Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejercicio práctico 4
Desarrollo
# Linea 1
# Histogramas para G1
# Ajustar modelo
model <- lm(G2 ~ G1, data=eduport)
# ------------------------------------------------------------------
Doctorado en Educación
Universidad Metropolitana de Ciencias de la Educación
# Histograma para G2
hist(eduport$G2, probability=TRUE, col="grey", border="black",
main="Histograma de G2", xlab="rendimiento G2", ylab="frecuencia absoluta",
xlim=c(0,20))
curve(dnorm(x, mean=mean(eduport$G2), sd=sd(eduport$G2)),
col="red", lwd=2, add=TRUE, lty=2)
# -------------------------------------------------------------------
# Linea 3
Desarrollo
>
> # Paso 5: Test de Mantel
>
> library(vegan)
Loading required package: permute
Loading required package: lattice
This is vegan 2.6-4
Doctorado en Educación
Universidad Metropolitana de Ciencias de la Educación
Call:
mantel(xdis = binario, ydis = likert)
Call:
protest(X = binario, Y = likert)
Permutation: free
Number of permutations: 999
>
> # Paso 7: Grafico Escalamiento multidimensional
(CMDscale)
>
> mds_result <- cmdscale(binario, k = 2)
> plot(mds_result, xlab = "Dimensión 1", ylab =
"Dimensión 2", main = "Distribución estudiantes en base
matriz binaria", col="Black", pch=19)
arrows(-0.6, 0,1, 0,0, 0,0,lwd= 3, col= "red")
>
library(factoextra)
fviz_cluster(object = list(data=likert,
cluster=cutree(resultado_hclust, k=4)),
ellipse.type = "convex", repel =
TRUE, show.clust.cent = FALSE,
labelsize = 8) +
labs(title = "Hierarchical clustering + Proyección
PCA",
subtitle = "Distancia euclídea, Lincage complete,
K=4") +
Doctorado en Educación
Universidad Metropolitana de Ciencias de la Educación
# PARTE 1
# Linea 1
# Histogramas para G1
# Ajustar modelo
model <- lm(G2 ~ G1, data=eduport)
# ------------------------------------------------------------------
# Linea 2
# Histograma para G2
hist(eduport$G2, probability=TRUE, col="grey", border="black",
main="Histograma de G2", xlab="rendimiento G2", ylab="frecuencia absoluta",
xlim=c(0,20))
curve(dnorm(x, mean=mean(eduport$G2), sd=sd(eduport$G2)),
col="red", lwd=2, add=TRUE, lty=2)
# -------------------------------------------------------------------
# Linea 3
---------------------------------------------------------------------------------------------------------------
# PARTE 2
# Paso 3: creación matriz de distancia, con método "binary". Objeto llamado "binario"
library(vegan)
test_mantel <- mantel(binario, likert)
print(test_mantel)
procrustes(binario, likert)
test_procrustes <- protest(binario, likert)
print(test_procustes)
library(factoextra)