bd<-read.csv("",header=TRUE, sep=(";"),dec=(","), na.

strings=("No disp"))

summary(bd)

summary(bd$PH)

str(bd)

mean(bd$Conductividad,na.rm = T)

#SEGMENTAR LOS DATOS

bd_1<-bd[bd$Destino_de_Agua=="Calderas",]

mean(bd_1$Conductividad,na.rm = T)

bd_2<-bd[bd$Descripcion_equipo=="70-07",]

mean(bd_2$Conductividad,na.rm = T)

summary(bd_2$Conductividad)

bd_2$Conductividad<-ifelse(is.na(bd_2$Conductividad), #IMPUTACION PARA ELIMINAR LOS

NA

mean(bd_2$Conductividad,na.rm = T),

bd_2$Conductividad)

summary(bd_2$Conductividad)

"Paqueteria para realizar tablas de distribucion de frecuencia "

install.packages("fdth")

#library(fdth)

table_cond<-fdt(bd_2$Conductividad,k=5)

table_cond

#plotiamos paraa graficar el histograma

plot(table_cond,type = "fh")

#para poner el titulo de la grafica general y las leyendas en el eje x y y , colores

plot(table_cond,type = "fh",main = "Histograma f.Absoluta",xlab = "Clases",ylab =

"Frecuencia",col = "green")

#plot para hacer varias graficas en un solo plot

par(mfrow=c(2,3))

#Practica en clases_ Tabla N1

table_1<-fdt(bd_2$Conductividad,k=5)

table_1

plot(table_1,type = "rfh",main = "Histograma f.Relativa",xlab = "Clases",ylab = "Frecuencia",col

= "green")

#tabla N2

table_2<-fdt(bd_2$Conductividad,k=5)

table_2

plot(table_2,type = "fh",main = "Histograma f.Absoluta",xlab = "Clases",ylab = "Frecuencia",col

= "blue")

#tabla N3

table_3<-fdt(bd_2$Conductividad,k=5)

table_3

plot(table_3,type = "fp",main = "Polígono frecuencia Absoluta",xlab = "Clases",ylab =

"Frecuencia",col = "red")

#Tabla N4

table_4<-fdt(bd_2$Conductividad,k=5)

table_4

plot(table_4,type = "rfpp",main = "Polígono frecuencia Relativa",xlab = "Clases",ylab =

"Frecuencia",col = "yellow")

#Tabla N5

table_5<-fdt(bd_2$Conductividad,k=5)

table_5

plot(table_5,type = "cfp",main = "poligono",xlab = "Clases",ylab = "Frecuencia",col = "green")

#tabla N6

table_6<-fdt(bd_2$Conductividad,k=5)

table_6

plot(table_6,type = "d",main = "Densidad",xlab = "Clases",ylab = "Frecuencia",col = "red")

par(mfrow=c(3,2))
# para analizar si la base de datos esta limpia o no (sale el gato)

#library(mice)

md.pattern(bd_2)

md.pattern(mtcars)

# como eliminar las columnas

bd_2$col<-null

#Práctica N|1

#Nombre:

#1.Importar base de datos

bd<-read.csv("",header=TRUE, sep=(";"),dec=(","), na.strings=("No disp"))

summary(bd)

#Eliminar la base de datos

bd$Analista<-NULL

bd$Fecha<-NULL

bd$Alcalinidad_P<-NULL

bd$Alcalinidad_M<-NULL

bd$Alcalinidad_OH<-NULL

bd$Dureza_total<-NULL

bd$Molibdato<-NULL

bd$Hierro<-NULL

bd$Sulfito_ppm<-NULL

bd$Notas<-NULL

bd$year<-NULL