Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Solución:
plantas = c(15,16,18,18,12,12,25,10,15,22,14,14,16,4,8,5,7,3,9,12)
tratamiento =
c("s","s","s","s","s","s","s","s","s","s","n","n","n","n","n","n","n","n"
,"n","n")
Datos = data.frame(tratamiento, plantas)
head(Datos,5) #5 primeros registros
## tratamiento plantas
## 1 s 15
## 2 s 16
## 3 s 18
## 4 s 18
## 5 s 12
Solución:
#media
Xm=mean(Datos$plantas)
print(Xm)
## [1] 12.75
#mediana
Xmed=median(Datos$plantas)
print(Xmed)
## [1] 13
## [1] 13
Solución:
Xc=mean(Datos$plantas, trim=0.05)
print(Xc)
## [1] 12.61111
## [1] 12.61111
b) Si se tiene que todos los tratamientos “s” tienen una ponderació n de 0.06 y los
tratamientos “n” con una ponderació n de 0.04, calcule la media ponderada de la
cantidad de plantas.
Solución:
pond=c(rep(0.06,10),rep(0.04,10))
pond
## [1] 0.06 0.06 0.06 0.06 0.06 0.06 0.06 0.06 0.06 0.06 0.04 0.04 0.04
0.04 0.04
## [16] 0.04 0.04 0.04 0.04 0.04
#Mp=W1X1+W2X2+....+WnXn
Mp=sum(pond*Datos$plantas)
Mp
## [1] 13.46
library(modeest) #libreria
res=mlv(observaciones, method = “mfv”) #función mlv para determinar la observación
con mayor frecuencia, en caso de ser datos numéricos el method debe ser “mfv”, caso
contrario no se requiere method
conteo=table(observaciones) #contar la ocurrencia de cada observación conteo
v_logico=conteo==max(conteo) #comparación entre la cada frecuencia con la max
frecuencia presentada
conteo[v_logico] #primer resultado es la observación y segundo es la frecuencia
Solución:
conteo=table(Datos$plantas) #contar la ocurrencia de cada observación
conteo
##
## 3 4 5 7 8 9 10 12 14 15 16 18 22 25
## 1 1 1 1 1 1 1 3 2 2 2 2 1 1
## 12
## 3
#otra forma
#install.packages("modeest")
library(modeest)
## [1] 12
##
## n s
## 10 10
#otra forma
mlv(Datos$tratamiento)
## [1] n s
## Levels: n s
Solución:
var(Datos$plantas)
## [1] 33.46053
sd(Datos$plantas)
## [1] 5.784507
## [1] 15 16 18 18 12 12 25 10 15 22 14 14 16 4 8 5 7 3 9 12
Xmedia=mean(X)
Xmedia
## [1] 12.75
s=sd(X)
s
## [1] 5.784507
Y=(X-Xmedia)/s
Y
## [1] 0.3889700 0.5618456 0.9075967 0.9075967 -0.1296567 -0.1296567
## [7] 2.1177257 -0.4754078 0.3889700 1.5990990 0.2160945 0.2160945
## [13] 0.5618456 -1.5126612 -0.8211589 -1.3397856 -0.9940345 -1.6855368
## [19] -0.6482834 -0.1296567
round(mean(Y),3)
## [1] 0
var(Y)
## [1] 1
a)Organice los datos en una matriz denominada Notas, en donde las columnas sean las
materias y las filas los estudiantes.
Mat=c(3,5,6,4,5,7,2,8,3,9)
Fis=c(5,4,1,2,6,7,6,8,5,6)
Qui=c(3,5,6,7,6,5,6,8,7,8)
colnames(Notas)=c("Mat","Fis","Qui")
rownames(Notas)=c("est1","est2","est3","est4","est5","est6","est7","est8"
,"est9","est10")
Notas
## [1] 5.2
mean(Notas[,"Fis"])
## [1] 5
mean(Notas[,"Qui"])
## [1] 6.1
#vector de medias
v_medias=colMeans(Notas)
v_medias
Mat_sd=sd(Notas[,"Mat"])
Fis_sd=sd(Notas[,"Fis"])
Qui_sd=sd(Notas[,"Qui"])
#vector de desviaciones
v_sd=c(Mat_sd,Fis_sd,Qui_sd)
v_sd
Solución:
e=c(rep(1:10,3)) #vector de estudiantes triplicado
calif=c(Notas[,"Mat"],Notas[,"Fis"],Notas[,"Qui"]) #vector de
calificaciones en orden
plot(e, calif, main="Resultados de calificaciones", xlab = "Estudiantes",
ylab = "Notas", ylim = c(0,10))
abline(h=lsup, col="blue")
abline(h=linf, col="blue")
abline(h=X_gmedias, col="red")
SECCIÓN DE TAREA
Pegue los códigos usados para generar cada una de las respuestas y los gráficos en
cada respectivo ítem al igual que en los ejercicios guía anteriores. Las interpretaciones
son igual o má s importantes que los resultados. Use lenguaje no técnico de tal forma
que cualquier persona, sin conocimiento de Estadística, pueda entender lo expuesto.
Una vez que realice su tarea, pegue su link de RStudio Cloud aquí: