Práctica 6

#1
set.seed(123) #inicializamos la semilla
numSample<-sample(20:25,50,replace=T) #generamos una muestra de datos
numSample
plot(numSample, main="Valores de la muestra", xlab="Iteración", ylab="Valor", type="h",
col="blue") #con plot podemos crear gráficas, main, xlab, ylab sirven para dar nombre
a la gráfica, al eje x, y al y respectivamente
#type nos ayuda a elegir el tipo de gráfico, col sirve para cambiar los colores
#h es histograma
#2
n=100
set.seed(123)
numSample02<-rnorm(n,mean=0,sd=1) #sd es desviación estándar
plot(numSample02, ylim=c(-5,5)) #se colocan limites en donde se graficará
plot(numSample, main="Gráfica de puntos (p)", xlab="Iteración", ylab="Valor", type="p",
col="blue") #p nos dará una gráfica de puntos

n=100
set.seed(123)
numSample02<-rnorm(n,mean=5,sd=3)
plot(numSample02, ylim=c(-12,6))
plot(numSample02, main="Gráfica de puntos (p)", xlab="Iteración", ylab="Valor", type="p",
col="blue")

#9
n=100 #muestra de 100 datos
set.seed(123)
numSample02<-rnorm(n,mean=5,sd=0.5)
boxplot(numSample02, xlab= "Datos de la muestra", ylab="Valor", type="p", col="blue")
#con boxplot podemos generar una grafica de caja
# 10
par(mfrow=c(2,1)) #par nos permite añadir mas de un parámetro/función a nuestras
gráficas
x=seq(-pi,pi,0.1)
y=sin(x)
plot(x,y,main="Sen(x)")
plot(y~x, main="Sen(x)")
par(mfrow=c(1,1))

# 11
par(mfrow=c(2,1))
x=seq(-6*pi,6*pi,0.1) #con seq podemos cambiar la amplitud de las gráficas y de
diferentes parámetros
y=cos(x)
plot(x,y, main="Cos(x)", ylim=c(-2,2), type="l",col="red") # l nos genera gráficas de
líneas
plot(y,x, main="Cos(x)", ylim=c(-2,2), type="l",col="red")
par(mfrow=c(1,1))

#con colors()podemos ver todos los colores disponibles

# 12
v01<-sample(1:10,4, replace=T)
v02<-sample(1:10,4, replace=T)
v03<-sample(1:10,4, replace=T)
v04<-sample(1:10,4, replace=T)
matNum01<-cbind(v01,v02,v03,v04) #cbind une columnas y renglones a las
matrices y vectores ,
#columnas usa cbind, renglones usa rbind
rownames(matNum01)<-c("Ex01", "Ex02", "Ex03", "Ex04")
barplot(matNum01,beside=T,col=c("thistle","seagreen1","seashell3","skyblue3"),main="Dia
grama de barras",ylab="Calificación")
#barplot genera gráficos de barras, podemos elegir si las barras están juntas o separadas
con beside

barplot(matNum01[1,],beside=T,col=c("blue4","cyan","lemonchiffon","indianred1"),main="D
iagrama de barras",ylab="Calificación")

# 13
data() #así podemos desplegar todos los datasets disponibles

# 14

data(CO2) #DataSet(CO2)

# 15
data()
datasets::CO2 #selección de que dataset queremos utilizar
boxplot(CO2$uptake~CO2$Plant) # genera un gráfico de caja , uptake toma las
categorías de la data set para que estos se generen en el gráfico

#17
boxplot(CO2$uptake~CO2$Type)
boxplot(CO2$uptake~CO2$Treatment)

#18
data(Swiss) #seleccion dataset swiss para ver su estructura

#19
datasets::Swiss
pairs(~Fertility + Education + Catholic, ,
pch=21,bg=c("red","green3","blue"),data=swiss,main="Swiss data")
#20
#a

#A

datasets::rock

numSampleRock<-rock[,1]

plot(numSampleRock, main="Rock", xlab = "muestras", ylab = "Área", type = "p", col="blue")

##

#B

boxplot(numSampleRock)

##

#c

area<-rock[,1]

peri<-rock[,2]

shape<-rock[,3]

perm<-rock[,4]

rock1<-cbind(area,peri,shape,perm)

barplot(rock1, beside
=T,col=c("thistle","seagreen1","seashell3","skyblue3"),main="Rock",xlab="Parametros",ylab =
"Datos Obtenidos")

##

#D

datasets::Loblolly

pairs(~rating+complaints+critical, pch=2, bg=c("salmon3","yellowgreen","violet"),data=attitude,

main="attitude")

20
Imágenes

#7

#8

#8.2

#9
#9

#10
#11

#12
#17

#19

#20

1)
2)

3)

4)