número de veces que se repite cada valor de la muestra

j.     Qué es frecuencia relativa. 

Es la cifra, que representa la frecuencia absoluta, dividida, en el total de valores de la

población o la muestra

k.     Qué es frecuencia relativa acumulada.

Es la sumatoria de las frecuencias relativas

l ¿Cuál es la diferencia entre una tabla de frecuencias absolutas de una variable continua
y de una discreta?

 
 Primero que todo los datos de las variables discretas, son valores concretos a diferencia de
las variables continuas que pueden tomar cualquier valor, estos datos se los acumula en
intervalos.

m.     Qué es un Box Plot o diagrama de cajas, para qué sirve.

Es una gráfica que describe características importantes tanto de dispersión como simetría,
está compuesto por un rectángulo (la caja) y dos brazos (bigote)

Es un gráfico que suministra información sobre los valores mínimos y máximos

 n. En qué tipo de variables se usa el histograma.

El Histograma se usa en variables cuantitativas continuas, pero también se usa en las

variables de tipo discretas. Esto quiere decir que se puede mostrar gráficamente la
distribución de una variable cuantitativa o numérica.

o. En qué tipo de variables se usa el gráfico de barras

 El diagrama de barras o gráfico de barras se utiliza para representar datos de variables
cualitativas discretas o categóricos, que pueden representar tanto frecuencias absolutas
como relativas.

4.  Presentar los gráficos obtenidos al ejecutar el código, separándolos en las tres secciones
que aparecen en este (Variable Continua, Discreta y Cualitativa)

 Datos de la variable cuantitativa continua Edad

En el diagrama de caja hemos elegido la variable continua de edad donde se puede
determinar que la mitad de los datos 20años es el promedio con mayor frecuencia y que
solo un dato es de 15 años y un solo valor de 25 años de edad.

Datos de la variable cuantitativa discreta “Número de hermanos”

En esta grafica podemos observar que solo hay un valor con cero hermanos y un valor de 5
así mismo el promedio del número de hermanos de estos datos es 2 
En la gráfica se aprecian la relación entre el número de hermanos y el porcentaje en el que
se encuentra del estudio de la población gráficamente podemos apreciar que la presencia de
dos hermanos está por debajo del 60% de la población y vemos un incremento donde más
del 60% tienen de a 3a 5 hermanos. Entre el 80 y el 100% se ve como hay una aparente
disposición a encontrar muy frecuentemente 4 O 5 hermanos den la población de estudios.
La gráfica está dividida en 5 segmentos proporcionales, donde nos indican el porcentaje de
cada dato, a simple vista podemos dar una idea rápida  de la distribución proporcionada por
los datos
 Conclusiones

Con el desarrollo de esta actividad colaborativa, logramos comprender temas que

son de vital importancia para la vida y su interpretación es muy fácil porque se
logran entender por medio de tablas, gráficos, diagramas, entre otros; y es de mucha
utilidad en especial en nuestras carreras,  ya que, la estadística descriptiva; estudia
los datos de un universo que se recolectan en una pequeña población y lo convierten
en una muestra para obtener resultados de mayor confianza a la hora de empezar un
proyecto; pues esta nos da predicciones de lo que puede suceder con dicho proyecto,
nos ayuda a entender los diferentes conjuntos de datos que se obtienen de medios
donde surgen comportamientos ya sean económicos, culturales, del medio ambiente.

Así mismo la estadística es una herramienta matemática, que permite analizar e

interpretar datos de diferentes rangos, igualmente, nos da la oportunidad, de conocer
las finanzas y variables de cada suceso donde se afirmara un incremento o una
disminución de ciertas características. 

También se aprendió a dar un manejo en el software R, donde se pudo evidenciar un

ambiente de programación formado por conjuntos de herramientas muy flexible,
dando órdenes en forma de códigos para variables estadísticas en diferentes
paquetes. Al evidenciar que el programa al ser gratuito y de código abierto es de
mucha ayuda para este tipo de trabajos donde se necesita ordenar las diversas
variables existentes en el campo de formación laboral, académica e incluso
personal. 

 
Referencias 

Romero, E. (2016). Estadística para todos. Análisis de datos:

estadística descriptiva, teoría de la probabilidad e inferencia. Ediciones
Pirámide. Disponible en: https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=4569980&query=estad%C3%ADstica+descriptiva

García, P. A. (2014). La interpretación de los datos: Una introducción

a la estadística aplicada. Recuperado de https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=3227747&query=introducci%C3%B3n+a+la+estad
%C3%ADstica+

Mendoza, H, Bautista, G. (2002). Probabilidad y Estadística.

Universidad Nacional de Colombia,
http://red.unal.edu.co/cursos/ciencias/2001065/html/un1/cont_102_02.
html. 

Matus, R., Hernández, M., & García, E. (2010). Estadística.

Recuperado de:
http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?
ppg=1&docID=3187261&tm=1519661894239

 
Copia de los resultados que aparecen en R Console, después de 
ejecutar la totalidad del código.

R version 3.6.2 (2019-12-12) -- "Dark and Stormy Night"

Copyright (C) 2019 The R Foundation for Statistical Computing
Platform: x86_64-w64-mingw32/x64 (64-bit)

R es un software libre y viene sin GARANTIA ALGUNA.

Usted puede redistribuirlo bajo ciertas circunstancias.
Escriba 'license()' o 'licence()' para detalles de distribucion.

R es un proyecto colaborativo con muchos contribuyentes.

Escriba 'contributors()' para obtener más información y
'citation()' para saber cómo citar R o paquetes de R en publicaciones.

Escriba 'demo()' para demostraciones, 'help()' para el sistema on-line de

ayuda,
o 'help.start()' para abrir el sistema de ayuda HTML con su navegador.
Escriba 'q()' para salir de R.

[Previously saved workspace restored]

> 
> # CURSO ESTADISTICA DESCRIPTIVA (300046_763) PERIODO
ACADÉMICO 8-3 DE 2020
> 
> # CONCEPTOS BÁSICOS DE ESTADÍSTICA DESCRIPTIVA Y MANEJO
DEL CODIGO R UNIDAD 1
> 
> # Recuerde que para ejecutar cada una de las líneas del código debe
digitar "Control+r"
> # Recuerde siempre ejecutarlo en orden, de arriba hacia abajo
> 
> # Las líneas del código que inician con el símbolo # no son comandos
sino textos explicatorios
> 
> # IMPORTANTE: NO MODIFIQUE NINGUNA PARTE DEL CÓDIGO 
> # Si lo modifica, le puede aparecer errores
> # 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:
> # Variable cuantitativa continua
> # Variable cuantitativa discreta
> # Variable cualitativa o categórica
> 
>            # VARIABLES CUANTITATIVAS CONTINUAS
> 
> # Son variables de mediciones en individuos u objetos como peso,
edad, altura, entre muchas otras.
> # son variables que admiten decimales.
> # En la variable de ejemplo, se le preguntó la edad a 15 estudiantes
universitarios:
> # 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)
> 
> #Presentar en el informe grupal los siguientes resultados en un
cuadro, explicando cada uno de ellos:
> summary(edad)# Resumen estadístico
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
  15.00   18.80   20.00   20.29   22.00   25.00 
> mean(edad)#media aritmética
[1] 20.29333
> var(edad)#varianza
[1] 7.182095
> sd(edad)#desviación estándar
[1] 2.679943
> min(edad) #Mínimo
[1] 15
> max(edad)# Máximo
[1] 25
> range(edad) #Rango
[1] 15 25
> median(edad)# Mediana
[1] 20
> length(edad)# Número de datos
[1] 15
> quantile(edad, 0.25)# Cuantil Q1
 25% 
18.8 
> quantile(edad, 0.75)# Cuantil Q3
75% 
 22 
> quantile(edad, 0.5)# Cuantil Q2 que es la mimsa mediana
50% 
 20 
> IQR(edad) #Rango intercuartílico
[1] 3.2
> sort(edad)# Ordenar
 [1] 15.0 17.0 18.0 18.4 19.2 19.4 19.6 20.0 20.4 21.4 22.0 22.0 23.0
24.0 25.0
> 
> ### Regla de Sturges para creación de histograma en variables
continuas
> range(edad,na.rm=TRUE)  # incluimos na.rm=TRUE para que ignore
la presencia de valores perdidos
[1] 15 25
> nclass.Sturges(edad)#Número de intervalos
[1] 5
> seq(15,25,length=nclass.Sturges(edad))  # Límites de los intervalos
[1] 15.0 17.5 20.0 22.5 25.0
>
intervalosEdad=cut(edad,breaks=seq(15,25,length=nclass.Sturges(eda
d)),include.lowest=TRUE)
> intervalosEdad # Se muestran los intervalos de edad, uno
correspondiente a cada edad observada
 [1] (17.5,20] (17.5,20] (17.5,20] (22.5,25] (17.5,20] (20,22.5]
(17.5,20]
 [8] (20,22.5] (17.5,20] (22.5,25] [15,17.5] (20,22.5] [15,17.5]
(20,22.5]
[15] (22.5,25]
Levels: [15,17.5] (17.5,20] (20,22.5] (22.5,25]
> puntos=min(edad)+(0:nclass.Sturges(edad))*(max(edad)-
min(edad))/nclass.Sturges(edad)
> 
> #Histograma de la variable edad con la regla de Sturges:
> # 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 superior del marco,
> # 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
> # y le pueden quedar partes del código sin ejecutar.
> hist(edad,main="Histograma con Regla de Sturges variable edad
PERIODO 763",breaks=puntos) # este comando crea el gráfico de
histograma con la regla de Sturges
> 
> # Instalación libreria "agricolae":
> # Es obligatorio instalar la libreria Agricolae, para poder ejecutar los
siguientes comandos del código
> # Esta es la forma de instalar desde el editor:
> install.packages("agricolae") # Esperar que salga una lista de países y
seleccionar USA(IA)
Installing package into ‘C:/Users/Cristina/Documents/R/win-library/3.6’
(as ‘lib’ is unspecified)
--- Please select a CRAN mirror for use in this session ---
Warning: failed to download mirrors file (no fue posible abrir la URL
'https://cran.r-project.org/CRAN_mirrors.csv'); using local file
'C:/PROGRA~1/R/R-36~1.2/doc/CRAN_mirrors.csv'
probando la URL
'https://mirror.las.iastate.edu/CRAN/bin/windows/contrib/3.6/agricolae_
1.3-3.zip'
Content type 'application/zip' length 1298019 bytes (1.2 MB)
downloaded 1.2 MB

package ‘agricolae’ successfully unpacked and MD5 sums checked

The downloaded binary packages are in

        C:\Users\Cristina\AppData\Local\Temp\RtmpaoCwll\downloaded_p
ackages
Warning message:
In download.file(url, destfile = f, quiet = TRUE) :
  fallo en InternetOpenUrl: ''
> # Damos "OK" y el programa instala el paquete
> # 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 carpeta donde se guardaron)"
> # Debe aparecer nuevamente el cursor rojo en la consola de
resultados a la izquierda (R Console)
> # Si la libreria quedó bien instalada, al dar "CONTROL+R" aparece
"library(agricolae)" en color rojo
> library(agricolae) 
Warning message:
package ‘agricolae’ was built under R version 3.6.3 
> 
> ### Gráficos de variables continuas:
> # Histograma de la variable edad
> hist(edad,ylab="Frecuencia",main="Histograma de la variable
continua Edad PERIODO 763")
> # Como pueden ver, una vez instalada la libreria "agricolae" no hace
falta realizar todos los pasos que se 
> # necesitaron para obtener el histograma por medio de la Regla de
Sturges
> boxplot(edad,ylab="Edad (años)",main="Boxplot o diagrama de cajas
variable continua") # Gráfico de diagrama de cajas o Boxplot
> # El boxplot organiza los datos de menor a mayor y los agrupa en
cuatro cuartiles, donde cada uno tiene la misma 
> # cantidad de datos.
> 
>              # VARIABLES CUANTITATIVAS DISCRETAS
> 
> # 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 tenían cada uno de ellos:
> 
> Hermanos=c(0,1,4,1,2,3,2,3,1,2,0,5,4,3,2)
> 
> #Presentar en el informe grupal los siguientes resultados en un
cuadro, explicando cada uno de ellos:
> summary(Hermanos)# Resumen estadístico
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
    0.0     1.0     2.0     2.2     3.0     5.0 
> min(Hermanos) #Mínimo
[1] 0
> max(Hermanos)# Máximo
[1] 5
> range(Hermanos) #Rango
[1] 0 5
> mean(Hermanos)# Media aritmética ## SI HAY DATOS PERDIDOS
TOCA CON SUMMARY
[1] 2.2
> median(Hermanos)# Mediana
[1] 2
> length(Hermanos)# NÚMERO DE DATOS
[1] 15
> sd(Hermanos)# Desviación típica
[1] 1.473577
> quantile(Hermanos, 0.25)# Cuantil Q1
25% 
  1 
> quantile(Hermanos, 0.75)# Cuantil Q3
75% 
  3 
> quantile(Hermanos, 0.5)# Cuantil Q2 que es la mimsa mediana
50% 
  2 
> IQR(Hermanos) #Rango intercuartílico
[1] 2
> sort(Hermanos)# Ordenar
 [1] 0 0 1 1 1 2 2 2 2 3 3 3 4 4 5
> ##En este caso las tablas de frecuencias se desarrollan por pasos:
> table(Hermanos) #Tabla de frecuencias absolutas
Hermanos
0 1 2 3 4 5 
2 3 4 3 2 1 
> fabs=table(Hermanos)##Tabla de frecuencias absolutas
> fabs
Hermanos
0 1 2 3 4 5 
2 3 4 3 2 1 
> fabsacum<-as.table(cumsum(fabs))#Frecuencias absolutas
acumuladas
> fabsacum
 0  1  2  3  4  5 
 2  5  9 12 14 15 
> frel=prop.table(table(Hermanos))#Tabla de frecuencias relativas
> frel
Hermanos
         0          1          2          3          4          5 
0.13333333 0.20000000 0.26666667 0.20000000 0.13333333
0.06666667 
> frelacum<-as.table(cumsum(frel))#Frecuencias relativas acumuladas
> frelacum
        0         1         2         3         4         5 
0.1333333 0.3333333 0.6000000 0.8000000 0.9333333 1.0000000 
> # Podemos decir que cero hermanos tiene el 0.133 en proporción ó el
13.3% de los individuos encuestados. 
> # Las proporciones se multiplican por 100 para expresarlas en
porcentaje.
> 
> ##Gráficos de variables cuantitaivas discretas:
> boxplot(Hermanos,ylab="número de hermanos",main="Boxplot o
diagrama de cajas variable discreta PERIODO 763")
> barplot(fabs,xlab="Número de hermanos",ylab="Frecuencias
absolutas",main="Diagrama de barras Frecuencia Absoluta PERIODO
763")
> barplot(frel,xlab="Número de hermanos",ylab="Frecuencias
relativas",main="Diagrama de barras Frecuencia relativa PERIODO
763")
> barplot(frelacum,xlab="Número de hermanos",ylab="Frecuencias
relativas",main="Diagrama de barras Frecuencias relativas acumuladas
PERIODO 763")
> pie(fabs,col=rainbow(6),main=c("Grafico de tarta de Hermanos
PERIODO 763"))#Gráfico de tarta
> 
>